-
公开(公告)号：CN114896975A
公开(公告)日：2022-08-12
申请号：CN202210623134.3
申请日：2022-06-01
Applicant: 哈尔滨工业大学
IPC: G06F40/289 , G06F40/30 , G06K9/62 , G06Q50/20
Abstract: 本发明公开了一种面向在线教育智能助教的自主进化方法及系统，所述方法包括如下步骤：步骤S100、问答知识库的构建；步骤S200、数据增强样本生成；步骤S300、基于人机混合智能的知识库自主更新。本发明可以通过Web网络检索的自主更新知识库，并且将人机混合的理念融入系统，可以使得知识库有效的进行自主更新，解决了现在在线教育平台数据难获取、构建知识库时间长、成本高的问题。本发明强调知识库的自主更新，不仅可以通过积累的数据进行更新知识库，而且可以通过利用网络资源进行更新知识库，使得智能助教的知识越来越丰富，更好的进行学生辅导。
-
公开(公告)号：CN115344811B
公开(公告)日：2025-05-13
申请号：CN202210845072.0
申请日：2022-07-18
Applicant: 哈尔滨工业大学
IPC: G06F17/10 , G06F16/903 , G06N3/08 , G06N3/0442 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N5/01 , G06Q50/20
Abstract: 本申请提供一种基于深度学习的数学解题器的处理方法及系统，由于几何解题器和代数解题器中的解题模型都是利用神经网络训练得到的，因此可以根据用户输入的搜索问题从几何解题器和代数解题器中选择一个作为目标解题器，将该搜索问题输入至该目标解题器的解题模型中进行解题处理，得到解题结果输出给用户查看。这种方式无需存储题库，并且可以针对各种几何和代数问题进行智能求解，求解速率和准确度得到有效提高。
-
Patent Agency Ranking
公开(公告)号：CN114896975B
公开(公告)日：2024-10-15
申请号：CN202210623134.3
申请日：2022-06-01
Applicant: 哈尔滨工业大学
IPC: G06F40/289 , G06F40/30 , G06N5/022 , G06Q50/20
Abstract: 本发明公开了一种面向在线教育智能助教的自主进化方法及系统，所述方法包括如下步骤：步骤S100、问答知识库的构建；步骤S200、数据增强样本生成；步骤S300、基于人机混合智能的知识库自主更新。本发明可以通过Web网络检索的自主更新知识库，并且将人机混合的理念融入系统，可以使得知识库有效的进行自主更新，解决了现在在线教育平台数据难获取、构建知识库时间长、成本高的问题。本发明强调知识库的自主更新，不仅可以通过积累的数据进行更新知识库，而且可以通过利用网络资源进行更新知识库，使得智能助教的知识越来越丰富，更好的进行学生辅导。
-
公开(公告)号：CN115393132A
公开(公告)日：2022-11-25
申请号：CN202210878527.9
申请日：2022-07-25
Applicant: 哈尔滨工业大学
IPC: G06Q50/20 , G06F16/36 , G06N5/02 , G06F16/335 , G06N3/04
Abstract: 本公开提供一种基于知识追踪模型的预测方法，所述方法应用于知识追踪分析系统，所述方法包括：利用所述知识追踪分析系统对用户信息进行管理，并将当前时刻数据库中存储的第一题目信息导入所述系统，其中，所述第一题目信息包括当前时刻数据库中存储的答题记录的题目信息；将所述第一题目信息经过二分图预训练嵌入法PEBG和图卷积神经网络GCN处理得到问题嵌入，将所述问题嵌入输入长短期记忆网络LSTM模型进行预测处理，得到下一时刻的第二题目信息的正确率预测结果。
-
公开(公告)号：CN115344811A
公开(公告)日：2022-11-15
申请号：CN202210845072.0
申请日：2022-07-18
Applicant: 哈尔滨工业大学
Abstract: 本申请提供一种基于深度学习的数学解题器的处理方法及系统，由于几何解题器和代数解题器中的解题模型都是利用神经网络训练得到的，因此可以根据用户输入的搜索问题从几何解题器和代数解题器中选择一个作为目标解题器，将该搜索问题输入至该目标解题器的解题模型中进行解题处理，得到解题结果输出给用户查看。这种方式无需存储题库，并且可以针对各种几何和代数问题进行智能求解，求解速率和准确度得到有效提高。
-
公开(公告)号：CN113377925A
公开(公告)日：2021-09-10
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。
-
公开(公告)号：CN110134835A
公开(公告)日：2019-08-16
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。
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
