在线视频关键帧定位方法、定位系统、设备及存储介质

    公开(公告)号:CN112507792B

    公开(公告)日:2024-01-23

    申请号:CN202011217843.9

    申请日:2020-11-04

    Abstract: 本发明属于计算机应用技术领域,公开了一种在线视频关键帧定位方法、定位系统、设备及存储介质,利用在线学习者观看视频的点击流数据预先得到观看行为中每一帧的停留时间,构建逻辑回归分类器,处理点击流数据以及学习者成绩分类数据分别得到训练集以及测试集;利用训练集对逻辑分类器不断训练,使用测试集数据对模型预测评估,对回归系数不断更新,最终拟合出逻辑回归模型的最佳参数,并得出与参数对应的比重较大的某几帧即为关键帧。本发明减少了定位过程中的大量手工调整,减少了长串规则,简化了代码,提高了性能。本发明专注于在线教学视频的关键帧获取,更加具有专注性,而且也为使用计算机应用技术实现互联网+教育带来了新思路。

    一种多说话人重叠语音检测方法及系统

    公开(公告)号:CN117012229A

    公开(公告)日:2023-11-07

    申请号:CN202310963031.6

    申请日:2023-07-31

    Abstract: 本发明提供了一种多说话人重叠语音检测方法及系统,包括:获取待检测语音,并对待检测语音进行静音去除;对静音去除后的待检测语音进行特征提取,获得待检测语音的语音特征;将所述语音特征输入至重叠语音检测模型,获得重叠语音检测模型输出的待检测语音对应的重叠说话人数量;所述重叠语音检测模型基于样本语音的语音特征及其对应的重叠说话人数量标签进行有监督训练得到;重叠语音检测模型对语音特征进行嵌入提取,并基于提取的说话人嵌入进行重叠说话人数量分类,获得待检测语音的重叠说话人数量。本发明实现了检测重叠语音中同时说话的人数,并由于对语音进行了说话人嵌入的提取,提高了重叠语音检测的准确率。

    知识认知结构分析方法、系统、计算机设备、介质、终端

    公开(公告)号:CN113591988B

    公开(公告)日:2023-08-29

    申请号:CN202110874755.4

    申请日:2021-07-30

    Abstract: 本发明属于个性化学习技术领域,公开了一种知识认知结构分析方法、系统、计算机设备、介质、终端,以学习者的学习交互序列为基础,得到联合先验特征;设计分层卷积神经网络对学习者学习状态进行空间分析,提取包含学习者个性化学习能力的空间特征;输出学习者在给定异构特征下对练习的反应情况,构建学习过程中影响学习者知识认知结构及表现的学习者时空融合特征;引入双向门循环单元,构建基于长时间依赖和融合时空特征的知识认知结构分析模型去动态诊断学习者的知识认知结构,预测学习者的学习表现。本发明有利于提高知识认知结构分析模型在预测学习者在特定资源下的学习表现方面的预测精度,对个性化教学的发展具有一定的借鉴意义。

    基于深度自编码网络的说话人性别自动识别方法及系统

    公开(公告)号:CN109545227B

    公开(公告)日:2023-05-09

    申请号:CN201810402685.0

    申请日:2018-04-28

    Abstract: 本发明属于声纹识别技术领域,公开了一种基于深度自编码网络的说话人性别自动识别方法及系统,利用与注册说话人及信道均无关的语音信号训练UBM通用背景模型;提取注册数据的i‑vector;提取测试数据的i‑vector;训练深度自编码网络;模式匹配与识别,并进行模型评估。本发明将深度自编码网络应用于说话人性别识别中,将深度自编码网络强大的学习能力用于表征不同性别的说话人特征,不仅实现了特征的再提取,同时降低了特征维数,从而降低了分类运算时的复杂度。本发明提出的方法可进一步推广应用于说话人识别,尝试提高说话人识别系统的鲁棒性。

    一种面向数学资源知识属性提取的方法、系统及设备

    公开(公告)号:CN115935965A

    公开(公告)日:2023-04-07

    申请号:CN202211526512.2

    申请日:2022-11-30

    Abstract: 本发明提供一种面向数学资源知识属性提取的方法、系统及设备,涉及自然语言处理与在线学习领域,所述方法包括:从数学学习资源中的数学表达式中提取知识属性;对知识属性进行重要程度排序;判断知识属性数是否大于给定阈值;当大于阈值时,融合知识属性中循环的知识属性,再次判断知识属性数是否大于阈值;当大于阈值时,消除冗余重要程度低的知识属性;当小于阈值时,返回上级判断,直至知识属性数小于或等于阈值,结束判断。该方法在有效提取数学知识属性的基础上,还对特定学习资源的知识属性进行重要程度排序和筛选,方便平台根据数学学习资源快速定位其蕴含的知识属性以及用户在庞大的学习资源中通过知识属性快速搜寻相关数学学习资源。

    一种多步分层的学习者认知水平挖掘方法及系统

    公开(公告)号:CN110516116B

    公开(公告)日:2022-12-02

    申请号:CN201910796774.2

    申请日:2019-08-27

    Abstract: 本发明属于教育数据挖掘技术领域,公开了一种多步分层的学习者认知水平挖掘方法及系统,结合布鲁姆认知领域目标分类及认知心理,构建试题‑知识认知水平矩阵P,综合学习者知识认知水平矩阵和试题‑知识认知水平矩阵构建学习者理想答题矩阵,利用极大似然估计挖掘学习者知识掌握候选集合;对候选集合内元素的全局期望进行综合判断,获取学习者最终的知识认知水平,并将结果使用雷达图可视化输出。本发明通过挖掘出学习者的知识认知水平后,利用雷达图反馈给学习者的挖掘结果将更加直观、通俗易懂,辅助学习者及时调整学习方案;模型挖掘出的试题隐参数可以评估组成此次测试的试题质量,提高了测试准确性与可信度。

    基于多任务框架的智能学习状态追踪方法、系统及应用

    公开(公告)号:CN114091657A

    公开(公告)日:2022-02-25

    申请号:CN202111386905.3

    申请日:2021-11-22

    Abstract: 本发明属于个性化学习技术领域,公开了一种基于多任务框架的智能学习状态追踪方法、系统及应用,采集学习者的外在学习行为特征、学习资源特征以及潜在能力特征,并进行预处理操作,获得包含先验信息的学习特征;然后构建多个堆叠的卷积神经网络对学习特征进行深度表示学习,控制学习者的遗忘情况,构建深层学习特征;再进行深浅特征融合,引入双向循环神经网络,构建基于长时序依赖的智能学习状态追踪模型;最后对学习者的学习状态进行量化及预测,并构造损失函数进行多任务训练。本发明有利于提高知识追踪模型在预测学习者学习状态方面的预测性能,而且拓展了知识追踪模型的预测领域和教育应用领域,推动了个性化教育、智慧教育的发展。

Patent Agency Ranking