(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 202210919397.9 (22)申请日 2022.08.02 (71)申请人 吴若涵 地址 330001 江西省南昌市青山湖区蛟 桥 镇双港东大街169号江西财经 大学 (72)发明人 吴若涵　 (74)专利代理 机构 北京同辉知识产权代理事务 所(普通合伙) 11357 专利代理师 童杨益 (51)Int.Cl. G06Q 50/20(2012.01) G06F 16/35(2019.01) G06F 40/30(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G09B 7/00(2006.01) (54)发明名称 国际金融与金融计量学教学用学习方法及 其系统 (57)摘要 本申请公开了一种 国际金融与金融计量学 教学用学习方法及其系统， 其通过包含嵌入层的 上下文编码器对学员的基础画像数据进行编码 以得到学员基础信息特征向量， 通过双向长短期 记忆神经网络对已解答题目的文本描述进行编 码以得到已答题关联语义特征向量， 然后对已答 题关联语义特征向量和学员基础信息特征向量 进行融合以得到学员历史信息特征矩阵， 通过双 向长短期记忆神经网络对待分配题目的文本描 述进行编码以得到待分配题目语义特征向量， 以 所述待分配题目语义特征向量作为查询特征向 量与所述学员历史信息特征矩 阵进行相乘以得 到分类特征向量， 该分类特征向量通过分类器以 得到用于表示待分配题目是否适于分配给该学 员的分类结果。 权利要求书3页 说明书13页 附图5页 CN 115222566 A 2022.10.21 CN 115222566 A 1.一种国际金融与金融计量学教学用学习 系统， 其特 征在于， 包括： 教学数据采集模块， 用于获取学员的基础画像数据、 已解答题目的文本描述以及待分 配题目的文本描述， 所述学员的基础画像数据包括多项学员属性数据和各个学员属性的权 重； 学员画像数据编码模块， 用于将所述学员的基础画像数据中的多项学员属性数据通过 包含嵌入层的上 下文编码器以得到多个属性语义特 征向量； 学员画像数据加权模块， 用于以所述学员的基础画像数据中各个学员属性的权重分别 对所述多个属 性语义特征向量中各个属 性语义特征向量进行加权以得到多个加权后属 性 语义特征向量； 学员画像数据整合模块， 用于分别对所述多个加权后属性语义特征向量中各个加权后 属性语义特征向量进 行特征值校正以得到多个校正后加权属性语义特征向量， 并将所述多 个校正后加权属性语义特 征向量进行级联以得到学员基础信息特 征向量； 已答题数据编码模块， 用于将所述已解答题目的文本描述中各个已解答题目的文本描 述分别通过双向长短期记 忆神经网络以得到多个题目语义特 征向量； 已答题数据关联编码模块， 用于将所述多个题目语义特征向量排列为二维特征矩阵后 通过作为过 滤器的卷积神经网络以得到已答题关联语义特 征向量； 学员信息融合模块， 用于 融合所述已答题关联语义特征向量和所述学员基础信 息特征 向量以得到学员历史信息特 征矩阵； 待分配题目编码模块， 用于将所述待分配题目的文本描述通过所述双向长短期记忆神 经网络以得到待分配题目语义特 征向量； 融合模块， 用于以所述待分配题目语义特征向量作为查询特征向量与 所述学员历史信 息特征矩阵进行相乘以得到分类特 征向量； 以及 学习题目智能分配结果生成模块， 用于将所述分类特征向量通过分类器以得到分类结 果， 所述分类结果用于表示待分配题目是否适于分配给 该学员。 2.