-
公开(公告)号：CN117009580A
公开(公告)日：2023-11-07
申请号：CN202310810239.4
申请日：2023-07-03
Applicant: 华中师范大学
IPC: G06F16/783 , G06F16/75 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于文本主驱动的多模态课堂教师言语行为分析方法、系统及设备，构建了一个可以实现课堂教师言语行为分类的多模态学习模型，提升了模型的分类效果。本发明采用文本主驱动的方式融合不同模态，使用跨模态注意力机制，关注不同模态的贡献；根据不同模态的数据特点提取特征并选择合适的表征方式，丰富了模态的特征表示；改进损失函数优化模型参数，提升了不平衡数据的分类准确率。
-
公开(公告)号：CN114911942A
公开(公告)日：2022-08-16
申请号：CN202210607887.5
申请日：2022-05-31
Applicant: 华中师范大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于置信度的可解释性的文本情感分析方法、系统及设备，首先对预分析文本数据，进行数据预处理；然后将处理后的数据输入深度学习网络进行分类；接着构造置信分割器，定义置信函数，设置置信度阈值，将深度学习网络分类结果分为置信度强弱两部分；根据置信度强弱之分，置信度强的数据由深度学习网络分类，置信度弱的数据由增强网络分类；最后结合两个网络分类结果，输出最终的分类结果。本发明构建一种新网络模型框架RTS‑CF，通过RAKE快速抽取较长的关键词，简单高效；通过置信函数，将测试集分为置信度强弱两部分，结合增强网络对置信度弱的数据进行重新分类。利用增强网络优化神经网络的集成方法，可解释性强，提高整体分类性能。
-
公开(公告)号：CN112529155A
公开(公告)日：2021-03-19
申请号：CN202011418200.0
申请日：2020-12-07
Applicant: 华中师范大学
IPC: G06N3/04 , G06N3/08 , G06F16/9535 , G06K9/62 , G06Q50/20
Abstract: 本发明属于个性化学习技术领域，公开了一种动态知识掌握建模方法、建模系统、存储介质及处理终端，构建学习过程中影响学习者知识掌握状态及表现的学习资源画像指标和学习者画像指标；从在线学习平台中采集包含相应的学习者行为数据以及数字学习资源特征的数据集；对构建的学习资源画像指标和学习者画像指标进行学习者信息融合量化处理，得到浅层学习特征；利用堆叠自编码器对得到的浅层学习特征进行深度表征及融合，构建深度学习者特征；构建基于记忆与遗忘因素结合的动态知识掌握模型。本发明有利于提高学习者表现的预测精度，也为动态知识掌握建模领域发展提供了新的思路，助力该领域发展。
-
公开(公告)号：CN114911942B
公开(公告)日：2024-06-18
申请号：CN202210607887.5
申请日：2022-05-31
Applicant: 华中师范大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06F18/2411 , G06F18/2415 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于置信度的可解释性的文本情感分析方法、系统及设备，首先对预分析文本数据，进行数据预处理；然后将处理后的数据输入深度学习网络进行分类；接着构造置信分割器，定义置信函数，设置置信度阈值，将深度学习网络分类结果分为置信度强弱两部分；根据置信度强弱之分，置信度强的数据由深度学习网络分类，置信度弱的数据由增强网络分类；最后结合两个网络分类结果，输出最终的分类结果。本发明构建一种新网络模型框架RTS‑CF，通过RAKE快速抽取较长的关键词，简单高效；通过置信函数，将测试集分为置信度强弱两部分，结合增强网络对置信度弱的数据进行重新分类。利用增强网络优化神经网络的集成方法，可解释性强，提高整体分类性能。
-
公开(公告)号：CN113934846B
公开(公告)日：2024-06-18
申请号：CN202111209018.9
申请日：2021-10-18
Applicant: 华中师范大学
Abstract: 本发明公开了一种联合行为‑情感‑时序的在线论坛主题建模方法。包括对个人的发帖文本进行情感、行为、主题和时间挖掘。首先，针对帖子和个人情感确定帖子的情感向量占比；依据相关行为分类规则获取行为向量占比；将情感向量与行为向量联合，获取多类别的情感‑行为分类；依据情感‑行为分类的概率，确定在不同分类下的主题分布；联合时间向量，获取不同情感、不同行为、不同主题，在不同时间发帖的概率；联合主题下的词向量，确定不同情感、不同行为、不同主题中所选词的概率变化；最后，综合上述所有概率，得到个人所发帖子的情感、行为、时间和主题占比。本发明可以获得个人在不同阶段所关注的兴趣主题以及个人行为的演化趋势。
