-
公开(公告)号：CN118411196A
公开(公告)日：2024-07-30
申请号：CN202410467396.4
申请日：2024-04-18
Applicant: 东北大学
IPC: G06Q30/0202 , G06F16/9535
Abstract: 本发明提供一种基于多任务的用户长期活跃预测方法，涉及活跃度预测技术领域，本发明首先集成了可推断的周期时间信息(如周、日、月)，以解决短期行为在确定用户长期周期趋势方面的局限性，并提出了一种周期感知的关注机制来推断用户未来的长期周期性行为。另外，本发明设计了一个行为周期趋势预测任务，以获得不同行为的个性化趋势。最后，本发明通过同时训练长期活动天数的预测和行为周期趋势的预测，有效解决了使用有限的短期行为进行长期预测的挑战。由于估计的用户行为和用户画像是导致用户之间行为差异的内在因素，因此我们在这里采用它们来预测用户每种行为的个性化周期性趋势。
-
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：CN116680477A
公开(公告)日：2023-09-01
申请号：CN202310703313.2
申请日：2023-06-14
Applicant: 东北大学
IPC: G06F16/9535 , G06N3/0442 , G06N3/092 , G06N3/048 , G06N3/047
Abstract: 本发明提供一种基于强化学习的个性化习题推荐方法，涉及教育数据挖掘技术领域。本发明首先获得学习者学习记录，通过知识追踪模型判断出学习者潜在的知识水平，将其作为学习者特征的一部分，使得对学习者的特征建模更加准确。之后通过强化学习算法来删除习题记录中学习者误选到的不满意的习题，从而提升推荐的准确性。最后通过个性化推荐模型对学习者进行习题推荐。本发明将个性化推荐、知识追踪、强化学习算法相结合，在考虑学习者潜在知识水平的同时，还去掉了学习过程中误选习题带来的影响，具有重要的理论和实际运用价值。
-
公开(公告)号：CN116306940A
公开(公告)日：2023-06-23
申请号：CN202310122745.4
申请日：2023-02-16
Applicant: 东北大学
IPC: G06N5/04 , G06N3/048 , G06F40/126
Abstract: 本发明提供一种基于BERT编码的数学应用题求解系统及方法，涉及应用求解技术领域。本系统包括编码模块、解码模块、监督模块以及微调模块。本方法使用MacBERT:作为中文题目的编码器，BERT作为英文题目的编码器；编码过程首先获取文本序列Q，并将文本序列Q映射成逐个字向量所构成的向量表示矩阵，对向量表示矩阵中各个字向量取平均得到文本序列的整体表示向量，使用树形解码器来生成表达式树；利用分类器捕捉导致生成错误表达式的题目表示，如果分类器输出结果为1，表示解码器生成的表达式与题目相对应，如果输出结果为0，则说明编码器生成的题目表示向量导致了错误表达式的生成，需要被进一步优化；对系统进行训练，从而实现数学应用题的求解。
-
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
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。
-
Patent Agency Ranking
公开(公告)号：CN116187437A
公开(公告)日：2023-05-30
申请号：CN202310122747.3
申请日：2023-02-16
Applicant: 东北大学
IPC: G06N5/01 , G06N5/04 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/0895 , G06F18/22 , G06F18/2433
Abstract: 本发明提供一种基于对比学习的数学应用题求解系统及方法，涉及应用求解技术领域。本发明系统包括：编码模块、解码模块、监督模块以及对比学习模块；通过使用使用编码器MacBert对中文应用题进行编码，使用编码器Bert对英文应用题进行编码；使用树形解码器SAU来生成表达式树，即生成每道题目所对应的数学表达式；利用分类器捕捉导致生成错误表达式的题目表示，如果分类器输出结果为1，表示解码器生成的表达式与题目相对应，如果输出结果为0，则说明编码器生成的题目表示向量导致了错误表达式的生成，需要被进一步优化；然后对系统进行训练，最终实现数学应用题的求解。
