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！

龙图腾网获悉北京工业大学申请的专利一种基于深度学习的二语写作中思辨能力评估方法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：CN119721160B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411801750.9，技术领域涉及：G06N3/08；该发明授权一种基于深度学习的二语写作中思辨能力评估方法是由牟欣;邵辉;马晓梅设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种基于深度学习的二语写作中思辨能力评估方法在说明书摘要公布了：一种基于深度学习的二语写作中思辨能力评估方法属于深度学习领域。本发明中提出如何在深度学习框架中转换二语写作思辨能力表现的方法和流程，提出的深度学习框架，提出的如何基于训练得到的深度学习中的参数来获取个体评估报告和整体评估报告，以上都是原创。本发明中提出的Q矩阵是原创性的，且通过实验验证符合当前中国高校学生用于评估英语写作中的思辨能力的Q矩阵。

本发明授权一种基于深度学习的二语写作中思辨能力评估方法在权利要求书中公布了：1.一种基于深度学习的二语写作中思辨能力评估方法，其特征在于，包括以下步骤： 第一步：对学生的写作文本进行批改，并转化为学生-项目-得分三元组{s,e,r}：具体地，教师对学生的写作文本进行批改，得到{s,e,r}的三元组形式，其中s表示为学生的序号，e表现为项目的序号，r表现为是否应答； 第二步：基于Python，实现Q矩阵、输入、输出等变量在深度学习框架中的变量转换：具体的，对于Q矩阵，将其转换为Python中的numpy矩阵Q；对于输入变量，将上一步中收集到的三元组中代表学生的序号s转换为one-hot编码向量s，将上一步中收集到的三元组中代表项目的序号e转换为one-hot编码向量e，对于输出变量，将上一步中收集到的三元组中代表学生对于项目应答情况的r作为输出y； 第三步：基于Python和已转换的输入输出变量，搭建深度学习框架：具体的，定义场景下共有N个学生，M个项目，及K个能力，则第二步中定义的定义学生与能力对应的掌握关系矩阵Aij表示学生i对于能力j的掌握情况，该矩阵为待训练参数；基于已定义的矩阵A和向量s,通过公式1得到特定学生对于各能力的掌握向量 ls＝sigmoids×A#1 基于第二步中已定义的矩阵Q和项目向量e,通过公式2得到特定项目对于各能力的掌握向量 le＝e×Q#2 参考DINA模型，定义项目对于各能力考察的难易程度矩阵为B为待训练参数，基于已定义的e向量，通过公式3得到特定项目对于各能力考察的难易度 ldiff＝sigmoide×B#3 定义试题对于学生的区分程度向量为d为待训练参数，基于已定义的e向量，通过公式4得到特定项目对于考察学生的区分度ldisc＝sigmoide×d#4 基于上述构建的向量以及矩阵，开始搭建深度学习框架： 通过公式5得到深度学习框架的输入向量 x＝le·ls-ldiff×ldisc#5 其中，·表示矩阵的点乘运算； 定义第一个全连接层的权重矩阵为偏置向量为激活函数为sigmoid函数，则通过公式6得到第一层的输出向量f1＝sigmoidw1×xT+b1#6 定义第二个全连接层的权重矩阵为偏置向量为激活函数为sigmoid函数，则通过公式7得到第二层的输出向量f2＝sigmoidw2×f1+b2#7 定义第三个全连接层的权重矩阵为偏置向量为激活函数为sigmoid函数，则通过公式8得到第三层的输出向量 f3＝sigmoidw3×f2+b3#8 定义最后一层输出层的权重矩阵为偏置向量为激活函数为sigmoid函数，则通过公式9得到输出值 y＝sigmoidw×f+b#9 综上，根据输入的s向量，e向量，得到深度学习框架的对应输出值y； 第四步：基于已构建的深度学习框架和已转换的输入输出变量，对模型进行训练：具体的，对于已转换的s向量，e向量，r向量，将其对应作为三元组{s,e,r}数据集；对该数据集分为训练集Dtrain和测试集Dtest，使用5折-交叉验证方法来对模型进行训练和验证， 定义模型的损失函数为交叉熵cross-entropy，来衡量模型输出值y和真实值r之间的差距，通过公式10得到模型输出值和真实值之间的误差： 在每一轮训练中，针对训练集Dtrain得到的总误差E，通过公式11得到权重w的调整值Δw，偏置b的调整值Δb，即针对E对w和b分别求偏导： 其中，η为学习率，此处取0.1； 在后一轮的更新中，鉴于已有的Δw,Δb和上一轮的w,b,通过梯度下降法得到新一轮的w′和b′，如公式12所示： ′＝w+Δw ′＝b+Δb#12 定义训练最大迭代次数max_epoch＝120，使用早停技术作为防止过拟合的策略，即当E在8次迭代过程中仍未下降，即认为已达到最佳点，退出迭代，完成训练； 第五步：基于已训练好的模型得到的预测值，对模型进行拟合评估，校验模型的有效性： 具体的，利用第四步中已划分的Dtest对已训练模型进行评估检验，首先，对于已训练模型，输入Dtest中的{s,e}二元输入变量，得到其对应的输出值y；然后，基于Dtest中的变量r，通过公式13计算模型的预测准确率，该值越大，说明模型越能根据内置的参数和学生属性矩阵得到其应答情况： 最后，从能力水平评估层面上对模型进行评估，即针对某能力，如果学生a的能力水平大于学生b，那么相对应的a答对相应项目的概率也大于学生b； 第六步，针对特定学生i，通过如下方法得到其对应的能力水平评估报告，即个体评估报告；首先，换算该学生对应的one-hot编码为ohi，然后取已训练模型中得到的矩阵A，通过公式14得到该学生的个体能力评估报告： peri＝sigmoidohi×A#14 然后，教师通过公式15获得整体学生对于各项能力的掌握情况： 最后，对于特定项目j，换算为其对应的one-hot编码ohj,教师通过公式16获得该项目中各项能力的掌握难易情况： difficultyj＝sigmoide×B#16 通过公式17得到该项目对于学生的区分程度： discriminationj＝sigmoide×d#17 综上，根据公式14得到个体评估报告，根据公式15-17得到整体评估报告。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；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。