-
公开(公告)号:CN118170876A
公开(公告)日:2024-06-11
申请号:CN202410172858.X
申请日:2024-02-07
Applicant: 东北大学
IPC: G06F16/332 , G06F16/33 , G06F16/9535 , G06Q50/20 , G06F18/214
Abstract: 本发明公开一种基于用户风格和时间感知的在线教育群组问答匹配方法,涉及深度学习自然语言处理技术问题答案匹配领域。构建BigData数据集;将BigData数据集划分为训练集、验证集和测试集;构建用户风格感知和时间感知问答匹配模型;利用训练集对模型进行训练,并利用验证集求得性能指标进而寻找最优的超参数;将测试集输入到最终的用户风格感知和时间感知问答匹配模型,得到匹配结果。本发明通过用户风格感知识别用户风格来增强问题提取,减少问题的数量和其他类型的对话之间的严重不平衡产生的噪声的影响,通过时间感知减少一个问题的大量潜在答案形成的噪声的影响,与其他的传统问答匹配模型相比,提高了模型的问答匹配效果,减少了数据噪声的影响。
-
公开(公告)号:CN117371528A
公开(公告)日:2024-01-09
申请号:CN202311485074.4
申请日:2023-11-09
Applicant: 东北大学
Abstract: 本发明设计一种基于知识空间的知识追踪方法;考虑知识概念之间的先决关系,将其表示为知识概念依赖图;构建问题概念图来捕捉问题与知识概念间关系,并融合问题难度特征和概念依赖图,得到增强问题概念图;基于学生与问题交互记录构建学生问题交互图,并将其分为只包含正确交互和错误交互的二部图;将问题难度作为问题属性信息,构建问题难度图;对这四个子图建模,获得有效问题表示;采用注意力机制和LSTM对学生历史学习记录进行建模;根据遗忘曲线理论,引入时间衰减因子来模拟人脑的遗忘效应,进一步优化模型;采用交叉熵损失函数作为目标函数,通过最小化学生真实答案与模型预测正确概率之间的差异来进行知识追踪模型训练和优化。
-
公开(公告)号:CN117556343A
公开(公告)日:2024-02-13
申请号:CN202311585786.3
申请日:2023-11-24
Applicant: 东北大学
IPC: G06F18/2415 , G06Q50/20
Abstract: 本发明提供一种基于Bloom认知理论的知识熟练度计算方法,涉及教育数据挖掘技术领域。该方法首先将学生做题日志和标记的题目‑‑知识点矩阵,分别定义为矩阵R和矩阵Q,进行层级理论假设和层间理论假设,构建知识熟练度计算模型;然后分别利用基于矩阵分解和神经网络BloomCDM的方法,实现BloomCDM模型参数的学习,进而确定学生的知识熟练度矩阵;最后设计高阶知识组结构发现模型HKG‑D,采用特征降维算法和聚类算法,获取高阶知识组结构,从知识组中抽象出高阶知识点,进而完善高阶知识组结构的构建。该方法在建模过程中,提出了知识组和高阶知识组的概念,完善了教育理论在计算科学中的表示。
-
-