-
公开(公告)号：CN112069151B
公开(公告)日：2024-09-06
申请号：CN202010919393.1
申请日：2020-09-04
IPC: G06F16/21 , G06F16/2453
Abstract: 本发明提供一种基于二分图及学习迁移算法的任务管理方案生成方法，包括如下步骤：提供用户数据集，所述用户数据集包括任务数据集、时间片数据集及用户历史记录集；提供第一数据处理模组，分别对所述任务数据集的任务数据阶段性划分及对所述时间数据集的时间数据周期性划分；提供第二数据处理模组，依据用户历史认知过程将所述历史数据集的用户历史效率、用户历史任务层级划分；量化所述第二数据处理模组的处理结果，反映用户特征；依据量化的用户特征构建用户个性化效率曲线；构建双边动态加权二分图；采用迁移学习匹配算法生成任务管理方案。本发明的任务管理方案生成方法提高用户的任务管理效率和执行效果。同时，本发明还提供一种针对上述任务管理方案生成方法的任务管理生成系统及执行上述方法的计算机可读存储介质、电子设备。
-
公开(公告)号：CN111581529B
公开(公告)日：2023-07-14
申请号：CN202010376592.2
申请日：2020-05-07
IPC: G06F16/9536 , G06Q50/20
Abstract: 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。
-
公开(公告)号：CN111523738A
公开(公告)日：2020-08-11
申请号：CN202010572727.2
申请日：2020-06-22
Abstract: 本发明提供一种基于用户在线学习行为模式预测学习效果的系统，包括学习行为信息采集模组、学习效率计算模组、学习行为模式计算模组、学习能力‑动机计算模组及学习效果预测模组。所述学习行为信息采集模组对应采集用户学习行为信息及用户基本信息。所述学习效率计算模组根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵。所述学习行为模式计算模组生成用户分类信息及用户的学习行为模式信息。所述学习能力‑动机计算模组生成用户在在线课程学习中的学习能力信息和学习动机信息。所述学习效果预测模组预测用户在在线课程学习中的学习效果。本发明还提供一种采用上述预测用户在不同类别在线课程中学习效果的系统的预测方法。
-
公开(公告)号：CN111737570B
公开(公告)日：2024-05-07
申请号：CN202010521526.X
申请日：2020-06-10
IPC: G06F16/9535 , G06F16/36 , G06Q10/0639 , G06Q50/20
Abstract: 本发明提供一种多模态在线学习资源网络推荐系统。所述网络推荐系统包括数据采集模组、学习能力评估模组、学习资源难度计算模组及学习资源推荐模组，所述数据采集模组采集学习者信息及学习资源信息，所述学习能力评估模组根据所述学习者信息获得学习者的学习能力值，所述学习资源难度计算模组根据所述学习资源信息计算学习资源难度值，所述学习资源推荐模组分别接收所述学习能力值以及所述学习资源难度值，并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案，并选择性推荐满足匹配值的学习资源至学习者。同时，本发明还提供一种采用上述网络推荐系统的推荐方法。
-
公开(公告)号：CN112069151A
公开(公告)日：2020-12-11
申请号：CN202010919393.1
申请日：2020-09-04
IPC: G06F16/21 , G06F16/2453
Abstract: 本发明提供一种基于二分图及学习迁移算法的任务管理方案生成方法，包括如下步骤：提供用户数据集，所述用户数据集包括任务数据集、时间片数据集及用户历史记录集；提供第一数据处理模组，分别对所述任务数据集的任务数据阶段性划分及对所述时间数据集的时间数据周期性划分；提供第二数据处理模组，依据用户历史认知过程将所述历史数据集的用户历史效率、用户历史任务层级划分；量化所述第二数据处理模组的处理结果，反映用户特征；依据量化的用户特征构建用户个性化效率曲线；构建双边动态加权二分图；采用迁移学习匹配算法生成任务管理方案。本发明的任务管理方案生成方法提高用户的任务管理效率和执行效果。同时，本发明还提供一种针对上述任务管理方案生成方法的任务管理生成系统及执行上述方法的计算机可读存储介质、电子设备。
-
Patent Agency Ranking
公开(公告)号：CN111523738B
公开(公告)日：2023-07-21
