一种基于层次化知识点的知识追踪方法技术

本发明专利技术提出了一种基于层次化知识点的知识追踪方法，具体步骤为：首先，根据学生的历史答题信息构建了一个知识点并发图，它显式的挖掘了知识点之间的顺序关系和共现关系；在知识点并发图的基础上，通过图卷积算法对知识点嵌入进行动态更新，并利用图池化算法来获取高阶知识点嵌入，最后通过聚合不同层次的知识点嵌入来得到具有层次结构的知识点特征表示；并结合其他题目特征以及学生过去的答题状况共同输入进长短期记忆网络，来实时预测学生的答题状况。本发明专利技术利用知识点中的图结构信息，建立知识点之间的层次关联，挖掘题目之间的潜在联系；并结合知识追踪网络模型更准确的了解学生知识点的掌握程度，实时规划学生的学习路径，实现个性化学习。实现个性化学习。实现个性化学习。

【技术实现步骤摘要】
一种基于层次化知识点的知识追踪方法


[0001]本专利技术属于智能教学系统、数据挖掘分析、知识追踪领域，具体是一种基于层次化知识点的知识追踪方法。

技术介绍

[0002]知识追踪是根据学生的学习活动的序列来对学生的学习状态进行建模。在智能教学系统领域中，知识追踪是解决的最具挑战性的任务之一，因为这些系统需要准确预测学生的表现并掌握学生的知识掌握。知识点作为组成题目的关键特征，能有效提高知识追踪的性能。目前的知识追踪模型，主要将知识点作为一种普通的题目特征信息，与其他特征如题目难度或题目种类等，一起送进深度神经网络进行自动学习的。这种方法主要是根据学生的顺序答题信息来挖掘出知识点之前存在的潜在关联，然而它们在实际应用中的可解释性差，这种方法是不切实际的。从数据结构的角度来看，知识点概念之间存在着天然的图结构信息。因此，将知识点的图结构信息作为一种关系性归纳能够极大程度的提高知识点这一特征的表示能力。

技术实现思路

[0003]本专利技术的目的是提供一种基于层次化知识点的知识追踪方法。其目的是挖掘知识点之间的高阶层次关联，以丰富问题本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于层次化知识点的知识追踪方法，其特征在于，该方法包括以下具体步骤：步骤1：根据学生的历史答题数据信息提取出题目
‑
知识点二分图G
bi
以及学生的顺序答题信息；步骤2：根据步骤1的题目
‑
知识点二分图G
bi
构建知识点隐式图G
sim
，再通过学生的顺序答题信息构建知识点转移图G
cor
，并结合所述的知识点隐式图G
sim
和知识点转移图G
cor
自动构建一个知识点并发图G
con
；步骤3：将知识点id通过嵌入层得到初始的知识点嵌入，再基于步骤2构建的知识点并发图G
con
得到初始的知识点之间的关联度，并共同输入进多层的图神经网络架构当中来构建层次化知识点，该架构每一层由聚合、池化和读出三个操作组成：聚合操作根据知识点之间的关联度，利用图卷积算法，更新知识点的嵌入；池化操作通过图池化算法计算生成高阶的知识点嵌入和关联度信息；读出操作将池化操作生成的所有知识点的嵌入平均再归一化后计算得到代表这一层的知识点特征表示；步骤4：根据步骤3计算得到的不同层次的知识点特征表示拼接起来，输入进前馈神经网络来构建具有层次结构的知识点特征表示；步骤5：结合其他题目特征，以及学生过去的答题状况共同输入进长短期记忆网络当中，来对学生答题状况进行实时预测。2.根据权利要求1所述的一种基于层次化知识点的知识追踪方法，其特征在于，步骤2中，所述的构建知识点并发图G
con
，具体为：首先根据题目
‑
知识点二分图G
bi
构建知识点隐式图G
sim
＝(S,A
sim
)，知识点s
i
和s
j
在题目
‑
知识点二分图G
bi
中有共同的邻居题目节点q
k
，那么知识点s
i
和s
j
在知识点隐式图G
sim
的关联度根据公式(1)计算：其中N
bi
(i)表示知识点s
i
在题目
‑
知识点二分图G
bi
中的邻居题目节点；s
i
和s
j
的转移矩阵的转移矩阵根据学生答题序列构建知识点转移图G
cor
＝(S,A
cor
)；首先使用转移矩阵统计知识点s
i
和s
j
转移关联，n
ij
代表s
i
在学生答题序列中出现在s
j
之前的答题次数；根据公式(2)来计算在知识点转移图G
cor
中...

【专利技术属性】
技术研发人员：何高奇，王长波，杨镇源，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：