-
公开(公告)号：CN114338574A
公开(公告)日：2022-04-12
申请号：CN202111560376.4
申请日：2021-12-07
Applicant: 哈尔滨工业大学
Abstract: 本申请提供一种即时通讯方法、管理节点及系统，即时通讯方法包括：接收所述发送客户端发送的消息数据并解析，获得所述消息数据的长度和目标地址；响应于确定所述消息数据的长度大于预设阈值，则采用第一通信协议向所述目标地址发送所述消息数据；响应于确定所述消息数据的长度小于或等于所述预设阈值，则采用第二通信协议向所述目标地址发送所述消息数据。本申请提供的即时通讯方法、管理节点及系统，将UDP协议和TCP协议传输结合起来，以消息等待算法为基础，具有低延时，低内存消耗，可分布式部署，可加密等特点。
-
公开(公告)号：CN110213720A
公开(公告)日：2019-09-06
申请号：CN201910480640.X
申请日：2019-06-04
Applicant: 哈尔滨工业大学
Inventor： 李全龙
Abstract: 本发明是基于用户行为分析的手机使用过程中的意外预防方法。本发明通过人体行为识别模块对用户当前时刻正在进行的人体行为和姿势进行识别，得到用户当前时刻的原子行为方式；通过路网匹配模块获取用户当前时刻所处位置附近的路网信息，得到用户当前时刻的空间位置信息；通交互识别模块监控当前时刻用户与手机的交互事件，得到用户当前时刻与手机发生交互的方式；建立危险情境识别模型，得到用户当前时刻处理危险情境下的危险系数，根据所述危险系数通过客户端APP对用户提出警告。
-
公开(公告)号：CN110197340A
公开(公告)日：2019-09-03
申请号：CN201910492025.0
申请日：2019-06-06
Applicant: 哈尔滨工业大学
IPC: G06Q10/06 , G06Q10/04 , G06Q50/20 , G06F16/9035
Abstract: 本发明提出一种面向在线教育平台的学习者学习能力评估方法，所述方法包括输入测验得分矩阵，对测验得分矩阵用多种项目反映理论模型进行训练，选择最优模型计算出的题目参数和学习能力参数θ，利用计算出的题目参数绘制每道题目的信息量曲线，将课程中所有题目按权值将信息量曲线叠加拟合得到多峰曲线，预测学习者的学习能力，将预测的学习能力值随着学习者学习记录的增多代回到测验得分矩阵中逐步修正学习者的学习能力值，使得学习能力值逐步稳定与准确。
-
公开(公告)号：CN114338574B
公开(公告)日：2024-01-30
申请号：CN202111560376.4
申请日：2021-12-07
Applicant: 哈尔滨工业大学
Abstract: 本申请提供一种即时通讯方法、管理节点及系统，即时通讯方法包括：接收所述发送客户端发送的消息数据并解析，获得所述消息数据的长度和目标地址；响应于确定所述消息数据的长度大于预设阈值，则采用第一通信协议向所述目标地址发送所述消息数据；响应于确定所述消息数据的长度小于或等于所述预设阈值，则采用第二通信协议向所述目标地址发送所述消息数据。本申请提供的即时通讯方法、管理节点及系统，将UDP协议和TCP协议传输结合起来，以消息等待算法为基础，具有低延时，低内存消耗，可分布式部署，可加密等特点。
-
公开(公告)号：CN113377925B
公开(公告)日：2022-10-28
申请号：CN202110719125.X
申请日：2021-06-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于特征工程的在线课程画像的构建方法，涉及在线教育平台，智慧教育，教学辅助工具领域。所述方法引入知识图谱的逻辑架构和技术流程，采用多维度量化和模糊评价相结合的方法，包括以下步骤：S100、课程画像相关特征抽取，所述相关特征包括课程难度；S200、课程画像数据融合；S300、课程画像特征权重确立；S400、课程画像数据存储及绘制。本发明将当前在线教育平台中存在的海量且良莠不齐的课程进行多维度、全方位的评价，进而形成课程画像，能够筛选出匹配学习者画像的课程，让学习者的学习过程更加个性化。
-
Patent Agency Ranking
公开(公告)号：CN113378076A
公开(公告)日：2021-09-10
申请号：CN202110730170.5
申请日：2021-06-29
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06Q50/00 , G06Q50/20 , G06K9/62
