公开(公告)号：CN114154839A

公开(公告)日：2022-03-08

申请号：CN202111433160.1

申请日：2021-11-29

Applicant: 华中师范大学

Inventor： 杨宗凯 ,  刘智 ,  刘三女牙 ,  粟柱 ,  张格

IPC: G06Q10/06 ,  G06Q30/06 ,  G06Q50/20

Abstract: 本发明属于教育信息化领域，提供一种基于在线教育平台数据的课程推荐方法，利用embedding技术以及图神经网络模型，基于学生基础信息以及学生在学习过程中产生的历史数据，考虑了不同学生之间的交互数据的影响，全面发挥数据的价值，利用前沿的图神经网络GNN算法模型，深度挖掘了学生与学生之间的关系，同时也考虑了课程与课程之间的相似度、学生与课程的历史交互数据，从而实现更加可靠的推荐方式。

公开(公告)号：CN116541593A

公开(公告)日：2023-08-04

申请号：CN202310481997.6

申请日：2023-04-28

Applicant: 华中师范大学

Inventor： 粟柱 ,  李亚峰 ,  刘三女牙 ,  杨宗凯

IPC: G06F16/9535 ,  G06N3/042 ,  G06Q50/20

Abstract: 本发明属于教育数字化领域，提供一种基于学习者与课程资源交互数据的超图神经网络的课程推荐方法，包括：处理得到的学习者与课程的交互数据，得到蕴含课程之间高阶关系的课程超图，对课程超图使用超图卷积神经网络表征课程之间的高阶关系；对学习者隐式社交关系网络使用图卷积神经网络进行节点编码，将每层得到的嵌入向量加权平均得到学习者最终的嵌入向量；训练超图卷积神经网络和图卷积神经网络；通过超图卷积神经网络和图卷积神经网络分别获得学习者嵌入向量和课程嵌入向量，通过向量点积操作得到学习者对于每门课程的预测得分。本发明能够很好的挖掘复杂图中非成对的高阶关系，以生成更加高效的嵌入向量，同时能够有效缓解数据稀疏性问题。

公开(公告)号：CN115423546A

公开(公告)日：2022-12-02

申请号：CN202210877982.7

申请日：2022-07-25

Applicant: 华中师范大学

Inventor： 粟柱 ,  刘智 ,  张格 ,  刘三女牙 ,  杨宗凯

IPC: G06Q30/06 ,  G06Q50/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于教育信息化领域，提供一种基于在线教育平台数据的多图神经网络的课程推荐方法，将线上教育数字化特征与传统教育理念相结合提出了基于embedding技术的个性化课程推荐模型，引入了学习者、课程以及教师三种角色的向量；推荐模型使用了多图网络结构，包括学习者之间形成的社交网络、老师与课程之间构成的二分图网络；推荐模型不涉及学生、课程或者教师的基本属性的特征，建模不依赖过多的数据特征，适用的课程推荐平台范围比较广泛。

公开(公告)号：CN112101039A

公开(公告)日：2020-12-18

申请号：CN202010776809.9

申请日：2020-08-05

Applicant: 华中师范大学

Inventor： 杨宗凯 ,  刘三女牙 ,  刘智 ,  刘石奇 ,  粟柱 ,  赵亮

IPC: G06F40/30 ,  G06F40/247 ,  G06F40/284 ,  G06F40/289 ,  G06F40/295 ,  G06K9/62 ,  G06Q50/00 ,  G06Q50/20

Abstract: 本发明涉及计算机技术自然语言处理领域的文本挖掘技术，提供一种面向在线学习社区的学习兴趣发现方法，包括：采集在线学习社区中学习者生成的多维度行为和文本信息；融合领域知识命名实体词和学习情绪词进行文本分词；基于时序‑情绪‑主题的文本建模算法，挖掘与情绪和时序信息相关的兴趣主题概率分布；基于语义相似度计算方法，鉴别学习者的学习兴趣和非学习兴趣；根据应用场景，输出学习兴趣标签及其权重。本发明方法能有效发现学习者的学习兴趣，并显著提高学习兴趣的可解释性和准确性，有助于为学习者提供个性化的学习服务。

公开(公告)号：CN111258994A

公开(公告)日：2020-06-09

申请号：CN202010022787.7

申请日：2020-01-09

Applicant: 华中师范大学

Inventor： 杨宗凯 ,  粟柱 ,  刘三女牙 ,  柯文祥 ,  刘智 ,  赵亮

IPC: G06F16/215 ,  G06F16/2458 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本发明属于软件工程技术领域，提供一种面向学生校园卡行为数据构建社交网络的方法，其中将从校园卡获取的行为数据集进行分类，选取了食堂就餐的这一种常规行为，通过数据清洗、处理、分析，利用时空共线的判断方法找到其关系链接，统计其链接强度，当大于阈值的时候，认为这个关系链接是符合朋友关系的链接，从而获得该社交网络中任意用户之间相互关系的真实、可靠的关系，实现整个社交网络的结构构建，利用时空共线的原理和基于统计概率的阈值筛选方法找到的朋友关系是符合实际和预期。

