知识点的掌握度分析方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及数据处理技术领域，尤其涉及一种知识点的掌握度分析方法、装置、电子设备及存储介质，该方法为：根据待分析对象在各个目标习题中的作答结果，建立样本集合，再对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型，然后根据所述目标认知诊断模型中构建的，所述待分析对象在各个待分析知识点对应的知识点空间中的映射结果，分别确定所述待分析对象各自对于所述各个待分析知识点的掌握度分析结果。这样，能够借助于各个知识点嵌入结果中所表达的知识点间的内在关系，预测分析待分析对象在未作答的知识点上的掌握情况，实现全面地分析待分析对象在各个待分析知识点上的掌握程度。对象在各个待分析知识点上的掌握程度。对象在各个待分析知识点上的掌握程度。

【技术实现步骤摘要】
知识点的掌握度分析方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种知识点的掌握度分析方法、装置、电子设备及存储介质。

技术介绍

[0002]随着信息的飞速发展，基于网络的教育和教学方式逐渐被大家所了解和接受。
[0003]相关技术下，通过对学生的作答数据进行分析，能够实现对学生的认知诊断，进而确定学生对于知识点的掌握情况，其中，学生对应知识点的掌握情况通过学生对于知识点的掌握度来衡量。
[0004]然而，由于目前的认知诊断方式中，通常将学生和学生作答的习题独立的映射到知识点空间，因而在基于学生作答的习题对该学生进行认知诊断时，仅能分析学生对于学生自身作答的习题中涉及的知识点的掌握情况，这使得当学生自身作答的习题中涉及的知识点，未能覆盖希望诊断分析的全部知识点时，则无法全面地分析学生对于知识点的掌握情况。

