一种联合学习与遗忘的时间敏感的答题正确性预测方法技术

本发明专利技术公开了一种联合学习与遗忘的时间敏感的答题正确性预测方法，其步骤包括：1获取学生历史答题记录并进行序列化预处理；2使用连续时间上的长短期记忆网络对学生知识状态拟合并预测学生作答题目正确性；3对神经网络参数进行训练，得到训练后的答题正确预测模型，用于实现学生答题正确性的预测。本发明专利技术能够实现端到端的学生答题正确性的预测，同时能够建模学生在任意时刻的知识状态，从而为智能辅导系统和教师提供有效辅助。辅导系统和教师提供有效辅助。辅导系统和教师提供有效辅助。

【技术实现步骤摘要】
一种联合学习与遗忘的时间敏感的答题正确性预测方法


[0001]本专利技术涉及认知建模领域，具体地说是一种联合学习与遗忘的时间敏感的答题正确性预测方法。

技术介绍

[0002]近年来，快速发展智能教学系统积累了大量的学生练习记录，从而为计算机辅助教育提供了一种新的数据驱动模式：认知建模。认知建模的目的在于发现学生的知识水平或学习能力，它的结果可以惠及广泛的智能教育应用，例如预测学生表现和个性化课程推荐等。
[0003]考虑到学习过程的动态性，在认知建模中，许多人致力于跟踪学生知识水平的变化。现有方法可分为两类：(1)以贝叶斯知识追踪(BKT)和因子分解模型为代表的传统模型；(2)基于深度神经网络的序列模型，如深度知识追踪(DKT)、动态键
‑
值存储网络(DKVMN)等。其中深度知识追踪模型是第一个使用递归神经网络来拟合学生知识状态并根据其历史学习记录推断当前习题作答成绩的方法。
[0004]认知建模领域一个长期存在的研究挑战是如何将遗忘机制自然地整合到知识的学习过程中，一些研究人员已经将遗忘因素融入到学生认知建模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种联合学习与遗忘的时间敏感的答题正确性预测方法，其特征在于，是按如下步骤进行：步骤1、获取学生历史答题记录并进行序列化预处理：设学生集合为题目集合为知识概念集合为其中，学生集合中有L名学生，题目集合中有M道问题，知识概念集合中有N个知识点；使用s表示学生集合中的任意一名学生，q表示题目集合中的任意一道问题，k表示知识概念集合中的任意一个知识点，并将题目集合中问题编号为1,
…
,M，知识概念集合中知识点编号为1,
…
,N；将任意学生s的历史作答记录表示为作答序列作答序列其中，为学生s的第i次作答的时刻，且次作答的时刻，且为学生s的第i次作答的问题编号，为学生s的第i次作答问题所考察的知识概念编号，表示学生s在第i次作答问题上的作答情况，若表示答对，若表示答错，i＝1,2,
…
,n
s
，n
s
为学生s的答题次数；步骤2、构建知识状态拟合
‑
答题正确性预测的神经网络，包括：连续长短期记忆网络所表示的学习部分、连续长短期记忆网络所表示的遗忘部分和答题预测模块；其中，连续长短期记忆网络所表示的学习部分包括：独热编码嵌入层、四个单层全连接前馈神经网络、两种激活函数以及细胞信息计算层；连续长短期记忆网络所表示的遗忘部分包括：三个单层全连接前馈神经网络、两种激活函数、记忆衰减层和知识状态获取层；答题预测模块包括两个独热编码嵌入层、多层感知机层和一种激活函数；步骤2.1、连续时间上的长短期记忆网络所表示的学习部分：步骤2.1.1、所述独热编码嵌入层利用式(1)计算学生s在时刻答题时的交互嵌入时刻答题时的交互嵌入式(1)中，A是一个待训练的嵌入矩阵，且m为嵌入维度，表示学生s在时刻作答表现的独热编码，且若表示s在t
i
时刻在编号为j％N的知识点上没有作答或答题错误，若则表示学生s在时刻在编号为j％N的知识点上作答正确，其中％符号表示取余数，并由式(2)得到：步骤2.1.2、在时刻，设学生s在第i次作答题目时的知识状态为将和拼接成第i个输入向量后，分别输入三个单层全连接前馈神经网络并相应通过sigmoid函数，从而对应输出第i次更新时的第一个遗忘门第一个输入门以及输出门当i＝1时，令学生s的初始知识状态为所设定的值；
步骤2.1.3、将第i个输入向量输入第四个单层全连接前馈神经网络，并通过tanh激活函数，输出时刻的候选记忆表示从而利用式(3)计算在时刻细胞信息计算层中的记忆表示忆表示式(3)中，表示时刻记忆衰减层中的衰减后记忆表示，当i＝1时，令为所设定的值；步骤2.2、在连续时间上的长短期记忆网络所表示的遗忘部分：步骤2.2.1、将第i个输入向量输入第五个单层全连接前馈神经网络中，并通过softplus激活函数，从而得到学生s在时间段内的遗忘系数步骤2.2.2、将第i个输入向量分别输入剩余两个单层全连接前馈神经网络中并相应通过sigmoid激活函数，从而对应得到第i次更新时第二个遗忘门第二个输入门步骤2.2.3、所述记忆衰减层利用式(4)计算在时间段内的记忆衰减下限时间段内的记忆衰减下限式(4)中，为上一时间段内记忆衰减下限，当i＝1时，令为所设定的值；步骤2.2.4、所述记忆衰减层利用式(5)计算在时刻经过遗忘后的记忆表示c
s

【专利技术属性】
技术研发人员：马海平，王菁源，张海峰，张兴义，
申请(专利权)人：合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室，
类型：发明
国别省市：