公开(公告)号：CN114154839B

公开(公告)日：2024-07-26

申请号：CN202111433160.1

申请日：2021-11-29

Applicant: 华中师范大学

Inventor： 杨宗凯 ,  刘智 ,  刘三女牙 ,  粟柱 ,  张格

IPC: G06Q10/0631 ,  G06Q30/0601 ,  G06Q50/20

Abstract: 本发明属于教育信息化领域，提供一种基于在线教育平台数据的课程推荐方法，利用embedding技术以及图神经网络模型，基于学生基础信息以及学生在学习过程中产生的历史数据，考虑了不同学生之间的交互数据的影响，全面发挥数据的价值，利用前沿的图神经网络GNN算法模型，深度挖掘了学生与学生之间的关系，同时也考虑了课程与课程之间的相似度、学生与课程的历史交互数据，从而实现更加可靠的推荐方式。

公开(公告)号：CN118227791A

公开(公告)日：2024-06-21

申请号：CN202410337219.4

申请日：2024-03-22

Applicant: 华中师范大学

Inventor： 刘智 ,  汪元 ,  孙建文 ,  刘三女牙 ,  向恒京 ,  粟柱 ,  温超东

IPC: G06F16/35 ,  G06F40/216 ,  G06F18/25 ,  G06N3/047

Abstract: 本发明提供一种基于多层次增强对比学习来预测慕课平台学生学习成效的方法，通过语义、认知‑情感联合外部特征进行综合预测分析,BERT预训练语言模型用于提取评论文本的深层语义特征，同时采用LIWC认知词典获取学习者的认知状态特征，并利用Senti‑BERT获取学习者在当前学习状态下的情感特征,在将上述特征融合的基础上，加入基于特征层面的对比学习和基于结构层面的对比学习，进一步提高学生学习成效的预测模型的准确性和鲁棒性,本发明创新点在于结合学习者多种特征和对比学习技术，旨在为教育领域提供一种更准确、全面的学生学习成效预测方法,这将有助于个性化教育评估，并为教育者提供更有效的指导，以促进学生的学习成长。

公开(公告)号：CN118211662A

公开(公告)日：2024-06-18

申请号：CN202410349774.9

申请日：2024-03-26

Applicant: 华中师范大学

Inventor： 刘智 ,  崔晨阳 ,  粟柱 ,  孙建文 ,  刘三女牙 ,  周东波

IPC: G06N5/04 ,  G06N5/025 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/096 ,  G06F16/332 ,  G06F16/335 ,  G06F16/35

Abstract: 本发明提供一种整合多源常识知识的多轮共情对话生成方法，包括以下步骤：S1、将历史多轮对话内容作为对话上下文，分别输入到COMET、LLama2和ConceptNet知识库中，从而获取三类常识知识：短语型推理知识、文档型事实知识以及三元组型本体知识；S2、分别使用词嵌入技术、Transformer编码器和图神经网络GNN对获得推理知识、事实知识和本体知识进行编码处理，生成对应的推理知识特征向量、事实知识特征向量和本体图特征向量；S3、将编码后的知识特征向量和对话上下文一同输入到预训练模型，通过该模型的处理和生成，产生共情回复；本发明通过整合多源常识知识，有效解决了单一来源知识在覆盖率和领域知识限制方面的不足。这种方法显著增强了模型在语义理解和情感感知方面的能力，从而使得生成的共情回复更加精准、丰富和多样化，提升了对话系统的整体性能和用户体验。

公开(公告)号：CN119624577A

公开(公告)日：2025-03-14

申请号：CN202411699137.0

申请日：2024-11-26

Applicant: 华中师范大学

Inventor： 粟柱 ,  朱起贤 ,  刘三女牙 ,  刘智

IPC: G06Q30/0601 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06N7/01

Abstract: 本发明公开了一种基于大语言模型进行数据增强的超图推荐方法，它包括如下步骤：步骤S1、以数据日志的方式获取用户与商品的交互数据D0；步骤S2、对原始的交互数据D0进行预处理操作，得到预处理后的交互数据D1。本发明提供一种基于大语言模型进行数据增强的超图推荐方法，针对现有推荐系统的与边缘信息相关的数据稀疏和噪声问题，借助大语言模型强大的理解能力，对原始交互数据进行模拟交互增强以及交互噪声数据消除，再引入复杂网络中超图的概念，运用超图卷积和联合更新技术，充分提取用户、商品之间的高阶关系，得到更精确的用户和商品嵌入表示，从而使推荐结果更加精准。

公开(公告)号：CN118410233A

公开(公告)日：2024-07-30

申请号：CN202410337215.6

申请日：2024-03-22

Applicant: 华中师范大学

Inventor： 刘智 ,  孔玺 ,  粟柱 ,  彭晛 ,  杨宗凯 ,  刘三女牙 ,  周东波

IPC: G06F16/9535 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/084

Abstract: 本申请公开了一种基于适应性话语表征的群体互动学习智能干预方法、系统及电子设备，该方法包括：采集群体互动在线学习的学习者讨论数据，包括讨论行为和讨论文本两个方面，并对其进行预处理；构建融合大规模MOOC讨论数据的深度双向编码识别算法，并在此基础上实现话语表征生成，所述话语表征生成即利用在线讨论话语实现认知表征和行为表征，所述认知表征显示了话语讨论认知信息，所述行为表征显示了话语讨论的行为信息；构建学习者模型，所述学习者模型用于采集在线学习者个性化特征，其中涵盖个人特征和先验知识，以及学习者自我产生的报告数据；构建适应性推荐模型，所述推荐模型实现了学习者模型、认知密度序列矩阵和讨论行为序列矩阵的联合嵌入，并通过阈值判定输出高适配的组合式话语表征；构建多源数据的反馈机制，所述反馈机制采集了不同学习者对话表征的评价反馈，提高方法以及系统的鲁棒性和有效性。