买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉学成世纪(北京)信息技术有限公司申请的专利一种智能课堂反馈分析方法、装置和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120088101B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510156824.6，技术领域涉及：G06Q50/20；该发明授权一种智能课堂反馈分析方法、装置和存储介质是由唐晟设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本一种智能课堂反馈分析方法、装置和存储介质在说明书摘要公布了：本发明公开了一种智能课堂反馈分析方法、装置和存储介质，通过基于生成对抗网络算法，利用与课堂的课程主题相关的数据信息训练智能课堂的反馈生成和优化模型，所述反馈生成和优化模型用于确定与课程内容相关的学生反馈问题，基于机器学习算法分析和评估学生通过终端提交的学生反馈数据，并生成分析报告，并推送至学生家长的终端，收集家长反馈建议，基于学生反馈数据和家长反馈建议，动态调整智能课堂的反馈生成和优化模型，对智能课堂反馈持续优化管理。本发明利用生成对抗网络GAN算法进行学生反馈问题的生成和优化，同时基于学生反馈和家长建议，形成综合反馈系统，能够动态调整反馈生成和优化模型，实现教学效果的持续改进和优化。

本发明授权一种智能课堂反馈分析方法、装置和存储介质在权利要求书中公布了：1.一种智能课堂反馈分析方法，所述方法包括以下步骤： 步骤1，获取与课堂的课程主题相关的数据信息； 步骤2，基于生成对抗网络算法，利用所述数据信息训练所述智能课堂的反馈生成和优化模型，所述反馈生成和优化模型用于确定与所述课程内容相关的学生反馈问题； 步骤3，学生通过终端基于所述反馈问题提交学生反馈数据，基于机器学习算法分析和评估所述学生反馈数据，并生成分析报告； 步骤4，将所述分析报告推送至学生家长的终端，并收集家长反馈建议，基于所述学生反馈数据和所述家长反馈建议，动态调整所述智能课堂的反馈生成和优化模型； 步骤5，不断执行步骤2至步骤4实现对智能课堂反馈的持续优化管理； 还包括， 从步骤1获取的数据信息中提取用于训练模型的特征和标签，所述特征包括课程内容、学生表现和互动数据，表示为： F＝{f1,f2,…,fn} 其中，fi表示从数据中提取的第i个特征； 所述标签包括学生基于预定义的反馈内容列表反馈的内容，表示为： L＝{l1,l2,…,lm} 其中，li表示第i个反馈内容； 基于生成对抗网络算法GAN构建反馈生成和优化模型，所述对抗网络算法GAN包括生成器和判别器，定义为： 其中，Gz为生成器生成的伪造数据，Dx为判别器对真实数据的判断； 通过生成器生成与真实学生反馈相似的内容，表示为： G:Z→L 其中，Z是随机噪声输入； 通过判别器区分真实反馈和生成的反馈，表示为： D:L→[0,1] 其中，输出的值表示反馈为真实的概率； 初始化生成器和判别器的参数为随机值，表示为： 其中，θG为生成器的参数向量，θD为判别器的参数向量，N0,0.02为从正态分布中抽样的过程； 对于每个训练轮次t，执行以下步骤： 训练判别器，使用真实反馈和生成的反馈更新判别器，表示为： 其中，为判别器的损失函数，为判别器在第t轮次的参数，为判别器在第t+1轮次更新后的参数，η为学习率，为判别器的损失函数关于参数θD的梯度，Ex～pdata为对真实数据分布pdata中样本x的期望值，Dx为判别器对真实样本x的输出，Gz为生成器生成的样本，Ez～pz为对从潜在分布pz中抽样的噪声z的期望值，DGz为判别器对生成样本Gz的输出； 训练生成器，更新生成器的参数，表示为： 其中，表示为生成器的损失函数，为生成器在第t轮次的参数，为生成器在第t+1轮次更新后的参数，η为学习率，为生成器的损失函数关于参数θG的梯度，Ez～pz为对从潜在分布pz中抽样的噪声z的期望值，DGz为判别器对生成器生成的样本Gz的预测； 基于自适应学习率方法优化反馈生成和优化模型，表示为： mt＝β1mt-1+1-β1gt 其中，mt为当前时间步t的一阶矩估计，mt-1为上一个时间步t-1的一阶矩值，β1为动量衰减系数，gt为当前时间步t的梯度，vt为当前时间步t的二阶矩估计，vt-1为上一个时间步t-1的二阶矩值，β2为二阶矩衰减系数，θt为当前时间步t的模型的参数，θt-1为上一个时间步t-1的模型的参数，所述模型的参数包括需要优化的权重和或偏置，η为学习率，∈为常数； 基于经过训练的反馈生成和优化模型，生成与课程内容相关的学生反馈内容列表，表示为： R＝GZ 其中，R是生成的反馈内容集合，所述反馈内容集合包括，对知识点的理解、课堂互动情况、作业反馈、对教学方法的建议、情感与态度； 还包括， 获取并存储学生提交的反馈数据Fs，所述Fs包含多个字段，表示为： Dfeedback＝InsertFs Fs＝{u,M,R,c} 其中，u为学生唯一标识符ID，M为唯一标识符为课程ID，R为提交的反馈内容，c为提交时间戳； 对数据进行清洗和预处理，表示为： Dprocessed＝CleanDfeedback 其中，Clean函数包括去除噪声、文本标准化； 基于自然语言处理技术，从反馈内容中提取特征，表示为： T＝ExtractFeaturesR 其中，T为提取的特征集合，所述特征包括情感分数、关键词、话题模型； 基于情感分析模型计算反馈的情感得分SR SR＝SentimentAnalysisR 情感得分范围为[-1,1]，其中，-1表示负面情感，1表示积极情感； 将处理过的反馈数据与学生表现数据结合，形成训练集： Dtrain＝{Fs,P} 其中，P表示学生表现数据，包括考试成绩、课堂参与度； 基于随机森林机器学习算法进行模型训练，损失函数表示为： 其中，yi为实际值，为预测值，N为样本数量； 使用反向传播算法训练模型参数θ，表示为： 其中，θt为当前迭代t的模型参数，θt+1为在下一迭代t+1更新后的模型参数，η为学习率，为损失函数的梯度； 根据分析结果生成分析报告，所述分析报告包括：教学效果评估、知识点掌握情况、学生情感分析结果，表示为： R＝{E,K,SR} 其中：E为教学效果评估，K为知识点掌握情况，SR为情感分析结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人学成世纪(北京)信息技术有限公司，其通讯地址为：100041 北京市石景山区实兴大街30号院3号楼2层A-0267房间；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。