基于序列对比和信息瓶颈原则的知识追踪方法技术

本发明专利技术公开了一种基于序列对比和信息瓶颈原则的知识追踪方法，包括如下步骤：采集学生历史答题序列，将学生历史答题序列输入到经过训练的无偏知识状态抽取器模块进行预测，得到预测无偏知识状态概率向量，由激活函数选择概率最大的类作为下一时刻的学生答题预测结果序列数据，从而实现知识追踪。本发明专利技术以深度学习思想为核心，引入序列数据增强模块以捕获交互数据的动态特性，引入Transformer编码器对学生知识状态进行编码，引入信息瓶颈原则以构建第二损失，并通过早停策略强化对有偏关系的提取，并通过序列对比学习和信息瓶颈原则得到无偏的学生认知表示，当数据集中存在学生抄袭、猜测等时，本发明专利技术的无偏知识状态抽取器模块的性能更为稳定。

【技术实现步骤摘要】

本专利技术属于智慧教育领域，尤其涉及一种基于序列对比和信息瓶颈原则的知识追踪方法。

技术介绍

1、人工智能技术的进步极大促进了计算机辅助教育系统的发展。随着教育信息化的逐步普及，在线教育平台如慕课、智能辅导系统等得到广泛应用，并累计了大量学生解题的数据。知识追踪，作为计算机辅助系统的关键任务，旨在理解学生的知识掌握程度并预测之后的解题表现。

2、具体而言，知识追踪是一个学习模型，通过学生的历史答题记录，来预测学生是否能够正确回答下一个问题。现有的知识追踪方法可分为贝叶斯模型、因子分析模型和基于深度学习的模型。

3、贝叶斯模型假设学生的知识状态为一组二元变量的集合，每个变量表达学生是否掌握一个单独的知识点。20世纪90年代提出的bkt(bayesian knowledge tracing)，使用隐马尔科夫模型，通过学生在问题上的实际表现来更新学生的知识状态。然而，该模型并没有考虑学生能力的差异和同属于一个知识点之间问题的差异性。因子分析模型则考虑引入更多影响学生知识状态的因子，例如项目反映理论(itemresponse theory，本文档来自技高网...

【技术保护点】

1.一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述对比损失LCL的函数形式为：

3.如权利要求2所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述第一损失LD的函数形式为：

4.如权利要求3所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述第二损失LC的函数形式为：

5.如权利要求4所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述权重参数α为0.01。p>

6.如权利...

【技术特征摘要】

1.一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述对比损失lcl的函数形式为：

3.如权利要求2所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述第一损失ld的函数形式为：

4.如权利要求3所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述第二损失lc的函数形式为：

5.如权利要求4所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述权重参数α为0.01。

6.如权利要求1所述的一种基于序列对比和信息瓶颈原则的知识追踪方法，其特征在于，所述判别器模块dφ采用2个全连接层...

【专利技术属性】
技术研发人员：陈静远，吕祥伟，王桂凤，吴飞，
申请(专利权)人：浙江大学，
类型：发明
国别省市：