一种基于遗忘曲线理论的课堂知识点教学活动调度方法

    公开(公告)号:CN118410956A

    公开(公告)日:2024-07-30

    申请号:CN202310858309.3

    申请日:2023-07-13

    Abstract: 本发明提出一种基于遗忘曲线理论的课堂知识点教学活动调度方法,包括:构建基于艾宾浩斯记忆遗忘曲线理论的复习黄金周期框架;复习黄金周期框架包括:知识点和知识点对应的第一复习黄金周期、第二复习黄金周期;对复习黄金周期框架中的第二复习黄金周期,构建初始影响因子调度模型;对初始影响因子调度模型进行优化,获取影响因子调度模型;将知识点个数和对应的讲解时长,输入影响因子调度模型,获取知识点教学活动的调度序列。本发明既减轻了教师编排教学活动序列的负担,得到的教学活动序列又符合艾宾浩斯遗忘曲线规律和复习黄金周期规律,让学生在有限的课堂教学时间内,更加科学、合理的学习知识,强化记忆,达到了事半功倍的效果。

    一种基于扩增存储的图卷积神经网络的关键词抽取方法

    公开(公告)号:CN114781354B

    公开(公告)日:2025-04-15

    申请号:CN202210242295.8

    申请日:2022-03-11

    Abstract: 本申请公开了一种基于扩增存储的图卷积神经网络的关键词抽取方法,通过设置扩增存储图卷积神经网络关键词抽取模型提升多层图卷积神经网络的节点表示能力。对文本进行预处理以及对文本进行句法分析,将分析结果分别输入到词语嵌入层,得到文本图结构信息和词语节点的嵌入信息并输入到扩增存储的图卷积神经网络层,获得相应的向量表示,将向量表示进行拼接后输入到LSTM层,得到输出向量,将向量表示和输出向量传送至输出层进行拼接并输出至目标层,获得输出类别。解决了现有的短文本关键词抽取方法关键词抽取性能较差,使用的图卷积神经网络随着卷积层的提升降低了节点的表示能力的技术问题。

    一种基于扩增存储的图卷积神经网络的关键词抽取方法

    公开(公告)号:CN114781354A

    公开(公告)日:2022-07-22

    申请号:CN202210242295.8

    申请日:2022-03-11

    Abstract: 本申请公开了一种基于扩增存储的图卷积神经网络的关键词抽取方法,通过设置扩增存储图卷积神经网络关键词抽取模型提升多层图卷积神经网络的节点表示能力。对文本进行预处理以及对文本进行句法分析,将分析结果分别输入到词语嵌入层,得到文本图结构信息和词语节点的嵌入信息并输入到扩增存储的图卷积神经网络层,获得相应的向量表示,将向量表示进行拼接后输入到LSTM层,得到输出向量,将向量表示和输出向量传送至输出层进行拼接并输出至目标层,获得输出类别。解决了现有的短文本关键词抽取方法关键词抽取性能较差,使用的图卷积神经网络随着卷积层的提升降低了节点的表示能力的技术问题。

Patent Agency Ranking