-
公开(公告)号：CN112395858B
公开(公告)日：2024-04-23
申请号：CN202011282980.0
申请日：2020-11-17
Applicant: 华中师范大学
IPC: G06F16/35 , G06F40/211 , G06F40/284 , G06N3/0455 , G06N3/096 , G06N3/048
Abstract: 本发明公开了一种融合试题数据和解答数据的多知识点标注方法及系统。该方法包括步骤：采集试题数据，所述试题数据包括题目文本和解答文本，将所述题目文本和所述解答文本输入预先训练好的语言模型，以分别提取所述题目文本和所述解答文本的词向量，获得题目文本词向量和解答文本词向量；将所述题目文本词向量和所述解答文本词向量进行向量融合处理，获得融合词向量；将所述融合词向量输入预先训练好的多知识点分类模型，获得所述试题数据的知识点标签。本发明通过对信息表达有效性的提升，以及增加并扩充特征信息，即从纵向和横向提升了特征信息的准确性和维度，从而改进了最终知识点标注的准确度。
-
公开(公告)号：CN117893673A
公开(公告)日：2024-04-16
申请号：CN202311050425.9
申请日：2023-08-18
Applicant: 华中师范大学
Abstract: 本发明公开了一种从单图像生成可动画的三维头部模型的生成方法及系统。该方法包括步骤：获取头部图像并生成参数化模型；基于参数化模型生成头部图像的语义模型，将语义信息从规范化语义模板传递给语义模型并对语义模型采样，为每个采样点分配语义代码；提取头部图像的法线贴图及特征图；将每个采样点、特征向量及语义代码输入到深度隐式函数，为每个采样点预测占有值和精确的语义代码；从占有场中提取等势面，生成三维头部模型，利用精确的语义代码进行结构统一；通过表情驱动算法对结构统一后的三维头部模型进行动态驱动。本发明可以从具有不同年龄、性别和面部表情的个体的单张肖像图重建高保真、无伪影和可动画化的三维头部模型。
-
公开(公告)号：CN117807422A
公开(公告)日：2024-04-02
申请号：CN202311823300.5
申请日：2023-12-27
Applicant: 华中师范大学
IPC: G06F18/213 , G06F18/214 , G06F18/25 , G06N3/044 , G06N3/084 , G06N5/022 , G06Q50/20
Abstract: 本发明属于教育数据挖掘领域，提供一种基于多层注意力网络的高阶认知诊断方法，适用于教育数据挖掘领域中的学习者的知识技能掌握程度的智能诊断，本发明方法通过将所有的知识点按照相似性分为若干不同类别的知识，并根据知识与能力的建模生成学生的特征属性，进而将其与答题时间、试题特征相应地整合，通过这种方式，试题考察的知识点与学生能力之间的层次关系可以被表现出来，面向高阶能力挖掘的认知诊断方法可以通过特征建模与诊断分析，对学生当前的知识掌握水平进行一个全面的诊断画像。
-
公开(公告)号：CN117436473A
公开(公告)日：2024-01-23
申请号：CN202311514096.9
申请日：2023-11-14
Applicant: 华中师范大学
IPC: G06N3/042 , G06N3/084 , G06N3/0464 , G06N3/045 , G06Q50/20
Abstract: 本发明属于智能教育系统中的学习者对知识技能掌握程度的认知诊断领域，提供一种融合多实体隐式关系的异构图神经认知诊断方法，包括：(1)构建表征学生‑练习‑知识实体交互关系的三部异构图；(2)构建图结构优化层；(3)构建节点信息聚合层；(4)构建诊断任务层，输出对学生作答结构的预测值。本发明认知诊断方法具有良好的可解释性，在一定程度上解决了现有认知诊断模型对两两实体关系分部建模带来的不整体性，同时有效提升模型诊断的准确性。
-
公开(公告)号：CN117133035A
公开(公告)日：2023-11-28
申请号：CN202311089347.3
申请日：2023-08-25
Applicant: 华中师范大学
IPC: G06V40/16 , G06V10/74 , G06V10/80 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/045 , G06N3/0499 , G06N3/084 , G06V10/82
Abstract: 本发明提供一种面部表情识别方法、系统及电子设备，方法包括：对面部样本图像进行预处理，提取用户脸部特征点坐标；采用卷积神经网络主干获取局部特征和全局特征；采用交叉注意力模块1将聚合的全局特征与每个局部特征进行融合，得到增强的局部特征；采用图卷积神经网络对增强的局部特征加以处理，提取用户脸部结构化语义信息；采用交叉注意力模块2将用户脸部结构化语义融合进每个全局特征，得到用户脸部结构化语义增强的全局特征；采用视觉自注意力模型对用户脸部结构化语义增强的全局特征做进一步的编码；利用交叉熵损失监督整个模型训练。本发明利用图卷积神经网络增强视觉自注意力模型的特征表示能力，用于解决自然场景下的表情识别任务。
