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！

龙图腾网获悉浙江大学;上海浙江大学高等研究院;上海人工智能创新中心申请的专利基于端云协同的多模态在线试题推荐方法、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：CN118708803B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202410697866.6，技术领域涉及：G06F16/9535；该发明授权基于端云协同的多模态在线试题推荐方法、系统及介质是由殷俊;吴飞;陈静远;周逸云;赵洲;张圣宇;朱小军设计研发完成，并于2024-05-31向国家知识产权局提交的专利申请。

本基于端云协同的多模态在线试题推荐方法、系统及介质在说明书摘要公布了：本发明公开了一种基于端云协同的多模态在线试题推荐方法、系统及介质。该方法通过在设备端获取用户的做题记录、题目属性、以及作答过程中的表情信息，在设备端进行认知诊断以获得用户知识雷达图诊断结果，根据诊断结果实现自适应试题推荐。为解决设备端推荐题库的限制，设计了云端选题策略和设备端选题策略，可以根据用户需求从题目类型和质量的角度选择多样性的题目，由云端将这些题目下发至用户，并移除设备端中的冗余题目。本发明的方法实现了端云协同下的自适应考试，通过融合用户表情信息进行精准诊断，并依据诊断结果实现个性化试题推荐，解决了传统方法无法适用于大规模题库的问题，具有推荐效果好、诊断精准等优点。

本发明授权基于端云协同的多模态在线试题推荐方法、系统及介质在权利要求书中公布了：1.一种基于端云协同的多模态在线试题推荐方法，其特征在于，具体步骤如下： S1.云端从预先构建好的全局题库中获取题目考察的知识点以及题目的难度等级，构建每道题目与每个题目考察的知识点之间映射关系的二维知识点映射矩阵，构建每道题目与每个题目的难度等级之间映射关系的二维难度等级矩阵，并将二维知识点映射矩阵和二维难度等级矩阵发送给设备端； 所述题目的难度等级为简单题或困难题，对于全局题库中的当前题目，分别统计所有用户在历史记录中答对的次数和答错的次数，若答对的次数大于等于答错的次数，则将当前题目的难度等级设为简单题，否则，将当前题目的难度等级设为困难题； S2.设备端的用户开始答题前，云端从全局题库中随机选择题目构建推荐题库并发送至设备端，对于推荐题库中的当前一套题目，设备端对正在作答当前一套题目的用户进行拍照，得到每个用户对应的人脸图像；设备端将采集到的人脸图像输入到训练好的表情识别分类器模型进行表情信息分类，得到用户表情的分类结果；当用户完成当前一套题目后，设备端获取用户的作答记录信息，所述用户的作答记录信息为用户的做题结果以及做题时间； S3.设备端将作答推荐题库的用户编号、用户的作答记录信息、用户表情的分类结果、以及构建好的二维知识点映射矩阵和二维难度等级矩阵一起输入到利用上一套题目训练好的认知诊断模型中，得到用户知识雷达图诊断结果并发送至云端； 所述认知诊断模型部署在设备端，当用户作答完当前一套题目后，将作答过的当前一套题目从推荐题库中删除，将作答推荐题库的用户编号、用户的作答记录信息、用户表情的分类结果、以及构建好的二维知识点映射矩阵和二维难度等级矩阵、以及用户知识雷达图诊断结果重新输入到认知诊断模型中进行训练； S4.设备端判断推荐题库中是否存在剩余题目：若不存在，云端根据预先构建好的云端选题策略和用户知识雷达图诊断结果自动在全局题库中为用户选择匹配当下知识状态的推荐题库；若存在，则设备端根据预先构建好的设备端选题策略从推荐题库中为用户选择一套题目； S5.设备端遍历推荐题库中每个题目的下发时间，判断遍历时的当前时间和下发时间的差值是否满足大于等于预设的设定过期时间：若满足，则将对应的题目从设备端的推荐题库中移除，若不满足，则将对应的题目保留在设备端的推荐题库中。

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浙江大学;上海浙江大学高等研究院;上海人工智能创新中心，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。