【技术实现步骤摘要】
本专利技术属于教育数据挖掘，具体涉及一种基于知识空间的知识追踪方法。
技术介绍
1、随着时代的不断进步，信息化已经成为国家发展中至关重要的因素之一，其中大数据、人工智能等先进技术正逐渐趋于成熟并得到广泛应用，这些技术的快速发展为各行各业带来了巨大的变革和机遇，其中教育领域也不例外。智能教育平台的出现，如mooc等，为学习者提供了更加灵活和多样化的学习方式，学习者可以通过在线课程、教育应用等资源随时进行学习，自主选择学习内容和学习进度。此外，智能教育平台还可以根据学生的学习情况和表现，提供即时反馈和个性化的学习指导，为每个学习者制定适合的学习计划并推荐学习资源，帮助他们更好地理解和掌握知识。这种灵活且个性化的学习指导能够满足学生不同的学习需求，促进个人发展的提升。然而，各种类型的智能教育平台积累了大量的学生与系统的交互信息，如何从海量的学生学习数据中挖掘有意义的信息，实时追踪学生的知识状态成为亟待解决的难题。
2、教育数据挖掘的目标是通过分析智能教育平台上产生的大量学生练习记录，从中提取有意义的信息，并为学生提供针对性的学习建议。作为教育数据挖掘领域的重要研究方向，知识追踪旨在利用学生的练习记录跟踪学生对不同问题和知识概念的掌握程度，并预测学生与新问题的交互反馈。基于知识追踪任务的结果，可以对每个学生的知识水平进行个性化分析并为其提供适应性的补充材料，让学生有针对性地对薄弱知识点进行练习，从而提高学生的学习效率。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种基
2、为了实现上述目的，本专利技术采用的技术方案为：
3、一种基于知识空间的知识追踪方法，包括以下步骤：
4、步骤1：根据知识空间理论，任何知识的获取都存在一条有序的“学习路径”，这条路径与知识概念之间的拓扑关系有关，体现为知识概念间的先决关系；充分考虑这种先决关系，从学生的练习记录中提取知识概念间的先决关系，并将其表示为有向图，即知识概念依赖图；
5、利用知识概念转移概率矩阵挖掘学生历史练习记录中知识概念的先决关系；对于给定的两个知识概念，计算学生在练习过程中从一个知识概念转移到另一个知识概念的概率，进而得到最终的先决关系矩阵；
6、所述知识概念转移概率矩阵包含了不同知识概念间的转移概率其定义为：
7、
8、其中，ni,j表示学生正确回答包含知识概念ki的问题后，立即正确回答包含知识概念kj的数量，ni，k表示的是学生正确回答包含知识概念ki的问题后，立刻正确回答任何知识概念的数量；为了得到知识概念的先决关系矩阵rpre，首先将知识概念转移概率矩阵归一化其中，min(tkc)表示的是矩阵中的最小值，max(tkc)表示的是矩阵中的最大值，即：
9、
10、为了控制最终知识概念间关系的稀疏性，设转移概率矩阵tkc平均值的三次方为阈值，并将其转化为一个二值矩阵ti，j：
11、
12、利用新的二值转移矩阵ti，j得到最终的先决关系矩阵
13、
14、其中，rpre对角线上的元素均为1，表示知识概念ki是知识概念kj的先决关系；
15、步骤2：构建问题概念图来捕捉问题与知识概念间的关系，并融合问题的难度特征和概念依赖图，得到增强的问题概念图；基于学生与问题的交互记录构建学生问题交互图，并将其分为两个只包含正确交互和错误交互的二部图；此外，将问题难度作为问题属性信息，构建问题难度图；通过对这四个子图建模，获得有效的问题表示；
16、步骤2-1：为了获得有效的问题表征，认为问题与知识概念之间的关系对学生能否正确回答问题起着重要作用；因此，将问题和知识概念之间的关系建模为一个图结构，其中问题与其包含的知识概念间存在一条边，具体步骤如下：
17、首先随机初始化问题嵌入矩阵和概念嵌入矩阵，基于图注意力网络gat，计算问题节点和与其相连的知识概念节点间的注意力分数，并利用softmax进行归一化，得到加权聚合的权重系数，对权重系数求和后与问题节点相连的概念节点一同作为问题的知识概念信息；其次，引入多头注意力机制，同时采用平均聚合的方式来保证嵌入维度不变；最后，将问题初始嵌入与其聚合后的知识概念嵌入拼接得到问题的图嵌入表征；