-
Patent Agency Ranking
公开(公告)号：CN117078060A
公开(公告)日：2023-11-17
申请号：CN202310843135.3
申请日：2023-07-11
Applicant: 华中师范大学
IPC: G06Q10/0639 , G06Q50/20 , G06F17/15
Abstract: 本发明提供了一种数字人教师应用效果的评价方法及装置，该方法将数字人教师评价分级划分为初级数字人教师、中级数字人教师、高级数字人教师、极高级数字人教师4类。在评价过程中，根据数字人教师应用所具备的智能化、个性化、自动化等特点，以及在教学效果、交互体验、适用性、数据安全性、技术创新等方面的表现，构建评价的指标体系，并设计评价得分函数，对数字人教师应用效果进行评估并给出相应的评价。该发明能够有效地评价数字人教师应用效果，提高数字人教师的教学质量和用户体验。
-
公开(公告)号：CN117076693A
公开(公告)日：2023-11-17
申请号：CN202310843136.8
申请日：2023-07-11
Applicant: 华中师范大学
IPC: G06F16/41 , G06F16/45 , G06F16/483 , G06F18/25 , G06F18/22 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/094 , G06N3/096 , G06Q50/20
Abstract: 本发明公开了一种数字人教师多模态大语言模型预训练学科语料库的构建方法，该方法包括以下步骤：1)从各种学科相关的文献、教材、课程资料、学术期刊、网站等来源收集学科相关的多模态数据；2)对收集到的原始语料数据进行预处理；3)基于深度学习的模型对多模态数据进行特征提取和表征学习；4)对预训练模型进行领域自适应和微调；5)根据语料划分的结果，将语料数据组织成一种结构化的语料库形式，以便后续的语料库检索和应用；该方法通过采用自动化的方法进行教育数字人学科语料库的构建，提高了构建效率，减少了人工成本，能够更好地满足该领域的研究和应用需求，同时为教育数字人学科的发展和应用提供了重要的技术支持。
-
公开(公告)号：CN111221939B
公开(公告)日：2023-09-08
申请号：CN201911163381.4
申请日：2019-11-22
Applicant: 华中师范大学
Abstract: 本发明提供了一种评分方法、装置和电子设备；包括：获取待评分文本和预设的标准文本；提取特征数据；将特征数据输入至预先设定的相似度分析模型中，得到待评分文本和标准文本的相似度数据；计算待评分文本和标准文本的检索相似度；根据语义相似度、文本相似度和检索相似度，确定待评分文本的评分。该方法分别提取待评分文本和标准文本的特征数据，输入至相似度分析模型中，得到语义相似度和文本相似度，计算待评分文本和标准文本的检索相似度，根据语义相似度、文本相似度和检索相似度，确定待评分文本的评分。该方式中，不仅考虑了文本特征，还考虑了语义特征，根据检索相似度确定待评分文本的评分，可以减少评分时间，增加评分的可靠性。
-
公开(公告)号：CN116705294A
公开(公告)日：2023-09-05
申请号：CN202310640694.4
申请日：2023-05-31
Applicant: 华中师范大学
IPC: G16H50/20 , G06N3/0442 , G06N3/096 , G06N3/048 , G06Q50/20
Abstract: 本发明属于教育数据挖掘领域，提供一种基于记忆网络的可解释动态认知诊断方法，包括以下步骤：(1)构建基于记忆网络的可解释动态认知诊断框架；(2)利用记忆网络结构更新知识熟练程度；(3)将学生特征和试题特征进行融合；(4)利用神经网络结构建模诊断算法，将步骤(3)获得的最终输入表征向量作为网络结构的输入，输出学生作答结果；(5)预测学生作答反应以及分析知识熟练程度变化情况。本发明方法从多个角度初始化学习者的学习诊断，以提高模型可解释性，同时，利用记忆网络在知识状态层面构建学习者知识熟练程度的迁移表示，不仅提高了推断学习者动态知识熟练程度的精度，而且增强了捕获试题序列中长期依赖性的能力。
-
公开(公告)号：CN115423546A
公开(公告)日：2022-12-02
申请号：CN202210877982.7
申请日：2022-07-25
Applicant: 华中师范大学
Abstract: 本发明属于教育信息化领域，提供一种基于在线教育平台数据的多图神经网络的课程推荐方法，将线上教育数字化特征与传统教育理念相结合提出了基于embedding技术的个性化课程推荐模型，引入了学习者、课程以及教师三种角色的向量；推荐模型使用了多图网络结构，包括学习者之间形成的社交网络、老师与课程之间构成的二分图网络；推荐模型不涉及学生、课程或者教师的基本属性的特征，建模不依赖过多的数据特征，适用的课程推荐平台范围比较广泛。
-
-
-
-
-
-
-
-
-
Search Results
394
records
(took 0.031 seconds)
