CN111723157A - 一种基于区块链的智学链系统及工作方法 - Google Patents

一种基于区块链的智学链系统及工作方法 Download PDF

Info

Publication number
CN111723157A
CN111723157A CN202010690561.4A CN202010690561A CN111723157A CN 111723157 A CN111723157 A CN 111723157A CN 202010690561 A CN202010690561 A CN 202010690561A CN 111723157 A CN111723157 A CN 111723157A
Authority
CN
China
Prior art keywords
users
service center
cloud service
user
comment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010690561.4A
Other languages
English (en)
Inventor
钱萍
尹隽
杨伟浩
罗涵
许宏敏
滕玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University of Science and Technology
Original Assignee
Jiangsu University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University of Science and Technology filed Critical Jiangsu University of Science and Technology
Priority to CN202010690561.4A priority Critical patent/CN111723157A/zh
Publication of CN111723157A publication Critical patent/CN111723157A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公布了一种基于区块链的智学链系统及工作方法，系统由区块链系统、云服务中心和深度学习系统组成。其工作方法的具体步骤是：首先构建区块链系统，给区块链中的每个用户分配私钥并计算公钥，用户Ri将公钥K i 发送给云服务中心供其他用户访问；用户Ri利用私钥对资源信息和评论签名，并存储在云服务器中供其他用户访问和验证；区块链系统中的其他用户利用Ri的公钥和签名验证用户Ri的身份和资源信息，验证成功则各用户分别更新区块链系统，验证不成功则反馈给云服务中心；深度学习系统对云服务中心存储的评论进行分析，反馈不合规的评论和评论低的资源给云服务中心处理。与现有技术相比，本发明中利用区块链系统和深度学习系统实现优质教育资源服务，保证了教育资源的可靠性、安全性和不可抵赖性。

