【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种基于无环知识概念间关系图的认知诊断方法及系统。
技术介绍
1、近年来，人工智能，大数据等相关信息技术的飞速发展，给很多行业都带来了新的挑战和机遇。比如教育领域，利用深度学习来预测学生对于知识点的掌握程度，即认知诊断。其中，大多数的认知诊断任务都关注三个部分，学习者、习题和知识概念。学习者的知识状态，即对知识点的掌握程度，是评估学习者学习成果和个性化学习需求的关键指标。而习题的难度和区分度则决定了其在个性化学习中的适应性和挑战性。在认知诊断系统中，学习者通过回答题目来形成练习记录，然后使用学习者的答题记录作为认知诊断的输入，输出学习者对于知识概念的认知状态。基于学习者的认知状态可以预测他在其他题目集上的答题分数，进而可以为学习者提供个性化的学习路径，推荐学习课程和习题，以及通过学习预警来帮助学习者更好的完成科目。因此，一个高效的认知诊断系统尤其重要。
2、为了更好的预测学习者的认知状态，人们都在致力于研究认知诊断模型。比如，传统的统计方法如irt和dina在认知诊断领域具有广泛应用和经典地位。...
【技术保护点】
1.一种基于无环知识概念间关系图的认知诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，数据集包括学习者、习题和知识点，学习者集合S如下：
3.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，构建基于关系图驱动的多级注意力神经网络，基于所述多级注意力神经网络，获得知识概念、习题和学习者的融合关系感知表示包括：
4.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，构建基于关系图驱动的多级注意力神经网络，基于所述多级注意力神经...
【技术特征摘要】
1.一种基于无环知识概念间关系图的认知诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，数据集包括学习者、习题和知识点，学习者集合s如下：
3.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，构建基于关系图驱动的多级注意力神经网络，基于所述多级注意力神经网络，获得知识概念、习题和学习者的融合关系感知表示包括：
4.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，构建基于关系图驱动的多级注意力神经网络，基于所述多级注意力神经网络，获得知识概念、习题和学习者的融合关系感知表示还包括：
5.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，将知识概念的嵌入向量ck分别与学习者的嵌入向量sz和习题的嵌入向量qd联合，然后经过一层全连接层，构建学习者的认知水平矩阵hz、习题难度矩阵hdiff和习题区分度矩阵hdisc计算如下：
6.根据权利要求1所述的基于无环知识概念间关系图的认知诊断方法，其特征在于，去掉知识概念图中的知识闭环，得到无环的知...
【专利技术属性】
技术研发人员：郭龙江，张换纯，任美睿，弋韦坡，刘勇，
申请(专利权)人：陕西师范大学，
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。