買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉壹加壹(天津)教育科技有限公司申請的專利基于人工智能的學習狀態評估方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119067499B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411182403.2，技術領域涉及：G06Q10/0639；該發明授權基于人工智能的學習狀態評估方法及系統是由李爽設計研發完成，并于2024-08-27向國家知識產權局提交的專利申請。

本基于人工智能的學習狀態評估方法及系統在說明書摘要公布了：本發明提供的基于人工智能的學習狀態評估方法及系統，涉及人工智能技術領域。在本發明中，首先，獲取到目標學生在學習過程中的第一學習狀態數據和第一數量個第二學習狀態數據；其次，利用目標學習狀態評估網絡，對第一學習狀態數據和第一數量個第二學習狀態數據進行學習狀態評估處理，輸出對應的第一數量個學習狀態評估結果；然后，基于第一數量個學習狀態評估結果，確定出目標學生的目標學習狀態評估結果。基于上述方法，可以改善現有技術中存在的學習狀態評估的可靠性相對不佳的問題。

本發明授權基于人工智能的學習狀態評估方法及系統在權利要求書中公布了：1.一種基于人工智能的學習狀態評估方法，其特征在于，包括： 步驟S110，獲取到目標學生在學習過程中的第一學習狀態數據和第一數量個第二學習狀態數據，其中，所述第一學習狀態數據為所述目標學生的關于學習行為的圖像數據，所述第二學習狀態數據為所述目標學生的關于學習表情的圖像數據，所述第一數量個第二學習狀態數據反映的第一數量個學習表情對應的形成時間兩兩之間不一樣，且所述第一學習狀態數據反映的學習行為對應的持續時間與所述第一數量個第二學習狀態數據反映的第一數量個學習表情對應的持續時間的起點和終點都一樣； 步驟S120，利用目標學習狀態評估網絡，對所述第一學習狀態數據和所述第一數量個第二學習狀態數據進行學習狀態評估處理，輸出對應的第一數量個學習狀態評估結果，其中，對于所述第一數量個學習狀態評估結果中任意一個所述學習狀態評估結果，對應的評估依據至少包括所述第一學習狀態數據和一個所述第二學習狀態數據，且所述目標學習狀態評估網絡是基于樣本學習狀態數據和相應的學習狀態標簽進行訓練形成的神經網絡； 步驟S130，基于所述第一數量個學習狀態評估結果，確定出所述目標學生的目標學習狀態評估結果，其中，所述目標學習狀態評估結果是指所述第一數量個學習狀態評估結果中學習狀態不滿足預先確定的參考學習狀態的學習狀態評估結果，且所述目標學習狀態評估結果作為對所述目標學生進行學習強化的依據； 其中，步驟S120包括： 步驟S121，將所述第一學習狀態數據進行特征挖掘，輸出對應的第一狀態語義特征，并依據所述第一狀態語義特征和所述第一數量個第二學習狀態數據，輸出對應的第一數量個第二狀態語義特征，其中，一個第二狀態語義特征基于所述第一狀態語義特征和一個所述第二學習狀態數據進行挖掘得到； 步驟S122，確定出學習狀態干擾特征； 步驟S123，對所述學習狀態干擾特征進行加載，使得目標學習狀態評估網絡中的第一特征傳遞單元獲取到所述學習狀態干擾特征，并利用所述第一特征傳遞單元對所述學習狀態干擾特征進行處理，形成傳遞學習狀態干擾特征，其中，處理的方式為將所述學習狀態干擾特征和隨機生成的任意干擾特征進行融合操作，融合操作為加權求和； 步驟S124，對所述傳遞學習狀態干擾特征進行加載，使得所述目標學習狀態評估網絡中的第二特征傳遞單元獲取到所述傳遞學習狀態干擾特征，并利用所述第二特征傳遞單元，確定出第一數量個特征擴展鏈路，其中，所述第二特征傳遞單元用于在第一特征擴展過程中輸入所述第一狀態語義特征，并在第二特征擴展過程中為每一個特征擴展鏈路輸入一個第二狀態語義特征，所述第二特征擴展過程的輸入數據包含所述第一特征擴展過程的輸出數據； 步驟S125，基于所述傳遞學習狀態干擾特征、所述第一特征擴展過程輸入的第一狀態語義特征、所述第二特征擴展過程輸入的第一數量個第二狀態語義特征，輸出所述第一數量個特征擴展鏈路各自對應的學習狀態評估結果； 其中，步驟S122包括： 確定歷史學習狀態數據，其中，所述歷史學習狀態數據是指所述目標學生的關于學習行為的歷史圖像數據； 