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：广东汉佳信息技术有限公司

摘要：本申请涉及图表生成领域，其具体地公开了一种基于AIGC的图表自动生成方法、装置和电子设备，其首先获取由数据库采集的学生学习基本数据和由在线学习平台采集的学生在线学习行为数据，然后利用深度学习技术，对二者进行特征提取和关联分析，最后通过生成器，以生成学生个性化学习计划，以更好地满足学生的学习需求，帮助学生更高效地学习和掌握知识，从而提高学习效率，实现教育教学的个性化和差异化。

主权项：1.一种基于AIGC的图表自动生成方法，其特征在于，包括：获取由数据库采集的学生学习基本数据和由在线学习平台采集的学生在线学习行为数据；将所述由数据库采集的学生学习基本数据进行语义编码以得到学生学习基本信息语义特征向量；将所述由数据库采集的学生学习基本数据进行多尺度特征编码以得到学习基本信息全局语义特征向量；将所述学生学习基本信息语义特征向量和所述学习基本信息全局语义特征向量进行关联以得到学习基本信息全局关联特征向量；将所述由在线学习平台采集的学生在线学习行为数据进行特征编码以得到学生在线学习行为关联特征向量；基于所述学习基本信息全局关联特征向量和所述学生在线学习行为关联特征向量，生成学生个性化学习计划；其中，基于所述学习基本信息全局关联特征向量和所述学生在线学习行为关联特征向量，生成学生个性化学习计划，包括：对学习基本信息全局关联特征向量和学生在线学习行为关联特征向量进行基于特征隐式表达的稀疏性约束以得到学生多模态特征向量；将所述学生多模态特征向量通过生成器，以生成学生个性化学习计划；其中，对学习基本信息全局关联特征向量和学生在线学习行为关联特征向量进行基于特征隐式表达的稀疏性约束以得到学生多模态特征向量，包括：计算所述学习基本信息全局关联特征向量的第一自相关样本协方差矩阵，其中，所述第一自相关样本协方差矩阵中各个位置的特征值为所述学习基本信息全局关联特征向量中相应两个位置的特征值之间的方差；计算所述学生在线学习行为关联特征向量的第二自相关样本协方差矩阵，其中，所述第二自相关样本协方差矩阵中各个位置的特征值为所述学生在线学习行为关联特征向量中相应两个位置的特征值之间的方差；使用主成分分析法对所述第一自相关样本协方差矩阵和所述第二自相关样本协方差矩阵进行处理以得到学习基本信息全局关联特征向量的特征隐式表达和学生在线学习行为关联特征向量的特征隐式表达；使用L1正则化来计算所述学习基本信息全局关联特征向量的特征隐式表达和所述学生在线学习行为关联特征向量的特征隐式表达之间的特征隐式间约束矩阵；将所述学习基本信息全局关联特征向量和所述学生在线学习行为关联特征向量分别乘以所述特征隐式间约束矩阵以将所述学习基本信息全局关联特征向量和所述学生在线学习行为关联特征向量映射到所述特征隐式间约束矩阵的特征空间中以得到映射后学习基本信息全局关联特征向量和映射后学生在线学习行为关联特征向量；以及计算所述映射后学习基本信息全局关联特征向量和所述映射后学生在线学习行为关联特征向量之间的按位置加权和以得到所述学生多模态特征向量。

全文数据：

权利要求：

百度查询： 广东汉佳信息技术有限公司 基于AIGC的图表自动生成方法、装置和电子设备