Description

一种基于区块链的智学链系统及工作方法
技术领域
本发明属于教育服务平台领域，涉及深度学习和区块链交叉技术，更具体是涉及一种利用区块链和深度学习技术实现优质教育平台服务和管理的系统和方法。
背景技术
网络线上教育作为传统教育的新型创新模式，推动着教育的改革，能有效改进学生学习懈怠、教学质量不均等问题，从中小学到高校越来越多的学生选择从网络平台上去学习。虽然网络上的视频教育资源很多，但质量参差不齐。对于优质教育视频往往只能通过视频的播放量、点赞量，以及评论等指标进行判断，而各大平台仅仅是对于教育视频进行单指标的排序。并且绝大多数网络平台都是商业平台，会为了自身利益对视频浏览优先级进行随意变更，从而影响学生的选择。这样的方式也使得视频质量的可信度不高，从而影响学生的在线学习效果。
针对这一问题，本发明将区块链技术和深度学习技术相结合，设计一种基于区块链的智学链系统及工作方法。该系统利用区块链技术可追溯和安全可信的特点，对系统中的各用户进行约束；并结合深度学习技术对用户的评论进行分析，使用户不能对线上教学资源随意或恶意的推荐和评论。用户通过该系统建立的合理合规的推荐评论体系，可以获得优质可信的教育资源，能够进行更高效的学习，进而充分发挥网络课程的教育价值，推动教育模式更好转型。
发明内容
本发明针对上述问题，提出一种基于区块链的智学链系统及其工作方法。
该基于区块链的智学链系统由若干用户、一个云服务中心和一个深度学习系统组成；所述用户与云服务中心分别相连，每个用户作为区块链中的一个区块，基于云服务中心组成区块链系统；所述用户可以向云服务中心推荐优质教学资源，也可以访问云服务中心的各种教学资源，并对教学资源进行评论；所述云服务中心连接各用户组成区块链系统；所述云服务中心存储用户推荐的教学资源链接和用户对教学资源的评论，并与深度学习系统相连；所述深度学习系统与云服务中心相连，基于深度学习算法对资源推荐用户、评论用户，以及用户的评论信息进行分析，将不合规的资源、评论信息和做出不合规推荐、评论的用户信息反馈给云服务中心，由云服务中心对资源、评论和用户进行相应处理。
该基于区块链的智学链系统的工作方法包括以下步骤：
1、用户Ri依据椭圆曲线E确定私钥ki，计算出公钥Ki＝kiG，E的方程为y2＝x3+ax+b，基点为G，阶数为n；每个用户与云服务中心相连，将公钥Ki存储到云服务中心，其他用户都可访问该公钥Ki；
2、用户Ri对推荐的教学资源信息mi或评论ri用私钥签名，将得到的签名，以及mi或ri存储在云服务中心，其他用户都可访问；
3、其他用户Rj对存储在云服务中心的用户Ri推荐的教学资源信息mi和评论ri用其公钥Ki验证签名，验证通过则将所有存储在云服务中心的推荐信息和评论一起计算生成Hash值H；验证不通过则反馈给云服务中心处理；
4、各用户Ri生成各自的区块信息存储在本地，每一个区块的信息包含区块索引、时间戳、云服务中心的所有推荐信息和评论生成的Hash值H，以及前一个区块所有内容的Hash值hi，从而各区块组成区块链系统；
5、当用户Ri对云服务中心上的教学资源信息或评论进行更新时，即用户修改或删除用户已有的推荐信息或评论，或者用户在云服务中心添加新的推荐信息或评论；用户更新云服务中心上的存储信息，并重新计算所有教学资源信息和评论的Hash值，得到H’；并且用户利用私钥ki对更新后的教育资源mi’或评论ri’签名，将得到的签名发送到云服务中心，其他用户都可访问该签名；其他用户根据用户Ri的公钥和签名验证Ri的身份和mi’或ri’，验证通过则重新计算云服务中心上所有资源的Hash值，得到H’，更新各自的区块信息；验证不通过则反馈给云服务中心处理；云服务中心删除验证不通过的mi’或ri’，并警告用户Ri；被警告次数大于阈值时，云服务中心通知所有用户从区块链系统中删除该用户；
6、系统中增加一个用户Ri时，即在区块链系统中增加一个新的区块，该区块内容为：前一个区块索引值加1作为区块索引，新区块产生的时间作为时间戳，云服务中心中所有资源和评论的Hash值，以及前一个区块所有内容的Hash值；
7、系统中删减一个用户Ri时，云服务中心通知所有用户在区块链系统中删除一个区块，收到通知的区块链系统中Ri之后所有用户的区块索引值减1，Ri前一个用户Ri-1的hi-1更新为Ri后一个用户Ri+1所有内容的Hash值；所有用户重新区块中存储的所有资源和评论的Hash值；
8、构建基于深度神经网络的深度学习系统，对所有评论、资源推荐用户，以及评论用户进行分析，根据分析结果对资源质量和评论可信度打分；当某个资源或评论的分值低于阈值时，深度学习系统反馈资源信息或评论信息，以及资源或评论对应的用户信息给云服务中心；云服务中心删除评论低的资源或不合规的评论，并警告对应的用户，即资源推荐用户或评论用户，被警告次数大于阈值的用户由云服务中心通知所有用户从区块链系统中删除该用户。
进一步优选的，步骤2和步骤5中所述签名的具体内容和方法如下：
Ri选取一个随机数ri∈[1，n-1]，计算riG＝(xi，yi)，ti＝ximodn，当t＝0，则重新选取ri，计算ri -1modn，si＝ri -1[h(mi)+kit]modn，h(.)为Hash函数运算，得到(ti，si，mi)即为Ri的签名。
进一步优选的，步骤3和步骤5中所述签名验证的具体内容和方法如下：
计算w＝si -1modn，u1＝h(mi)wmodn，u2＝tiwmodn，u1G+u2Ki＝(x0,y0)，v＝x0modn，h(.)为Hash函数运算，当v＝ti则签名有效，验证成功，否则签名无效，验证不成功。
