-
公开(公告)号：CN114417164B
公开(公告)日：2024-07-02
申请号：CN202210081392.3
申请日：2022-01-24
Applicant: 湖南大学
IPC: G06F16/9535 , G06F16/335 , G06Q50/20 , G06F18/241 , G06F18/2415 , G06N3/0442 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本申请提供一种用户知识状态的追踪方法及相关设备，可以及时的更新用户的知识状态。该方法包括：提取目标知识点的知识点特征和目标对象的语义特征，所述目标知识点与所述目标对象相对应；确定所述目标知识点所对应的先决条件知识点特征以及目标用户的知识状态，所述目标对象与所述目标用户相对应；确定所述目标用户针对所述目标对象的状态信息；将所述知识点特征、所述语义特征、所述先决条件知识点特征、所述目标用户的知识状态以及所述目标用户针对所述目标对象的状态信息进行聚合，得到更新聚合特征；将所述更新聚合特征输入知识状态更新模型，以更新所述目标用户的知识状态。
-
公开(公告)号：CN114491254B
公开(公告)日：2024-06-25
申请号：CN202210081389.1
申请日：2022-01-24
Applicant: 湖南大学
IPC: G06F16/9535 , G06F16/33 , G06F16/335 , G06Q50/20
Abstract: 本申请提供一种知识点推荐方法及相关设备，综合考虑到了用户对知识点的偏好以及用户对知识点的认知状态，进而向用户推荐更适合用户学习水平和符合用户偏好的知识点。该方法包括：确定目标用户所对应的用户嵌入向量、N个知识点所对应的知识点嵌入向量以及M个练习问题所对应的练习问题嵌入向量；根据用户嵌入向量以及知识点嵌入向量确定目标用户对N个知识点中每个知识点的兴趣偏好；根据用户嵌入向量以及练习问题嵌入向量确定目标用户对N个知识点中每个知识点的认知状态；根据每个知识点的兴趣偏好以及每个知识点的认知状态确定N个知识点中每个知识点所对应的知识点推荐度；根据所述N个知识点中每个知识点所对应的知识点推荐度向所述目标用户推荐知识点。
-
公开(公告)号：CN114417164A
公开(公告)日：2022-04-29
申请号：CN202210081392.3
申请日：2022-01-24
Applicant: 湖南大学
IPC: G06F16/9535 , G06F16/335 , G06Q50/20 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请提供一种用户知识状态的追踪方法及相关设备，可以及时的更新用户的知识状态。该方法包括：提取目标知识点的知识点特征和目标对象的语义特征，所述目标知识点与所述目标对象相对应；确定所述目标知识点所对应的先决条件知识点特征以及目标用户的知识状态，所述目标对象与所述目标用户相对应；确定所述目标用户针对所述目标对象的状态信息；将所述知识点特征、所述语义特征、所述先决条件知识点特征、所述目标用户的知识状态以及所述目标用户针对所述目标对象的状态信息进行聚合，得到更新聚合特征；将所述更新聚合特征输入知识状态更新模型，以更新所述目标用户的知识状态。
-
-
公开(公告)号：CN112069151B
公开(公告)日：2024-09-06
申请号：CN202010919393.1
申请日：2020-09-04
IPC: G06F16/21 , G06F16/2453
Abstract: 本发明提供一种基于二分图及学习迁移算法的任务管理方案生成方法，包括如下步骤：提供用户数据集，所述用户数据集包括任务数据集、时间片数据集及用户历史记录集；提供第一数据处理模组，分别对所述任务数据集的任务数据阶段性划分及对所述时间数据集的时间数据周期性划分；提供第二数据处理模组，依据用户历史认知过程将所述历史数据集的用户历史效率、用户历史任务层级划分；量化所述第二数据处理模组的处理结果，反映用户特征；依据量化的用户特征构建用户个性化效率曲线；构建双边动态加权二分图；采用迁移学习匹配算法生成任务管理方案。本发明的任务管理方案生成方法提高用户的任务管理效率和执行效果。同时，本发明还提供一种针对上述任务管理方案生成方法的任务管理生成系统及执行上述方法的计算机可读存储介质、电子设备。
-
Patent Agency Ranking
