概念关系推理的双视角知识追踪方法技术

本发明专利技术涉及概念关系推理的双视角知识追踪方法，属于计算机与信息科学技术领域。本发明专利技术首先基于学习者答题记录，通过因果GRU构建概念关系矩阵和知识状态矩阵；然后以两个矩阵为基础构建知识状态图，利用图卷积网络提取邻居节点特征，得到概念关联视角的知识状态图嵌入；同时依据概念关系矩阵将知识状态矩阵序列加权求和，得到时间依赖视角的历史知识状态矩阵；最后结合新问题概念嵌入，预测学习者是否回答正确。本发明专利技术针对现有方法未充分挖掘概念关联关系和知识状态时间依赖的问题，提出概念关系推理的双视角知识追踪方法，提升知识追踪预测正确率。

【技术实现步骤摘要】

本专利技术涉及概念关系推理的双视角知识追踪方法，属于计算机与信息科学。

技术介绍

1、智慧教育系统凭借时空约束少、便捷程度高和个性化定制学习的优势，被广泛应用于现代教育事业。然而，智慧教育系统的大规模应用产生了海量学习数据，仅依靠教育者对这些数据进行分析，已无法满足用户对个性化定制学习服务的需求。因此，研究深度学习知识追踪方法，自动衡量学生的知识水平，提供个性化的学习方案，对于人工智能辅助教育具有重要的意义与价值。随着深度学习的发展，已有很多研究工作将相关技术用于知识追踪领域。按照深度学习知识追踪方法采用的神经网络类型划分，可分为循环神经网络的知识追踪方法、记忆增强网络的知识追踪方法和图神经网络的知识追踪方法。

2、1.循环神经网络的知识追踪方法

3、循环神经网络的知识追踪方法分别使用循环神经网络和长短期记忆网络的隐藏状态来捕捉序列信息，从而预测学生在每个时间步正确回答问题或概念的概率，相较于传统机器学习方法取得了明显的性能提升。但是该类方法仍存在不可忽视的局限性：无法对多个概念之间的关系进行建模；在处理超长序列时容易丢失信息；假设本文档来自技高网...

【技术保护点】

1.概念关系推理的双视角知识追踪方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的概念关系推理的双视角知识追踪方法，其特征在于：步骤4中将概念作为图的节点；将当前知识状态矩阵拆分成各概念的知识状态向量，作为节点特征；根据概念关系矩阵构造节点之间的单向边，构建知识状态图；使用有向图卷积网络对知识状态图进行特征提取，得到概念关联视角的知识状态图嵌入。

3.根据权利要求1所述的概念关系推理的双视角知识追踪方法，其特征在于：步骤4中将当前问题的概念索引的one-hot向量与概念关系矩阵相乘，得到其他概念对当前概念的影响向量其中表示当前概念索引的one-hot...

【技术特征摘要】

1.概念关系推理的双视角知识追踪方法，其特征在于所述方法包括如下步骤：

2.根据权利要求1所述的概念关系推理的双视角知识追踪方法，其特征在于：步骤4中将概念作为图的节点；将当前知识状态矩阵拆分成各概念的知识状态向量，作为节点特征；根据概念关系矩阵构造节点之间的单向边，构建知识状态图；使用有向图卷积网络对知识状态图进行特征提取，得到概念关联视角的知识状态图嵌入。

3.根据权利要求1所述的概念关系推理的双视角知识追踪方法，其特征在于：步骤...

【专利技术属性】
技术研发人员：罗森林，吴松凌，潘丽敏，周瑾洁，吴舟婷，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：