基于改进的LSTM神经网络模型的试题推荐判定方法

发明专利有效专利

申请号：
CN201910518642.3
IPC分类号：G06F16/245;G06N3/04;G06N3/08;G06Q50/20
申请日期：
2019-06-15
申请人：
河南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于改进的LSTM神经网络模型的试题推荐判定方法
申请号	CN201910518642.3	申请日期	2019-06-15
法律状态	授权	申报国家	中国
公开/公告日	2019-10-11	公开/公告号	CN110321361A
优先权	暂无	优先权号	暂无
主分类号	G06F16/245	IPC分类号	G;0;6;F;1;6;/;2;4;5;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;Q;5;0;/;2;0查看分类表>
申请人	河南大学	申请人地址	河南省开封市金明区明伦街85号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	河南大学	当前权利人	河南大学
发明人	史先进;张磊;韩道军;沈夏炯;许晨波;孙俊;黄振月;高艺华;薛钰
代理机构	郑州睿途知识产权代理事务所（普通合伙）	代理人	李伊宁

摘要

本发明涉及一种基于改进的LSTM神经网络模型的中小学试题推荐方法，通过采集的真实试题数据；对历史试题的详细数据进行预处理获取试题信息，对试题信息处理得到试题关系数据，将试题信息按比例分成训练、测试的样本数据；对训练样本数据进行处理，并通过LSTM神经网络对处理后的训练样本进行训练得到LSTM试题推荐模型；通过参数调整来优化LSTM神经网络模型使其得到更高的准确率；最终将目标试题信息数据和试题关系数据作为LSTM模型的输入数据，模型输出得到预测的结果。本发明能够提高对试题是否进行推荐的判定效率和准确度，具有高泛化能力。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供