(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210367286.1
(22)申请日 2022.04.08
(71)申请人 山东师范大学
地址 250014 山东省济南市历下区文化 东
路88号
(72)发明人 潘杰 栾春 谢德仁 杜伟
张雨辰
(74)专利代理 机构 济南圣达知识产权代理有限
公司 372 21
专利代理师 李圣梅
(51)Int.Cl.
G06V 10/80(2022.01)
G06K 9/62(2022.01)
G06V 10/74(2022.01)
G06V 10/764(2022.01)G06V 10/82(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G06Q 10/06(2012.01)
G06Q 50/20(2012.01)
(54)发明名称
一种学习参与度识别方法、 装置、 设备及可
读存储介质
(57)摘要
本申请提供了一种学习参与度 识别方法、 装
置、 设备及可读存储介质, 涉及多模态情感识别
技术领域, 包括: 对获取的视频样本进行预处理,
提取出多个模态下的单模态特征; 将多个模态下
的单模态特征进行特征融合, 得到多模态融合特
征; 多模态融合特征经过全 连接层降低维度并进
行预测, 得到多模态输出值; 单模态特征映射到
低维空间中, 再运用线性回归得到单模态输出
值; 将单模态输出值和多模态输出值按照预设权
重加权求和, 得到融合输出值; 基于多模态输出
值、 单模态输出值和融合输出值, 确定用户的学
习参与度, 这样, 通过联合多模态信息和单模态
信息, 将提取出的单模态特征映射到低维空间,
再单独训练模 型, 可以提高学习参与度的识别准
确率。
权利要求书2页 说明书8页 附图5页
CN 114926716 A
2022.08.19
CN 114926716 A
1.一种学习参与度识别方法, 其特 征在于, 所述识别方法包括:
对获取的视频样本进行 预处理, 提取出多个模态下的单模态特 征;
将多个模态下的单模态特 征进行特征融合, 得到多模态融合特 征;
多模态融合特征经过全连接层降低维度并进行预测, 得到多模态输出值; 单模态特征
映射到低 维空间中, 再运用线性回归得到单模态输出值; 将单模态输出值和多模态输出值
按照预设权 重加权求和, 得到融合输出值;
基于所述多模态输出值、 单模态输出值和融合输出值, 确定用户的学习参与度。
2.如权利要求1所述的识别方法, 其特征在于, 多个模态下的单模态特征包括文本特
征、 视频特征和音频 特征;
对于文本特征, 特征提取过程包括: 采用预设层数的BERT预训练模型进行编码, 选取最
后一层中的第一个词向量作为整句表示;
对于视频特征和语音特征, 特征提取过程包括: 经过新增加的网络层进行预训练后, 再
经过单向长短期记忆网络提取时序特征, 将最后一个隐藏向量作为输出, 通过一层卷积层
提取出的初始特征与全连接层相连, 输出低 维向量进入单向长短期记忆网络, 得到相 应的
特征表示。
3.如权利要求1所述的识别方法, 其特征在于, 将提取出的单模态特征进行拼接, 得到
多模态融合特 征。
4.如权利要求1所述的识别方法, 其特征在于, 所述单模态特征映射到低维空间中, 再
运用线性回归得到单模态输出值, 包括: 将提取出的单模态特征映射到低维度空间之后, 得
到单模态特征向量; 将所述单模态特征向量输入至训练好的单模态分类模型, 得到单模态
输出值。
5.如权利要求4所述的识别方法, 其特征在于, 所述单模态分类模型的训练方法包括:
确定不同模态表示类的类中心; 基于不同模态到类中心之间的距离, 以及距离与预测值之
间的关系, 确定单模态监督值对多模态注释的偏移量, 以L1损失函数作为优化目标训练单
模态分类模型。
6.如权利要求5所述的识别方法, 其特征在于, 所述类中心包括消极中心和积极中心,
分别计算不同模态到消极中心和积极中心的距离, 定义用于衡量模态表示到负中心和正中
心的相对距离, 基于所述相对距离, 以及相对距离与预测值之 间的关系, 确定单模态监督值
对多模态 注释的偏移量。
7.如权利要求6所述的识别方法, 其特征在于, 使用L2归一化作为模态表示与类中心之
间的距离 。
8.一种学习参与度识别装置, 其特 征在于, 包括:
特征提取模块, 用于对获取的视频样本进行 预处理, 提取出多个模态下的单模态特 征;
特征融合模块, 用于将多个模态下的单模态特 征进行特征融合, 得到多模态融合特 征;
预测模块, 用于多模态融合特征经过全连接层降低维度并进行预测, 得到多模态输出
值; 单模态特征映射到低维空间中, 再运用线性回归得到单模态输出值; 将单模态输出值和
多模态输出值按照预设权 重加权求和, 得到融合输出值;
参与度确定模块, 用于基于所述多模态输出值、 单模态输出值和融合输出值, 确定用户
的学习参与度。权 利 要 求 书 1/2 页
2
CN 114926716 A
29.一种计算机设备, 其特征在于, 包括: 处理器、 存储器和总线, 所述存储器存储有所述
处理器可执行 的机器可读指令, 当计算机设备运行时, 所述处理器与所述存储器之间通过
总线通信, 所述机器可读指 令被所述处理器执行时执行如权利要求 1至7任一所述的学习参
与度识别方法的步骤。
10.一种计算机可读存储介质, 其特征在于, 所述计算机可读存储介质上存储有计算机
程序, 所述计算机程序被处理器运行时执行如权利要求 1至7任意一项 所述的学习参与度识
别方法的步骤。权 利 要 求 书 2/2 页
3
CN 114926716 A
3
专利 一种学习参与度识别方法、装置、设备及可读存储介质
安全报告 >
其他 >
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:34:34上传分享