龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：华中师范大学
申请日：2024-03-22
公开（公告）日：2024-06-21
公开（公告）号：CN118227791A
主分类号：G06F16/35
分类号：G06F16/35;G06F40/216;G06F18/25;G06N3/047
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明提供一种基于多层次增强对比学习来预测慕课平台学生学习成效的方法，通过语义、认知‑情感联合外部特征进行综合预测分析,BERT预训练语言模型用于提取评论文本的深层语义特征，同时采用LIWC认知词典获取学习者的认知状态特征，并利用Senti‑BERT获取学习者在当前学习状态下的情感特征,在将上述特征融合的基础上，加入基于特征层面的对比学习和基于结构层面的对比学习，进一步提高学生学习成效的预测模型的准确性和鲁棒性,本发明创新点在于结合学习者多种特征和对比学习技术，旨在为教育领域提供一种更准确、全面的学生学习成效预测方法,这将有助于个性化教育评估，并为教育者提供更有效的指导，以促进学生的学习成长。
主权项：1.一种基于多层次增强对比学习的慕课学习者学习成效预测方法，其特征在于，该方法包括以下步骤：1利用爬虫技术获取MOOC课程学习者的评论文本数据集，经过清洗去噪后，作为学生课程发言初始语料方便后续使用；2将课程数据集中每个学习者的所有发言按照时序依次进行拼接，用分隔符分隔开，作为每一批次中的一条样本输入到基于变换器的双向编码器表示BERT模型中，以获取评论文本的深层语义特征表示；3通过LIWC认知词典获取学习者的认知特征，再通过Senti-BERT获取学习者处于当前学习状态下的情感特征，之后对BERT和LIWC以及Senti-BERT提取出的语义特征和认知-情感联合外部特征进行融合，得到能反应当前学习者状态的样本特征；4利用基于特征层面的对比学习以及基于结构层面的对比学习，创造更具鲁棒性和判别能力的样本对，使同类样本在空间中更加接近，同时使不同类样本在空间中更加远离；5在训练过程中以加权求和的方式将对偶对比损失、结构对比损失以及交叉熵损失相结合形成总体损失，根据目标样本特征计算出相应的学习证书获取概率分布矩阵，从而预测出该学生的发言记录所对应的证书标签，以实现对学生学习成效的预测。
全文数据：
权利要求：
百度查询： 华中师范大学 一种基于多层次增强对比学习的慕课学习者学习成效预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号