對所述歷史學習狀態數據進行加載，使得目標學習狀態評估網絡中的特征挖掘單元獲取到所述歷史學習狀態數據； 利用所述特征挖掘單元，將所述歷史學習狀態數據分別進行第一特征挖掘操作和第二特征挖掘操作，輸出所述歷史學習狀態數據對應的第一歷史狀態特征和第二歷史狀態特征，其中，所述第一特征挖掘操作包括，將所述歷史學習狀態數據進行卷積操作和均值池化操作，得到第一歷史狀態特征；所述第二特征挖掘操作包括，將所述歷史學習狀態數據進行卷積操作和最大值池化操作，得到第二歷史狀態特征； 基于所述歷史學習狀態數據對應的第一歷史狀態特征和第二歷史狀態特征，確定出篩選第一歷史狀態特征和篩選第二歷史狀態特征，其中，篩選的過程為，對所述第一歷史狀態特征和所述第二歷史狀態特征中的參數進行隨機采樣，得到篩選第一歷史狀態特征和篩選第二歷史狀態特征； 依據所述篩選第一歷史狀態特征和所述篩選第二歷史狀態特征，確定出學習狀態干擾特征，其中，確定的過程為，將所述篩選第一歷史狀態特征和所述篩選第二歷史狀態特征中的任意一個作為學習狀態干擾特征，或者，將所述篩選第一歷史狀態特征和所述篩選第二歷史狀態特征的均值，作為學習狀態干擾特征； 其中，步驟S125包括： 步驟S125a，在第一特征擴展過程中，利用所述第二特征傳遞單元輸入所述第一狀態語義特征； 步驟S125b，將所述傳遞學習狀態干擾特征和所述第一特征擴展過程輸入的第一狀態語義特征進行深度挖掘操作，輸出所述第一特征擴展過程對應的學習狀態深度特征； 步驟S125c，把所述學習狀態深度特征關聯到所述第一數量個特征擴展鏈路； 步驟S125d，在第二特征擴展過程中，分別為每一個特征擴展鏈路輸入一個第二狀態語義特征； 步驟S125e，在每一個特征擴展鏈路中，將所述學習狀態深度特征和所述第二特征擴展過程中輸入的第二狀態語義特征進行特征擴展操作，輸出所述第二特征擴展過程對應的第一數量個學習狀態擴展特征； 步驟S125f，依據所述第一數量個學習狀態擴展特征進行學習狀態評估操作，輸出所述第一數量個特征擴展鏈路各自對應的學習狀態評估結果； 其中，步驟S125b包括： 步驟b1，對所述傳遞學習狀態干擾特征進行加載，使得所述第二特征傳遞單元獲取到所述傳遞學習狀態干擾特征，其中，所述第二特征傳遞單元包括特征挖掘子單元，所述特征挖掘子單元包括特征壓縮模塊、特征擴散模塊和特征擴展模塊，所述特征擴散模塊的輸入數據包括所述特征壓縮模塊的輸出數據，所述特征擴展模塊的輸入數據包括所述特征擴散模塊的輸出數據，所述特征壓縮模塊包括第一聚焦子模塊和第二聚焦子模塊； 步驟b2，利用所述第一聚焦子模塊，將所述傳遞學習狀態干擾特征進行聚焦挖掘操作，輸出對應的第一學習狀態聚焦特征； 步驟b3，利用所述第二聚焦子模塊，將所述第一學習狀態聚焦特征與輸入的所述第一狀態語義特征進行關聯聚焦挖掘操作，輸出所述第一特征擴展過程對應的學習狀態深度特征，其中，所述傳遞學習狀態干擾特征的維度數目大于所述學習狀態深度特征的維度數目，并且，所述特征擴散模塊用于將所述學習狀態深度特征進行擴散操作，形成第一數量個學習狀態深度特征，并對所述第一數量個學習狀態深度特征進行加載操作，以加載到用于在所述第二特征擴展過程中輸出第一數量個學習狀態擴展特征的特征擴展模塊； 其中，步驟S125e包括： 步驟e1，對所述學習狀態深度特征進行加載，使得所述特征擴展模塊獲取到所述學習狀態深度特征，其中，所述第一數量個特征擴展鏈路包括任意特征擴展鏈路，所述任意特征擴展鏈路是指任意一個特征擴展鏈路，所述特征擴展模塊包括所述任意特征擴展鏈路對應的第三聚焦子模塊和第四聚焦子模塊； 步驟e2，利用所述第三聚焦子模塊，將所述學習狀態深度特征進行聚焦挖掘操作，輸出對應的第二學習狀態聚焦特征； 步驟e3，利用所述第四聚焦子模塊，將所述第二學習狀態聚焦特征和所述任意特征擴展鏈路輸入的第二狀態語義特征進行關聯聚焦挖掘操作，輸出對應的學習狀態關聯聚焦特征； 步驟e4，基于所述學習狀態關聯聚焦特征，確定出所述任意特征擴展鏈路對應的學習狀態擴展特征，其中，所述傳遞學習狀態干擾特征的維度數目等于所述學習狀態擴展特征的維度數目。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人壹加壹(天津)教育科技有限公司，其通訊地址為：300171 天津市河東區大王莊街道十一經路津東大廈A座A501；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。