龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：华中师范大学
摘要：本发明提供一种基于BERT模型的MOOC学习者认知行为识别方法，包括：获取MOOC论坛中学习者讨论文本数据，生成MOOC评论领域的专业语料；对语料进行预处理，生成包含MOOC领域专业知识预训练数据；结合预训练数据，使用MLM和NSP策略对BERT模型进行再训练，得到MOOC‑BERT；构建MOOC学习者认知行为标注数据集；使用标注数据集对MOOC‑BERT中参数和权重微调，生成面向MOOC学习者的认知行为识别模型。本发明基于BERT模型的MOOC学习者认知行为识别方法，用于提高对在线学习环境中学习者认知行为的识别能力，有效帮助教师分析大规模场景下MOOC学习者的认知行为类型。
主权项：1.一种基于BERT模型的MOOC学习者认知行为识别方法，其特征在于该方法包括以下步骤：1获取MOOC论坛中学习者讨论文本数据，生成MOOC评论领域的专业语料；2将上述语料进行预处理，生成MOOC领域专业知识预训练数据；3结合预训练数据，使用MLM和NSP策略对BERT模型进行再训练，得到MOOC-BERT；具体包括：3-1预训练过程中使用MLM和NSP对模型的Embedding层、输出层的参数和权重联合训练；使用学习率逐层衰减方式进行训练，模型底层采用低学习率寻求最优解，模型顶层采用高学习率加速学习；在训练过程中，模型各层参数需要满足式1： 首先模型的各个层级参数满足式1，其中表示时间点n下模型第m层的参数，n为时间步长；λm表示学习率；为梯度表示；这时λm需要满足式2：λx-1＝α×λx式2其中α表示衰减指数，设为α＝0.96；初始学习率设为2e-5，并按照固定迭代次数不断缩小学习率；3-2使用交叉熵损失函数计算每次迭代过程中的Loss值，迭代至Loss值降到最低，最终，得到融合MOOC领域专业知识的BERT模型；4构建MOOC学习者认知行为标注数据集；5使用标注数据集对MOOC-BERT中参数和权重微调，生成面向MOOC学习者的认知行为识别模型，该模型能有效识别出MOOC学习者互动话语中隐含的认知行为类型。
全文数据：
权利要求：
百度查询： 华中师范大学 一种基于BERT模型的MOOC学习者认知行为识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号