进一步优选的，步骤8中基于深度神经网络的深度学习系统，对所有评论、资源推荐用户，以及评论用户进行分析时，提取的特征包含主题偏差指标、用户习惯偏差指标，以及用户评论和弹幕偏差指标，并将其与评论内容特征和用户行为特征融合在一起，进而得到一个关于评论-评论者-推荐者三者特征的新模型。
本发明基于区块链和深度学习技术实现优质教育资源的视频服务，系统中的各个用户之间没有管理机制，每个节点都有对完整资源信息Hash值的记录，保证了数据的安全性和可靠性。区块链用时间戳来确认和记录每笔操作，从而给数据增加了时间维度，使得数据具有可追溯性。资源信息还要经过数字签名，以表明用户的身份以及对这项操作的认可，保证了数据的不可伪造性和不可抵赖性。资源信息不是直接存储在区块链中，而是存储在云服务器中，避免了区块链中的海量存储。各个用户不是直接相连，而是通过云服务中心连接，避免了当用户数过于庞大时，网络连接的复杂性。通过深度学习系统对教育资源的分析，保证了资源的可靠性和评论的可信度，从而为用户提供优质可靠的教育资源视频服务。
附图说明
图1为本发明的基于区块链的智学链系统的框图。
图2为本发明的基于区块链的智学链系统工作方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
如图1所示，为本发明的一种基于区块链的智学链系统由若干用户1(1)，1(2)，1(3)，……，1(n)，云服务平台2，以及深度学习系统3组成。用户与云服务平台之间，云服务平台与深度学习系统之间采用有线或无线的方式进行通信。
如图2所示，为本发明的一种基于区块链的智学链系统工作方法，具体内容和步骤如下：
(1)用户Ri依据椭圆曲线E确定私钥ki，计算出公钥Ki＝kiG，E的方程为y2＝x3+ax+b，基点为G，阶数为n；每个用户与云服务中心相连，将公钥Ki存储到云服务中心，其他用户都可访问该公钥Ki；
(2)用户Ri对推荐的教学资源信息mi或评论ri用私钥签名，将得到的签名，以及mi或ri存储在云服务中心，其他用户都可访问；签名时，Ri选取一个随机数ri∈[1，n-1]，计算riG＝(xi，yi)，ti＝ximodn，当ti＝0，则重新选取ri，计算ri -1modn，si＝ri -1[h(mi)+kit]modn，h(.)为Hash函数运算，得到(ti，si，mi)即为Ri的签名；
(3)其他用户Rj对存储在云服务中心的用户Ri推荐的教学资源信息mi和评论ri用其公钥Ki验证签名，验证通过则将所有存储在云服务中心的推荐信息和评论一起计算生成Hash值H；验证不通过则反馈给云服务中心处理；验证签名时，计算w＝sj -1modn，u1＝h(mj)wmodn，u2＝tjwmodn，u1G+u2Ki＝(x0,y0)，v＝x0modn，h(.)为Hash函数运算，当v＝tj则签名有效，验证成功，否则签名无效，验证不成功；
(4)各用户Ri生成各自的区块信息存储在本地，每一个区块的信息包含区块索引、时间戳、云服务中心的所有推荐信息和评论生成的Hash值H，以及前一个区块所有内容的Hash值hi，从而各区块组成区块链系统；
(5)当用户Ri对云服务中心上的教学资源信息或评论进行更新时，即用户修改或删除用户已有的推荐信息或评论，或者用户在云服务中心添加新的推荐信息或评论；用户更新云服务中心上的存储信息，并重新计算所有教学资源信息和评论的Hash值，得到H’；并且用户利用私钥ki对更新后的教育资源mi’或评论ri’签名，将得到的签名发送到云服务中心，其他用户都可访问该签名；其他用户根据用户Ri的公钥和签名验证Ri的身份和mi’或ri’，验证通过则重新计算云服务中心上所有资源的Hash值，得到H’，更新各自的区块信息；验证不通过则反馈给云服务中心处理；云服务中心删除验证不通过的mi’或ri’，并警告用户Ri；被警告次数大于阈值时，云服务中心通知所有用户从区块链系统中删除该用户；签名方法同步骤(2)；验证签名方法同步骤(3)；
(6)系统中增加一个用户Ri时，即在区块链系统中增加一个新的区块，该区块内容为：前一个区块索引值加1作为区块索引，新区块产生的时间作为时间戳，云服务中心中所有资源和评论的Hash值，以及前一个区块所有内容的Hash值；
(7)系统中删减一个用户Ri时，云服务中心通知所有用户在区块链系统中删除一个区块，收到通知的区块链系统中Ri之后所有用户的区块索引值减1，Ri前一个用户Ri-1的hi-1更新为Ri后一个用户Ri+1所有内容的Hash值；所有用户重新区块中存储的所有资源和评论的Hash值；
(8)构建基于深度神经网络的深度学习系统，对所有评论、资源推荐用户，以及评论用户进行分析，根据分析结果对资源质量和评论可信度打分；当某个资源或评论的分值低于阈值时，深度学习系统反馈资源信息或评论信息，以及资源或评论对应的用户信息给云服务中心；云服务中心删除评论低的资源或不合规的评论，并警告对应的用户，即资源推荐用户或评论用户，被警告次数大于阈值的用户由云服务中心通知所有用户从区块链系统中删除该用户；对所有评论、资源推荐用户，以及评论用户进行分析时，提取的特征包含主题偏差指标、用户习惯偏差指标，以及用户评论和弹幕偏差指标，并将其与评论内容特征和用户行为特征融合在一起，进而得到一个关于评论-评论者-推荐者三者特征的新模型。
以上所述，仅为本发明较佳的具体实施方式。当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，任何熟悉本技术领域的技术人员，当可根据本发明作出各种相应的等效改变和变形，都应属于本发明所附的权利要求的保护范围。

