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！

龍圖騰網獲悉上海師范大學申請的專利聯合文本分類和序列標注的課堂行為分類方法及裝置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：CN115730244B 。

龍圖騰網通過國家知識產權局官網在2025-09-23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：202211427705.2，技術領域涉及：G06F18/241；該發明授權聯合文本分類和序列標注的課堂行為分類方法及裝置是由林曉;沈鍇成;闕維俏;李巖;王龔;張波設計研發完成，并于2022-11-15向國家知識產權局提交的專利申請。

本聯合文本分類和序列標注的課堂行為分類方法及裝置在說明書摘要公布了：本申請實施例公開了一種聯合文本分類和序列標注的課堂行為分類方法及裝置；所述方法包括：獲取教學視頻數據并對其進行語音轉寫，形成初始語料；對所述初始語料進行預處理后獲得篇章數據，將所述篇章數據輸入到無監督預訓練模型進行增量預訓練；構建文本分類和序列標注的聯合損失函數對所述篇章數據進行訓練，利用有監督預訓練模型對所述篇章數據進行預測，得出教學行為分類標簽矩陣；對所述教學行為分類標簽矩陣進行分析，得到聯合文本分類和序列標注的課堂行為分類；本申請實施例實現對計算資源和數據量進行快速精確地分析和分類，課堂教學行為分類效果高效準確。

本發明授權聯合文本分類和序列標注的課堂行為分類方法及裝置在權利要求書中公布了：1.一種聯合文本分類和序列標注的課堂行為分類方法，其特征在于，所述方法包括以下步驟： 獲取教學視頻數據并對其進行語音轉寫，形成初始語料； 對所述初始語料進行預處理后獲得篇章數據，將所述篇章數據輸入到無監督預訓練模型進行增量預訓練； 構建文本分類和序列標注的聯合損失函數對所述篇章數據進行訓練，利用有監督預訓練模型對所述篇章數據進行預測，得出教學行為分類標簽矩陣； 對所述教學行為分類標簽矩陣進行分析，得到聯合文本分類和序列標注的課堂行為分類； 所述將所述篇章數據輸入到無監督預訓練模型進行增量預訓練之前，還包括： 構建句子級的對比學習樣本，通過softmax分類器對該對比學習樣本進行三類損失函數預測并相加，得到NSP任務的總體損失函數： LcNSP＝αLNSP+βLPSP+σLRSP； 其中，LcNSP為經過對比學習方法改進之后的NSP任務的總體損失函數；LNSP、LPSP和LRSP為cNSP任務下的三個子任務的損失函數；α、β和σ為三個子任務在總損失函數中對應的權重系數；h為在不同子任務下神經網絡隱層最后一層的輸出；softmax代表使用softmax函數進行歸一化處理，并計算結果的交叉熵損失； 構建詞語級對比學習樣本，詞語級任務的損失函數為： 其中，LcMLM表示經過對比學習之后MLM任務的總體損失函數，θ表示模型的參數集，k表示每個被打亂的子序列的長度，pos代表Bert模型輸入當中規定詞語位置的positionembedding； 所述構建文本分類和序列標注的聯合損失函數對所述篇章數據進行訓練，包括： 序列標注任務當中，使用Bi-LSTM+CRF的模型結構來完成此任務，因此無監督訓練階段的損失函數由CRF產生，序列標注任務的損失函數為： yst＝CRFHst； 其中，Hst為經過Bert編碼之后得到的[CLS]序列，CRF代表對Hst后接一個條件隨機場進行處理，由此得到yst； 文本分類任務的損失函數： 其中，Wlc是分類任務當中的權重矩陣，Hlc是用于文本分類任務的句子文本表示，blc為偏置量，由此得到ylc 訓練的聯合損失函數由序列標注和文本分類兩個任務的聯合損失函數得到： yall＝αylc+βyst； 將所述篇章數據輸入到所述聯合損失函數進行訓練； 所述利用有監督預訓練模型對所述篇章數據進行預測，得出教學行為分類標簽矩陣，包括： 訓練完成，利用有監督預訓練模型對所述篇章數據進行預測，得到一組標簽數據； 將所述篇章數據按照教學行為分類標簽矩陣的模板進行排列，以得到教學行為分類標簽矩陣Wteach； 所述教學行為分類標簽矩陣為一個m×n的矩陣，對于不同長度的課堂而言，方陣的大小不同，即m和n的大小，將m稱為句子批量，n稱為句子批次，整個矩陣描繪的即是在n個相同批量m的批次下，教學行為標簽的排列順序。

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上海師范大學，其通訊地址為：200233 上海市徐匯區桂林路100號；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”。