公开(公告)号：CN103914743B

公开(公告)日：2017-01-25

申请号：CN201410161457.0

申请日：2014-04-21

Applicant: 中国科学技术大学先进技术研究院

Inventor： 常标 ,  祝恒书 ,  谭昶 ,  陈恩红 ,  刘淇 ,  熊辉

IPC: G06Q10/04 ,  G06F17/30

Abstract: 本发明涉及一种基于自回归模型的在线连载内容流行度预测方法，与现有技术相比解决了没有针对在线连载内容流行度预测方法的缺陷。本发明包括以下步骤：训练数据的获取，爬取在线连载内容的整体播放量趋势，解析整体播放量趋势页面的HTML源代码，解析每集播放量趋势页面的HTML源代码；流行度预测，利用自回归模型预测新连载内容的流行度。本发明可以实现针对在线连载内容的流行度预测，作为转移模型的衍生物，利用它的模型参数设计出一个新的评估连载内容质量的指标，对于内容推荐有重要意义。

公开(公告)号：CN112613323B

公开(公告)日：2025-03-18

申请号：CN202011517409.2

申请日：2020-12-21

Applicant: 中国科学技术大学

Inventor： 陈恩红 ,  刘淇 ,  林鑫 ,  黄振亚 ,  王皓

IPC: G06F40/30 ,  G06F40/211 ,  G06N3/0455 ,  G06N5/04 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种语法依赖增强的数学应用题语义识别与推理方法及系统，通过树结构提取题目文本中的信息，融合题目文本局部和全局的语义，能够准确识别数学应用题的细节，有效地描述题目语义与细节，提升智能教育的实际应用中的效果。此外，编码器产生的语义向量可以给众多教育平台提供更好的试题表征、试题自动标注与个性化试题推荐等智慧教育领域的实践提供一定的技术支持，还可带来一定的潜在经济效益。

公开(公告)号：CN119202289A

公开(公告)日：2024-12-27

申请号：CN202411240704.6

申请日：2024-09-05

Applicant: 中国科学技术大学

Inventor： 陈恩红 ,  刘淇 ,  黄振亚 ,  何理扬 ,  李锐 ,  杨诚

IPC: G06F16/51 ,  G06F16/55 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明公开了一种基于二值网络的深度哈希模型的相似图像检索方法及系统，本发明提供的方案中，构建了一个基于二值网络的深度哈希模型并用于对图像数据进行快速检索，相比现有方案，本发明提供的方案中考虑了模型推断过程中的计算开销问题，基于二值网络，大幅减少了模型的存储大小以及计算的复杂度，从而能够部署在资源受限的设备上，同时因为二值网络的表达能力受限，还提出一种基于语义的哈希中心自适应模块以及一个两阶段的训练方法，确保检索结果的有效性。

公开(公告)号：CN119088926A

公开(公告)日：2024-12-06

申请号：CN202411185852.2

申请日：2024-08-27

Applicant: 中国科学技术大学

Inventor： 张凯 ,  刘淇 ,  包美凯 ,  蒋浚哲 ,  高敏 ,  陈恩红

IPC: G06F16/332 ,  G06F16/35 ,  G06F16/33 ,  G06F16/36 ,  G06N20/00

Abstract: 本发明公开了一种基于程序性知识总结的常识问答方法、系统、设备及介质，它们是相对应的方案，方案中：通过要点总结对正确选项和错误选项进行比较分析，总结出各种类型问题的答题要点；通过思考路径总结模块对同类型的问题思考路径总结，生成各种类别问题的思考路径；在通过基于知识选择的答题识别当前问题涉及的技能类别，从而利用总结的程序性知识帮助回答问题。上述方案通过大型语言模型对极少量同种类型问题进行总结生成程序性知识，与之前的基于大型语言模型的常识问答系统相比，能够在保证实现相近甚至更好性能的前提下，极大的减少了对大型语言模型的调用，从而减少了使用成本，并消除了潜在的数据泄露风险。

公开(公告)号：CN119005333A

公开(公告)日：2024-11-22

申请号：CN202411077460.4

申请日：2024-08-07

Applicant: 中国科学技术大学

Inventor： 黄振亚 ,  陈恩红 ,  刘嘉聿 ,  刘淇 ,  马志远

IPC: G06N5/04 ,  G06N5/022 ,  G06F16/332 ,  G06Q50/20

Abstract: 本发明公开了一种融合大模型知识的数学应用题智能解答方法与系统，在每一推理步骤中对必要的知识进行激发、验证、注入，从而关注在每一推理步骤中如何保证激发知识的合理性、以及如何将该知识应用于当前步骤的符号生成中，最终实现推理过程可解释性和准确性的提高。本发明提供的方案，不仅可扩展至包含多种机器学习任务以及使用多种大语言模型，为实现具有强大推理能力的人工智能提供了可行方案；还可以为个性化在线导学提供高可解释性的解题逻辑思路，具有较高的教育和实用价值。

