-
公开(公告)号：CN119884287A
公开(公告)日：2025-04-25
申请号：CN202311382728.0
申请日：2023-10-23
Applicant: OPPO广东移动通信有限公司 , 中国科学技术大学
IPC: G06F16/3329 , G06F16/36 , G06F18/214 , G06N3/0455
Abstract: 本申请公开了一种人工智能问答方法及装置，其中，获取待回答问题；基于待回答问题在预设知识图谱上检索，得到待回答问题的候选答案；在待回答问题的候选答案的数量为至少两个的情况下，将至少两个候选答案和待回答问题分别拼接并输入知识适配模块，得到至少两个表征向量，其中，知识适配模块根据预设训练集训练得到，预设训练集由预设知识图谱的知识三元组构建得到；基于至少两个表征向量从至少两个候选答案中确定待回答问题对应的预测答案。本申请直接基于知识图谱中的知识三元组构建预设训练集，并根据预设训练集训练知识适配模块，从而解决现有技术对外部语料的依赖和知识图谱建模不完整的问题，从而能够提高人工智能问答的准确率。
-
公开(公告)号：CN119067223A
公开(公告)日：2024-12-03
申请号：CN202411564396.2
申请日：2024-11-05
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种面向复杂推理问题的智能解答方法、系统、装置与介质，它们是一一对应的方案，方案中：提出一种粗粒度‑细粒度推理范式，通过三个阶段的循环构建出最终的推理树：分解阶段，将复杂问题分解成多个简单的子问题，有助于理解和处理每个子问题，分析阶段，对每个子问题进行深入分析，建立完整的推理过程，并且评估和检查它们的正确性和逻辑性，反思阶段，回顾整个解题过程，分析解题过程中可能存在的错误或不足，并提供针对性的修正。通过这一循环过程，本发明不仅能高效且准确地建模复杂问题推理流程，而且能提高在推理问答相关任务上的准确性和效率，并能为个性化在线导学提供高可解释性的解题逻辑思路，具有较高的教育和实用价值。
-
公开(公告)号：CN113836311B
公开(公告)日：2024-11-05
申请号：CN202110922887.X
申请日：2021-08-12
Applicant: 中国科学技术大学
IPC: G06F16/36 , G06F40/289 , G06F40/30 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/0985 , G06Q50/20
Abstract: 本发明公开了一种解耦的试题表征及应用方法，包括问题定义与形式化、收集数据并对数据进行预处理、建立模型；其中，数据预处理包括试题过滤、知识概念过滤和抽样；建立模型包括编码模块、评价模块和迁移模块，编码模块负责根据试题的文本生成试题的概念表征向量和个性表征向量；评价模块负责在预训练表征模型时评价试题表征的质量并训练优化模型参数；迁移模块将预训练的试题表征向量应用于具体的下游任务，将个性表征向量中的知识迁移到下游任务模型以提高任务模型的效果。该方法能够为试题检索、试题难度估计、个性化试题推荐等智慧教育领域的实践提供技术支持，效果好、效益高，大大提高了工作效率。
-
公开(公告)号：CN112596731B
公开(公告)日：2024-03-29
申请号：CN202011607383.0
申请日：2020-12-29
Applicant: 中国科学技术大学
Abstract: 本发明涉及一种融合智能教育的编程教学系统及方法，包括客户端、多源服务的统一查询模块和服务器端。所述客户端包括在线做题和评测作业、题目和题包设置作业、身份认证作业、数据分析模块。所述服务器端包括：可插拔的动态模块机制、可脚本定制的多语言评测模块、大数据分析模块。本发明的大数据分析模块，基于本系统已有教育资源和网络资源构建编程知识图谱，并基于真实的用户数据，实时诊断做题人认知水平。在编程教学中，采用本发明提供的在线做题服务，能有效降低教师对学生提交的编程题作业的繁琐验证、不能客观给分问题，有助于教师掌握学生群体特性，进而调整教学方案；有助于学生了解自身认知水平，并为其提供智能辅助服务。
-
公开(公告)号：CN117669692A
公开(公告)日：2024-03-08
申请号：CN202311611487.2
申请日：2023-11-29
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种公平用户建模方法、系统、设备及存储介质，它们是一一对应的方案，方案中：收集用户数据，并将用户划分为已知敏感属性数据的用户与未知敏感属性数据的用户；结合已知敏感属性数据的用户与未知敏感属性数据的用户的用户数据构建过滤器的损失函数；结合已知敏感属性数据的用户的用户数据构建判别器的损失函数，结合过滤器的损失函数与判别器的损失函数，通过对抗性学习交替优化过滤器与判别器，获得最终的过滤器；利用最终的过滤器过滤原始用户建模结果中的敏感属性，获得公平的用户建模结果。上述方案，充分利用缺失敏感属性的数据去训练过滤器，可以为用户进行准确公平的建模，公平的用户建模结果能够充分在下游任务中得到应用。
