公开(公告)号：CN114565135A

公开(公告)日：2022-05-31

申请号：CN202210099066.5

申请日：2022-01-27

Applicant: 扬州大学

Inventor： 魏李婷 ,  李斌 ,  李云 ,  朱毅

IPC: G06Q10/04 ,  G06K9/62 ,  G06Q50/20 ,  G09B5/12

Abstract: 本发明公开了一种学生个性化的时间间隔感知注意力机制知识追踪方法，包括以下步骤：1)收集学生学习的历史交互数据以及完成学习的时间戳，设计和实现学生学习时间间隔关系矩阵；2)对习题序列、学习序列、绝对位置和个性化时间间隔进行向量编码；3)建立时间感知注意力机制计算历史完成习题对后续新习题的影响权重，基于该权重总结每个节点学生的初始知识状态；4)利用全连接层对初步总结的学生的历史知识状态进行融合，追踪学生学习过程中不断变化的知识状态。本发明相比于其他技术，有效利用学生练习每道题的不同时间间隔，挖掘不同学生在相同学习序列下不同的知识掌握情况，提高知识追踪的准确度。

公开(公告)号：CN114565135B

公开(公告)日：2025-04-25

申请号：CN202210099066.5

申请日：2022-01-27

Applicant: 扬州大学

Inventor： 魏李婷 ,  李斌 ,  李云 ,  朱毅

IPC: G06Q10/04 ,  G06F18/22 ,  G06Q50/20 ,  G09B5/12 ,  G06N3/045

Abstract: 本发明公开了一种学生个性化的时间间隔感知注意力机制知识追踪方法，包括以下步骤：1)收集学生学习的历史交互数据以及完成学习的时间戳，设计和实现学生学习时间间隔关系矩阵；2)对习题序列、学习序列、绝对位置和个性化时间间隔进行向量编码；3)建立时间感知注意力机制计算历史完成习题对后续新习题的影响权重，基于该权重总结每个节点学生的初始知识状态；4)利用全连接层对初步总结的学生的历史知识状态进行融合，追踪学生学习过程中不断变化的知识状态。本发明相比于其他技术，有效利用学生练习每道题的不同时间间隔，挖掘不同学生在相同学习序列下不同的知识掌握情况，提高知识追踪的准确度。

公开(公告)号：CN117972217A

公开(公告)日：2024-05-03

申请号：CN202410298483.1

申请日：2024-03-15

Applicant: 扬州大学

Inventor： 李云 ,  王彬彬 ,  魏李婷 ,  朱毅

IPC: G06F16/9535 ,  G06F16/901 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/2135 ,  G06F18/25

Abstract: 本发明公开了一种基于异构超图的知识概念推荐方法，包括：1）构建异构信息网络表示学习者行为数据，定义异构信息网络数据集中的节点和关系；2）对步骤1）得到的异构信息网络进行超图构造，并将构造的超图分解为用于信息传递的子超图；3）利用基于变换器的双向编码模型生成节点的特征嵌入并进行降维；4）将步骤2）分解后的子超图和步骤3）降维后的节点的特征嵌入通过超图卷积层和自注意力层进行特征学习，得到学习者嵌入和概念嵌入；5）根据步骤4）得到的学习者嵌入和概念嵌入计算它们之间的相似度。本发明能够利用超图训练得到高质量的适应于知识概念推荐任务的节点表示，从而提升知识概念推荐的准确率。

公开(公告)号：CN115311113A

公开(公告)日：2022-11-08

申请号：CN202210815834.2

申请日：2022-07-12

Applicant: 扬州大学

Inventor： 魏李婷 ,  李云 ,  朱毅 ,  李斌 ,  张乐君

IPC: G06Q50/20 ,  G06N3/04 ,  G06F16/906

Abstract: 本发明公开了一种基于提示调优的少样本习题链接知识概念方法，通过收集并整理某一课程对应的习题资源与知识概念形成数据集；使用带有统一模板的即时提优的方法计算习题与知识概念的相关性，独立预测每个概念的概率；通过阈值机制，确定与习题相关的知识概念，为习题打上相应的知识概念标签，同时通过微调任务模型，循环训练预训练语言模型使其适应当前任务，在样本量少的情况下，为习题打上知识概念的标签，提高少样本习题链接知识概念的效果。

公开(公告)号：CN106204153A

公开(公告)日：2016-12-07

申请号：CN201610569559.5

申请日：2016-07-14

Applicant: 扬州大学

Inventor： 李云 ,  魏李婷 ,  袁运浩

IPC: G06Q30/02

CPC classification number: G06Q30/0282

Abstract: 本发明涉及一种基于属性比重相似性的两步预测Top-N推荐算法。本发明输入数据集T和项目属性矩阵A，构造用户评分矩阵R和用户项目二分矩阵C，计算用户属性比重矩阵D，利用用户属性比重矩阵D计算用户相似性，并获取近邻N(u)，预测用户选择项目的概率Interest，综合用户选择项目和用户对所选项目评分的用户评分行为，向用户进行Top-N推荐。本发明克服了时评分矩阵稀疏和评分不均缺陷。本发明提高了评分矩阵的密度，改善了由于数据稀疏性造成的相似性计算不平衡的问题，用户选择项目并对所选项目评分，尽可能利用信息。