可信的端到端深度学生知识画像建模方法

学生知识画像是对学生在不同知识概念掌握程度的全面精准的表示.通常,智能教育系统中使用知识追踪方法,基于显式的学生交互数据,对学生在某些知识概念的隐式掌握程度进行建模.然而知识追踪方法的预测结果与学生知识画像存在着时序、预测粒度不一致的情况,导致其产生的学生知识画像不可信.对此,首先基于端到端的学生知识掌握度预测目标定义并形式化学生知识画像预测任务,然后提出了一种深度知识画像(deep knowledge portrait, DKP)模型.该方法首先在知识粒度上学习交互表征,引入了知识难度、知识概念等特征在知识粒度上区分交互;然后,采用双向长短时记忆网络基于学生历史交互序列,建模学生知识状态变化.最后针对待预测知识概念,使用了多头注意力池化层强化历史序列中的相关交互以进行该概念下的学生掌握度预测.在3个真实的数据集上的实验结果表明,所提出的方法更适合学生知识画像预测任务从而获得更可信的学生知识画像,并在各项性能上超过了现有的方法.

面向研究性项目文档的知识画像模型

为提高科研活动产生的研究性项目文档的知识要点的精准智能识别和检索能力,通过分析文档行文结构,提出建立文档知识画像的方法。设计精准贴合研究性项目文档结构的多层次的知识画像,自动识别文档知识要点,并按语义段落多粒度提取知识要点。采用知识表达准确率对模型的知识提取精确度进行检验,实验结果表明模型比传统方法对文档知识描述更准确,可在实际工作中使用。

基于知识画像的文档相似度分析模型

科技项目申报文档有较强的领域特征、统一的文档结构和特殊的相似度分析需求,文中提出了一种基于文档知识画像的多维度多粒度相关性计算模型,简称DLSM,该模型综合不同维度权重,不同粒度文本的相似性分析,结果更加精确合理。实验表明,DLSM模型在文档相似性分析中有更好的准确率和召回率。

用户画像方法在科技情报知识服务智慧化中的应用研究

构建以用户画像为基础的科技情报知识服务智慧化应用模型,能够满足大数据时代下科技情报用户对知识服务的及时性、精准性和智能性的需求,提升科技情报知识服务智慧化水平。分析科技情报用户需求以及用户画像在相关领域中的应用,提出用户画像在科技情报知识服务智慧化中的分层画像思路,以知识画像与用户画像融合的方式优化知识服务智慧化路径,推送包含知识发现点的知识服务产品,促进科技情报研究向智慧化、智库化发展。

基于分词技术的防震减灾知识推荐服务与应用

基于中文分词方法,开展用户画像及知识画像分析,构建大数据融媒体防震减灾知识推荐平台,形成面向用户兴趣感知的地震知识推荐服务,实现科普信息即时获取、精准推送,从而提高防震减灾科普传播效率。所构建的知识推荐服务平台在全国多个地区得到应用,满足了用户对防震减灾知识主观个性化的需求,提升了用户信任度和粘性。

ChatGPT助推中医统计学课程数字化转型的探索

ChatGPT作为一种先进的人工智能模型,在课程教学方面具备启发式内容生成能力、对话情境理解能力、知识获取及推理能力,其为中医统计学课程教学的数字化转型提供了新思路,通过培养学生自主学习意识,提升了学生的个性化学习能力和实践技能。ChatGPT汇聚了丰富的学习资源,能够促进学生的互动与合作,支持自主学习和实时反馈,促进教学资源的共享和更新,提高了学生的学习效果。但是,ChatGPT在一些特殊领域不能提供准确的答案,且有一定的技术门槛,还可能会带来某些道德伦理问题。因此,需要建立人工智能治理体系,才能让ChatGPT在课程教学中发挥更好的作用。