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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD