-
公开(公告)号：CN112862368A
公开(公告)日：2021-05-28
申请号：CN202110286894.5
申请日：2021-03-17
Applicant: 北方工业大学
Abstract: 本发明提供了一种基于单参数项目反应理论模型的分级评价方法及装置。方法包括：将被试分为若干能力评价等级、将题目分为若干难度评价等级；为每级能力评价等级赋予一个能力等级评价值；为每级题目难度评价等级赋予一个难度等级评价值；获取所有被试在全部题目的显性能力值；根据显性能力值生成初始能力评价值；获得每个被试的首次能力评价值；获得每个题目的难度评价值；获得每个被试的能力评价值；获得最优难度评价值和最优能力评价值；将每个被试的最优能力评价值与能力等级评价值比较进而获得每个被试的能力评价等级。本发明可以适用于小样本下被试的评价，提高了评价的正确度，减少了对被试测量的时间，提高了评价的效率。
-
公开(公告)号：CN108846579A
公开(公告)日：2018-11-20
申请号：CN201810622100.6
申请日：2018-06-15
Applicant: 北方工业大学 , 北京云景智通教育科技有限公司
Abstract: 本发明涉及一种学科知识的知识量计算方法和系统,对学科知识对象进行分层设置，每个知识对象以描述单元作为学习入口，测试单元作为学习出口，通过对描述单元和测试单元的监控，得到用户针对某一知识对象的学习时间，再通过对若干已达成用户学习时间的统计，计算出知识对象的知识量。随着已达成用户的增加，知识量的计算可以实现实时更新，提高计算的精确度。本方法体现了以学习者为中心的教育理念，学习者可以根据不同知识对象的知识量大小，在学习过程中合理地进行时间分配和学习决策。
-
公开(公告)号：CN108830759A
公开(公告)日：2018-11-16
申请号：CN201810620819.6
申请日：2018-06-15
Applicant: 北方工业大学 , 北京云景智通教育科技有限公司
Abstract: 本发明涉及一种学科知识描述方法,对知识对象进行分层设置，根据不同的层次关系对知识对象进行ID赋值，采用支撑关系和被支撑关系确定知识单元之间的有向性关联链。为知识对象设置描述单元和测试单元，利用每个描述单元和测试单元将同一层级和不同层级的知识对象进行连接，并通过对相关知识对象的重要性、知识量和知识类型进行赋值，最终根据知识对象属性文件生成多层次、多维度的有向知识地图，清晰完整地描述了知识对象的关联性、层次性、重要性等属性，可以为用户在学习过程中的学习路径选择提供指导，进而提升学习效率和学习达成度。
-
公开(公告)号：CN118246544A
公开(公告)日：2024-06-25
申请号：CN202410037448.4
申请日：2024-01-10
Applicant: 北方工业大学
IPC: G06N5/04 , G06N5/025 , G06F16/36 , G06F18/23213
Abstract: 本发明公开一种基于大语言模型与改进知识图谱的问答方法、系统及设备，涉及知识图谱技术领域，所述方法包括：获取用户的当前问题；对当前问题进行审核，得到审核结果；当审核结果为通过时，确定当前问题的特征向量；基于当前问题的特征向量，从知识图谱的知识节点中选择最接近当前问题的知识节点作为当前问题的检索节点；将与检索节点中对应的典型问题的集合中的预设个数个已知问答对作为当前问题的背景资料；将当前问题的背景资料设定为向大语言模型提问的背景资料，设置任务为“结合背景资料回答当前问题”；基于大语言模型确定当前问题的回答。本发明使得回答更加准确，更加切合问题需求。
-
公开(公告)号：CN115438152B
公开(公告)日：2023-04-07
申请号：CN202211113468.2
申请日：2022-09-14
Applicant: 北方工业大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多神经网络与知识图谱的简答题评分方法及系统，该方法包括：根据原始学科知识点图谱中知识点及知识点关系得到多个初始三元组，对知识点关系进行聚类；将目标学科知识语料作为样本，将聚类后知识点及其关系三元组作为标签对神经网络模型进行训练，得到知识点关系提取网络模型；根据目标学科知识语料得到当前学科知识点关系图神经网络；根据题目、标答和应试者作答内容分别生成题目、标答和作答内容知识点关系图谱借助图神经网络进行区域匹配，进行综合评分；根据题目类型选择评分策略，得到评分结果。本发明综合考虑题目类型、标答评分点匹配和相关学科知识的内在逻辑关系，评分结果更准确。
-
Patent Agency Ranking
公开(公告)号：CN115438152A
公开(公告)日：2022-12-06
申请号：CN202211113468.2
申请日：2022-09-14
Applicant: 北方工业大学
Abstract: 本发明涉及一种基于多神经网络与知识图谱的简答题评分方法及系统，该方法包括：根据原始学科知识点图谱中知识点及知识点关系得到多个初始三元组，对知识点关系进行聚类；将目标学科知识语料作为样本，将聚类后知识点及其关系三元组作为标签对神经网络模型进行训练，得到知识点关系提取网络模型；根据目标学科知识语料得到当前学科知识点关系图神经网络；根据题目、标答和应试者作答内容分别生成题目、标答和作答内容知识点关系图谱借助图神经网络进行区域匹配，进行综合评分；根据题目类型选择评分策略，得到评分结果。本发明综合考虑题目类型、标答评分点匹配和相关学科知识的内在逻辑关系，评分结果更准确。
-
公开(公告)号：CN115063265A
公开(公告)日：2022-09-16
申请号：CN202210453877.0
申请日：2022-04-27
Applicant: 北方工业大学
IPC: G06Q50/20 , G06F16/9535
Abstract: 本发明涉及一种学科知识智能学习方法,构建包含显性能力标签数据、隐性能力标签数据和试题类型标签数据的标签数据库，创建显性能力和隐性能力之间的关联关系；进行知识单元划分，每个知识单元对应一个测试单元；并将试题进行编号标注和标签设置；当监控到用户学完当前知识单元时，并根据预设规则从与当前知识单元相应的试题内调取与当前能力相适配的试题,设置为测试试题并形成测试单元进行推荐；当监控到用户完成测试单元后，更新相应用户的当前能力值。本发明提供的智能学习方法可以实现测试试题的个性化推送，有针对性的提升个人能力，并可以根据测试结果更新用户的能力值，提高用户的学习效果。
-
公开(公告)号：CN114880847A
公开(公告)日：2022-08-09
申请号：CN202210452449.6
申请日：2022-04-27
Applicant: 北方工业大学
IPC: G06F30/20 , G06Q50/20 , G06F119/14
Abstract: 本发明涉及一种针对学科知识学习过程的动力学模型及其建立方法,获取的针对学科知识学习过程的动力学模型，可以准确的描述学习者在学习过程中将学习动力转换为知识达成度的过程，模型准确性高，实用性广；上述模型考虑了学习者学习过程中的各种影响因素，因此可以根据上述模型调整各个影响因素所对应的可调节影响因子，为针对不同学习者提供包含不同知识学习顺序，资料提供方法，学习模式选择，学习练习提醒等等的学习策略提供有利支撑。
-
公开(公告)号：CN112905717A
公开(公告)日：2021-06-04
申请号：CN202110215354.8
申请日：2021-02-25
Applicant: 北方工业大学
Abstract: 本发明实施例提供了一种公共安全数据分流方法及装置，包括：基于公共安全数据源获取公共安全数据；将所述公共安全数据输入至深度信任网络模型进行特征提取，得到与所述公共安全数据对应的特征；其中，所述深度信任网络模型为采用公共安全样本数据作为输入数据，以及与公共安全样本数据对应的样本特征作为输出数据，基于机器学习算法训练得到的；基于所述公共安全数据和与所述公共安全数据对应的特征，采用层次聚类算法进行公共安全数据分流。本实施例借助深度信任网络对公共安全数据进行特征提取，并采用层次聚类算法进行公共安全数据分流，避免聚类效果不佳和聚类时间消耗大的问题，从而优化公共数据的分流。
-
公开(公告)号：CN109309813A
公开(公告)日：2019-02-05
申请号：CN201811228417.8
申请日：2018-10-22
Applicant: 北方工业大学
Abstract: 本发明提供了适应室内的智能跟随方法及智能跟随机器人，该方法实施例包括以下步骤：首先实时采集周围环境的点云数据，然后对点云数据进行点云分割，得到多个目标点云，分别从多个目标点云中提取目标特征，再将提取出的多个目标特征与预先建立的目标模板的特征进行匹配，识别出跟随目标，预先建立的目标模板包括跟随目标模板，最后获取跟随目标的位置，并据此跟随跟随目标的走动。该方法实施例主要应用于在室内环境下对需要被看护、照看、监视的人进行人体跟随，以避免需要被看护、照看、监视的人因触碰到危险物品导致发生危险。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.023 seconds)
