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：西南大学

摘要：本发明涉及行为预测，具体公开了一种基于时序数据的数字教材交互行为预测方法，包括如下内容：S1.构建基础模型：构建两个相互依赖的循环神经网络模型，分别为RNNU和RNNI，其中RNNU用于更新教师的嵌入，RNNI则用于更新行为的嵌入；该技术中的嵌入包括动态嵌入与静态嵌入；静态嵌入使用one‑hot编码，别表示为和ut表示t时刻教师u的动态嵌入，it表示t时刻行为i的动态嵌入，特征向量f表示每次交互的特征；S2.用户更新嵌入和行为更新嵌入；S3.每次更新完成后进行投影操作；S4.交互行为预测；S5.模型训练。能够在教师使用数字教材进行教学时，充分考虑教师行为之间的间隔时间，提升教师交互行为的预测结果的准确性。

主权项：1.一种基于时序数据的数字教材交互行为预测方法，其特征在于，包括如下内容：S1.构建基础模型：构建两个相互依赖的循环神经网络模型，分别为RNNU和RNNI，其中RNNU用于更新教师的嵌入，RNNI则用于更新行为的嵌入；该技术中的嵌入包括动态嵌入与静态嵌入；静态嵌入使用one-hot编码，别表示为和ut表示t时刻教师u的动态嵌入，it表示t时刻行为i的动态嵌入，特征向量f表示每次交互的特征；S2.用户更新嵌入和行为更新嵌入：RNNU用于更新用户的嵌入，RNNI用于更新行为的嵌入，当t时刻教师u与行为i发生交互时，RNNU使用t时刻的特征向量f和t时刻前行为i的动态嵌入作为输入更新ut，RNNI使用t时刻的特征向量f和t时刻前教师u的动态嵌入作为输入更新it；S3.每次更新完成后进行投影操作：在t时刻后，间隔一段时间Δ后，就会对t+Δ时刻的嵌入进行投影操作，随着Δ的增大，投影嵌入将距离输入嵌入越远，直至观察到新的交互，再进行嵌入更新，以此往复实现对教师行为的预测；S4.交互行为预测：使用t+Δ时刻教师u的投影嵌入ut+Δ和t+Δ时刻前行为i的动态嵌入it+Δ-和静态嵌入来实现u在t+Δ时的交互行为预测，这一过程采用全连接线性层进行；S5.模型训练：在训练时，每发生一次交互模型都会最小化模型的损失值，损失值表示的是预测值与实际值之间的差距，损失值越小，模型的鲁棒性越好；训练总损失值的计算公式如下： λU和λI表示缩放参数，用以控制损失值在一定范围之内。

全文数据：

权利要求：

百度查询： 西南大学 一种基于时序数据的数字教材交互行为预测方法