[发明专利]可解释性知识水平追踪方法、系统和存储介质

权利要求书

1.一种可解释性知识水平追踪方法，其特征在于，包括以下步骤：

构建可解释知识追踪模型；

在所述可解释知识追踪模型上执行以下步骤：

区分嵌入知识点信息、嵌入习题文本信息以及嵌入与所述习题文本信息对应的习题回答记录信息；

根据所述嵌入知识点信息计算得到键向量；

根据所述键向量和所述嵌入与所述习题文本信息对应的习题回答记录信息更新知识点前一时刻的知识水平，得到当前时刻的知识水平；

根据所述键向量和所述当前时刻的知识水平从值记忆矩阵中确定值向量，所述值记忆矩阵用于记录知识水平隐状态；

通过多维项目反应理论和神经网络根据所述嵌入知识点信息、所述值向量和所述嵌入与所述习题文本信息对应的习题回答记录信息预测习题文本信息的预测回答信息；

其中，所述知识点信息包括所述习题文本信息的当前知识点信息和相邻知识点信息；所述嵌入知识点信息，包括：

将所述当前知识点信息和所述相邻知识点信息分别转化为特征描述向量；

分别构建所述特征描述向量的嵌入降维矩阵；

通过所述嵌入降维矩阵对所述特征描述向量进行降维处理；

将降维后的所述特征描述向量进行嵌入处理；

所述嵌入习题文本信息，包括：

获取习题文本信息的语言类别，所述语言类别包括自然语言和编程语言；

当所述习题文本信息的语言类别为自然语言，采用第一类别转化模型将所述习题文本信息转化为词向量，其中，第一类别转化模型为word2vec；

当所述习题文本信息的语言类别为编程语言，采用第二类别转化模型将所述习题文本信息转化为词向量，其中，第二类别转化模型为code2vec；

采用三向GRU循环神经网络对所述词向量进行嵌入处理；

所述嵌入与所述习题文本信息对应的习题回答记录信息，包括：

将习题回答记录信息转化为预设维度的单值向量；

将所述单值向量进行嵌入处理；

所述根据所述嵌入知识点信息计算得到键向量，包括：

嵌入键记忆矩阵，所述键记忆矩阵用于提供知识点成分查询；

根据所述当前知识点信息和所述键记忆矩阵计算得到当前知识点键向量，所述键向量包括通过每道习题的知识点成分信息经过运算从所述键记忆矩阵中查询出来的向量，该向量代表习题相关知识点对知识水平的影响权重；

根据所述相邻知识点信息和所述键记忆矩阵计算得到相邻知识点键向量；

所述从值记忆矩阵中确定值向量，包括：

在进行学习者习题成绩预测时，从所述值记忆矩阵中查询出与习题知识点相关联的知识水平向量，将相关联的知识水平向量作为值向量。

2.根据权利要求1所述的一种可解释性知识水平追踪方法，其特征在于，所述根据所述键向量和所述嵌入与所述习题文本信息对应的习题回答记录信息更新知识点前一时刻的知识水平，得到当前时刻的知识水平，包括：

将所述嵌入习题文本信息和所述嵌入与所述习题文本信息对应的习题回答记录信息进行第一融合处理；

获取所述嵌入习题文本信息所属知识图结构；

根据所述第一融合处理后的信息和所述嵌入习题文本信息所属知识图结构，对所述当前知识点信息和所述相邻知识点信息进行第二融合处理，得到融合特征描述向量；

根据所述融合特征描述向量、所述当前知识点键向量和所述相邻知识点键向量更新知识点前一时刻的知识水平，得到当前时刻的知识水平。

3.根据权利要求1所述一种可解释性知识水平追踪方法，其特征在于，在所述构建可解释知识追踪模型这一步骤后，还包括以下步骤：

采用随机梯度下降法对所述可解释知识追踪模型的目标函数进行优化。