公开(公告)号：CN116303054A

公开(公告)日：2023-06-23

申请号：CN202310295421.0

申请日：2023-03-24

Applicant: 东北大学

Inventor： 张天成 ,  李凡 ,  刘恒宇 ,  于戈

IPC: G06F11/36 ,  G06F16/906 ,  G06F16/9535 ,  G06F16/9537 ,  G06F18/23213 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于预测和组合优化的高性能AB tests抽样方法，涉及电子商务技术领域。基于机器学习的预测算法可以通过建模个体特征随时间的变化模式，基于历史数据上预测未来数据；基于组合优化的采样算法通过采用组合优化策略，可以基于预测结果获得两组分布相同的样本；本发明可以解决目前A/B tests抽样算法无法适应样本随时间变化的问题，相对于现有方法，该方法的抽样结果在时间维度上更为稳定，因此，其抽样结果能够使其下游任务A/B tests能更为准确地分析产品变体之间的差异，为科技公司带来可观的经济效益。

公开(公告)号：CN118152667B

公开(公告)日：2024-07-02

申请号：CN202410571166.2

申请日：2024-05-10

Applicant: 东北大学

Inventor： 樊迪 ,  李凡 ,  张天成 ,  于明鹤 ,  于戈

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/22

Abstract: 本发明公开了一种面向学生偏好的习题推荐方法，涉及智慧教育的技术领域，本发明旨在解决通过优化习题推荐策略来提高学生学习体验的问题，本发明至少包括如下步骤：形成训练数据集，获取学生与习题的交互行为数据；根据交互行为数据，进行相似程度计算，计算习题之间或学生之间的相似程度；根据相似程度计算结果，选择与目标习题或学生最相似的一组邻域；使用学生对每道题目的尝试次数和相似程度生成学生对题目兴趣程度的预测结果；利用学生与习题的历史交互日志进行建模，根据学生对题目兴趣程度的预测结果为每个学生推荐题目，生成推荐集合；实现了基于学生相似性或习题相似性进行学生偏好习题推荐，为学生提供更加全面、个性化的学习体验。

公开(公告)号：CN112988844B

公开(公告)日：2022-09-27

申请号：CN202110347398.6

申请日：2021-03-31

Applicant: 东北大学

Inventor： 李凡 ,  张天成 ,  刘恒宇 ,  于戈

IPC: G06F16/2458 ,  G06F16/26 ,  G06N3/04 ,  G06N3/08 ,  G09B19/00

Abstract: 本发明提供一种基于学生练习序列的知识概念表示学习方法，涉及教育数据挖掘技术领域。该方法中设计了一个可解释的知识追踪模型来追踪学生知识概念掌握随时间的动态变化，提出了一个具有三种交互策略的对数线性模型，其通过分析学生知识概念掌握的动态变化，获得知识概念的分布式表征；此外，在模型设计中融入了猜测和失误因素；使用一个长短期记忆网络来近似后验分布；最后，使用醒眠算法来学习模型参数以及知识概念与题目的分布式表示。本发明通过分析学生的习题反应和知识概念掌握情况来了解知识概念之间的关系，通过大量的学生锻炼序列数据来构建知识概念图，用更优的性能来获取知识的分布式表示。

公开(公告)号：CN112988844A

公开(公告)日：2021-06-18

申请号：CN202110347398.6

申请日：2021-03-31

Applicant: 东北大学

Inventor： 李凡 ,  张天成 ,  刘恒宇 ,  于戈

IPC: G06F16/2458 ,  G06F16/26 ,  G06N3/04 ,  G06N3/08 ,  G09B19/00

Abstract: 本发明提供一种基于学生练习序列的知识概念表示学习方法，涉及教育数据挖掘技术领域。该方法中设计了一个可解释的知识追踪模型来追踪学生知识概念掌握随时间的动态变化，提出了一个具有三种交互策略的对数线性模型，其通过分析学生知识概念掌握的动态变化，获得知识概念的分布式表征；此外，在模型设计中融入了猜测和失误因素；使用一个长短期记忆网络来近似后验分布；最后，使用醒眠算法来学习模型参数以及知识概念与题目的分布式表示。本发明通过分析学生的习题反应和知识概念掌握情况来了解知识概念之间的关系，通过大量的学生锻炼序列数据来构建知识概念图，用更优的性能来获取知识的分布式表示。

