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！

龙图腾网获悉上海师范大学申请的专利联合文本分类和序列标注的课堂行为分类方法及装置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：CN115730244B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211427705.2，技术领域涉及：G06F18/241；该发明授权联合文本分类和序列标注的课堂行为分类方法及装置是由林晓;沈锴成;阙维俏;李岩;王龚;张波设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本联合文本分类和序列标注的课堂行为分类方法及装置在说明书摘要公布了：本申请实施例公开了一种联合文本分类和序列标注的课堂行为分类方法及装置；所述方法包括：获取教学视频数据并对其进行语音转写，形成初始语料；对所述初始语料进行预处理后获得篇章数据，将所述篇章数据输入到无监督预训练模型进行增量预训练；构建文本分类和序列标注的联合损失函数对所述篇章数据进行训练，利用有监督预训练模型对所述篇章数据进行预测，得出教学行为分类标签矩阵；对所述教学行为分类标签矩阵进行分析，得到联合文本分类和序列标注的课堂行为分类；本申请实施例实现对计算资源和数据量进行快速精确地分析和分类，课堂教学行为分类效果高效准确。

本发明授权联合文本分类和序列标注的课堂行为分类方法及装置在权利要求书中公布了：1.一种联合文本分类和序列标注的课堂行为分类方法，其特征在于，所述方法包括以下步骤： 获取教学视频数据并对其进行语音转写，形成初始语料； 对所述初始语料进行预处理后获得篇章数据，将所述篇章数据输入到无监督预训练模型进行增量预训练； 构建文本分类和序列标注的联合损失函数对所述篇章数据进行训练，利用有监督预训练模型对所述篇章数据进行预测，得出教学行为分类标签矩阵； 对所述教学行为分类标签矩阵进行分析，得到联合文本分类和序列标注的课堂行为分类； 所述将所述篇章数据输入到无监督预训练模型进行增量预训练之前，还包括： 构建句子级的对比学习样本，通过softmax分类器对该对比学习样本进行三类损失函数预测并相加，得到NSP任务的总体损失函数： LcNSP＝αLNSP+βLPSP+σLRSP； 其中，LcNSP为经过对比学习方法改进之后的NSP任务的总体损失函数；LNSP、LPSP和LRSP为cNSP任务下的三个子任务的损失函数；α、β和σ为三个子任务在总损失函数中对应的权重系数；h为在不同子任务下神经网络隐层最后一层的输出；softmax代表使用softmax函数进行归一化处理，并计算结果的交叉熵损失； 构建词语级对比学习样本，词语级任务的损失函数为： 其中，LcMLM表示经过对比学习之后MLM任务的总体损失函数，θ表示模型的参数集，k表示每个被打乱的子序列的长度，pos代表Bert模型输入当中规定词语位置的positionembedding； 所述构建文本分类和序列标注的联合损失函数对所述篇章数据进行训练，包括： 序列标注任务当中，使用Bi-LSTM+CRF的模型结构来完成此任务，因此无监督训练阶段的损失函数由CRF产生，序列标注任务的损失函数为： yst＝CRFHst； 其中，Hst为经过Bert编码之后得到的[CLS]序列，CRF代表对Hst后接一个条件随机场进行处理，由此得到yst； 文本分类任务的损失函数： 其中，Wlc是分类任务当中的权重矩阵，Hlc是用于文本分类任务的句子文本表示，blc为偏置量，由此得到ylc 训练的联合损失函数由序列标注和文本分类两个任务的联合损失函数得到： yall＝αylc+βyst； 将所述篇章数据输入到所述联合损失函数进行训练； 所述利用有监督预训练模型对所述篇章数据进行预测，得出教学行为分类标签矩阵，包括： 训练完成，利用有监督预训练模型对所述篇章数据进行预测，得到一组标签数据； 将所述篇章数据按照教学行为分类标签矩阵的模板进行排列，以得到教学行为分类标签矩阵Wteach； 所述教学行为分类标签矩阵为一个m×n的矩阵，对于不同长度的课堂而言，方阵的大小不同，即m和n的大小，将m称为句子批量，n称为句子批次，整个矩阵描绘的即是在n个相同批量m的批次下，教学行为标签的排列顺序。

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上海师范大学，其通讯地址为：200233 上海市徐汇区桂林路100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。