-
Patent Agency Ranking
公开(公告)号：CN116821484A
公开(公告)日：2023-09-29
申请号：CN202310706789.1
申请日：2023-06-13
Applicant: 中国科学技术大学
IPC: G06F16/9535 , G06F16/9536 , G06F18/22 , G06F18/20
Abstract: 本发明公开了一种基于用户群组采样的推荐方法、装置、设备和存储介质。该推荐方法基于从互联网平台获取的用户的隐式反馈数据，通过在动态更新的模型上对物品熵进行建模，在优化中充分利用物品全局评分信息和用户共同的交互行为，采样更为可靠的相似用户群组。使用成对的群组偏好范式学习用户群组偏好，挖掘出用户潜在喜欢的物品，在改进模型推荐效果的同时还具有高度的可解释性和算法通用性。
-
公开(公告)号：CN116738938A
公开(公告)日：2023-09-12
申请号：CN202310769898.8
申请日：2023-06-26
Applicant: 中国科学技术大学
IPC: G06F40/126 , G06F40/166 , G06F40/30 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/09
Abstract: 本申请公开了一种题目生成方法及相关设备，通过获取目标生成题目公式约束和主题约束的题目生成约束，对题目生成约束进行编码处理，得到用于表示公式信息和主题信息的约束编码。然后通过预设双注意力解码机制，对所述约束编码进行解码处理，生成多个语句段，其中，每个语句段都含有表示公式信息和主题信息的标志符。最后根据预设动态计划处理机制，对多个语句段进行语句处理和逻辑整合，得到目标生成题目。通过上述方法，通过预设双注意力解码机制将公式信息和主题信息进行融合，并结合预设动态计划处理机制生成目标生成题目，实现了主题信息与公式信息的有效结合，在提高生成题目可解性的同时保证了题目的语义连贯性，提高了题目的生成质量。
-
公开(公告)号：CN116680502A
公开(公告)日：2023-09-01
申请号：CN202310963004.9
申请日：2023-08-02
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种数学应用题智能求解方法、系统、设备及存储介质，它们是一一对应的方案，方案中：通过数理常识公式引导的数学应用题智能求解，可以提高了问题求解的准确性与推理过程的可解释性，并且，构建的包含知识系统与推理系统的智能解题模型可以扩展融合多种机器学习任务，进而模拟人类在复杂场景中学习并运用常识公式知识的过程，为探究强人工智能提供了一定基础；此外，挖掘出的公式知识可以作为众多机器智能推理任务的先验信息改善任务表现，也可作为教学资源辅助教育平台提供更好的教学服务，带来一定的潜在应用价值。
-
公开(公告)号：CN111538868B
公开(公告)日：2023-06-16
申请号：CN202010351992.8
申请日：2020-04-28
Applicant: 中国科学技术大学
IPC: G06N5/025 , G06F16/901 , G06F16/9035 , G06N3/0442 , G06N3/042 , G06N3/096 , G06N3/0499
Abstract: 本发明公开了一种知识追踪方法及习题推荐方法，通过改进数据处理方式，来提升知识追踪的准确性与后续应用的效果，具体来说：通过利用知识结构(以图结构表示)对学习迁移进行建模，从而增强知识追踪的效果。在建模过程中，对学习迁移的影响进行了量化，在提高效果的同时，增强了方法的可解释性；知识追踪结果还可以在后续应用中使用，提高应用的效果。
-
公开(公告)号：CN115049062A
公开(公告)日：2022-09-13
申请号：CN202210978505.X
申请日：2022-08-16
Applicant: 中国科学技术大学
IPC: G06N5/04 , G06N5/02 , G06F16/36 , G06F40/205 , G06F40/295 , G06F40/30
Abstract: 本发明公开了一种基于知识学习的数学应用题智能解题方法及系统，将数学知识学习过程与应用题求解过程有机耦合，以助于在改善学习得到的知识质量的同时提高问题求解能力。相关方案中：设计了认知框架与知识学习过程，构建了更接近通用型人工智能目标的智能系统，系统可以作为一种通用框架，融合多种机器学习任务，为实现强人工智能提供了一定的基础；并且，建立了引入知识学习的数学应用题求解方法，有助于提高应用题求解的准确性与可解释性。同时，学习到的数学知识具有一定的实际应用价值，可以作为众多机器学习任务的先验信息改善任务表现，也可进一步辅助教育平台搭建知识图谱，并基于此提供更好的个性化教育服务。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.041 seconds)