技术实现思路

[0005]本申请实施例提供一种知识点的掌握度分析方法、装置、电子设备及存储介质，以解决现有技术下无法全面分析学生对于知识点的掌握情况的问题。
[0006]第一方面，提出一种知识点的掌握度分析方法，包括：
[0007]根据待分析对象在各个目标习题中的作答结果，建立样本集合，其中，一个习题关联至少一个待分析知识点，样本中包括所述待分析对象的对象标识信息、已答复习题的习题标识信息，以及结果标签；
[0008]采用所述样本集合对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型；
[0009]根据所述目标认知诊断模型中构建的，所述对象标识信息在知识点空间中的映射结果，分别确定所述对象标识信息对于各个待分析知识点的掌握度分析结果，其中，所述映射结果是将所述对象标识信息映射至指定维度的隐藏空间后，基于所述各个待分析知识点在对应的知识点空间中的各个知识点嵌入结果，将所述对象标识信息由所述隐藏空间映射得到的，各个知识点嵌入结果用于表征所述各个待分析知识点之间的内在关系。
[0010]第二方面，提出一种知识点的掌握度分析装置，包括：
[0011]建立单元，用于根据待分析对象在各个目标习题中的作答结果，建立样本集合，其中，一个习题关联至少一个待分析知识点，样本中包括所述待分析对象的对象标识信息、已答复习题的习题标识信息，以及结果标签；
[0012]训练单元，用于采用所述样本集合对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型；
[0013]确定单元，用于根据所述目标认知诊断模型中构建的，所述对象标识信息在知识
点空间中的映射结果，分别确定所述对象标识信息对于各个待分析知识点的掌握度分析结果，其中，所述映射结果是将所述对象标识信息映射至指定维度的隐藏空间后，基于所述各个待分析知识点在对应的知识点空间中的各个知识点嵌入结果，将所述对象标识信息由所述隐藏空间映射得到的，各个知识点嵌入结果用于表征所述各个待分析知识点之间的内在关系。
[0014]可选的，待训练的认知诊断模型中包括对象信息嵌入网络、习题信息嵌入网络、根据预先获得的各个待分析知识点，在相应的知识点空间中生成各个知识点嵌入结果的知识点嵌入网络，以及对象与习题的交互网络时；
[0015]采用样本对待训练的认知诊断模型进行一轮训练的过程中，所述训练单元执行以下操作：
[0016]通过所述对象信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的对象标识信息将由所述指定维度的隐藏空间映射至所述知识点空间；
[0017]通过所述习题信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的习题标识信息经由所述隐藏空间映射至所述知识点空间；
[0018]通过所述对象与习题的交互网络，基于所述对象标识信息和所述习题标识信息各自在所述知识点空间中的映射结果，预测认知诊断结果，并根据所述认知诊断结果与对应的结果标签之间的结果差异，调整模型参数。
[0019]可选的，所述通过所述对象信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的对象标识信息将由所述指定维度的隐藏空间映射至所述知识点空间时，所述训练单元用于：
[0020]通过所述对象信息嵌入网络，将对象标识信息进行独热编码，获得编码处理后的对象标识信息，并将所述编码处理后的对象标识信息映射至指定维度的隐藏空间，获得所述隐藏空间中的映射结果；
[0021]通过所述对象信息嵌入网络，计算所述各个知识点嵌入结果与所述隐藏空间中的映射结果之间的叉乘结果；
[0022]将所述叉乘结果中各维度的取值，分别映射至指定取值区间内，获得将所述对象标识信息由所述隐藏空间，映射至所述各个待分析知识点对应的知识点空间后得到的映射结果。
[0023]可选的，所述通过所述习题信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的习题标识信息经由所述隐藏空间映射至所述知识点空间时，所述训练单元用于：
[0024]通过所述习题信息嵌入网络，对习题标识信息进行独热编码，并基于编码处理后的习题标识信息和所述各个知识点嵌入结果，分别确定所述习题标识信息对应的习题区分度参数和习题难度参数；
[0025]通过所述习题信息嵌入网络，基于获得习题与知识点间的关联矩阵，将编码处理后的习题标识信息映射至所述知识点空间，获得对应的知识点向量。
[0026]可选的，在各个待分析知识点对应的知识点空间中，初始化所述各个待分析知识点各自对应的知识点嵌入结果时，所述训练单元执以下操作中的任意一项：
[0027]通过所述知识点嵌入网络，将独热编码处理后的各个待分析知识点，作为初始化的各个知识点嵌入结果；
[0028]将采用预设的映射算法，根据各个待分析知识点之间的知识图谱，获得的嵌入结果，作为初始化的各个知识点嵌入结果。
[0029]可选的，所述根据待分析对象在各个目标习题中的作答结果，建立样本集合之前，所述建立单元还用于：
[0030]确定各个候选对象和各个待分析知识点，并确定所述各个待分析知识点与各个目标习题之间的关联关系；
[0031]根据所述各个候选对象各自在各个目标习题中的作答结果，分别确定所述各个候选对象各自对应的已答复习题总量，并将对应的已答复习题总量超过设定值的候选对象，作为待分析对象。