-
公开(公告)号：CN119460538A
公开(公告)日：2025-02-18
申请号：CN202510044997.9
申请日：2025-01-13
Applicant: 东北大学
IPC: B65G15/58 , B65G47/248 , B65G47/90
Abstract: 本发明公开了一种基于计算机视觉的智能输送平台，涉及输送装置领域，解决了现有的输送平台使用时难以对物体输送的过程中对物体进行全方位翻转，从而提升加工与检测效率的问题，包括机体、输送机构、驱动机构和入料机构，机体上固定连接有导向框，导向框上固定连接有计算机视觉传感器，输送机构包括输送环、转动环和固定夹，本发明通过输送机构控制两侧固定夹对物体进行夹持，并调节转动环的转动角度以及固定夹的翻转角度，带动物体进行多角度翻转调节，实现输送的过程中进行翻转控制的功能，通过驱动机构带动多组输送环进行自动化循环输送作业，通过入料机构将物体输送到输送环内部的两组固定夹之间的位置进行后续的夹持输送操作。
-
公开(公告)号：CN107622461A
公开(公告)日：2018-01-23
申请号：CN201710846394.6
申请日：2017-09-19
Applicant: 东北大学
Inventor： 赵志滨 , 姚兰 , 聂亦澄 , 于戈 , 鲍玉斌 , 陈郭成 , 刘佳良 , 张天成 , 李芳芳 , 许存立 , 刘欢 , 王勋 , 储佳红 , 唐梦娇 , 徐瑛蔚 , 李壮 , 王宗怡 , 石玉鑫 , 梁睿博 , 杨泽清 , 赵永恒 , 关亨 , 王思远 , 吴永琪 , 华钰 , 高若涵
Abstract: 本发明公开了一种面向慕课系统的作业主观题互评方法，根据作业的内容和知识点与评阅人的相关属性，将待评的作业权衡分配给评阅人，构建作业与评阅人的分配情况用带权重二部图；评阅人对作业根据评分要求进行评分；将同一作业各位评阅人的评分综合起来后取平均值，作为最终成绩。通过全面的考虑作业内容和知识点与评阅人的相关性，将待互评的作业权衡分配，对互评过程中的作业与阅卷者进行合理的匹配，能够实现评阅任务的合理分配，并且保证作业评阅的质量。
-
公开(公告)号：CN119460538B
公开(公告)日：2025-05-02
申请号：CN202510044997.9
申请日：2025-01-13
Applicant: 东北大学
IPC: B65G15/58 , B65G47/248 , B65G47/90
Abstract: 本发明公开了一种基于计算机视觉的智能输送平台，涉及输送装置领域，解决了现有的输送平台使用时难以对物体输送的过程中对物体进行全方位翻转，从而提升加工与检测效率的问题，包括机体、输送机构、驱动机构和入料机构，机体上固定连接有导向框，导向框上固定连接有计算机视觉传感器，输送机构包括输送环、转动环和固定夹，本发明通过输送机构控制两侧固定夹对物体进行夹持，并调节转动环的转动角度以及固定夹的翻转角度，带动物体进行多角度翻转调节，实现输送的过程中进行翻转控制的功能，通过驱动机构带动多组输送环进行自动化循环输送作业，通过入料机构将物体输送到输送环内部的两组固定夹之间的位置进行后续的夹持输送操作。
-
公开(公告)号：CN118656545A
公开(公告)日：2024-09-17
申请号：CN202411110330.6
申请日：2024-08-14
Applicant: 东北大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种图卷积网络驱动的多任务学习资源推荐方法，涉及智慧教育的技术领域，本发明旨在解决多任务推荐问题，提升学生个性化学习体验并优化学习资源的合理分配，本发明至少包括：分别构建学生与课程、知识概念和视频之间交互关系的图结构；使用图嵌入模块利用改进的图卷积网络对图结构进行处理，学习并生成图嵌入表示；将所述图嵌入表示作为多任务推荐模块的输入，使用多个专家网络进行特征提取，使用门控机制动态整合专家知识，聚合专家表示，得到各个子任务的特定表示；最后同时生成课程推荐、知识概念推荐和视频推荐的结果；实现了基于图卷积网络的多任务推荐，为学生提供更加全面、个性化的学习体验。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
