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！

龙图腾网获悉浙江师范大学申请的专利多模态学习行为分析方法、系统及存储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：CN115564027B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211323486.3，技术领域涉及：G06Q50/20；该发明授权多模态学习行为分析方法、系统及存储介质是由梅晓勇;周友根;黄昌勤设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本多模态学习行为分析方法、系统及存储介质在说明书摘要公布了：本发明公开一种多模态学习行为分析方法、系统及存储介质，应用于人工智能技术领域，能够实现高性能和高可解释性的多模态学习行为分析，为教育决策过程提供可靠的分析解释。该方法包括：获取待分析对象学习过程的多模态行为数据并进行预处理得到多模态序列数据；根据多模态序列数据进行协同嵌入表示得到初始特征表示；根据初始特征表示构建学习行为数据关联图；通过图解耦神经网络对学习行为数据关联图进行解耦得到多模态解耦图；根据多模态解耦图各节点间的关系构建属性路由机制；通过属性路由机制更新节点嵌入表示和图结构得到目标特征表示和目标图结构；根据目标特征表示进行学习行为分析并对目标图结构进行可视化得到可视化学习行为分析结果。

本发明授权多模态学习行为分析方法、系统及存储介质在权利要求书中公布了：1.一种多模态学习行为分析方法，其特征在于，包括以下步骤： 获取待分析对象学习过程的多模态行为数据； 将所述多模态行为数据进行预处理得到相应的多模态序列数据； 根据所述多模态序列数据进行协同嵌入表示，得到初始特征表示； 根据所述初始特征表示构建学习行为数据关联图； 通过图解耦神经网络对所述学习行为数据关联图进行解耦，得到多模态解耦图； 根据所述多模态解耦图中各个节点之间的关系构建属性路由机制； 通过所述属性路由机制更新迭代所述多模态解耦图的节点嵌入表示和图结构，得到目标特征表示和目标图结构； 根据所述目标特征表示进行学习行为分析并对所述目标图结构进行可视化，得到可视化学习行为分析结果； 其中，所述根据所述初始特征表示构建学习行为数据关联图，包括： 根据所述初始特征表示得到时间切片节点之间的关联关系；其中，所述时间切片节点为所述多模态序列数据中的时间切片； 根据所述关联关系构建邻接矩阵； 根据所述邻接矩阵和所述时间切片节点构建所述学习行为数据关联图； 其中，通过图解耦神经网络对所述学习行为数据关联图进行解耦，得到多模态解耦图，包括： 将节点的初始嵌入表示的单个维度作为神经元的输入信号编码到隐藏神经元； 根据线性模型作为神经元将每个节点的初始嵌入表示划分为块； 通过监督任务将神经元输出信号与具体的模态属性特征关联起来； 在神经元的信号抽取过程中引入多标签分类损失，通过原始的模态属性标签来约束属性特征抽取过程； 其中，所述根据所述多模态解耦图中各个节点之间的关系构建属性路由机制，包括： 计算所述多模态解耦图中各个模态解耦图的所述节点之间的第一差异分数矩阵；其中，所述第一差异分数矩阵为模态内信息传递的掩码矩阵； 计算所述多模态解耦图中相同的所述节点在不同模态中的第二差异分数矩阵；其中，所述第二差异分数矩阵为跨模态信息传递的掩码矩阵； 其中，所述通过所述属性路由机制更新迭代所述多模态解耦图的节点嵌入表示和图结构，得到目标特征表示和目标图结构，包括： 根据所述第一差异分数矩阵控制信息在所述多模态解耦图中各个模态解耦图内的时间维度上的传递，得到时间维度表示更新； 根据所述第二差异分数矩阵控制信息在所述多模态解耦图中各个模态解耦图之间的模态维度上的传递，得到模态维度表示更新； 根据所述时间维度表示更新和所述模态维度表示更新对所述节点嵌入表示进行更新，得到所述目标特征表示； 根据所述目标特征表示更新所述图结构，得到所述目标图结构。

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师范大学，其通讯地址为：321004 浙江省金华市迎宾大道688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。