[发明专利]基于图卷积的知识追踪数据处理方法、系统和存储介质有效
申请号: | 201911250785.7 | 申请日: | 2019-12-09 |
公开(公告)号: | CN111159419B | 公开(公告)日: | 2021-05-25 |
发明(设计)人: | 黄昌勤;黄琼浩;李明;王希哲;何涛 | 申请(专利权)人: | 浙江师范大学 |
主分类号: | G06F16/36 | 分类号: | G06F16/36;G06N3/04;G06N3/08;G06Q50/20 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 黎扬鹏 |
地址: | 321004 *** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 图卷 知识 追踪 数据处理 方法 系统 存储 介质 | ||
本发明公开了一种基于图卷积的知识追踪数据处理方法、系统和存储介质,所述方法包括以下步骤:获取当前时间节点对当前知识点的习题的答题信息、答题过程中的干扰信息和当前知识点的相邻知识点;采用知识追踪模型对答题信息、干扰信息和相邻知识点进行处理;其中,所述知识追踪模型的处理过程,其具体包括:对当前知识点的答题信息、干扰信息和相邻知识点进行图卷积处理;根据图卷积处理结果更新当前知识点和相邻知识点的掌握程度。本发明通过采用知识追踪模型对答题信息、干扰信息和相邻知识点进行处理,以更新当前知识点和相邻知识点的掌握程度,从而使更新后的知识点掌握程度更加符合实际掌握程度。本发明可广泛应用于深度学习技术领域。
技术领域
本发明涉及深度学习技术领域,尤其是一种基于图卷积的知识追踪数据处理方法、系统和存储介质。
背景技术
在线教育能够为学习者提供更多的自主知识建构支持,但是,又因为信息迷航问题导致在线学习者的学习效率和学习效果普遍不高。因此,需要构建一种与规模化在线教育相适应的自主学习系统,来解决该环境中学习者个性化自主知识建构的效率低下的问题。而构建自主学习系统的核心在于对在线学习者的知识状态进行实时追踪。
目前知识追踪手段主要是通过在线学习系统对在线学习者的解题信息进行收录,利用分析手段对学生的做题能力进行实时评估。其中,分析手段主要包括两类:一类是传统社会科学范畴的方法,如经典测试理论;另一类是项目反映理论,如贝叶斯知识跟踪和深度学习知识追踪。然而,一门课程或者学习学科的知识点天然存在图结构,而现有的知识追踪手段并不能很好处理这种图结构数据。而且,知识学习过程和掌握情况,并不仅仅只涉及知识点与习题的情况,还与学习者个人特征和周围环境有关,而现在采用的分析手段,只是考虑了知识点与习题的情况,没有考虑学习者个人特征和周围环境,因此使得分析得到的对知识点的掌握情况与实际情况存在较大差异。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种基于图卷积的知识追踪数据处理方法、系统和存储介质,其能使分析得到的对知识点的掌握程度更加符合实际掌握程度。
本发明实施例的第一方面提供了:
一种基于图卷积的知识追踪数据处理方法,其包括以下步骤:
获取当前时间节点对当前知识点的习题的答题信息、答题过程中的干扰信息和当前知识点的相邻知识点;
采用知识追踪模型对答题信息、干扰信息和相邻知识点进行处理;
其中,所述知识追踪模型的处理过程,其具体包括:
对当前知识点的答题信息、干扰信息和相邻知识点进行图卷积处理;
根据图卷积处理结果更新当前知识点和相邻知识点的掌握程度。
进一步地,所述根据图卷积处理结果更新当前知识点和相邻知识点的掌握程度,其具体为:
根据图卷积处理结果,采用多层感知网络与时序网络更新当前知识点的掌握程度;
根据图卷积处理结果,采用多尺度多头部注意力机制与时序网络更新当前知识点的相邻知识点的掌握程度。
进一步地,所述多尺度多头部注意力机制是基于注意力机制构造的,所述多尺度多头部注意力机制的工作过程包括:
获取注意力函数,所述注意力函数包括邻接节点为终节点的注意力函数和邻接节点未起始节点的注意力函数;
根据注意力函数计算注意力值;
对所有注意力值进行集成。
进一步地,还包括以下步骤:
根据更新后的当前知识点和相邻知识点的掌握程度预测下一时间节点对当前知识点和相邻知识点的习题的答题情况。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江师范大学,未经浙江师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911250785.7/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种队列管理的方法及装置
- 下一篇:一种片上访存保护系统及方法