一种基于图卷积的学生成绩预测方法技术

本发明专利技术公开了一种基于图卷积的学生成绩预测方法，包括：1.利用学生答题记录构造学生、习题、知识概念交互图；2.通过独热编码方式构造输入层，将学生、习题、知识概念映射到不同的嵌入空间；3.通过图卷积在学生

【技术实现步骤摘要】
一种基于图卷积的学生成绩预测方法


[0001]本专利技术涉及教育数据挖掘领域，具体地来说是一种基于图卷积的学生成绩预测方法。

技术介绍

[0002]智能教学系统的兴起为学生提供了丰富的学习资源和个性化服务，逐渐成为了传统教学方式外的一种辅助教学方式。预测学生分数是教育数据挖掘领域的一项基本任务，通过分数预测任务可以了解学生的知识水平，在智能教学系统为学生提供个性化的教学计划。
[0003]教育心理学有助于提高学生分数预测准确度，教育心理学模型通过挖掘学生的历史答题记录，建模学生对知识概念的掌握程度，从而完成在未回答过题目上的得分预测。教育心理学模型假设学生是否能回答对一道题目取决于学生是否掌握了题目背后的知识概念，所以这类模型的主要目标是建模学生的知识水平。但是大多数的教育心理学模型忽略了题目本身所包含的信息，这类模型选择对知识概念建模，从而难以区分拥有相同知识概念的题目。
[0004]除了传统的教育心理学模型外，协同过滤的方法也被应用到教育领域。协同过滤在推荐系统领域得到了广泛的应用，由于在教育领域预测学生分数与推荐系统中的评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图卷积的学生成绩预测方法，其特征按如下步骤进行：步骤1、利用学生答题记录构造学生、习题、知识概念交互图：假设共有M个学生，N道习题，O个知识概念；令R＝{r
sp
}
M
×
N
表示学生对习题的得分矩阵，其中，r
sp
表示第s个学生对第p道习题的得分，若r
sp
＝1，则表示第s个学生正确回答第p道习题，若r
sp
＝0，则表示第s个学生错误回答第p道习题；令Q＝{q
pk
}
N
×
O
表示习题
‑
知识概念的关联矩阵，其中，q
pk
表示第p道习题与第k个知识概念关联度，若q
pk
＝1，则表示第p道习题与第k个知识概念相关联；若r
pk
＝0，则表示第p道习题与第k个知识概念不相关联；根据得分矩阵R和关联矩阵Q，构建学生、习题、知识概念的交互图：所述交互图是根据得分矩阵R构建学生节点、习题节点间的连接，并将学生节点与正确回答的习题节点间的连接值设为1，将学生节点与错误回答的习题节点间的连接值设为0；根据关联矩阵Q构建习题
‑
知识概念间的连接，若关联矩阵Q中的元素值为1，则表示对应的习题节点和知识概念间有边连接，否则表示无边连接；步骤2、通过独热编码方式构造输入层，从而将学生、习题、知识概念映射到不同的嵌入空间：步骤2.1、将交互图中的学生节点、习题节点映射到习题空间，并用独热编码的方式构造学生、习题特征矩阵：令U＝[u1,...,u
s
,...,u
M
]表示学生基于习题的特征矩阵，其中，u
s
表示第s个学生的基于习题的特征向量；令V＝[v1,...,v
p
,...,v
N
]表示习题特征矩阵，其中，v
p
表示第p道习题的特征向量；步骤2.2、将学生节点、知识概念节点映射到知识空间，并用独热编码的方式构造学生、知识概念特征矩阵：令X＝[x1,...,x
s
,...,x
M
]表示学生基于知识的特征矩阵，其中，x
s
表示第s个学生的基于知识的特征向量；令Y＝[y1,...,y
k
,...,y
O
]表示知识概念特征矩阵，其中，y
k
表示第k个知识概念的特征向量；步骤3、通过图卷积在学生
‑
习题交互图中进行特征传播，从而预测学生对目标习题的掌握程度；步骤3.1、定义总卷积层数为L，...

【专利技术属性】
技术研发人员：吴乐，刘梦凡，张琨，邵鹏阳，陈雷，汪萌，洪日昌，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：