[发明专利]成绩预测方法及装置、存储介质、电子设备

摘要

本公开提供一种成绩预测方法及装置、存储介质、电子设备。所述方法包括：获取学生的历史做题记录以及待预测试题，所述历史做题记录包括历史试题以及该历史试题对应的成绩；将所述历史做题记录和所述待预测试题作为输入，经由成绩预测模型，得到学生的当前知识状态向量以及所述待预测试题的表征向量，并基于所述当前知识状态向量以及所述待预测试题的表征向量，输出所述待预测试题的预测成绩；所述当前知识状态向量用于表示学生当前的知识掌握水平，由基于所述历史做题记录得到的历史知识状态向量计算得到；所述待预测试题的表征向量用于表示所述待预测试题的个性化特征。如此方案，有助于提高成绩预测的准确性。

主权项

1.一种成绩预测方法，其特征在于，所述方法包括：

获取学生的历史做题记录以及待预测试题，所述历史做题记录包括历史试题以及该历史试题对应的成绩；

将所述历史做题记录和所述待预测试题作为输入，经由成绩预测模型，得到学生的当前知识状态向量以及所述待预测试题的表征向量，并基于所述当前知识状态向量以及所述待预测试题的表征向量，输出所述待预测试题的预测成绩；

所述当前知识状态向量用于表示学生当前的知识掌握水平，由基于所述历史做题记录得到的历史知识状态向量计算得到；所述待预测试题的表征向量用于表示所述待预测试题的个性化特征。

2.根据权利要求1所述的方法，其特征在于，所述历史做题记录表示为S＝{(e₁,r₁),(e₂,r₂),…,(e_i,r_i),…,(e_T,r_T)}，e_i表示第i个时刻的历史试题，r_i表示第i个时刻的历史试题对应的成绩，则获得所述当前知识状态向量的方式为：

确定第i个时刻的历史知识状态向量h_i对应的权重值α_i；

利用所述历史知识状态向量h_i以及对应的权重值α_i进行加权和计算，得到所述当前知识状态向量。

3.根据权利要求2所述的方法，其特征在于，所述确定第i个时刻的历史知识状态向量h_i对应的权重值α_i，包括：

基于所述待预测试题的表征向量以及第i个时刻的历史试题的表征向量，计算所述待预测试题与所述第i个时刻的历史试题的相似度，作为所述第i个时刻的历史知识状态向量h_i对应的权重值α_i。

4.根据权利要求2所述的方法，其特征在于，计算所述历史知识状态向量h_i的方式为：

对第i个时刻的历史试题的表征向量以及第i个时刻的历史试题对应的成绩向量，进行融合处理，得到第i个时刻的融合向量

经由单向LSTM网络，利用第(i‑1)个时刻的历史知识状态向量h_i‑1以及第i个时刻的融合向量计算得到所述第i个时刻的历史知识状态向量h_i。

5.根据权利要求3或4所述的方法，其特征在于，获得所述待预测试题的表征向量、所述历史试题的表征向量的方式为：

对试题e的题面进行分词处理，得到单词序列e＝{w₁,w₂,…,w_j,…,w_N}，w_j表示第j个单词；

对每个单词进行向量化处理，再经由神经网络提取每个单词的表征向量；

基于每个单词的表征向量确定所述试题e的表征向量。

6.根据权利要求5所述的方法，其特征在于，所述神经网络为双向LSTM网络，所述经由神经网络提取每个单词的表征向量，包括：

经由正向LSTM网络提取单词w_j的正向表征向量以及经由反向LSTM网络提取单词w_j的反向表征向量

利用和拼接得到单词w_j的表征向量v_j。

7.根据权利要求5所述的方法，其特征在于，所述基于每个单词的表征向量确定所述试题e的表征向量，包括：

在各维度上，比较N个单词的表征向量，选取每一维上的最大值，得到所述试题e的表征向量。

8.根据权利要求1所述的方法，其特征在于，构建所述成绩预测模型的方式为：

获取样本历史试题以及样本历史试题对应的真实成绩；

提取当前样本历史试题的表征向量，以及基于所述当前样本历史试题之前的样本历史试题得到的样本历史知识状态向量；

利用所述当前样本历史试题的表征向量以及所述样本历史知识状态向量，得到所述当前样本历史试题的预测成绩，直至所述当前样本历史试题的预测成绩与所述当前样本历史试题的真实成绩之间满足预设条件，训练得到所述成绩预测模型。

9.一种成绩预测装置，其特征在于，所述装置包括：

试题获取模块，用于获取学生的历史做题记录以及待预测试题，所述历史做题记录包括历史试题以及该历史试题对应的成绩；

模型处理模块，用于将所述历史做题记录和所述待预测试题作为输入，经由成绩预测模型，得到学生的当前知识状态向量以及所述待预测试题的表征向量，并基于所述当前知识状态向量以及所述待预测试题的表征向量，输出所述待预测试题的预测成绩；

所述当前知识状态向量用于表示学生当前的知识掌握水平，由基于所述历史做题记录得到的历史知识状态向量计算得到；所述待预测试题的表征向量用于表示所述待预测试题的个性化特征。

10.根据权利要求9所述的装置，其特征在于，所述历史做题记录表示为S＝{(e₁,r₁),(e₂,r₂),…,(e_i,r_i),…,(e_T,r_T)}，e_i表示第i个时刻的历史试题，r_i表示第i个时刻的历史试

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

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科大讯飞股份有限公司，未经科大讯飞股份有限公司许可，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/patent/201711208749.5/，转载请声明来源钻瓜专利网。