[发明专利]一种基于群体学习行为特征的知识追踪方法

权利要求书

1.一种基于群体学习行为特征的知识追踪方法，其特征在于，包括以下步骤：

步骤1：利用DKVMN模型采集学生学习行为特征；

步骤1的具体实现包括以下子步骤：

步骤1.1：利用DKVMN模型对学生学习过程进行建模；

学生在学习系统中t时刻的学习活动数据x_t使用二元组(q_t,a_t)表示，其中q_t∈{1,2,…,Q}表示学生学习活动中不同知识点的编号，a_t∈{0,1表示系统判定学生的表现是否合格，因此t时刻，学生的行为特征使用值x_t＝q_t+a_t×Q表示；假定对每个活动的R个时刻的数据都要进行处理，则一个学生的学习行为数据由R×Q维向量组成，使用q_t表示只含活动编号的学生学习行为数据，Q_t表示包含学生学习行为活动与结果的数据；

步骤1.2：基于DKVMN模型提取学生个人知识点的学习特征矩阵；

步骤1.2.1：基于DKVMN模型构建KV-MemNN的学生个人学习网络；

若要追踪N个学生U＝{u₁,u₂,…,u_i,…,u_N}对M个知识点C＝{c₁,c₂,…,c_i,…,c_M}的掌握情况，在KV-MemNN的网络中，使用静态矩阵K表示学生学习活动涉及的所有知识点，使用动态矩阵V表示学生对每个学习活动的实时掌握情况；K(i)向量，即K矩阵的第i行数据，表示第i个知识点；V_t(i)向量表示t时刻V矩阵的第i行数据，即学生t时刻对第i个知识点的掌握情况；

步骤1.2.2：采用DKVMN的训练方法对该模型进行训练，在时间长度为T答题活动训练的过程中，针对每个学生u_n对所有M个知识点问题的答题情况建立学生个人的知识学习特征矩阵S_n(M*T)，该矩阵的每一行的向量代表学生对知识点c_m的掌握情况；

步骤1.2.3：提取学生个人知识点的学习特征矩阵；

在t时刻，将该V_t(i)向量通过Tanh函数层和Sigmoid函数层，最终得到一个值，即为t时刻学生对知识点的掌握程度取值范围为(0,1)，同理可得，一段时间T内该学生对知识点的掌握过程向量从而得到学生对所有知识点的学习特征矩阵S_n；

步骤2：聚类分析；

包括计算学生学习过程的相似性，并由此计算学生学习过程的差异性，最终根据差异性完成聚类过程并提取群体学习行为特征，利用群体行为特征和学生个人学习行为特征完成知识追踪的任务；

步骤2的具体实现包括以下子步骤：

步骤2.1：采用改进的K-Means算法进行群体知识点的学习特征挖掘；

步骤2.1.1：计算学生之间学习特征的差异性；

任意两个学生u_i、u_j，他们学习知识点c_m的掌握情况为使用余弦公式表示他们对知识点c_m学习的相似性以此类推，若学生u_i、u_j之间学过相同知识点的个数为L，即{c₁,c₂,…,c_l,…,c_L}，则定义任意两个学生u_i、u_j之间学习特征的相似性为最终，得到任意两个学生u_i、u_j，他们学习之间的差异性为

步骤2.1.2：采用基于学生之间学习特征差异性的变式K-Means算法针对学生的个人学习特征对学生进行聚类分析；

若学生最终会被聚类成K个群体{g₁,g₂,…,g_k,…,g_K}，每个群体的学习行为特征使用他们各自的质心学习行为特征矩阵G＝{G₁,G₂,…,G_k,…,G_K}表示，初始阶段质心的学习行为特征矩阵是随机选取K个学生的学习特征矩阵；聚类的第一阶段需要将每个学生归类到各自所属的质心；第二阶段，在每个学习群体中G_k中重新计算质心的学习行为特征矩阵，直到完成聚类过程；

设学生的集合为U，则基于学生之间学习特征差异性的变式K-Means算法为：

1、确定K值，利用“肘方法”确定学生聚类的群体个数K；

2、聚类质心初始化，从学生集合U中随机挑选K个学生，使用他们的知识点学习特征矩阵表示K个学生群体对所有知识点的学习特征矩阵，即群体质心的学习特征；

3、重复执行以下两个步骤，直到群体质心的学习特征基本不发生变化或是执行次数达到设定的阈值：

a)学生归类；首先利用步骤2.1.1中学生之间学习特征差异性的计算方法计算每个学生与每个质心之间的学习特征的差异性，然后每个学生选择差异性最小的质心进行归类；

b)更新质心学习特征；对于归类完成的K个群体中的每个群体，将群体内的所有学生的学习特征矩阵的均值作为该群体质心学习特征矩阵的新值，并比较更新前后质心学习特征矩阵是否发生变化；

步骤2.2：基于群体行为特征的知识追踪；

当完成聚类后，若要追踪学生u_n对知识点c_a的掌握情况，t时刻学生u_n对知识点c_a的掌握情况用表示，表示u_n所属的群体g_k在t时刻对知识点c_a的学习情况，也即G_k矩阵中的第a行第t个值；Ω(t)是随时间变化的函数，参数a、b、c、d均为训练确定，训练的损失函数为与群体内其他每个学生学习行为特征矩阵的交叉熵函数；

直观上，当t较小时，Ω(t)较大，当t较大时，Ω(t)较小，这意味着在学生学习初期，群体的学习行为特征对学生的知识追踪起主要作用，当学生学习了一段时间后，学生个人的学习行为特征对学生的知识追踪起主要作用。