根据权利要求1所述的国际金融与 金融计量学教学用学习系统， 其特征在于， 所述学 员画像数据编码模块， 包括： 嵌入向量化单元， 用于使用所述上下文编码器的嵌入层分别将所述学员的基础画像数 据中的多 项学员属性数据映射 为嵌入向量以获得嵌入向量的序列； 上下文语义关联编码单元， 用于使用所述上下文编码器的转换器对所述嵌入向量的序 列进行基于上下位的全局语义编码以获得对应于所述多个学员属 性数据中各个属 性的多 个属性语义特 征向量。 3.根据权利要求2所述的国际金融与 金融计量学教学用学习系统， 其特征在于， 所述学 员画像数据整合模块， 还用于： 以如下公式分别对所述多个加权后属 性语义特征向量中各 个加权后属性语义特征向量进 行特征值校正以得到多个校正后加权属性语义特征向量， 其 中， 所述公式为： 其中fi'为校正后的第i个加权属性特征向量的预定位置的特征值， fi为待校正的第i个权　利　要　求　书 1/3 页 2 CN 115222566 A 2属性语义特征向量的预定位置的特征值， 且fj为所述多个加权后的属性语义特征向量中除 所述第i个属性语义特征向量以外的其它属性语义特征向量的所述预定位置的特征值， 且ρ 为控制超参数。 4.根据权利要求3所述的国际金融与 金融计量学教学用学习系统， 其特征在于， 所述已 答题数据编码模块， 包括： 分词单元， 用于对所述各个已解 答题目的文本描述进行分词处 理以得到词序列； 词向量转化单元， 用于将所述词序列中各个词转化为词嵌入向量以得到词嵌入向量的 序列； 以及 上下文语义编码单元， 用于将所述词嵌入向量的序列通过所述双向长短期记忆神经网 络以得到所述题目语义特 征向量。 5.根据权利要求4所述的国际金融与 金融计量学教学用学习系统， 其特征在于， 所述学 员信息融合模块， 进一步用于计算所述已答题关联语义特征向量的转置向量与所述学员基 础信息特 征向量之间的乘积以得到所述学员历史信息特 征矩阵。 6.根据权利要求5所述的国际金融与 金融计量学教学用学习系统， 其特征在于， 所述学 习题目智能分配结果 生成模块， 进一 步用于： 使用所述分类器以如下公式对所述分类特征向量进行处理以生成分类结果， 其中， 所 述公式为： softmax{(Wn,Bn):…:(W1,B1)|X}， 其中X表示所述 分类特征向量， W1至Wn为各层全 连接层的权 重矩阵， B1至Bn表示各层全连接层的偏置矩阵。 7.一种国际金融与金融计量学教学用学习方法， 其特 征在于， 包括： 获取学员的基础画像数据、 已解答题目的文本描述以及待分配题目的文本描述， 所述 学员的基础画像数据包括多 项学员属性数据和各个学员属性的权 重； 将所述学员的基础画像数据中的多项学员属性数据通过包含嵌入层的上下文编码器 以得到多个属性语义特 征向量； 以所述学员的基础画像数据中各个学员属性的权重分别对所述多个属性语义特征向 量中各个属性语义特 征向量进行加权以得到多个加权后属性语义特 征向量； 分别对所述多个加权后属性语义特征向量中各个加权后属性语义特征向量进行特征 值校正以得到多个校正后加权属性语义特征向量， 并将所述多个校正后加权属性语义特征 向量进行级联以得到学员基础信息特 征向量； 将所述已解答题目的文本描述中各个已解答题目的文本描述分别通过双向长短期记 忆神经网络以得到多个题目语义特 征向量； 将所述多个题目语义特征向量排列为二维特征矩阵后通过作为过滤器的卷积神经网 络以得到已答题关联语义特 征向量； 融合所述已答题关联语义特征向量和所述学员基础信息特征向量以得到学员历史信 息特征矩阵； 将所述待分配题目的文本描述通过所述双向长短期记忆神经网络以得到待分配题目 语义特征向量； 以所述待分配题目语义特征向量作为查询特征向量与所述学员历史信息特征矩阵进 行相乘以得到分类特 征向量； 以及 将所述分类特征向量通过分类器以得到分类结果， 所述分类结果用于表示待分配题目权　利　要　求　书 2/3 页 3 CN 115222566 A 3