申请/专利权人:浙江工业大学
申请日:2023-12-07
公开(公告)日:2024-03-29
公开(公告)号:CN117787408A
主分类号:G06N5/04
分类号:G06N5/04;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了一种基于超图神经网络的反事实因果推理知识追踪方法,根据试题与知识点包含关系、相同难度试题关系、相同流行度试题关系以及试题关联关系构建超图网络,通过超图神经网络捕捉节点与超边的联系获得试题和知识点的语义表示,通过反事实因果推断框架构建学生特征预测分支、试题特征预测分支以及试题特征匹配度预测分支,在试题特征匹配度预测分支中通过遗忘模块和学习模块追踪学生在学习过程中不断变化的知识状态,能够获得更贴近实际做题情况的知识状态增长。最终通过试题信息的高阶表示和精确追踪的知识状态实现对答题表现的精准预测。
主权项:1.一种基于超图神经网络的反事实因果推理知识追踪方法,其特征在于,包括:1获取知识追踪任务数据集,通过知识追踪任务数据集中学生的历史答题记录数据评估试题难度、知识点难度以及试题流行度,根据试题难度进行关联,得到相同难度试题关系,根据试题流行度进行关联,得到相同流行度试题关系,提取答题间隔时间与答题次数特征,并对知识追踪任务数据集中特征数据进行嵌入处理,得到试题特征和学习行为特征;2根据知识追踪任务数据集中试题与知识点包含关系、步骤1获得的相同难度试题关系、相同流行度试题关系以及知识追踪数据集中的试题关联关系生成超边、并将试题作为节点构建超图神经网络;3通过步骤2构建的超图神经网络捕获试题之间的关系获得试题和知识点的语义表示;4采用反事实因果推断框架,在学生特征预测分支中通过步骤1的学习行为特征和知识状态预测学生在未来试题上的表现得到学生特征预测分支结果,在试题特征预测分支通过试题特征预测学生在未来试题上的表现得到试题特征预测分支结果;在学生试题匹配度预测分支中先建模学习过程中的遗忘效应得到学生当前的知识状态,随后通过学生当前的知识状态预测学生在未来试题上的表现,得到学生试题匹配度预测分支结果;将学生特征预测分支结果、试题特征预测分支结果以及学生试题匹配度预测分支结果相乘得到最终的预测结果,最终的预测结果结合学生特征预测分支结果获得学生的学习增益,完成知识追踪。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于超图神经网络的反事实因果推理知识追踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。