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！

龙图腾网获悉广州今之港教育咨询有限公司申请的专利一种基于神经网络的课后服务AI智能助手的构建方法及系统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：CN119669393B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411294540.5，技术领域涉及：G06F16/3329；该发明授权一种基于神经网络的课后服务AI智能助手的构建方法及系统是由汪宗叶;吴少和;邓勇波;柯剑龙设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本一种基于神经网络的课后服务AI智能助手的构建方法及系统在说明书摘要公布了：本发明公开了一种基于神经网络的课后服务AI智能助手的构建方法及系统，涉及人工智能与智慧教育的交叉领域。AI智能助手响应于用户的问题输入，获取待解答信息或者待批改信息，通过训练好的多层神经网络模型从预设的样本集中筛选符合预设条件的答案，作为标准答案；通过样本集训练后的神经网络模型从预设的样本集中预测出待解答信息对应的答案，并对比待批改信息中的答案与标准答案的一致性，对每个答题得分点进行打分，计算出题目总得分；定期对学生的问答内容，作业批改情况等数据进行分析，定期生成用户的学习报告，并智能为用户推荐接下来的学习提升方案。本发明可以提高问答的准确度，提高学习效率和准确率。

本发明授权一种基于神经网络的课后服务AI智能助手的构建方法及系统在权利要求书中公布了：1.一种基于神经网络的课后服务AI智能助手的构建方法，其特征在于，包括以下步骤： S1：获取来自用户上传的交互信息，所述交互信息为用户上传提问待解答信息或者包含提问和答案的待批改信息； S2：将用户交互信息进行预处理，包括图像处理、文本处理以及语音处理，图像处理单元用于根据用户上传的图像数据进行图像识别得到待解答或待批改题目的文本内容，语音处理单元用于响应于用户的语音输入，根据场景设定话题，并根据上下文和大数据模型生成响应，得到待解答或待批改题目的文本内容；文本处理单元用于将文本转换为词向量序列，将用户上传的待解答信息转换为第一词向量序列，待批改信息转换为第二词向量序列； S3：构建多层神经网络模型，其中，所述多层神经网络模型从前到后包括输入层、多个级联的卷积层、编码器、标准化层以及全连接输出层依次排布； S4：获取样本集，基于样本集来训练所述多层神经网络模型，样本集为从语料数据库以及历史问答信息获取的提问以及相应答案，所述历史问答信息包括历史提问及所述历史提问对应的历史答复； S5：将词向量序列输入多层神经网络模型，以获取多层神经网络模型从预设的样本集中筛选符合预设条件的答案，作为标准答案； S6：对上传的待批改信息进行评估，将学生的答复与预设的标准答案进行对照，获取标准答案，并将所述标准答案进行预处理，提取出标准答案中的关键词；根据每一个答案关键词在答案中出现的概率，确定上述答案的文本信息熵；对比待批改信息中的答案以与所述标准答案相同的方式进行预处理，得到待批改答案关键词；将所述标准答案关键词、所述待批改答案关键词进行向量转化，得到所述标准答案关键词对应的标准答案词向量以及所述待批改答案关键词对应的目标词向量，计算二者间的余弦相似度； ； 式中，s为每一标准答案关键词与所述待批改答案关键词的余弦相似度；为标准答案关键词在第i个维度上的值；为待批改答案关键词在第i个维度上的值； 按照如下公式，根据所述文本信息熵，将所述余弦相似度进行加权平均处理，得到处理后的相似度：，式中，sg为所述处理后的相似度；k为相似度概率数组中元素的个数；si为相似度概率数组中第i个元素的值；为待处理文本的文本信息熵； 根据每一答案关键词在所述答案中出现的概率，确定所述答案的信息熵，按以下公式计算：＝-∑P×log2Pkey； 式中，为所述答案的信息熵；P为每一答案出现的概率；为答案文本，key为答案关键词； 并对每个评分点进行量化评定，在发现用户答案与标准答案存在偏差时，提供标准答案的解题逻辑，并记录在错题集中，通过定期分析用户的问答表现和作业批改记录，依据时间周期编制学习进展报告，并据此提出个性化的学习提升建议。

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广州今之港教育咨询有限公司，其通讯地址为：511495 广东省广州市番禺区钟村街汉溪村(汉溪商业中心)泽溪街9号1602、1603、1604；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”。

以上内容由龙图腾AI智能生成。