一种基于自注意力机制的长短期知识状态自适应知识追踪方法技术

本发明专利技术公开了一种基于自注意力机制的长短期知识状态自适应知识追踪方法，属于计算机应用领域。针对学生学习过程中知识状态变化受长期和短期知识状态共同影响的特点，提出了一种基于自注意力机制的Long‑Short Term Knowledge State Adaptive Knowledge Tracing Model。首先，基于自注意力机制构建了一种长短期知识状态提取器。同时针对长期知识状态变化的特点设计了一种动态权重的策略，针对短期知识状态变化的特点设计了一种动态窗口的策略。然后，通过神经网络结构搜索的方式设计了一种长期和短期知识状态自适应的结构。最后，将长期和短期知识状态融合起来通过预测层来输出学生的知识状态。本发明专利技术提出的知识追踪方法能更有效地提取学生学习过程中长期和短期知识状态特征，进一步提高预测准确率。

【技术实现步骤摘要】

本专利技术具体涉及一种基于自注意力机制的长短期知识状态自适应知识追踪方法，属于深度学习和教育数据挖掘。

技术介绍

1、知识追踪(knowledge tracing，kt)是利用教育数据挖掘技术来预测学生在学习过程中对各个知识点掌握情况的技术。现有的知识追踪方法主要分为两大类，传统知识跟踪模型和深度学习知识跟踪模型。

2、(1)传统知识追踪模型

3、最早的知识追踪模型是由corbett和anderson在1994年提出的贝叶斯知识追踪模型(bkt)，该模型用概率图模型(如隐马尔可夫模型、贝叶斯概率)来追踪学生知识状态的变化。标准的bkt模型将技能知识状态视为二元信息(已学习/未学习)，该模型只考虑从未学习状态到已学习状态的转换，忽略了已学习状态下存在的遗忘现象。为了解决bkt模型不能处理需要多种技能的问题，以及不能有效建模不同技能之间关系的限制，kaser等人提出使用动态贝叶斯网络(dbn)对多种技能和不同技能之间的依赖性进行联合建模。随着项目反应理论(irt)的发展，有学者利用逻辑回归模型，基于学生和问题的参数来估计学生在未来时刻的本文档来自技高网...

【技术保护点】

1.一种基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于：

3.根据权利要求1所述的基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于：

4.根据权利要求3所述的基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于：

5.根据权利要求1所述的基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于：

【技术特征摘要】

1.一种基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自注意力机制的长短期知识状态自适应知识追踪方法，其特征在于：

3.根据权利要求1所述的基于自注意力机制的长短...

【专利技术属性】
技术研发人员：付鹏斌，周毅立，杨惠荣，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：