[发明专利]一种基于学习者知识状态演化表示的知识追踪方法及系统

权利要求书

1.一种基于学习者知识状态演化表示的知识追踪方法，其特征在于，该方法包括如下步骤为：

S1.获取统计的多个学习者对多个知识点样本的认知数据集；

S2.生成学习者的知识状态表示，搭建知识追踪模型，搭建的知识追踪模型中，长短期记忆神经网络和全连接神经网络的输入是认知数据集，输出是状态矩阵；所述的长短期记忆神经网络的输入是获取的认知数据集，输出是知识状态的低级特征表示-分布式向量；全连接神经网络的输入是分布式向量，输出是知识状态的高级特征表示一状态矩阵，状态矩阵是学习者知识状态的表示方法；状态矩阵ks中的行具体定义为状态行，是一个学习者对一个知识点的整体知识状态；状态矩阵ks中的列具体定义为状态列，是一个学习者对认知数据集中所有知识点的一种知识状态；

S3.生成学习者的未来答题表现的预测值，搭建的知识追踪模型中，贝叶斯知识追踪算法的输入是状态矩阵，输出是学习者的未来答题表现的预测值；

S4.生成演化项，将演化权重与知识状态的整体变化组合为演化项，以表示学习者在相邻答题中知识状态的准确变化，具体为：利用搭建的知识追踪模型生成演化权重，以量化状态矩阵中每个状态列在整体变化中的作用，将演化权重与知识状态的整体变化组合为演化项，在当前时间步t上，演化项e_t的表达式为：

其中，w_t＝(w₁，w₂，w₃，w₄)∈(0，1)⁴是演化权重，Δks_t是t个时间步与第t-1个时间步上知识状态的整体变化，是相邻时间步状态矩阵的差值，即相邻时间步状态列的差值，不同的状态列对知识状态整体变化的影响不同，演化权重准确建模了每个状态列的具体作用；

S5.将演化项纳入损失函数并最优化，知识追踪模型的训练目标是生成准确的学习者未来答题表现的预测值，并且准确建模知识状态的平缓变化，该目标通过定义损失函数来具化的。

2.根据权利要求1所述的一种基于学习者知识状态演化表示的知识追踪方法，其特征在于，步骤S1中所述的认知数据集包括多个时间序列，一个时间序列包括多个时间步数据，多个时间步数据表示一个学习者在多个知识点上的答题情况；一个时间步数据是一个学习者在一个知识点上的答题情况。

3.根据权利要求1所述的一种基于学习者知识状态演化表示的知识追踪方法，其特征在于，步骤S2中状态矩阵ks表示为：

其中，ks_t是第t个时间步生成的状态矩阵，i∈{1，2，……n}是第t个时间步正在作答的知识点，n是认知数据集中的知识点总数，第i个状态行表示学习者对知识点i的知识状态，它包含知识点i对应的四个状态参数，分别为：p_i(L_t)∈(0，1)为初始学习参数，表示学习者作答之前已经学会知识点i的概率值；p_i(T_t)∈(0，1)为学习能力参数，表示学习者对知识点i从未学会到已学会的概率值；p_i(G_t)∈(0，1)为猜测参数，表示学习者在未学会知识点i时猜对的概率值；p_i(S_t)∈(0，1)为失误参数，表示学习者在已学会知识点i时失误答错的概率值，状态矩阵ks中的列具体定义为状态列，四个状态列分别为：L_t表示所有n个知识点的初始学习参数；T_t表示n个知识点的学习能力参数；G_t表示n个知识点的猜测参数；S_t表示n个知识点的失误参数。