Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于AI的教师微能力图谱处理方法 

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:西北师范大学

摘要:本发明提供了一种基于AI的教师微能力图谱处理方法,针对微能力图谱理解与构建的目的,本发明通过深入理解教育术语和结构化微能力信息,创建一个能够自动解析和构建教师能力图谱的系统,提供更精确和可行的职业发展建议,能够识别并组织微能力图谱中的多层次信息,从而提供明确和具体的能力发展路径。

主权项:1.一种基于AI的教师微能力图谱处理方法,其特征在于,包括以下步骤:(1)针对每个微能力术语使用预训练语言模型提取出高维的嵌入向量vi,然后通过动态上下文调整机制按照以下公式生成上下文相关的嵌入向量: 式中,γ为调整比例,C为上下文窗口的大小,βk为位置权重系数,Wc,k为上下文权重矩阵,Vi+k为位于i周围的术语嵌入向量;(2)建立BiLSTM-CRF模型,将上下文相关的嵌入向量输入BiLSTM-CRF模型中作为输入特征表示每个词语在上下文中的语义信息,在所述BiLSTM-CRF模型中引入自注意力机制和增强的特征函数,预测出微能力描述中术语间的关系,所述微能力描述中术语间的关系为给定输入特征为x,预测序列y的概率P(y∣x),所述P(y∣x)按照以下公式计算: 式中,表示由BiLSTM-CRF模型和自注意力机制处理的输入特征,ψ表示特征函数,表示新引入的特征函数,Z表示归一化因子;(3)将微能力描述中术语间的关系输入到图神经网络模型中,优化每个微能力节点的表示,映射出每个微能力节点在教师发展路径中的位置和关系,所述图神经网络模型包括图卷积核网络GCN,并在所述图卷积核网络GCN中引入图注意力网络GAT,然后按照以下公式得到教师微能力图谱中节点i的更新特征表示: 式中,σ表示用于增加非线性处理能力的激活函数,αij表示注意力系数,Wh表示转换矩阵,N(i)表示节点i的邻居节点集合,计算中通过P(y∣x)对注意力系数αij进行调整。

全文数据:

权利要求:

百度查询: 西北师范大学 一种基于AI的教师微能力图谱处理方法

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。