[0032]可选的，将样本集合按照设定比例拆分为不存在交集的训练样本集合、测试样本集合，以及验证样本集合时，所述将所述采用所述训练样本集合对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型时，所述训练单元用于：
[0033]循环执行以下操作，直至获得的泛化误差满足截止条件，获得至少一个待测试认知诊断模型：
[0034]基于所述训练样本集合中的训练样本，对待训练的认知诊断模型进行迭代训练，直至满足第一收敛条件，获得待验证认知诊断模型；
[0035]基于所述验证样本集合中的验证样本，确定所待验证认知诊断模型的泛化误差，并基于所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识点的掌握度分析方法，其特征在于，包括：根据待分析对象在各个目标习题中的作答结果，建立样本集合，其中，一个习题关联至少一个待分析知识点，样本中包括所述待分析对象的对象标识信息、已答复习题的习题标识信息，以及结果标签；采用所述样本集合对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型；根据所述目标认知诊断模型中构建的，所述对象标识信息在知识点空间中的映射结果，分别确定所述对象标识信息对于各个待分析知识点的掌握度分析结果，其中，所述映射结果是将所述对象标识信息映射至指定维度的隐藏空间后，基于所述各个待分析知识点在对应的知识点空间中的各个知识点嵌入结果，将所述对象标识信息由所述隐藏空间映射得到的，各个知识点嵌入结果用于表征所述各个待分析知识点之间的内在关系。2.如权利要求1所述的方法，其特征在于，待训练的认知诊断模型中包括对象信息嵌入网络、习题信息嵌入网络、根据预先获得的各个待分析知识点，在相应的知识点空间中生成各个知识点嵌入结果的知识点嵌入网络，以及对象与习题的交互网络时；采用样本对待训练的认知诊断模型进行一轮训练的过程中，执行以下操作：通过所述对象信息嵌入网络，基于各个知识点嵌入结果，将编码处理后的对象标识信息将由所述指定维度的隐藏空间映射至所述知识点空间；通过所述习题信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的习题标识信息经由所述隐藏空间映射至所述知识点空间；通过所述对象与习题的交互网络，基于所述对象标识信息和所述习题标识信息各自在所述知识点空间中的映射结果，预测认知诊断结果，并根据所述认知诊断结果与对应的结果标签之间的结果差异，调整模型参数。3.如权利要求2所述的方法，其特征在于，所述通过所述对象信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的对象标识信息将由所述指定维度的隐藏空间映射至所述知识点空间，包括：通过所述对象信息嵌入网络，将对象标识信息进行独热编码，获得编码处理后的对象标识信息，并将所述编码处理后的对象标识信息映射至指定维度的隐藏空间，获得所述隐藏空间中的映射结果；通过所述对象信息嵌入网络，计算所述各个知识点嵌入结果与所述隐藏空间中的映射结果之间的叉乘结果；将所述叉乘结果中各维度的取值，分别映射至指定取值区间内，获得将所述对象标识信息由所述隐藏空间，映射至所述各个待分析知识点对应的知识点空间后得到的映射结果。4.如权利要求2所述的方法，其特征在于，所述通过所述习题信息嵌入网络，基于所述各个知识点嵌入结果，将编码处理后的习题标识信息经由所述隐藏空间映射至所述知识点空间，包括：通过所述习题信息嵌入网络，对习题标识信息进行独热编码，并基于编码处理后的习题标识信息和所述各个知识点嵌入结果，分别确定所述习题标识信息对应的习题区分度参数和习题难度参数；
通过所述习题信息嵌入网络，基于获得习题与知识点间的关联矩阵，将编码处理后的习题标识信息映射至所述知识点空间，获得对应的知识点向量。5.如权利要求2所述的方法，其特征在于，在各个待分析知识点对应的知识点空间中，初始化所述各个待分析知识点各自对应的知识点嵌入结果时，包括以下操作中的任意一项：通过所述知识点嵌入网络，将独热编码处理后的各个待分析知识点，作为初始化的各个知识点嵌入结果；将采用预设的映射算法，根据各个待分析知识点之间的知识图谱，获得的嵌入结果，作为初始化的各个知识点嵌入结果。6.如权利要求1所述的方法，其特征在于，所述根据待分析对象在各个目标习题中的作答结果，建立样本集合之前，还包括：确定各个候选对象和各个待分析知识点，并确定所述各个待分析知识点与各个目标习题之间的关联关系；根据所述各个候选对象各自在各个目标习题中的作答结果，分别确定所述各个候选对象各自对应的已答复习题总量，并将对应的已答复习题总量超过设定值的候选对象，作为待分析对象。7.如权利要求1
‑
6任一项所述的方法，其特征在于，将样本集合按照设定比例拆分为不存在交集的训练样本集合、测试样本集合，以及验证样本集合时，所述将所述采用所述训练样本集合对待训练的认知诊断模型进行多轮迭代训练，获得满足预设收敛条件的目标认知诊断模型，包括：循环执行以下操作，直至获得的泛化误差满足截止条件，获得至少一个待测试认知诊断...

【专利技术属性】
技术研发人员：马海平，李满伟，曹云波，张海峰，张兴义，赵学敏，李学朝，王巨宏，
申请(专利权)人：安徽大学，
类型：发明
国别省市：