一种基于两层语义模型的文本相似度计算方法与装置

    公开(公告)号:CN115859993A

    公开(公告)日:2023-03-28

    申请号:CN202211393075.1

    申请日:2022-11-08

    Abstract: 本发明公开了一种基于两层语义模型的文本相似度计算方法与装置,统计第一文本和第二文本的句子数量,将数量较小的记为第一文本句子集,另一记为第二文本句子集,计算文本长度对比度;通过第一语义模型分别对第一文本句子集与第二文本句子集进行向量转化,得到第一文本句子向量集与第二文本句子向量集;计算每个句子向量的距离相似度,以在第二文本句子集中寻找第一文本句子集每个句子对应的最相似句子;将最相似的句子组合得到第三文本句子向量集;第一文本句子向量集和第三文本句子向量集通过第二语义模型编码得到第一文本向量和第三文本向量,计算第一文本向量和第三文本向量的相似度;向量相似度与文本长度对比度相乘,得到文本相似度。

    一种基于大语言模型的错题分析及试题推荐系统和方法

    公开(公告)号:CN117150151B

    公开(公告)日:2024-02-20

    申请号:CN202311436886.X

    申请日:2023-11-01

    Abstract: 本发明公开了一种基于大语言模型的错题分析及试题推荐系统和方法,属于在线教育和自然语言处理技术领域,包括:获取学生做题的历史数据整合得到答题数据,将答题数据和人为给定的答题指令输入智能算法得到指令数据;指令数据作为训练数据,采用LoRA方案对大语言模型ChatGLM‑6B进行指令微调,经过优化器优化,得到训练好的错题分析模型,将答题数据输入训练好的错题分析模型得到错题分析结果;试题推荐模型,采用DINA算法和基于内容的协同过滤算法得到个性化习题,与错题分析结果一起发送给学生。本发明能够实现文字类全题型的在线错题分析,辅助教师进行教学,并为学生提供更具个性化、交互性好的试题推荐系统。

    一种可信问答方法、系统、电子设备、介质

    公开(公告)号:CN117194623A

    公开(公告)日:2023-12-08

    申请号:CN202311032221.2

    申请日:2023-08-16

    Abstract: 本发明公开了一种可信问答方法、系统、电子设备、介质,包括:基于本地文档库构建向量数据库;获取问询内容以及备询文档范围;将问询内容输入至内容安全检测模型中进行检测,当识别到问询内容包含违规,则输出警告信号,重新获取问询内容;将问询内容进行向量化,得到用户问询向量;根据用户问询向量、备询文档范围对向量数据库进行检索,得到查询结果文本;将问询内容以及查询结果文本输入至标准prompt模板,再输入至自然语言大模型,获得返回答案;将返回答案输入至内容安全检测模型中进行检测,当识别到返回答案包含违规,则将问询内容、查询结果文本、返回答案以及分类结果输入至异常处理prompt模板,再输入至自然语言大模型中,获得返回答案。

    一种基于特征离散系数和注意力机制的智能人岗匹配方法

    公开(公告)号:CN115795150A

    公开(公告)日:2023-03-14

    申请号:CN202211484581.1

    申请日:2022-11-24

    Abstract: 本发明公开了一种基于特征离散系数和注意力机制的智能人岗匹配方法,所述方法包括获取简历/岗位文本语料对预训练语义抽取模型进行模型精调;根据各个字段的描述类型将简历/岗位文本语料划分为文本特征、数值型特征、等级型特征;根据不同特征类型分析简历/岗位文本语料以提取特征,并存储于向量数据库中;取应聘者在客户端最近的前N条浏览记录,在向量数据库中查找浏览记录对应的各特征值,以计算应聘者的兴趣画像和各特征对应的兴趣度;对于每一个候选岗位推荐项,根据岗位的各个特征值与对应特征的兴趣画像之间的相似度与该特征的兴趣度得到匹配度;对各候选项的匹配度进行排序,得到推荐结果。

    一种基于定制化GRU的自适应学习方法和系统

    公开(公告)号:CN117670609A

    公开(公告)日:2024-03-08

    申请号:CN202311611171.3

    申请日:2023-11-29

    Abstract: 本发明公开了一种基于定制化GRU的自适应学习方法和系统,方法包括以下步骤:构建基于门控循环单元GRU的定制化FLGRU模型;基于FLGRU模型在学习阶段根据学生的学习历史数据转化为知识点掌握度,根据新的学习内容更新知识点掌握度;基于FLGRU模型在答题阶段根据更新后的知识点掌握度和给定的题目信息,预测学生答题结果得到预测值;根据学生答题的预测值和真实值构建损失函数对FLGRU模型进行训练,将训练好的FLGRU模型用于预测学生答题结果。本发明提高了基于FLGRU模型进行知识追踪的效果,能够应用于构建自适应学习模拟器,为自适应学习任务中智能家教等强化学习任务提供训练环境。

    一种基于大语言模型的错题分析及试题推荐系统和方法

    公开(公告)号:CN117150151A

    公开(公告)日:2023-12-01

    申请号:CN202311436886.X

    申请日:2023-11-01

    Abstract: 本发明公开了一种基于大语言模型的错题分析及试题推荐系统和方法,属于在线教育和自然语言处理技术领域,包括:获取学生做题的历史数据整合得到答题数据,将答题数据和人为给定的答题指令输入智能算法得到指令数据;指令数据作为训练数据,采用LoRA方案对大语言模型ChatGLM‑6B进行指令微调,经过优化器优化,得到训练好的错题分析模型,将答题数据输入训练好的错题分析模型得到错题分析结果;试题推荐模型,采用DINA算法和基于内容的协同过滤算法得到个性化习题,与错题分析结果一起发送给学生。本发明能够实现文字类全题型的在线错题分析,辅助教师进行教学,并为学生提供更具个性化、交互性好的试题推荐系统。

    一种自适应的主动式信息交互教育方法

    公开(公告)号:CN116012202A

    公开(公告)日:2023-04-25

    申请号:CN202211489023.4

    申请日:2022-11-25

    Abstract: 本发明涉及一种自适应的主动式信息交互教育方法,根据学习者的环境和注意力的情况,自适应地转变播放方式,如将视频通过内容识别和自动语音生成转变成音频,或者对音频自动生成字幕和配图生成视频。具体的,该装置可以根据声音信号、振动信号、加速度传感器、感光传感器,进行环境干扰特征的识别,判别环境嘈杂程度、声音场景、环境光线条件、设备晃动状态;同时,该装置可以辨识学习者的注意力状态,自动推送合适的内容形式,以最大化注意力集中程度。并且,该装置可以通过对视频和图像内容识别,自动生成描述视频和图像内容的文字,进一步合成音频播放;该装置也可以对音频内容识别,自动生成文字、配图,进行视觉呈现。

Patent Agency Ranking