《人工智能驱动的校园欺凌防控管理技术规范》.pdf

ICS35.240.99

CCSL67

团体标准

T/CIXXXX—XXXX

人工智能驱动的校园欺凌防控管理技术规

范

Technicalspecificationsforpreventionandcontrolofbullyinginschoolsdrivenby

artificialintelligence

（征求意见稿）

在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。

XXXX-XX-XX发布XXXX-XX-XX实施

中国国际科技促进会发布

T/CIXXXX—XXXX

人工智能驱动的校园欺凌防控管理技术规范

1范围

本文件给出了基于人工智能的校园防霸凌技术规范，主要应用于校园防霸凌大模型，规定了数据采

样、预处理、多模态大模型流程逻辑、行为识别、语音分析、隐私保护、事件上报、事件处理、自动预

警、事件追溯、因果推断等指标的要求。

本文件适用于基于人工智能的校园防霸凌技术规范，主要应用于校园防霸凌大模型，适合以人工智

能技术为基础的校园防霸凌系统。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T5271.34-2006信息技术词汇第34部分:人工智能神经网络

GB/T35119-2017产品生命周期数据管理规范

GB/T41867-2022信息技术人工智能术语

3术语和定义

GB/T5271.34-2006，GB/T35119-2017，GB/T41867-2022界定的以及下列术语和定义适用于本文

件。

邻接矩阵adjacentmatrix

用以表示交通图数据中不同节点的空间相关性权重的二维正方形矩阵。

无监督学习unsupervisedlearning

在没有给定事先标记过的训练数据情况下，自动对输入的数据进行分类。

注意力机制attentionmechanism

通过额外的神经网络参数控制网络关注点的一种手段。

过拟合overfitting

模型对训练数据过于精确地匹配，导致无法很好地适应训练集之外的其他数据。

欠拟合underfitting

模型没有很好地识别到数据的特征和规律，导致无法很好地拟合数据。

4缩略语

下列缩略语适用于本文件。

SVM:支持向量机(SupportVectorMachine)

PCA:主成分分析(PrincipalComponentsAnalysis)

CNN:卷积神经网络(ConvolutionalNeuralNetwork)

GCN:图卷积网络(GraphConvolutionalNetwork)

RNN:循环神经网络(RecurrentNeuralNetwork)

LSTM:长短期记忆网络(LongShortTermMemory)

1

T/CIXXXX—XXXX

GMM:高斯混合模型(GaussianMixture