Abstract: 本发明公开了一种面向在线教育的学习者协同学习社交关系的构建方法，包括：获取在线教育平台中学习者的基本信息数据，采用序列分析法抽取基本信息数据的属性特征；对属性特征中基本行为特征进行行为分析，以进行伙伴关系标注；利用k‑Means聚类算法处理伙伴关系标注，得到学习者学习社区聚类发现；根据学习者学习社区聚类发现构建总体神经网络，并利用属性特征对学习者协同学习社交关系神经网络进行训练，得到学习者协同学习社交关系神经网络，进而得到当前伙伴推荐列表；基于无标度网络理论和社交三角理论的学习者伙伴网络收敛及伙伴推荐列表重排。该方法能够为学习者推荐合适的学习伙伴，进而增强学习者在平台上的学习效果。
-
公开(公告)号：CN111651665A
公开(公告)日：2020-09-11
申请号：CN202010345616.8
申请日：2020-04-27
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06Q50/20
Abstract: 本发明提出了一种面向以学习者为中心教育模式的P2P在线教育资源推荐方法，所述教育方法采用推式推荐方法，包括以下步骤：S100、用户端通过学习平台向特定的好友或群组分享资源；S200、用户端通过学习平台将资源分享至个人学习空间或朋友圈；S300、其他用户端通过学习平台上的好友、群组、朋友圈或所述用户端的个人学习空间获取资源。本发明将传统的以平台为中心的模式转变为以学习者为中心的智慧教育模式，强调所有资源为“我”服务，让学习者的学习过程不受有限平台资源的约束。
-
公开(公告)号：CN110297817A
公开(公告)日：2019-10-01
申请号：CN201910554419.4
申请日：2019-06-25
Applicant: 哈尔滨工业大学
IPC: G06F16/21
Abstract: 本发明提出了一种基于个性化贝叶斯知识追踪模型构建知识结构的方法，属于教育信息模型构建技术领域。所述方法包括步骤一、建立观察矩阵和状态矩阵；步骤二、建立贝叶斯知识追踪模型的参数模型；步骤三、建立参数融合模型用于将学习者个性化参数融合到传统贝叶斯知识追踪参数模型中；步骤四、利用前向算法和后向算法完成步骤三获得的参数模型的计算问题定义；步骤五、对所述参数模型采用极大对数似然估计来获得损失函数，利用所述损失函数更新参数θ；然后根据所述损失函数计算参数和权重参数；以此获得基于个性化贝叶斯知识追踪模型，最终完成知识结构的构建。
-
公开(公告)号：CN110134835B
公开(公告)日：2022-10-28
申请号：CN201910406418.5
申请日：2019-05-15
Applicant: 哈尔滨工业大学
IPC: G06F16/901 , G06Q10/04 , G06Q50/00 , G06Q50/20
Abstract: 本发明提出一种面向在线教育平台的用户信任建模方法，所述方法会在少量交互行为建立起的信任网络基础上，基于环论将现实中的信任传播、聚合、局部聚集等现象形式化定义为具体的运算或算法，并依据平台中用户表现、初始信任网络的结点特征来衡量信任意见的可靠性，对网络进行扩张，建立起可解释的图形信任网络。所述信任建模方法具有良好的可扩展性，应用信任传播、聚集等现象预测信任意见，扩展稀疏的信任网络矩阵；本发明在进行信任预测时，过程中定义的运算符合现实中的信任常识，并且预测过程与最终结果可以可视化展示，具有良好的可解释性；依据平台对用户打分以及用户结点的度数，对每条信任意见的可靠性进行衡量，具有良好的甄别能力。
-
公开(公告)号：CN113378076B
公开(公告)日：2022-10-18
申请号：CN202110730170.5
申请日：2021-06-29
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06Q50/00 , G06Q50/20 , G06K9/62
Abstract: 本发明公开了一种面向在线教育的学习者协同学习社交关系的构建方法，包括：获取在线教育平台中学习者的基本信息数据，采用序列分析法抽取基本信息数据的属性特征；对属性特征中基本行为特征进行行为分析，以进行伙伴关系标注；利用k‑Means聚类算法处理伙伴关系标注，得到学习者学习社区聚类发现；根据学习者学习社区聚类发现构建总体神经网络，并利用属性特征对学习者协同学习社交关系神经网络进行训练，得到学习者协同学习社交关系神经网络，进而得到当前伙伴推荐列表；基于无标度网络理论和社交三角理论的学习者伙伴网络收敛及伙伴推荐列表重排。该方法能够为学习者推荐合适的学习伙伴，进而增强学习者在平台上的学习效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.017 seconds)
