Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 宁波工业互联网研究院有限公司张巧龙获国家专利权

宁波工业互联网研究院有限公司张巧龙获国家专利权

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!

龙图腾网获悉宁波工业互联网研究院有限公司申请的专利一种基于大语言模型的学情分析方法、系统、终端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:CN120806747B

龙图腾网通过国家知识产权局官网在2026-01-09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:202511300339.8,技术领域涉及:G06Q10/0639;该发明授权一种基于大语言模型的学情分析方法、系统、终端及介质是由张巧龙;于亮;尹锋;那云飞;诸佳航;朱增钢;罗筱;袁奎军;高广;张子阳设计研发完成,并于2025-09-12向国家知识产权局提交的专利申请。

一种基于大语言模型的学情分析方法、系统、终端及介质在说明书摘要公布了:本申请涉及一种基于大语言模型的学情分析方法、系统、终端及介质,涉及教育系统技术的领域,其方法包括:采集学生的学习数据,学习数据包括结构化学习数据和非结构化学习数据,结构化学习数据包括考试成绩和作业完成情况,非结构化学习数据包括课堂行为数据、学习过程数据、学生自评互评数据以及教师教学记录;对学习数据进行预处理,生成可用于分析的标准化数据;接收输入的交互信息,生成分析需求参数,交互信息包括教师的分析需求或学生的反馈信息;基于大语言模型,对标准化数据和分析需求参数进行语义理解和深度分析,得到学情分析结果;以可视化方式展示学情分析结果。本申请具有提升教学质量、满足实际教学需求契合度的效果。

本发明授权一种基于大语言模型的学情分析方法、系统、终端及介质在权利要求书中公布了:1.一种基于大语言模型的学情分析方法,其特征在于,包括: 采集学生的学习数据,所述学习数据包括结构化学习数据和非结构化学习数据,所述结构化学习数据包括考试成绩和作业完成情况,所述非结构化学习数据包括课堂行为数据、学习过程数据、学生自评互评数据以及教师教学记录; 对所述学习数据进行预处理,生成可用于分析的标准化数据; 接收输入的交互信息,生成分析需求参数,所述交互信息包括教师的分析需求或学生的反馈信息; 基于大语言模型,对所述标准化数据和所述分析需求参数进行语义理解和深度分析,得到学情分析结果; 以可视化方式展示所述学情分析结果; 检测所述学情分析结果的公平性指标,所述公平性指标包括不同性别学生群体的得分分布差异度、不同学业基础学生群体的建议相似度以及特殊需求学生群体的关注度偏离值中的至少一项,所述公平性指标是用于衡量所述学情分析结果在不同学生群体之间是否存在系统性偏差的量化指标; 若任一所述公平性指标超过偏差阈值,根据所述公平性指标回溯生成特征重要性分布,并将所述学情分析结果记录为存在潜在偏差的学情分析结果,所述特征重要性分布包含所述大语言模型的输入特征对最终分析结果的影响力度评分; 根据所述特征重要性分布,在所述大语言模型中动态配置公平性约束条件,并基于所述公平性约束条件重新生成校正后的学情分析结果,所述公平性约束条件是指基于所述特征重要性分布所设定的模型调整规则,用于限制某些特征对学情分析结果的影响程度,以降低偏差风险; 在可视化界面中同时展示所述存在潜在偏差的学情分析结果和所述校正后的学情分析结果; 测量因施加所述公平性约束条件时模型准确率变化量,所述模型准确率变化量是指在引入所述公平性约束条件前后模型准确率的变化值,公式为ΔA=A0-A1A0,其中A0表示原始模型准确率,A1表示在所述公平性约束条件下模型准确率; 当所述模型准确率变化量下降幅度超过准确率阈值时,启动公平性-准确性评估流程,并输出所述大语言模型的关键性能数据,所述关键性能数据包括原始模型准确率、公平性约束条件下模型准确率以及敏感属性组间预测差异度; 根据所述关键性能数据计算公平性改善程度的关系,生成多个可选的调解方案,所述调解方案包含不同的公平性与准确率的组合,所述公平性改善程度用于衡量模型在公平性方面的提升效果,公式为ΔF=D0-D1D0,其中D0表示在未施加所述公平性约束条件下模型对不同敏感属性群体的预测差异度,D1表示在施加所述公平性约束条件之后模型对所述不同敏感属性群体的所述预测差异度; 根据所述调解方案选择偏向性参数,动态计算更新后的约束强度参数,将所述约束强度参数反馈至所述公平性约束条件来自适应调整,所述偏向性参数为0代表所述准确率优先,所述偏向性参数为1代表所述公平性优先,所述约束强度参数是指用于调节所述公平性约束条件在模型中作用强弱的参数,参数取值越大,表示对模型施加的所述公平性约束条件越强,计算公式为:λ=λa+1-λ1-a,其中,λ表示当前的约束强度参数,a表示设定的所述偏向性参数。

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宁波工业互联网研究院有限公司,其通讯地址为:315000 浙江省宁波市海曙区集士港镇菖蒲路150号(1-1-177)室;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”。

以上内容由龙图腾AI智能生成。

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。