公开(公告)号：CN102965575A

公开(公告)日：2013-03-13

申请号：CN201210552472.9

申请日：2012-12-19

Applicant: 东北大学

Inventor： 刘振宇 ,  李凡 ,  周晓光 ,  王勇 ,  杨浩 ,  陈军平 ,  王国栋 ,  乔馨 ,  张朝锋 ,  叶启斌

IPC: C22C38/14 ,  B21B37/74

Abstract: 本发明属于钢材制备领域，特别涉及一种355MPa级船板钢的超快冷制备方法。本发明方法是：首先按照设定化学组分冶炼钢水，将钢水浇铸成坯，并将坯料加热轧制成连铸板坯，将连铸板坯加热进行粗轧，然后进行精轧，精轧开轧温度为950～1000℃，终轧温度为900～950℃，压下率≥50%，得到钢板，对钢板采用超快速冷却工艺，以40～50℃/s冷却到700～750℃，然后采用层流冷却，以8～15℃/s的速度冷却到600～650℃，最后空冷至室温，得到屈服强度≥355MPa，抗拉强度490～630MPa，-40℃夏氏冲击功≥34J，标准拉伸样的延伸率≥22%的355MPa级船板钢。本发明通过轧后的超快速冷却和层流冷却，实现高温控轧，提高了轧制效率，降低轧机负荷，更好的实现减量化生产。

公开(公告)号：CN118152667A

公开(公告)日：2024-06-07

申请号：CN202410571166.2

申请日：2024-05-10

Applicant: 东北大学

Inventor： 樊迪 ,  李凡 ,  张天成 ,  于明鹤 ,  于戈

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/22

Abstract: 本发明公开了一种面向学生偏好的习题推荐方法，涉及智慧教育的技术领域，本发明旨在解决通过优化习题推荐策略来提高学生学习体验的问题，本发明至少包括如下步骤：形成训练数据集，获取学生与习题的交互行为数据；根据交互行为数据，进行相似程度计算，计算习题之间或学生之间的相似程度；根据相似程度计算结果，选择与目标习题或学生最相似的一组邻域；使用学生对每道题目的尝试次数和相似程度生成学生对题目兴趣程度的预测结果；利用学生与习题的历史交互日志进行建模，根据学生对题目兴趣程度的预测结果为每个学生推荐题目，生成推荐集合；实现了基于学生相似性或习题相似性进行学生偏好习题推荐，为学生提供更加全面、个性化的学习体验。

公开(公告)号：CN113010580A

公开(公告)日：2021-06-22

申请号：CN202110348594.5

申请日：2021-03-31

Applicant: 东北大学

Inventor： 刘恒宇 ,  于戈 ,  李凡 ,  张天成

IPC: G06F16/2458 ,  G06F16/26 ,  G06Q50/20 ,  G06N20/00

Abstract: 本发明提供一种基于学习迁移的知识追踪方法，涉及教育数据挖掘技术领域。该方法使用学习曲线和艾宾浩斯遗忘曲线作为先验，来追踪学生的知识熟练度和抽象原理掌握程度随时间的变化，将学生的知识结构分为两部分，一部分是通过学生对抽象原理的理解而获得的深层知识结构，另一部分是代表知识概念之间浅层关联的浅层知识结构，能有效提高模型性能，利用教育专家标注的Q矩阵来描述知识概念与题目之间的包含关系，作为先验来生成题目嵌入结果，设计概率矩阵分解框架，该框架分为以下三个部分，学生知识熟练度与抽象原理掌握程度追踪、学生练习反馈建模与模型参数学习，通过基于学习迁移的多级知识追踪模型来追踪学生的知识掌握程度。