-
公开(公告)号：CN112818263B
公开(公告)日：2023-08-18
申请号：CN202110089688.5
申请日：2021-01-22
Applicant: 西安交通大学
IPC: G06F16/954 , G06F16/951 , G06F16/901
Abstract: 本发明公开了一种基于增强现实技术知识森林导航学习系统实现方法，通过节点分类依次布局方法布局，生成含有课程数据沙盘场景的知识森林导航学习系统，突破了二维可视化技术在森林规模、布局和交互上存在的局限，采用知识主题分面树结合沙盘场景知识簇间场景构成多维度展示，实现多主题之间的认知关系以及主题之间的关联，易于交互；根据需要自适应地生成样式各异的分面树，使得生成的树简洁美观，极大地节省了存储空间，本发明实现了智能场景判别和课程判别方法，采用簇结构，在进入一个簇后，展示出这个簇内的所有知识主题以及知识主题间的认知关系，沙盘中知识主题数量大大减少，用户可能看到布局更加合理、清晰、易于交互的课程沙盘。
-
公开(公告)号：CN113254739B
公开(公告)日：2023-03-14
申请号：CN202110464783.9
申请日：2021-04-28
Applicant: 西安交通大学
IPC: G06F16/904 , G06F16/906 , G06F3/0483 , G06Q50/20
Abstract: 本发明公开了一种基于一阶曲线的主题分面树可视化方法，属于可视化课程领域，根据需要可视化主题分面树数据，绘制主题分面树主干；然后在主题分面树主干的两侧绘制一级分面；当二级分面数目大于9时，取其中8个二级分面，其余二级分面采用“其它”折叠；当二级分面的数目小于9时，无需进行折叠；二级分面通过计算相邻二级分支的字体大小的高度与其偏移量的正切值作为最小偏移角度建立二级分支，从而避免字体重叠的现象，保证了学习者可以快速整合主题资源的同时，也缓解了由于分面重叠现象带来的学习者认知负载的问题。并避免字体聚集紧密的现象，降低了学习者由于字体聚集紧密导致的注意力分散现象，提高了学习者的学习效率。
-
公开(公告)号：CN111723973B
公开(公告)日：2022-12-09
申请号：CN202010415168.4
申请日：2020-05-15
Applicant: 西安交通大学
Abstract: 本发明公开基于MOOC日志数据中用户行为因果关系的学习效果优化方法，基于MOOC平台用户的日志数据，利用用户倾向性计算和匹配，通过依照反事实的因果推理框架来选取生成因果网络中的因果自变量，在不同数据规模下根据生成网络的平均马尔可夫毯长度，在其长度趋于平稳时获取最小数据规模；得到因果网络群组；使用专家精确度算法来筛选网络节点间的边，将筛选好的网络群组，使用Bagging投票机制综合生成最终因果网络，得到用户行为和学习效果的因果关系，基于所述因果关系，根据原因变量节点和结果变量节点对用户学习路径做出合理规划，改变用户操作行为或者用户的学习时间来影响用户是否完成这门课程的概率，提高了变量之间关系判定的准确性。
-
公开(公告)号：CN110866162B
公开(公告)日：2021-11-19
申请号：CN201910959395.0
申请日：2019-10-10
Applicant: 西安交通大学
IPC: G06F16/906 , G06K9/62 , G06Q50/20
Abstract: 本发明公开了一种基于MOOC数据中辍学行为的因果关系模型的建立方法，通过分析MOOC日志数据集和构建影响辍学行为的候选自变量，定性分析所述候选自变量与因变量之间的相关性；设计所述候选自变量与因变量之间依赖性的定量度量方法，来构建无向图，得到由自变量和因变量组成的节点集构成的无向图，使用基于互信息的局部因果网络结构发现算法，通过无向图中基于回归分析方程剔除错误变量和基于条件独立性测试生成局部网络，构建面向辍学行为的带方向的局部因果网络结构，对于任何一种目标学习效果变量，都可以通过无向图生成、错误节点剔除和局部网络结构构建来进行关于该学习效果的局部因果网络结构的构建工作，进行学习效果的因果关系挖掘。
-
公开(公告)号：CN111708816A
公开(公告)日：2020-09-25
申请号：CN202010414102.3
申请日：2020-05-15
Applicant: 西安交通大学
IPC: G06F16/2458 , G06K9/62
Abstract: 本发明公开了一种基于贝叶斯模型的多真值冲突消解方法，通过分析书籍和电影数据并生成基本数据集Draw，将基本数据集Draw重新转换成一个事实数据集Df，然后进一步生成一个声明数据集Dc，采用基于吉布斯采样的方法进行数据源先验可信度评估；得到数据源先验可靠性，将该数据源先验值作为每个数据源的初始化值，基于数据源在不同领域显示出不同的专业知识程度，一个领域中数据丰富度较高，将丰富度度量转化为基于距离的度量，度量数据源及其提供数据的对象之间的相似性；在最后的贝叶斯推断中将数据源与对象的相似性和真值的置信度作为影响真值推断的因素考虑进去，最后输出真值数据集Dt，进行数据源先验可信度估计，能提高真值推断的效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN106776545B
