公开(公告)号：CN119991375A

公开(公告)日：2025-05-13

申请号：CN202510436954.5

申请日：2025-04-09

Applicant: 暨南大学

Inventor： 方良达 ,  周旭芳 ,  程兴和 ,  官全龙 ,  杨志伟 ,  罗伟其

IPC: G06Q50/20 ,  G06N3/0442 ,  G06F18/10 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/25

Abstract: 本发明公开了一种基于长短期记忆神经网络的教育资源多样化推荐方法及系统，涉及教育资源推荐技术领域，其中方法包括：S1.获取学习者的历史学习资源信息，并将学习者进行划分；S2.基于划分的结果，进行学习者表征增强与知识点掌握建模；S3.基于学习者的知识点掌握程度，生成候选教育资源列表；S4.基于候选教育资源列表，计算教育资源相关性与多样性得分；S5.融合教育资源相关性与多样性得分，按最终分数从高到低为学习者推荐指定数量的教育资源。本发明提出了序列增强模块，通过结合不活跃学习者的历史学习行为和积极学习者的丰富历史数据，对不活跃学习者的学习表示进行增强。

公开(公告)号：CN119005308A

公开(公告)日：2024-11-22

申请号：CN202411488220.3

申请日：2024-10-24

Applicant: 暨南大学 ,  广东光大信息科技股份有限公司

Inventor： 官全龙 ,  管文山 ,  方良达 ,  段修亮 ,  黄秀姐 ,  周玉宇 ,  杨志伟 ,  巩志国 ,  罗伟其 ,  陈晓宇

IPC: G06N5/02 ,  G06N3/0442 ,  G06N3/0455 ,  G06F18/25

Abstract: 本发明公开了一种基于知识图谱的多模态习题表征方法，涉及多模态表征技术领域，包括：获取多模态信息的数学习题信息以及相关知识点，提取多模态习题涉及的所有元素；提取多模态习题的图像和文本特征；基于表层理解规则，明确习题文本和图片中各元素之间的空间关系，并构建表示表层信息的知识图谱；基于隐层理解的规则，将习题涉及的相关定理和公式转化为形式化语言，并构建表示隐层信息的知识图谱；将表示表层信息和表示隐层信息的知识图谱融合为表示完整的习题信息的知识图谱；基于表示不同习题信息的知识图谱节点和边，计算习题之间的相似度和困难度及文本知识图谱和图像知识图谱的匹配度；基于自动解题模型，获得习题的深度表征。

公开(公告)号：CN119005308B

公开(公告)日：2025-02-11

申请号：CN202411488220.3

申请日：2024-10-24

Applicant: 暨南大学 ,  广东光大信息科技股份有限公司

Inventor： 官全龙 ,  管文山 ,  方良达 ,  段修亮 ,  黄秀姐 ,  周玉宇 ,  杨志伟 ,  巩志国 ,  罗伟其 ,  陈晓宇

IPC: G06N5/02 ,  G06N3/0442 ,  G06N3/0455 ,  G06F18/25

Abstract: 本发明公开了一种基于知识图谱的多模态习题表征方法，涉及多模态表征技术领域，包括：获取多模态信息的数学习题信息以及相关知识点，提取多模态习题涉及的所有元素；提取多模态习题的图像和文本特征；基于表层理解规则，明确习题文本和图片中各元素之间的空间关系，并构建表示表层信息的知识图谱；基于隐层理解的规则，将习题涉及的相关定理和公式转化为形式化语言，并构建表示隐层信息的知识图谱；将表示表层信息和表示隐层信息的知识图谱融合为表示完整的习题信息的知识图谱；基于表示不同习题信息的知识图谱节点和边，计算习题之间的相似度和困难度及文本知识图谱和图像知识图谱的匹配度；基于自动解题模型，获得习题的深度表征。