申请号：CN202010572727.2
申请日：2020-06-22
Abstract: 本发明提供一种基于用户在线学习行为模式预测学习效果的系统，包括学习行为信息采集模组、学习效率计算模组、学习行为模式计算模组、学习能力‑动机计算模组及学习效果预测模组。所述学习行为信息采集模组对应采集用户学习行为信息及用户基本信息。所述学习效率计算模组根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵。所述学习行为模式计算模组生成用户分类信息及用户的学习行为模式信息。所述学习能力‑动机计算模组生成用户在在线课程学习中的学习能力信息和学习动机信息。所述学习效果预测模组预测用户在在线课程学习中的学习效果。本发明还提供一种采用上述预测用户在不同类别在线课程中学习效果的系统的预测方法。
-
公开(公告)号：CN111737570A
公开(公告)日：2020-10-02
申请号：CN202010521526.X
申请日：2020-06-10
IPC: G06F16/9535 , G06F16/36 , G06Q10/06 , G06Q50/20
Abstract: 本发明提供一种多模态在线学习资源网络推荐系统。所述网络推荐系统包括数据采集模组、学习能力评估模组、学习资源难度计算模组及学习资源推荐模组，所述数据采集模组采集学习者信息及学习资源信息，所述学习能力评估模组根据所述学习者信息获得学习者的学习能力值，所述学习资源难度计算模组根据所述学习资源信息计算学习资源难度值，所述学习资源推荐模组分别接收所述学习能力值以及所述学习资源难度值，并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案，并选择性推荐满足匹配值的学习资源至学习者。同时，本发明还提供一种采用上述网络推荐系统的推荐方法。
-
公开(公告)号：CN111581529A
公开(公告)日：2020-08-25
申请号：CN202010376592.2
申请日：2020-05-07
IPC: G06F16/9536 , G06Q50/20
Abstract: 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。
-
公开(公告)号：CN114417164B
公开(公告)日：2024-07-02
申请号：CN202210081392.3
申请日：2022-01-24
Applicant: 湖南大学
IPC: G06F16/9535 , G06F16/335 , G06Q50/20 , G06F18/241 , G06F18/2415 , G06N3/0442 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本申请提供一种用户知识状态的追踪方法及相关设备，可以及时的更新用户的知识状态。该方法包括：提取目标知识点的知识点特征和目标对象的语义特征，所述目标知识点与所述目标对象相对应；确定所述目标知识点所对应的先决条件知识点特征以及目标用户的知识状态，所述目标对象与所述目标用户相对应；确定所述目标用户针对所述目标对象的状态信息；将所述知识点特征、所述语义特征、所述先决条件知识点特征、所述目标用户的知识状态以及所述目标用户针对所述目标对象的状态信息进行聚合，得到更新聚合特征；将所述更新聚合特征输入知识状态更新模型，以更新所述目标用户的知识状态。
-
公开(公告)号：CN114491254B
公开(公告)日：2024-06-25
申请号：CN202210081389.1
申请日：2022-01-24
Applicant: 湖南大学
IPC: G06F16/9535 , G06F16/33 , G06F16/335 , G06Q50/20
Abstract: 本申请提供一种知识点推荐方法及相关设备，综合考虑到了用户对知识点的偏好以及用户对知识点的认知状态，进而向用户推荐更适合用户学习水平和符合用户偏好的知识点。该方法包括：确定目标用户所对应的用户嵌入向量、N个知识点所对应的知识点嵌入向量以及M个练习问题所对应的练习问题嵌入向量；根据用户嵌入向量以及知识点嵌入向量确定目标用户对N个知识点中每个知识点的兴趣偏好；根据用户嵌入向量以及练习问题嵌入向量确定目标用户对N个知识点中每个知识点的认知状态；根据每个知识点的兴趣偏好以及每个知识点的认知状态确定N个知识点中每个知识点所对应的知识点推荐度；根据所述N个知识点中每个知识点所对应的知识点推荐度向所述目标用户推荐知识点。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.02 seconds)