公开(公告)号：CN113836393B

公开(公告)日：2024-11-01

申请号：CN202110922850.7

申请日：2021-08-12

Applicant: 中国科学技术大学

Inventor： 陈恩红 ,  刘淇 ,  黄振亚 ,  连德富 ,  王丽 ,  金斌斌

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开一种基于偏好自适应元学习的冷启动推荐方法，包括：获取社交推荐数据集中的数据，并按照元学习框架设置对数据集进行划分；利用用户对物品的评分以及物品属性，构建异质信息网络，并在异质信息网络上定义回文路径，获取用户的潜在朋友，增强社交关系；根据用户和物品的属性特征分别获取初始向量表征，通过全连接网络对物品初始向量聚合，得到偏好向量表征；通过注意力机制分别对基于显式/隐式社交关系的用户偏好进行表征；使用注意力机制聚合前述向量表征，得到用户综合偏好的向量表征；在元学习框架引入偏好适配器，并使用元学习框架进行评分预测。该方法有效增强了元学习框架的泛化能力，大大提高了评价指标，评分预测更加精准。

公开(公告)号：CN118569244A

公开(公告)日：2024-08-30

申请号：CN202410755434.6

申请日：2024-06-12

Applicant: 中国科学技术大学

Inventor： 程明月 ,  刘淇 ,  陈恩红

IPC: G06F40/205 ,  G06N3/08 ,  G06N3/048 ,  G06N3/0985 ,  G06Q50/20

Abstract: 本发明公开了一种基于认知诊断的写作大模型能力评测方法，所述方法包括：步骤1、构建写作评测集，记为E＝{e1,e2,e3,…,eM}，其中，M是题目数；步骤2、收集写作结果，并进行格式化处理及初步审核，排除不符合要求或质量低的作品；其中，将被试者集合记为S＝{s1,s2,s3,…,sN}，N是被试者数量，被试者包含人类和写作大模型；写作结果记为T＝{tse}N×M，tse表示被试者s对于题目e的写作结果；步骤3、匿名评价；步骤4、整理评价结果得到偏序关系，训练认知诊断模型，得到模型的多维写作能力评分。该基于认知诊断的写作大模型能力评测方法能够减少评估者主观性的影响，保证评测公平性，评价结果更加精细、准确。

公开(公告)号：CN112416986B

公开(公告)日：2024-03-29

申请号：CN202011320485.4

申请日：2020-11-23

Applicant: 中国科学技术大学

Inventor： 刘淇 ,  陈恩红 ,  吴金泽 ,  黄振亚 ,  易津锋

IPC: G06F16/2457 ,  G06F21/62 ,  G06N20/20

Abstract: 本发明公开了一种基于分层个性化联邦学习的用户画像实现方法及系统，针对不同客户端的用户数据，各个客户端独自使用一个用户模型建模用户特质，对用户进行建模。客户端分成分地将用户模型提交给服务器，并实现敏感信息的隐藏。服务器分成分地加权各个模型的参数，得到全局用户模型。最终客户端结合全局用户模型更新局部用户模型以更好的利用各个不一致的客户端的数据信息和模型，并且保持数据隐私，最终更加准确的追踪建模用户特质。弥补了现有方法泄露隐私信息，不适应不一致客户端等弊端。

公开(公告)号：CN117195735A

公开(公告)日：2023-12-08

申请号：CN202311210526.8

申请日：2023-09-19

Applicant: 中国科学技术大学

Inventor： 黄振亚 ,  陈恩红 ,  赵官豪 ,  刘淇 ,  庄严 ,  刘嘉聿 ,  刘芷町

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/092 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于模仿学习的学习者行为模拟方法、系统、设备及介质，将学生的交互过程视为一个顺序决策任务，并将其形式化为一个马尔可夫决策过程，优化了学生在交互过程中的长期回报，并且统一了训练和生成阶段的生成过程，以保持一致性；并且，建立了一个包含两阶段模仿学习的学习者行为模拟器框架，在直接模仿学习阶段中，鼓励模拟器恢复学生交互中现有的模式，在对抗模仿学习阶段中，为了保证模仿的合理性和多样性，生成了从未出现在已收集学生数据中的交互序列，并根据生成的交互的质量给出对抗奖励，以此鼓励模拟器生成多样化的合理交互。训练完毕后，可以更好模拟学习者行为，为在线教育平台的训练和验证提供实际支撑。

公开(公告)号：CN117131922A

公开(公告)日：2023-11-28

申请号：CN202311092995.4

申请日：2023-08-25

Applicant: 中国科学技术大学

Inventor： 程明月 ,  刘淇 ,  陈恩红 ,  蒋浚哲 ,  谢言虎

IPC: G06N3/092 ,  A61M5/172 ,  G16H20/10 ,  G16H40/20

Abstract: 本发明公开了一种基于强化学习的自动化给药系统、方法、设备和存储介质。该基于强化学习的自动化给药系统包括：状态感知器，用于感知来自患者的生理信息；学习器，用于根据训练好的强化学习模型，生成给药策略并交给动作选择器；动作选择器，用于根据状态和策略，生成下一步的动作并输出给麻醉医疗器械；状态感知器的信号输出端分别与学习器、动作选择器相连接，以配合控制麻醉医疗器械实现智能给药到患者。其提高了麻醉效果，降低了成本和能量损耗，增加了稳定性，简化了操作和控制，提高了安全性，并实现了个性化麻醉，从而为患者和医疗人员便捷。