-
Patent Agency Ranking
公开(公告)号：CN115238199A
公开(公告)日：2022-10-25
申请号：CN202210555742.5
申请日：2022-05-19
Applicant: 华中师范大学
IPC: G06F16/9536 , G06F16/36 , G06F16/35 , G06F40/295 , G06F40/30 , G06Q50/20
Abstract: 本发明公开了一种基于知识图谱的在线社区学习路径推荐方法、系统及设备，首先，构建“课程——主题——知识点”三层实体建模的知识图谱模型，结合在线社区中用户帖子构造基于语料库和核心短语多层次文本相似度函数；其次，横向借助相似性函数度量帖子语义之间的相似性，以用户知识背景确定用户群体中相近知识水平的唯一用户，获取其学习路径；若路径缺失则需要纵向借助知识图谱推荐处于当前主题知识点更高层级的用户，通过用户知识背景确定唯一用户，获取该用户的帖子；最后，结合知识图谱为在线社区中用户推荐细粒度和多情境感知的学习路径。本发明可以从横向、纵向两个角度，并结合用户知识背景，为其推荐细粒度和多情境感知的学习路径。
-
公开(公告)号：CN114996390A
公开(公告)日：2022-09-02
申请号：CN202210222944.8
申请日：2022-03-09
Applicant: 华中师范大学
Abstract: 本发明公开了一种联合情感和话语角色的在线论坛主题建模方法，首先，针对帖子的需要和相关分类方法确定帖子的各情感向量占比；其次，使用相关话语角色分类表分别确定发帖和回帖的各类角色向量的占比；第三，联合情感向量和回帖的角色向量，获取情感‑回帖角色的二维矩阵，并针对不同情感、不同话语角色，获取对应的主题分布概率；最后，情感向量联合主题向量，确定不同主题、不同情感下所选词的概率占比。综上，可以得到帖子的情感、话语角色以及主题占比。本模型将情感和话语角色两个变量联合纳入主题模型中，进而获取个人的兴趣主题和话语角色对应的主题信息，探究可得个人在在线论坛中关注的信息，以及不同话语角色关注的主题有何不同。
-
公开(公告)号：CN113724096A
公开(公告)日：2021-11-30
申请号：CN202110942467.8
申请日：2021-08-17
Applicant: 华中师范大学
Abstract: 本发明属于信息资源共享技术领域，公开了一种基于公共品演化博弈模型的群体知识共享方法。本发明基于在线学习社区的特征构建群体知识共享对应的公共品演化博弈模型，结合粒子群优化算法，根据用户的行为特性将用户的策略连续化，调整用户的记忆系数和模仿系数，以动态调整用户的共享策略，能够提高群体共享水平，使得社区能够达到高共享水平稳态，从而促使社区长期稳定的发展。
-
公开(公告)号：CN114925218B
公开(公告)日：2024-08-13
申请号：CN202210570329.6
申请日：2022-05-24
Applicant: 华中师范大学
IPC: G06F16/36 , G06F16/332 , G06F40/216 , G06N3/044 , G06N3/08 , G06N5/02
Abstract: 本发明属于个性化学习技术领域，公开了一种基于自适应图的学习者知识认知结构动态挖掘方法，包括：构建在知识点集合上的初始知识点结构图；对初始的知识点集合上的初始知识点结构图进行更新；确定时序学习过程中学习者的状态动态变化；基于学习者在当前知识点上的状态变化计算得到学习者在与当前知识点相关联的知识点上的状态变化情况；更新学习者的知识状态；并根据更新后的学习者知识状态预测学习者下一时刻的作答结果。本发明能够同时考虑到学习者在学习过程中知识认知情况随时间的变化、学习者知识认知情况在知识结构图上的空间效应，完善知识认知结构分析模型，具有更高的准确性以及更好的解释性。
-
公开(公告)号：CN114996390B
公开(公告)日：2024-06-18
申请号：CN202210222944.8
申请日：2022-03-09
Applicant: 华中师范大学
Abstract: 本发明公开了一种联合情感和话语角色的在线论坛主题建模方法，首先，针对帖子的需要和相关分类方法确定帖子的各情感向量占比；其次，使用相关话语角色分类表分别确定发帖和回帖的各类角色向量的占比；第三，联合情感向量和回帖的角色向量，获取情感‑回帖角色的二维矩阵，并针对不同情感、不同话语角色，获取对应的主题分布概率；最后，情感向量联合主题向量，确定不同主题、不同情感下所选词的概率占比。综上，可以得到帖子的情感、话语角色以及主题占比。本模型将情感和话语角色两个变量联合纳入主题模型中，进而获取个人的兴趣主题和话语角色对应的主题信息，探究可得个人在在线论坛中关注的信息，以及不同话语角色关注的主题有何不同。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
