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

Applicant: 华中师范大学

Inventor： 董石 ,  陶雪云 ,  王志锋 ,  唐家玉 ,  程昊臻 ,  牛小北 ,  田元 ,  陈迪 ,  左明章

IPC: G06F40/279 ,  G06F40/216 ,  G06F40/30

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。

公开(公告)号：CN114818698B

公开(公告)日：2024-04-16

申请号：CN202210469691.4

申请日：2022-04-28

Applicant: 华中师范大学

Inventor： 董石 ,  唐家玉 ,  陶雪云 ,  王志锋 ,  田元 ,  陈加 ,  陈迪 ,  左明章

IPC: G06F40/289 ,  G06F40/30 ,  G06F16/35 ,  G06N3/0455

Abstract: 本发明提供了一种自然语言文本和数学语言文本的混合词嵌入方法，包括：对混合文本进行识别和预处理，得到由文本和数学表达式组成的数学资源数据集；对具有树形结构的数学表达式进行位置编码，保持树形结构的相对位置平移不变；对具有线性结构特征的文本和具有树形结构特征的数学表达式进行统一位置编码；将相对位置编码送入预训练模型的注意力模块，采用掩蔽语言模型和下句预测两个标准预训练任务对数学资源进行预训练，预训练完成后，每个符号均可得到富含上下文信息的嵌入向量表示。

公开(公告)号：CN114818698A

公开(公告)日：2022-07-29

申请号：CN202210469691.4

申请日：2022-04-28

Applicant: 华中师范大学

Inventor： 董石 ,  唐家玉 ,  陶雪云 ,  王志锋 ,  田元 ,  陈加 ,  陈迪 ,  左明章

IPC: G06F40/289 ,  G06F40/30 ,  G06F16/35 ,  G06N3/08

Abstract: 本发明提供了一种自然语言文本和数学语言文本的混合词嵌入方法，包括：对混合文本进行识别和预处理，得到由文本和数学表达式组成的数学资源数据集；对具有树形结构的数学表达式进行位置编码，保持树形结构的相对位置平移不变；对具有线性结构特征的文本和具有树形结构特征的数学表达式进行统一位置编码；将相对位置编码送入预训练模型的注意力模块，采用掩蔽语言模型和下句预测两个标准预训练任务对数学资源进行预训练，预训练完成后，每个符号均可得到富含上下文信息的嵌入向量表示。

公开(公告)号：CN114756682A

公开(公告)日：2022-07-15

申请号：CN202210469760.1

申请日：2022-04-28

Applicant: 华中师范大学

Inventor： 董石 ,  唐家玉 ,  陶雪云 ,  田元 ,  夏丹 ,  闵秋莎 ,  左明章

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种数学文本的语义分类方法。首先根据高等数学教材的层级结构，从中提取出数学文本数据集，然后利用BERT预训练模型得到数据集的词嵌入表达，分别对具有线性序列特征的自然语言文本词向量和具有树形结构特征的数学语言文本词向量采用平均聚合方法和Tree‑LSTM聚合方法，再对两个聚合向量进行拼接处理，最后将拼接向量送入多层前馈神经网络，采用Hierachical Softmax回归模型输出分类结果。本发明的方法可以大大提高数学文本的分类精度。

公开(公告)号：CN114756682B

公开(公告)日：2024-06-21

申请号：CN202210469760.1

申请日：2022-04-28

Applicant: 华中师范大学

Inventor： 董石 ,  唐家玉 ,  陶雪云 ,  田元 ,  夏丹 ,  闵秋莎 ,  左明章

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/0499 ,  G06N3/09

Abstract: 本发明提供了一种数学文本的语义分类方法。首先根据高等数学教材的层级结构，从中提取出数学文本数据集，然后利用BERT预训练模型得到数据集的词嵌入表达，分别对具有线性序列特征的自然语言文本词向量和具有树形结构特征的数学语言文本词向量采用平均聚合方法和Tree‑LSTM聚合方法，再对两个聚合向量进行拼接处理，最后将拼接向量送入多层前馈神经网络，采用Hierachical Softmax回归模型输出分类结果。本发明的方法可以大大提高数学文本的分类精度。

公开(公告)号：CN115757968A

公开(公告)日：2023-03-07

申请号：CN202211525241.9

申请日：2022-11-30

Applicant: 华中师范大学

Inventor： 董石 ,  陶雪云 ,  王志锋 ,  唐家玉 ,  牛小北 ,  邓延韬 ,  田元 ,  闵秋莎 ,  左明章

IPC: G06F16/9535 ,  G06F16/36 ,  G06Q50/20

Abstract: 本发明提供一种基于知识图谱数学资源推荐的方法、设备和存储介质，本发明涉及在线学习与数学资源个性化推荐领域，该方法包括：提取数学资源的运用模式；根据运用模式生成多层知识图谱；诊断学习者的认知状态，根据学习者认知状态薄弱知识属性规划学习路径；根据生成的知识图谱查找关键运用模式对应的数学资源，对在线学习者基于最近发展区和支持度作个性化推荐。本发明的技术效果为能在保证较好的推荐外，突出了数学学习资源中知识属性的相互关系，通过运用模式推荐相应的资源，使推荐更具针对性，有效帮助在线学习者针对相关联知识属性的灵活运用。