龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江师范大学
摘要：本发明公开了一种基于超图的计算机支持协作学习异常分组检测方法及系统，属于图异常检测领域。本发明将待检测的学生在线课堂交互数据输入经过训练的异常分组检测模型中，获得课堂中CSCL分组的异常检测结果。本发明通过在模型中添加时序模块，以编码解码的方式实现对分组与交互的时序异常检测；通过将时序模块编码结果线性融合到超图模块的初始表示中，使得超图模块能够考虑细粒度的时序信息；通过超图联合神经网络实现对高阶关系的编码并学习超边与超节点的表示；通过时序自注意力机制实现在超图模块中综合考虑多尺度的时序信息。此外，本发明还使用带有Token的自注意力机制，能够对不同成员个数的分组表示进行自适应聚合。
主权项：1.一种基于超图的计算机支持协作学习异常分组检测方法，其特征在于，包括以下步骤：S1.获取待检测的学生在线课堂交互数据，将学生表示为原始节点，将学生间的交互作为原始边，当出现三个及以上的原始节点是全连接时视为学生之间存在密集交互，由存在密集交互的学生组成CSCL小组，根据时间顺序将所有交互划分为若干个快照，由所有快照构成离散形式的原始动态图结构；其中，每个快照由各自的学生集合、交互集合、交互的时间戳列表以及学生特征矩阵组成；S2.将S1中的原始节点作为基序增强节点，保留原始边，并将每个CSCL小组作为一条虚拟超边，每条虚拟超边连接指定的基序增强节点后，得到基序增强图视图，对基序增强图视图进行对偶超图变换，得到基序增强对偶超图视图；S3.从待检测的学生在线课堂交互数据中获取基序增强对偶超图视图中所有超节点的时序特征，将由原始边得到的超节点作为普通超节点，将由虚拟超边得到的超节点作为基序超节点，分别将普通超节点的时序特征向量与基序超节点的时序特征向量堆叠为矩阵形式，对应得到普通超节点的时序特征矩阵以及基序超节点的时序特征矩阵，将两个时序特征矩阵进行拼接后得到完整时序特征矩阵；S4.将基序增强对偶超图视图以及完整时序特征矩阵输入到经过训练的异常分组检测模型中，输出学生的总异常得分以及CSCL小组或者交互的总异常得分，CSCL小组或者交互的总异常得分包含CSCL小组异常得分以及学生间交互异常得分。
全文数据：
权利要求：
百度查询： 浙江师范大学 基于超图的计算机支持协作学习异常分组检测方法及系统
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