[发明专利]知识追踪方法有效
| 申请号： | 201910717085.8 | 申请日： | 2019-08-05 |
| 公开（公告）号： | CN110428010B | 公开（公告）日： | 2022-09-06 |
| 发明（设计）人： | 陈恩红;刘淇;沈双宏;赵伟豪;黄振亚 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q50/20 |
| 代理公司： | 北京凯特来知识产权代理有限公司 11260 | 代理人： | 郑立明;郑哲 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种知识追踪方法，利用前馈神经网络，将学习序列和习题序列转换为密集向量表征，分别利用注意力机制和习题的绝对位置得到习题的相关关系和相对位置关系，根据这两类关系，首先在学习序列的每一个学习节点初步总结学生的知识状态；然后利用卷积神经网络，对初步总结的学生的历史知识状态进行深度融合，追踪学生学习过程中不断变化的知识状态；相比于现有技术而言，不仅可以减小知识追踪过程中出现的累积偏差问题，还可以提高知识追踪的准确率并有效提高知识追踪的效率；同时，上述方法还极大地提升了学生知识状态追踪过程的鲁棒性和追踪结果的准确性。 | ||
| 搜索关键词： | 知识 追踪 方法 | ||
【主权项】：
1.一种知识追踪方法，其特征在于，包括：获取学生的学习序列与相应的习题序列；利用前馈神经网络，将学习序列和习题序列转换为密集向量表征，得到学习序列密集向量矩阵与习题密集向量矩阵；利用注意力机制，并结合习题密集向量矩阵，得到不同习题之间的相关关系；根据学习序列中习题的绝对位置，获得不同习题的位置关系；利用不同习题之间的相关关系以及不同习题的位置关系，在学习序列的每一个学习节点初步总结学生的历史知识状态；利用卷积神经网络，分阶段对初步总结的学生的历史知识状态进行融合，追踪学生学习过程中不断变化的知识状态。
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。
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中国科学技术大学，未经中国科学技术大学许可，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/patent/201910717085.8/，转载请声明来源钻瓜专利网。
