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！

龙图腾网获悉壹加壹(天津)教育科技有限公司申请的专利基于人工智能的学习状态评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119067499B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411182403.2，技术领域涉及：G06Q10/0639；该发明授权基于人工智能的学习状态评估方法及系统是由李爽设计研发完成，并于2024-08-27向国家知识产权局提交的专利申请。

本基于人工智能的学习状态评估方法及系统在说明书摘要公布了：本发明提供的基于人工智能的学习状态评估方法及系统，涉及人工智能技术领域。在本发明中，首先，获取到目标学生在学习过程中的第一学习状态数据和第一数量个第二学习状态数据；其次，利用目标学习状态评估网络，对第一学习状态数据和第一数量个第二学习状态数据进行学习状态评估处理，输出对应的第一数量个学习状态评估结果；然后，基于第一数量个学习状态评估结果，确定出目标学生的目标学习状态评估结果。基于上述方法，可以改善现有技术中存在的学习状态评估的可靠性相对不佳的问题。

本发明授权基于人工智能的学习状态评估方法及系统在权利要求书中公布了：1.一种基于人工智能的学习状态评估方法，其特征在于，包括： 步骤S110，获取到目标学生在学习过程中的第一学习状态数据和第一数量个第二学习状态数据，其中，所述第一学习状态数据为所述目标学生的关于学习行为的图像数据，所述第二学习状态数据为所述目标学生的关于学习表情的图像数据，所述第一数量个第二学习状态数据反映的第一数量个学习表情对应的形成时间两两之间不一样，且所述第一学习状态数据反映的学习行为对应的持续时间与所述第一数量个第二学习状态数据反映的第一数量个学习表情对应的持续时间的起点和终点都一样； 步骤S120，利用目标学习状态评估网络，对所述第一学习状态数据和所述第一数量个第二学习状态数据进行学习状态评估处理，输出对应的第一数量个学习状态评估结果，其中，对于所述第一数量个学习状态评估结果中任意一个所述学习状态评估结果，对应的评估依据至少包括所述第一学习状态数据和一个所述第二学习状态数据，且所述目标学习状态评估网络是基于样本学习状态数据和相应的学习状态标签进行训练形成的神经网络； 步骤S130，基于所述第一数量个学习状态评估结果，确定出所述目标学生的目标学习状态评估结果，其中，所述目标学习状态评估结果是指所述第一数量个学习状态评估结果中学习状态不满足预先确定的参考学习状态的学习状态评估结果，且所述目标学习状态评估结果作为对所述目标学生进行学习强化的依据； 其中，步骤S120包括： 步骤S121，将所述第一学习状态数据进行特征挖掘，输出对应的第一状态语义特征，并依据所述第一状态语义特征和所述第一数量个第二学习状态数据，输出对应的第一数量个第二状态语义特征，其中，一个第二状态语义特征基于所述第一状态语义特征和一个所述第二学习状态数据进行挖掘得到； 步骤S122，确定出学习状态干扰特征； 步骤S123，对所述学习状态干扰特征进行加载，使得目标学习状态评估网络中的第一特征传递单元获取到所述学习状态干扰特征，并利用所述第一特征传递单元对所述学习状态干扰特征进行处理，形成传递学习状态干扰特征，其中，处理的方式为将所述学习状态干扰特征和随机生成的任意干扰特征进行融合操作，融合操作为加权求和； 步骤S124，对所述传递学习状态干扰特征进行加载，使得所述目标学习状态评估网络中的第二特征传递单元获取到所述传递学习状态干扰特征，并利用所述第二特征传递单元，确定出第一数量个特征扩展链路，其中，所述第二特征传递单元用于在第一特征扩展过程中输入所述第一状态语义特征，并在第二特征扩展过程中为每一个特征扩展链路输入一个第二状态语义特征，所述第二特征扩展过程的输入数据包含所述第一特征扩展过程的输出数据； 步骤S125，基于所述传递学习状态干扰特征、所述第一特征扩展过程输入的第一状态语义特征、所述第二特征扩展过程输入的第一数量个第二状态语义特征，输出所述第一数量个特征扩展链路各自对应的学习状态评估结果； 其中，步骤S122包括： 确定历史学习状态数据，其中，所述历史学习状态数据是指所述目标学生的关于学习行为的历史图像数据； 对所述历史学习状态数据进行加载，使得目标学习状态评估网络中的特征挖掘单元获取到所述历史学习状态数据； 利用所述特征挖掘单元，将所述历史学习状态数据分别进行第一特征挖掘操作和第二特征挖掘操作，输出所述历史学习状态数据对应的第一历史状态特征和第二历史状态特征，其中，所述第一特征挖掘操作包括，将所述历史学习状态数据进行卷积操作和均值池化操作，得到第一历史状态特征；所述第二特征挖掘操作包括，将所述历史学习状态数据进行卷积操作和最大值池化操作，得到第二历史状态特征； 基于所述历史学习状态数据对应的第一历史状态特征和第二历史状态特征，确定出筛选第一历史状态特征和筛选第二历史状态特征，其中，筛选的过程为，对所述第一历史状态特征和所述第二历史状态特征中的参数进行随机采样，得到筛选第一历史状态特征和筛选第二历史状态特征； 依据所述筛选第一历史状态特征和所述筛选第二历史状态特征，确定出学习状态干扰特征，其中，确定的过程为，将所述筛选第一历史状态特征和所述筛选第二历史状态特征中的任意一个作为学习状态干扰特征，或者，将所述筛选第一历史状态特征和所述筛选第二历史状态特征的均值，作为学习状态干扰特征； 其中，步骤S125包括： 步骤S125a，在第一特征扩展过程中，利用所述第二特征传递单元输入所述第一状态语义特征； 步骤S125b，将所述传递学习状态干扰特征和所述第一特征扩展过程输入的第一状态语义特征进行深度挖掘操作，输出所述第一特征扩展过程对应的学习状态深度特征； 步骤S125c，把所述学习状态深度特征关联到所述第一数量个特征扩展链路； 步骤S125d，在第二特征扩展过程中，分别为每一个特征扩展链路输入一个第二状态语义特征； 步骤S125e，在每一个特征扩展链路中，将所述学习状态深度特征和所述第二特征扩展过程中输入的第二状态语义特征进行特征扩展操作，输出所述第二特征扩展过程对应的第一数量个学习状态扩展特征； 步骤S125f，依据所述第一数量个学习状态扩展特征进行学习状态评估操作，输出所述第一数量个特征扩展链路各自对应的学习状态评估结果； 其中，步骤S125b包括： 步骤b1，对所述传递学习状态干扰特征进行加载，使得所述第二特征传递单元获取到所述传递学习状态干扰特征，其中，所述第二特征传递单元包括特征挖掘子单元，所述特征挖掘子单元包括特征压缩模块、特征扩散模块和特征扩展模块，所述特征扩散模块的输入数据包括所述特征压缩模块的输出数据，所述特征扩展模块的输入数据包括所述特征扩散模块的输出数据，所述特征压缩模块包括第一聚焦子模块和第二聚焦子模块； 步骤b2，利用所述第一聚焦子模块，将所述传递学习状态干扰特征进行聚焦挖掘操作，输出对应的第一学习状态聚焦特征； 步骤b3，利用所述第二聚焦子模块，将所述第一学习状态聚焦特征与输入的所述第一状态语义特征进行关联聚焦挖掘操作，输出所述第一特征扩展过程对应的学习状态深度特征，其中，所述传递学习状态干扰特征的维度数目大于所述学习状态深度特征的维度数目，并且，所述特征扩散模块用于将所述学习状态深度特征进行扩散操作，形成第一数量个学习状态深度特征，并对所述第一数量个学习状态深度特征进行加载操作，以加载到用于在所述第二特征扩展过程中输出第一数量个学习状态扩展特征的特征扩展模块； 其中，步骤S125e包括： 步骤e1，对所述学习状态深度特征进行加载，使得所述特征扩展模块获取到所述学习状态深度特征，其中，所述第一数量个特征扩展链路包括任意特征扩展链路，所述任意特征扩展链路是指任意一个特征扩展链路，所述特征扩展模块包括所述任意特征扩展链路对应的第三聚焦子模块和第四聚焦子模块； 步骤e2，利用所述第三聚焦子模块，将所述学习状态深度特征进行聚焦挖掘操作，输出对应的第二学习状态聚焦特征； 步骤e3，利用所述第四聚焦子模块，将所述第二学习状态聚焦特征和所述任意特征扩展链路输入的第二状态语义特征进行关联聚焦挖掘操作，输出对应的学习状态关联聚焦特征； 步骤e4，基于所述学习状态关联聚焦特征，确定出所述任意特征扩展链路对应的学习状态扩展特征，其中，所述传递学习状态干扰特征的维度数目等于所述学习状态扩展特征的维度数目。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人壹加壹(天津)教育科技有限公司，其通讯地址为：300171 天津市河东区大王庄街道十一经路津东大厦A座A501；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。