Claims (5)

1.一种基于区块链的智学链系统，其特征在于该系统包含若干用户、一个云服务中心和一个深度学习系统；所述用户与云服务中心分别相连，每个用户作为区块链中的一个区块，基于云服务中心组成区块链系统；所述用户可以向云服务中心推荐优质教学资源，也可以访问云服务中心的各种教学资源，并对教学资源进行评论；所述云服务中心连接各用户组成区块链系统；所述云服务中心存储用户推荐的教学资源链接和用户对教学资源的评论，并与深度学习系统相连；所述深度学习系统与云服务中心相连，基于深度学习算法对资源推荐用户、评论用户，以及用户的评论信息进行分析，将不合规的资源、评论信息和做出不合规推荐、评论的用户信息反馈给云服务中心，由云服务中心对资源、评论和用户进行相应处理。
2.一种如权利要求1所述的基于区块链的智学链系统的工作方法，其特征在于包含以下步骤：
(1)用户Ri依据椭圆曲线E确定私钥ki，计算出公钥Ki＝kiG，E的方程为y2＝x3+ax+b，基点为G，阶数为n；每个用户与云服务中心相连，将公钥Ki存储到云服务中心，其他用户都可访问该公钥Ki；
(2)用户Ri对推荐的教学资源信息mi或评论ri用私钥签名，将得到的签名，以及mi或ri存储在云服务中心，其他用户都可访问；
(3)其他用户Rj对存储在云服务中心的用户Ri推荐的教学资源信息mi和评论ri用其公钥Ki验证签名，验证通过则将所有存储在云服务中心的推荐信息和评论一起计算生成Hash值H；验证不通过则反馈给云服务中心处理；
(4)各用户Ri生成各自的区块信息存储在本地，每一个区块的信息包含区块索引、时间戳、云服务中心的所有推荐信息和评论生成的Hash值H，以及前一个区块所有内容的Hash值hi，从而各区块组成区块链系统；
(5)当用户Ri对云服务中心上的教学资源信息或评论进行更新时，即用户修改或删除用户已有的推荐信息或评论，或者用户在云服务中心添加新的推荐信息或评论；用户更新云服务中心上的存储信息，并重新计算所有教学资源信息和评论的Hash值，得到H’；并且用户利用私钥ki对更新后的教育资源mi’或评论ri’签名，将得到的签名发送到云服务中心，其他用户都可访问该签名；其他用户根据用户Ri的公钥和签名验证Ri的身份和mi’或ri’，验证通过则重新计算云服务中心上所有资源的Hash值，得到H’，更新各自的区块信息；验证不通过则反馈给云服务中心处理；云服务中心删除验证不通过的mi’或ri’，并警告用户Ri；被警告次数大于阈值时，云服务中心通知所有用户从区块链系统中删除该用户；
(6)系统中增加一个用户Ri时，即在区块链系统中增加一个新的区块，该区块内容为：前一个区块索引值加1作为区块索引，新区块产生的时间作为时间戳，云服务中心中所有资源和评论的Hash值，以及前一个区块所有内容的Hash值；
(7)系统中删减一个用户Ri时，云服务中心通知所有用户在区块链系统中删除一个区块，收到通知的区块链系统中Ri之后所有用户的区块索引值减1，Ri前一个用户Ri-1的hi-1更新为Ri后一个用户Ri+1所有内容的Hash值；所有用户重新计算区块中存储的所有资源和评论的Hash值；
(8)构建基于深度神经网络的深度学习系统，对所有评论、资源推荐用户，以及评论用户进行分析，根据分析结果对资源质量和评论可信度打分；当某个资源或评论的分值低于阈值时，深度学习系统反馈资源信息或评论信息，以及资源或评论对应的用户信息给云服务中心；云服务中心删除评论低的资源或不合规的评论，并警告对应的用户，即资源推荐用户或评论用户，被警告次数大于阈值的用户由云服务中心通知所有用户从区块链系统中删除该用户。
3.根据权利要求2所述的一种基于区块链的智学链系统的工作方法，其特征在于所述步骤(2)和步骤(5)中所述签名的具体内容和方法如下：
Ri选取一个随机数ri∈[1，n-1]，计算riG＝(xi，yi)，ti＝ximodn，当t＝0，则重新选取ri，计算ri -1modn，si＝ri -1[h(mi)+kit]modn，h(.)为Hash函数运算，得到(ti，si，mi)即为Ri的签名。
4.根据权利要求2所述的一种基于区块链的智学链系统的工作方法，其特征在于所述步骤(3)和步骤(5)中所述签名验证的具体内容和方法如下：
计算w＝si -1modn，u1＝h(mi)wmodn，u2＝tiwmodn，u1G+u2Ki＝(x0,y0)，v＝x0modn，h(.)为Hash函数运算，当v＝ti则签名有效，验证成功，否则签名无效，验证不成功。
5.根据权利要求2所述的一种基于区块链的智学链系统的工作方法，其特征在于所述步骤(8)中，基于深度神经网络的深度学习系统，对所有评论、资源推荐用户，以及评论用户进行分析时，提取的特征包含主题偏差指标、用户习惯偏差指标，以及用户评论和弹幕偏差指标，并将其与评论内容特征和用户行为特征融合在一起，进而得到一个关于评论-评论者-推荐者三者特征的新模型。
CN202010690561.4A 2020-07-17 2020-07-17 一种基于区块链的智学链系统及工作方法 Pending CN111723157A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010690561.4A CN111723157A (zh) 2020-07-17 2020-07-17 一种基于区块链的智学链系统及工作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010690561.4A CN111723157A (zh) 2020-07-17 2020-07-17 一种基于区块链的智学链系统及工作方法

