-
公开(公告)号：CN111460249A
公开(公告)日：2020-07-28
申请号：CN202010110899.8
申请日：2020-02-24
Applicant: 桂林电子科技大学
IPC: G06F16/951 , G06F16/9535 , G06N3/04 , G06N3/08 , G06Q50/20
Abstract: 本发明提供的是一种基于学习者偏好建模的个性化学习资源推荐方法。其特征是：将从在线学习平台中获取学习者相关学习日志文件，包括学习者的历史课程注册记录、对应课程分数以及课程相关属性等数据作为输入数据，通过嵌入注意力机制来更好地获取学习者的历史课程偏好，将其作为自动编码器神经网络的编码输入，然后构建课程知识图谱获得课程先决知识关系，根据课程之间的关联性进行解码，最后计算出学习者学习目标课程的概率，根据概率由大到小来生成学习者的目标推荐列表，以此提高推荐结果的个性化和准确性。
-
公开(公告)号：CN116501970A
公开(公告)日：2023-07-28
申请号：CN202310482787.9
申请日：2023-05-03
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
IPC: G06F16/9535 , G06F16/36 , G06Q50/20 , G06N3/0464
Abstract: 本发明提供了一种适用于在线教育平台的课程推荐的方法，当前的课程推荐系统仅仅从课程这一维度去分析用户是否感兴趣，忽略了用户与课程交互过程中隐藏在其中的用户与视频的交互信息、用户对相关知识点的交互信息，用户本身的背景属性等等。本方法提出了一种基于知识图谱和卷积的在线课程推荐方法，该模型首先使用特征提取模块将用户历史交互信息和课程领域的特征信息提取并转换为嵌入向量，并将这些向量融合到知识图谱中，以生成用户和课程的嵌入表达式，最后通过消息传播算法将这些信息传递给相邻节点，得到用户和课程的最终嵌入向量，进行推荐。这个方法更加细粒度地考虑了用户的偏好和课程的特征，提升了模型的性能。
-
公开(公告)号：CN113537552A
公开(公告)日：2021-10-22
申请号：CN202110468058.9
申请日：2021-04-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及基于混合深度学习及注意力机制的学生表现预测方法。利用学生在线学习日志信息，首先对其进行预处理和特征提取，使用相关性特征选择方法来获得对预测结果有重要影响的特征。然后将提取到的特征按照特征类别进行周累计统计和全部累计统计。接着将提取到的时序特征和潜在特征进行拼接，由于学习到的两类特征在量级和类别上差异较大，因此使用深层神经网络进行高阶特征交互，学习更深层次的特征。同时考虑到不同特征对学生表现的影响程度不同，使用注意力机制为不同的深层次特征分配不同的权重。最后使用sigmoid分类器预测学生是否能够通过某一门课程，从而提高预测的准确性。
-
公开(公告)号：CN112116137A
公开(公告)日：2020-12-22
申请号：CN202010925380.5
申请日：2020-09-06
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及一种基于混合深度神经网络的学生辍课预测方法。本发明考虑到时间序列数据，进行了细粒度划分，并使用One‑hot编码规则和特征工程相结合，构建行为特征矩阵，有助于提高预测的准确性，并且使用一种新建的卷积神经网络(CNN)，进行局部关系特征提取。考虑到行为之间的序列关系，以及模型本身的影响，最后通过门控循环单元(GRU)网络进行时间序列关系特征提取，通过softmax层进行最后的预测任务，以此提高辍课预测的精确度。本发明使用三层的GRU提取行为矩阵之间存在的潜在具有时序关系的行为特征。
-
公开(公告)号：CN111834880A
公开(公告)日：2020-10-27
申请号：CN202010701641.5
申请日：2020-07-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种光学产生微波信号的装置，包括窄线宽可调激光器(1)、第一光纤耦合器(2)、第一光放大器(3)、四端口光环形器(4)、第一布里渊增益光纤(5)、三端口光环形器(6)、第二布里渊增益光纤(7)、第二光放大器(8)、第二光纤耦合器(9)、第三光纤耦合器(10)、光电探测器(11)。窄线宽可调激光器(1)输出的激光做为布里渊泵浦，布里渊泵浦在第一布里渊增益光纤中发生受激布里渊散射产生一阶斯托克斯，一阶托克斯在第二布里渊增益光纤中发生级联受激布里渊散射产生三阶斯托克斯光，三阶斯托克斯与泵浦发生拍频，拍频光通过光电探测器转换为微波信号。该光生微波信号的结构简单，成本低，在光无线通信、微波光子及光纤传感中均具有应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111461394A
公开(公告)日：2020-07-28
申请号：CN202010110903.0
申请日：2020-02-24
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种基于深度矩阵分解的学生成绩预测方法。其特征是：将本科生某一门专业课程每个章节的测试成绩、每个章节的课堂作业成绩、课程最终成绩作为输入数据，通过矩阵分解法将输入数据分解成学生特征、项目特征，然后通过前向传播的全连接神经网络进行学习，将简单的特征组合成更加复杂的特征。本发明设计了一个带有注意力机制的全连接神经网络，通过构建学生、项目的特征向量，得到学生潜在特征向量和项目潜在特征向量，最后计算余弦相似度得到预测成绩，以此提高预测结果的准确度和可解释性。
-
公开(公告)号：CN111291940A
公开(公告)日：2020-06-16
申请号：CN202010133647.7
申请日：2020-03-02
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于Attention深度学习模型的学生辍课预测方法，包括对行为记录进行编码和时间窗口化分处理，生成多个时间片行为向量矩阵；基于CNN网络改进的卷积层对多个时间片行为向量矩阵进行处理得到多个具有局部关联关系的特征向量矩阵；基于BI-GRU模型对多个具有局部关联关系的特征向量矩阵进行时序特性的特征提取，生成多个具有时间序列关系的行为特征向量矩阵；基于Attention机制对各时刻隐层特征赋予不同的权值，将不同时刻的隐层状态与权重进行加权求和，生成行为特征表示向量，并输入分类层，通过Sigmoid函数进行预测，得到预测结果。通过考虑到学生学习行为之间的关系和不同行为特征对于辍课预测的影响程度实现预测，提高辍课预测的精准度。
-
公开(公告)号：CN117131259A
公开(公告)日：2023-11-28
申请号：CN202210543637.X
申请日：2022-05-18
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q50/20
Abstract: 本发明公开了一种基于课程关联性解码的个性化课程推荐系统及方法，实现了在用户偏好中进行知识感知实现推荐课程。本发明主要包括：数据采集和处理、自注意力编码、课程关联性生成、课程推荐产生模块。首先，通过利用学习者对历史课程产生的学习记录数据构建学习者的兴趣偏好，其次，利用课程描述文本信息得到课程关联性进而产生课程的特征向量，最后，通过刻画学习者的兴趣偏好与课程关联性解码得到课程的候选列表，以此提高推荐结果的学习者个性化和准确度。
-
公开(公告)号：CN116304336A
公开(公告)日：2023-06-23
申请号：CN202310274374.1
申请日：2023-03-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/901 , G06N5/02 , G06N3/048 , G06N3/08 , G06Q50/20
Abstract: 本发明涉及数据挖掘技术领域，具体涉及一种融合知识图谱和图神经网络的课程推荐方法，通过在个性化课程推荐中引入知识图谱模型，提高了方法的可解释性，同时在构建知识图谱过程中，引入数据爬取和开源数据库，丰富课程信息，解决数据稀疏性的问题，提高模型鲁棒性，再通过将知识图谱转化为知识异构图，然后采用图神经网络进行知识异构图表示学习，对每一种关系抽取一个对应二部图，每一个二部图使用一种图神经网络进行消息传递，实体间以各自的消息传递机制，聚合邻域信息并传播自身信息，挖掘高阶的关系表示，弥补了现有推荐方法的不足。
-
公开(公告)号：CN115098770A
公开(公告)日：2022-09-23
申请号：CN202210640457.3
申请日：2022-06-07
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06N20/00
Abstract: 本发明提供了融合强化学习和知识图谱链路传播的在线课程推荐方法，本发明基于知识图谱与人工智能领域等方面的技术，包含信息采集模块，强化学习模块，数据处理模块和推荐模块。本发明通过路径信息丰富用户的嵌入式表达，并使用强化学习模块来辅助课程推荐系统，最终对用户提供更加精准的课程推荐。我们通过如下几个方面来提升课程推荐的准确率。首先，利用强化学习模块对用户的交互信息去噪，并得到用户对不同课程的兴趣因子。其次，使用携带用户目的性的隐含的链路传播信息与对应课程的兴趣因子丰富用户嵌入式表达，这使得用户的嵌入式表达更加准确且全面，最终实现提升课程推荐系统准确率的效果。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
