[发明专利]动态知识掌握建模方法、建模系统、存储介质及处理终端

权利要求书

1.一种基于个性化学习特征深度融合的动态知识掌握建模方法，其特征在于，所述基于个性化学习特征深度融合的动态知识掌握建模方法包括：

构建学习过程中影响学习者知识掌握状态及表现的学习资源画像指标和学习者画像指标；

从在线学习平台中采集包含相应的学习者行为数据以及数字学习资源特征的数据集，并将数据集进行切分，得到相对较小数据量的数据集；同时对得到的数据集进行学习者数据清洗；

对构建的学习资源画像指标和学习者画像指标进行学习者信息融合量化处理，得到浅层学习特征；利用堆叠自编码器对得到的浅层学习特征进行深度表征及融合，构建深度学习者特征；

将学习过程中记忆与遗忘因素引入双向长短时记忆网络，构建基于记忆与遗忘因素结合的动态知识掌握模型。

2.如权利要求1所述基于个性化学习特征深度融合的动态知识掌握建模方法，其特征在于，所述学习资源画像指标包括：知识点特征和试题难度特征；所述学习者画像指标包括：正确性特征、尝试次数特征、查看提示特征以及响应时间特征；

所述基于建构主义学习理论，构建学习过程中影响学习者知识掌握状态及表现的学习资源画像指标和学习者画像指标包括：

(1)采集包含知识点组成成分或者SkillID相关信息的用于联系学习者和其曾练习试题的知识点特征；

(2)采集用于表征试题难度属性的试题难度特征；

(3)采集正确性特征；所述正确性特征为学习者答题的反应表征，采用二分类的输出表示形式进行训练，数值1代表试题作答正确，数值0代表试题作答错误；

(4)采集尝试次数特征；所述尝试次数特征用于表示学习者第一次正确回答某道试题时所需做题次数；所述尝试次数特征值越小，则学习者的知识点掌握程度越好，学习能力越强；

(5)采集查看提示特征；所述查看提示特征用于记录学习者在作答某道试题时在平台内寻求相关题目或知识点的官方提示的行为以及查看次数；存在查看提示特征的学习者在对应题上的表现行为良好；

(6)采集用于记录学习者回答试题时所耗费的时间的响应时间特征；所述响应时间越长表示学习者掌握程度越差。

3.如权利要求1所述基于个性化学习特征深度融合的动态知识掌握建模方法，其特征在于，所述对得到的数据集进行学习者数据清洗包括：

首先，将数据集中缺失的学习者行为数据进行零填充；并将数据集中格式为字符型的学习者行为数据重新编码成为整型；

其次，清洗去除数据集中明显不符合逻辑的学习者行为数据以及重复的学习者行为数据。