Publications (1)

Publication Number Publication Date
CN111723157A true CN111723157A (zh) 2020-09-29

Family

ID=72572802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010690561.4A Pending CN111723157A (zh) 2020-07-17 2020-07-17 一种基于区块链的智学链系统及工作方法

Country Status (1)

Country Link
CN (1) CN111723157A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708773A (zh) * 2021-10-11 2022-07-05 深圳市海凌科电子有限公司 一种区块链教学系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109428886A (zh) * 2017-08-22 2019-03-05 万事达卡国际公司 用于经由区块链进行评论验证和可信度评分的方法和系统
CN109684582A (zh) * 2018-11-08 2019-04-26 张耀伦 一种信息资源的评测系统及方法
CN110535916A (zh) * 2019-08-09 2019-12-03 江苏科技大学 一种基于区块链的供应保障管理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109428886A (zh) * 2017-08-22 2019-03-05 万事达卡国际公司 用于经由区块链进行评论验证和可信度评分的方法和系统
CN109684582A (zh) * 2018-11-08 2019-04-26 张耀伦 一种信息资源的评测系统及方法
CN110535916A (zh) * 2019-08-09 2019-12-03 江苏科技大学 一种基于区块链的供应保障管理方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114708773A (zh) * 2021-10-11 2022-07-05 深圳市海凌科电子有限公司 一种区块链教学系统

Similar Documents

Publication Publication Date Title
CN109165683B (zh) 基于联邦训练的样本预测方法、装置及存储介质
CN109034398B (zh) 基于联邦训练的梯度提升树模型构建方法、装置及存储介质
Sellström et al. Is there a “school effect” on pupil outcomes? A review of multilevel studies
US9436911B2 (en) Neural networking system and methods
US20190089610A1 (en) Parallel computational framework and application server for determining path connectivity
Seker Computerized argument Delphi technique
JP5408380B1 (ja) 情報処理プログラム及び情報処理装置
Au et al. PERM: Practical reputation-based blacklisting without TTPs
MX2014004409A (es) Esqueleto de curso para el aprendizaje adaptativo.
JP6819355B2 (ja) レコメンデーション生成
CN115064020B (zh) 基于数字孪生技术的智慧教学方法、系统及存储介质
US11809437B1 (en) System and method for providing information about users who performed internet-based activities
CN113722987A (zh) 联邦学习模型的训练方法、装置、电子设备和存储介质
CN110233850A (zh) 基于联盟链的注册方法、应用服务器、用户端以及系统
CN111723157A (zh) 一种基于区块链的智学链系统及工作方法
US10095682B2 (en) Determining incident codes using a decision tree
CN109672694A (zh) 一种信息采集的方法、装置及相关组件
CN113609405A (zh) 基于dikw的虚拟社区用户类型的转换方法及系统
CN112380429A (zh) 一种习题推荐方法及装置
CN113033209B (zh) 文本关系抽取方法、装置、存储介质及计算机设备
CN116011787A (zh) 智能排课方法、装置、电子设备及计算机可读存储介质
Sasidharan et al. Design of composite routing metrics in LOADng routing protocol for IoT applications
Khoshkbarchi et al. Coping with unfair ratings in reputation systems based on learning approach
CN110781384B (zh) 一种基于优先级的内容推荐方法、装置、设备及介质
KR20200020490A (ko) 사교육기관 평가 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination