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！

龙图腾网获悉华中师范大学申请的专利小样本条件下的多模态学习水平挖掘方法、系统及介质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：CN116186250B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202211578977.2，技术领域涉及：G06F16/353；该发明授权小样本条件下的多模态学习水平挖掘方法、系统及介质是由王志锋;陆子欣;董石;罗恒;左明章;王继新;田元;闵秋莎;夏丹设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本小样本条件下的多模态学习水平挖掘方法、系统及介质在说明书摘要公布了：本发明属于个性化学习技术领域，公开了一种小样本条件下的多模态学习水平挖掘方法、系统及介质，方法包括：提取试题的内容特征、属性特征和学生的试题表现特征，引入BERT和VGG‑16预训练模型对图文特征加以表示，并基于张量对图文特征进行融合得到试题异质融合语义特征；结合试题异质融合语义特征与学生试题表现特征，基于双向循环神经网络以及题目间的注意力权值对学习状态向量的估算；利用试题异质融合语义特征与历史加权学习状态向量对学生的试题表现进行预测以及对学生知识掌握矩阵的分析预测。本发明公开的方法有利于提高模型在学生试题表现和学习掌握情况的预测准确度性能，优化了模型的收敛速率和训练速率，从技术层面助力智慧教育的落地。

本发明授权小样本条件下的多模态学习水平挖掘方法、系统及介质在权利要求书中公布了：1.一种小样本条件下的多模态学习水平挖掘方法，其特征在于，所述小样本条件下的多模态学习水平挖掘方法包括： 提取试题的内容特征、属性特征以及学生的试题表现特征，引入BERT和VGG-16预训练模型对试题文本和图像的语义特征加以表示，并基于张量的融合方法对图文特征进行融合得到试题异质融合语义特征；结合试题异质融合语义特征与学生试题表现特征，基于双向循环神经网络以及题目间的注意力权值对学习状态向量的估算；利用试题异质融合语义特征与历史加权学习状态向量对学生的试题表现进行预测，并利用训练参数对学生知识掌握矩阵的分析预测； 所述试题的文本语义特征向量表示的具体过程包括： 对试题的内容特征中的文本部分进行预处理，使用分词工具将每道试题的文本部分拆解成单词序列后，在头部加上[CLS]标签作为题干语句的开始，在每句话的末尾添加[SEP]标志语句的结束或序列间的间隔；将所述单词序列转化成对应的索引序列，并以最大的试题单词序列长度作为标准，为长度不足的序列后面补[0]以保持输入序列长度的统一；对所述BERT预训练模型的网络结构进行微调，保留原先的前十层encoder网络，在其后添加全连接层与Tanh激活层，只训练最后两层encoder层、池化层，以及新添加的全连接层与Tanh激活层； 将长度统一的单词索引序列作为微调后的BERT预训练模型的输入，完成对试题的文本语义特征的向量表示； 所述试题的图像语义特征向量表示的具体过程包括： 对试题的内容特征中的图像部分进行预处理，统一图像尺寸为128*128；对所述VGG-16预训练模型的架构进行微调，保留原先的十三层卷积核为3*3的卷积层与五层滤波器核为2*2的最大池化层，并在训练过程中冻结其参数，将最后三层全连接层修改为两层全连接层与一层softmax激活层；最后，将试题图像输入进微调后的VGG-16预训练模型。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞喻路152号；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”。