-
公开(公告)号：CN111597349B
公开(公告)日：2022-10-11
申请号：CN202010363261.5
申请日：2020-04-30
Applicant: 西安理工大学
IPC: G06F16/36 , G06F40/242 , G06F40/279 , G06F16/33
Abstract: 本发明公开了一种基于人工智能的轨道交通规范实体关系自动补全方法，包括构建实体关系补全模型，对轨道交通规范和其中名词词性分词输入到实体关系补全模型中，判断输入的规范是否为简单句，若是简单句，查找轨道交通规范中实体相关属性，生成实体关系三元组，若不是简单句，抽取轨道交通规范后句属性词和实体，使前句实体与后句属性词n：n匹配，或判断是否前句语法为主谓宾，后句为宾补，若是，将前句实体与宾语直接匹配，后句关键词与宾语实体直接匹配，生成实体关系三元组，若不是，对词汇相关度超过阈值的实体与实体关系进行输出，生成实体关系三元组，得到完整的语义结构实体规范，即完成轨道交通规范实体关系的自动补全。
-
公开(公告)号：CN111598252B
公开(公告)日：2023-08-18
申请号：CN202010365827.8
申请日：2020-04-30
Applicant: 西安理工大学
Abstract: 本发明公开了基于深度学习的大学计算机基础知识解题方法，使用已有的大学计算机基础知识图谱和NTN模型来生成包含所有基础知识点的推理数据集，接着使用PCANET和GRU网络生成和问题相对应的残缺的知识图谱，然后使用PSQUERY算法来匹配知识图谱中与残缺知识图谱最接近的近似子图，并且使用TransE方法来推理得出残缺知识图谱中的缺失部分，最后推理得出的部分即为正确结果。减少了人力的消耗，提高了解题的效率。本发明实现容易，可以批量生成答案。本发明提高了同学自学该门课的效率，同时也减小了老师在教授这门课的负担。
-
公开(公告)号：CN111339318B
公开(公告)日：2023-05-05
申请号：CN202010132852.1
申请日：2020-02-29
Applicant: 西安理工大学
IPC: G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开了一种基于深度学习方法的大学计算机基础知识图谱构建方法；采用BERT‑IDCNN‑CRF算法训练知识点实体识别模型，从大学计算机基础课本文本内容中自动抽取知识点实体；采用BERT‑BiLSTM‑CNN算法训练关系识别模型，自动抽取知识点实体之间的关系；基于word2vec生成知识点实体词向量，通过计算知识点实体之间的相似度进行实体消歧。大大减少了人工构建大学计算机基础知识图谱的工作量，省时省力。
-
Patent Agency Ranking
公开(公告)号：CN111598252A
公开(公告)日：2020-08-28
申请号：CN202010365827.8
申请日：2020-04-30
Applicant: 西安理工大学
Abstract: 本发明公开了基于深度学习的大学计算机基础知识解题方法，使用已有的大学计算机基础知识图谱和NTN模型来生成包含所有基础知识点的推理数据集，接着使用PCANET和GRU网络生成和问题相对应的残缺的知识图谱，然后使用PSQUERY算法来匹配知识图谱中与残缺知识图谱最接近的近似子图，并且使用TransE方法来推理得出残缺知识图谱中的缺失部分，最后推理得出的部分即为正确结果。减少了人力的消耗，提高了解题的效率。本发明实现容易，可以批量生成答案。本发明提高了同学自学该门课的效率，同时也减小了老师在教授这门课的负担。
-
公开(公告)号：CN111339318A
公开(公告)日：2020-06-26
申请号：CN202010132852.1
申请日：2020-02-29
Applicant: 西安理工大学
IPC: G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开了一种基于深度学习方法的大学计算机基础知识图谱构建方法；采用BERT-IDCNN-CRF算法训练知识点实体识别模型，从大学计算机基础课本文本内容中自动抽取知识点实体；采用BERT-BiLSTM-CNN算法训练关系识别模型，自动抽取知识点实体之间的关系；基于word2vec生成知识点实体词向量，通过计算知识点实体之间的相似度进行实体消歧。大大减少了人工构建大学计算机基础知识图谱的工作量，省时省力。
-
公开(公告)号：CN111339258B
公开(公告)日：2023-03-03
申请号：CN202010132847.0
申请日：2020-02-29
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于知识图谱的大学计算机基础习题推荐方法，基于大学计算机基础知识点构建的知识图谱，使用图团体检测算法从知识点之间的关系结构上分析知识点间的关联性，从而推荐与学生错误知识点关联性较高的知识点给学生进行学习；通过中文分词提取习题语义特征构建word2vec模型，使用RWMD方法计算学生的错题与其他习题在内容上的相似度，选取相似度高的习题进行推荐。通过分析学生的错题为学生推荐相应的知识点和习题，可以帮助学生尽快扫除知识盲点，更好地掌握大学计算机基础这门课，同时也减轻了任课教师的压力。
-
公开(公告)号：CN111597349A
公开(公告)日：2020-08-28
申请号：CN202010363261.5
申请日：2020-04-30
Applicant: 西安理工大学
IPC: G06F16/36 , G06F40/242 , G06F40/279 , G06F16/33
Abstract: 本发明公开了一种基于人工智能的轨道交通规范实体关系自动补全方法，包括构建实体关系补全模型，对轨道交通规范和其中名词词性分词输入到实体关系补全模型中，判断输入的规范是否为简单句，若是简单句，查找轨道交通规范中实体相关属性，生成实体关系三元组，若不是简单句，抽取轨道交通规范后句属性词和实体，使前句实体与后句属性词n：n匹配，或判断是否前句语法为主谓宾，后句为宾补，若是，将前句实体与宾语直接匹配，后句关键词与宾语实体直接匹配，生成实体关系三元组，若不是，对词汇相关度超过阈值的实体与实体关系进行输出，生成实体关系三元组，得到完整的语义结构实体规范，即完成轨道交通规范实体关系的自动补全。
-
公开(公告)号：CN111339258A
公开(公告)日：2020-06-26
申请号：CN202010132847.0
申请日：2020-02-29
Applicant: 西安理工大学
Abstract: 本发明公开了一种基于知识图谱的大学计算机基础习题推荐方法，基于大学计算机基础知识点构建的知识图谱，使用图团体检测算法从知识点之间的关系结构上分析知识点间的关联性，从而推荐与学生错误知识点关联性较高的知识点给学生进行学习；通过中文分词提取习题语义特征构建word2vec模型，使用RWMD方法计算学生的错题与其他习题在内容上的相似度，选取相似度高的习题进行推荐。通过分析学生的错题为学生推荐相应的知识点和习题，可以帮助学生尽快扫除知识盲点，更好地掌握大学计算机基础这门课，同时也减轻了任课教师的压力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