公开(公告)日：2019-12-24
申请号：CN201611076255.1
申请日：2016-11-29
Applicant: 西安交通大学
IPC: G06F17/27
Abstract: 本发明公开了一种通过深度卷积神经网络进行短文本间相似度计算的方法，目的在于，利用短文本中出现的每一个词语计算短文本间的相似度，使相似度的值计算的更加准确，所采用的技术方案为：1)把若干短文本表示成若干个矩阵，用相应的词向量依次替换文本中的每个单词，得到一个有序的向量序列，视为一个矩阵；2)对两个表示目标短文本的矩阵生成其相似矩阵；通过对词向量之间的余弦相似度进行排列，得到其相似矩阵；3)把相似矩阵的行和列平铺成相同维度；4)把相似矩阵降维成一个值作为相似度；对于所有同维度的相似矩阵，通过深度卷积神经网络对相似矩阵进行训练降维，再通过多层感知机计算相似程度，来代表相似度的值。
-
公开(公告)号：CN109344259A
公开(公告)日：2019-02-15
申请号：CN201810803364.1
申请日：2018-07-20
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于多层划分框架的RDF分布式存储方法，主要步骤包括：(1)通过MMA算法优化RDF图中的顶点移动，保护了RDF图中小社团；(2)通过MSLM算法对RDF图进行粗糙化，发现了RDF图中的社团结构，并且在此基础了缩小了RDF数据的规模；(3)通过B_AP算法实现了对RDF图的k-way分割，使得各个物理存储节点之间的数据量相对平衡并且降低了节点之间的通信代价。本发明提出了完整的RDF分布式存储方法，为提升RDF的查询效率奠定了基础。
-
公开(公告)号：CN106991127A
公开(公告)日：2017-07-28
申请号：CN201710129359.2
申请日：2017-03-06
Applicant: 西安交通大学
IPC: G06F17/30
Abstract: 本发明一种基于拓扑特征扩展的知识主题短文本层次分类方法，能够有效的对知识主题短文本进行组织和管理，解决互联网海量知识短文本造成的信息过载问题。其包括以下步骤：1)初始文本特征构建；2)基于拓扑特征的短文本特征扩展；3)异构知识主题间的迁移学习方法。通过采集多个知识主题对应的短文本长度做初步的量化统计和分析，明确了知识主题短文本文本特征的稀疏程度。通过短文本之间的词共现情况构建并分析知识主题短文本网络，最终选取社区特征有效扩展文本特征。通过计算知识主题之间的KL散度来度量域的差异性，进而选择辅助数据；将层次分类问题转换为多分类问题，有效的对知识主题短文本进行组织和管理。
-
公开(公告)号：CN119739823A
公开(公告)日：2025-04-01
申请号：CN202411744148.6
申请日：2024-11-30
Applicant: 西安交通大学
IPC: G06F16/3329 , G06F40/30 , G06F40/216 , G06N3/045 , G06N5/04
Abstract: 一种基于大语言模型的可控多跳问题生成方法、系统及设备，方法包括将给定的一段上下文C和需要生成问题的跳数h输入预先建立的大语言模型；根据问题从上下文C中获取支持证据，并根据支持证据中的三元组谓词是否相同，将多跳问题生成分为组合型多跳问题生成和比较型多跳问题生成；利用大语言模型依次生成组合型多跳问题与比较型多跳问题，获得多跳问题及其答案。本发明的可控多跳问题生成方法在性能上实现了显著的提升，能够深入地捕捉问题的深层结构和语义信息，从而更加准确地理解并处理这些关系，并且减少在处理复杂问题时可能出现的错误和偏差。本发明能够对整个多跳问题的生成过程进行精细的控制，确保生成的问题在逻辑上连贯，跳数上准确。
-
公开(公告)号：CN117112758A
公开(公告)日：2023-11-24
申请号：CN202311074287.8
申请日：2023-08-24
Applicant: 西安交通大学
IPC: G06F16/332 , G06F16/35 , G06F40/35 , G06F18/2415 , G06F18/25 , G06N3/0442 , G06N3/0455
Abstract: 一种基于两阶段注意力的多特征融合问题生成方法及系统，多特征融合问题生成方法包括将上下文输入多特征编码器，由多特征编码器嵌入特征向量，并采用两阶段注意力编码；将上下文输入问题类型编码器，预测得到问题类型并且编码；将所述多特征编码器以及所述问题类型编码器得到的两种编码，采用交叉注意力机制融合输入到问题解码器，由所述问题解码器输出生成的问题。本发明使用Bi‑LSTM模型提取上下文特征，并结合软注意力矩阵，将模型的注意力重心放在与答案相关的部分，采用门控自注意力机制对特征进行过滤和整合，解决了文本长距离依赖的问题，引入疑问词预测引导机制，指导问题的生成，可以生成更加准确和相关的上下文信息向量。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.022 seconds)