18、步骤2-1-1：将问题和知识概念间的关系表示为图结构g＝(q，k，r)，其中，q表示问题，k表示概念，r＝[rij]∈{0，1}|q|×|k|是二元关系矩阵，rij表示矩阵中的每个元素；如果问题qi包含知识概念kj，即问题qi与知识概念kj之间有边，则rij＝1；反之，rij＝0；
19、首先随机初始化问题嵌入矩阵eq∈r|q|×d和概念嵌入矩阵ek∈r|k|×d，其中|q|和|k|分别表示问题数量和知识概念数量，d表示嵌入维度；基于图注意力网络gat，用hi表示图中任一节点vi在第l层的特征向量，经过图注意力层后每个节点输出新的节点特征hi′；
20、假设中心节点为vi，设其邻居节点vj到vi的注意力分数为eij＝a(whi，whj)，其中，是权重矩阵，a(·)是计算相关性的函数；为使分数在不同节点之间进行比较，利用softmax来对注意力分数进行归一化操作，得到加权聚合的权重系数αij：
21、
22、使用注意力分数加权聚合不同邻居节点的特征，得到节点vi新的特征向量h′i：
23、
24、基于图注意力网络gat，首先计算问题节点qi和与其相连的知识概念节点kj之间的注意力分数eij：
25、eij＝a(wqi，wkj)
26、其中w∈rd×d是线性变换的权重矩阵，a(·)用于计算问题节点和概念节点间的相关性；其次，利用softmax归一化注意力分数，得到加权聚合的权重系数αij：
27、
28、其中，表示与问题节点qi直接相连的概念节点集合，leakyrelu为激活函数；
29、利用得到的权重系数加权聚合与问题节点qi相连的概念节点信息，作为问题qi的知识概念信息其中，只聚合问题节点qi包含的知识概念节点信息：
30、
31、步骤2-1-2：引入多头注意力机制来增强稳定性和聚合能力；每个注意力头都会为节点vi与其邻居节点学习不同的权重系数，并将k组头学习到的表示拼接起来得到最终的节点表示hi′：
32、
33、其中||表示拼接运算，表示第k组的注意力本文档来自技高网...
【技术保护点】
1.一种基于知识空间的知识追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于知识空间的知识追踪方法，其特征在于，所述步骤1利用知识概念转移概率矩阵挖掘学生历史练习记录中知识概念的先决关系；对于给定的两个知识概念，计算学生在练习过程中从一个知识概念转移到另一个知识概念的概率，进而得到最终的先决关系矩阵。
3.根据权利要求2所述的一种基于知识空间的知识追踪方法，其特征在于，得到最终的先决关系矩阵具体为：
4.根据权利要求1所述的一种基于知识空间的知识追踪方法，其特征在于，步骤2具体为：
5.根据权利要求4所述的一种基于知识空间的知识追踪方法，其特征在于，步骤2-1具体为：
6.根据权利要求4所述的一种基于知识空间的知识追踪方法，其特征在于，步骤2-2具体为：
7.根据权利要求4所述的一种基于知识空间的知识追踪方法，其特征在于，步骤2-3具体为：
8.根据权利要求4所述的一种基于知识空间的知识追踪方法，其特征在于，步骤2-5所述基于元路径的随机游走；
9.根据权利要求1所
10.根据权利要求1所述的一种基于知识空间的知识追踪方法，其特征在于，步骤4具体为：
...【技术特征摘要】
1.一种基于知识空间的知识追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于知识空间的知识追踪方法，其特征在于，所述步骤1利用知识概念转移概率矩阵挖掘学生历史练习记录中知识概念的先决关系；对于给定的两个知识概念，计算学生在练习过程中从一个知识概念转移到另一个知识概念的概率，进而得到最终的先决关系矩阵。
3.根据权利要求2所述的一种基于知识空间的知识追踪方法，其特征在于，得到最终的先决关系矩阵具体为：
4.根据权利要求1所述的一种基于知识空间的知识追踪方法，其特征在于，步骤2具体为：
5.根据权利要求4所述...
【专利技术属性】
技术研发人员：张天成，王铭雪，冯昕，刘恒宇，陈宇，于明鹤，于戈，
申请(专利权)人：东北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。