申请/专利权人:陕西师范大学;黑龙江大学
申请日:2024-02-27
公开(公告)日:2024-05-10
公开(公告)号:CN118014794A
主分类号:G06Q50/20
分类号:G06Q50/20;G06Q10/0639;G06N3/042;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.28#实质审查的生效;2024.05.10#公开
摘要:本发明公开一种基于动态神经网络的知识追踪方法及系统,所述方法包括以下步骤:获取在线学习平台数据,去除数据中学生回答问题的无效记录,保留有效记录,得到数据集;将所述数据集输入到训练好的动态神经网络中,输入的习题为qt,输入为长度为Q的向量,只有qt对应位置为1,其他的位置均为0,设计一个向量嵌入矩阵A,大小为Q×dk,dk为每个概念的维度,当输入习题时,用qt×A得到一个维度为dk的向量kt,再使用向量kt计算输入习题与知识点之间的权重wt;根据输入习题与知识点之间的权重wt、知识点状态矩阵和知识点交互矩阵H计算学生对习题的掌握程度;根据学生对习题的掌握程度、权重矩阵和偏置量b1计算学生答对习题的概率,更好的模拟现实生活中学生的学习情况。
主权项:1.一种基于动态神经网络的知识追踪方法,其特征在于,包括以下步骤:获取在线学习平台数据,去除数据中学生回答问题的无效记录,保留有效记录,得到数据集;将所述数据集输入到训练好的动态神经网络中,得到学生答对习题的概率,具体地,设存在Q个不同的习题,输入的习题为qt,输入为长度为Q的向量,只有qt对应位置为1,其他的位置均为0,设计一个向量嵌入矩阵A,大小为Q×dk,dk为每个概念的维度,当输入习题时,用qt×A得到一个维度为dk的向量kt,再使用向量kt计算输入习题与知识点之间的权重wt;根据输入习题与知识点之间的权重wt、知识点状态矩阵和知识点交互矩阵H计算学生对习题的掌握程度;根据学生对习题的掌握程度、权重矩阵W1T和偏置量b1计算学生答对习题的概率。
全文数据:
权利要求:
百度查询: 陕西师范大学;黑龙江大学 基于动态神经网络的知识追踪方法及系统
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。