公开(公告)号：CN111581529B
公开(公告)日：2023-07-14
申请号：CN202010376592.2
申请日：2020-05-07
IPC: G06F16/9536 , G06Q50/20
Abstract: 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。
-
公开(公告)号：CN114491254A
公开(公告)日：2022-05-13
申请号：CN202210081389.1
申请日：2022-01-24
Applicant: 湖南大学
IPC: G06F16/9535 , G06F16/33 , G06F16/335 , G06Q50/20
Abstract: 本申请提供一种知识点推荐方法及相关设备，综合考虑到了用户对知识点的偏好以及用户对知识点的认知状态，进而向用户推荐更适合用户学习水平和符合用户偏好的知识点。该方法包括：确定目标用户所对应的用户嵌入向量、N个知识点所对应的知识点嵌入向量以及M个练习问题所对应的练习问题嵌入向量；根据用户嵌入向量以及知识点嵌入向量确定目标用户对N个知识点中每个知识点的兴趣偏好；根据用户嵌入向量以及练习问题嵌入向量确定目标用户对N个知识点中每个知识点的认知状态；根据每个知识点的兴趣偏好以及每个知识点的认知状态确定N个知识点中每个知识点所对应的知识点推荐度；根据所述N个知识点中每个知识点所对应的知识点推荐度向所述目标用户推荐知识点。
-
公开(公告)号：CN108984711B
公开(公告)日：2020-09-11
申请号：CN201810742778.8
申请日：2018-07-09
Applicant: 湖南大学
IPC: G06F16/9535
Abstract: 本发明公开了一种基于分层嵌入的个性化APP推荐方法，主要采用用户细粒度分层、APP细粒度分层、用户‑APP层间匹配等策略，来提升APP推荐的效率和准确性，给用户推荐最符合其个性化需求的APP。细粒度分层策略可以缩小用户群组大小和感兴趣APP的范围，因此能够更高效准确地预测用户的需求和进行个性化推荐；另外，分层信息相对稳定，适用于数据动态更新的APP推荐场景。本专利成果能够为智能手机用户提供良好的用户体验；为APP应用市场提升服务效率和质量；为APP开发者更快更好地推广自己的APP提供方便。
-
公开(公告)号：CN110134871A
公开(公告)日：2019-08-16
申请号：CN201910443743.9
申请日：2019-05-27
Applicant: 湖南大学
IPC: G06F16/9535
Abstract: 发明公开了一种结合课程和学习者网络结构的动态课程推荐方法，首先根据用户学习记录构建用户网络，并综合考虑各方面因素从课程知识：概念级，用户体验：难度级，整体趋势：课程级，三方面定义课程关系，构建课程网络，表示课程之间的复杂关系。再次使用用户—课程分图结合用户网络和课程网络，使用HITS算法计算用户对课程的喜好程度，作为用户评分，衡量用户对课程的喜好程度，最后根据用户评分矩阵，采用基于用户的协同过滤对用户喜好建模，生成用户可能喜好课程序列，根据用户已学课程，通过课程网络计算用户知识水平，对用户可能喜好序列进行筛选，向用户推荐符合当前知识水平的课程，提高用户满意度，提升学习效率。
-
公开(公告)号：CN109978333B
公开(公告)日：2023-04-07
申请号：CN201910139460.5
申请日：2019-02-26
Applicant: 湖南大学
IPC: G06Q10/0631 , G06Q50/00
Abstract: 本发明公开了一种众包系统中基于社区发现与链接预测的独立工人选择方法，包括如下步骤：步骤S1、工人历史数据收集，在众包平台收集工人历史数据，对所述工人历史数据进行相关分析，发现工人之间已有的关联；步骤S2、工人独立性分析，使用所述工人历史数据，采用社区发现算法分析工人之间已有的联系来获得工人之间的独立性；步骤S3、工人未来独立性预测，采用链接预测技术预测出工人之间将来发生关联的可能性；步骤S4、众包工人选取。本发明的有益效果：本发明兼顾众包工人现有联系紧密度和将来的联系可能性，引入社区发现和链接预测技术，来保证所选众包工人的独立性，降低工人之间抄袭合谋的可能性，更好地提高众包任务的完成质量。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.016 seconds)
