基于修正Q矩阵和注意力机制的知识状态预测方法及装置制造方法及图纸

本发明专利技术公开了一种基于修正Q矩阵和注意力机制的知识状态预测方法及装置，其中的方法首先采用现有的基于知识点先决依赖关系图的修正Q矩阵进行学习者知识点诊断，克服了传统认知诊断模型中专家Q矩阵易出现误差且标注的人工消耗过大的问题。其次，修正Q矩阵忽视了练习之间的关联使得知识点难度区分度不足，从而导致认知诊断结果准确性不高。为了提高知识点难度区分度，本发明专利技术提出了基于超图注意力机制的练习关联度量模型，得到了更精确的练习相似度。通过提升练习相似度的方式提升了知识点难度区分度。最后，在诊断阶段，本发明专利技术通过引入Transformer至项目反应理论进行信息聚合与更新，预测最优化的知识点熟练程度，最终得到学生的知识状态。

【技术实现步骤摘要】

本专利技术涉及认知诊断，尤其涉及一种基于修正q矩阵和注意力机制的知识状态预测方法及装置。

技术介绍

1、随着大数据和人工智能技术的发展，教育信息化改革正在不断推进。在线教育已经成为重要的教学模式，国内外出现了许多智能教育系统。智能教育的基本任务之一是认知诊断，该技术与方法的革新对智能教育的发展起着重要作用。

2、1952年，美国心理测量学家洛德(lord)首次提出了基于概率的项目反应理论(item response theory，irt)，又称项目特征曲线理论。irt认为被试的潜在能力与其对某特定项目的反应存在着一种函数关系，这种函数被称之为项目反应函数。irt以微观的方式从测验的内部着手，利用数学建模和现代统计等方法，获取被试的潜在能力与测验项目之间的真实联系，每个测验项目都有自己的项目特征曲线，项目特征曲线反映了具有特定潜在能力的每个被试能够正确解答该项目的概率。

3、相比于只关注单一能力维度的项目反应理论，1981年，bock和aitkin提出的多维项目响应排序 (item response theory，mirt)，是一种具本文档来自技高网...

【技术保护点】

1.基于修正Q矩阵和注意力机制的知识状态预测方法，其特征在于，包括：

2.如权利要求1所述的基于修正Q矩阵和注意力机制的知识状态预测方法，其特征在于，专家Q矩阵由行向量和列向量组成，其中行向量表示练习标号，列向量表示练习中所涉及的知识点属性，Q矩阵中的第m行第n列的元素表示第m个练习题目是否涉及第n个知识点，如果涉及，则为1，如果不涉及，则为0。

3.如权利要求1所述的基于修正Q矩阵和注意力机制的知识状态预测方法，其特征在于，从学生的历史答题数据中挖掘知识点之间的先决条件，建立知识点先决关系图，包括：

4.如权利要求3所述的基于修正Q矩阵和注意力机制的...

【技术特征摘要】

1.基于修正q矩阵和注意力机制的知识状态预测方法，其特征在于，包括：

2.如权利要求1所述的基于修正q矩阵和注意力机制的知识状态预测方法，其特征在于，专家q矩阵由行向量和列向量组成，其中行向量表示练习标号，列向量表示练习中所涉及的知识点属性，q矩阵中的第m行第n列的元素表示第m个练习题目是否涉及第n个知识点，如果涉及，则为1，如果不涉及，则为0。

3.如权利要求1所述的基于修正q矩阵和注意力机制的知识状态预测方法，其特征在于，从学生的历史答题数据中挖掘知识点之间的先决条件，建立知识点先决关系图，包括：

4.如权利要求3所述的基于修正q矩阵和注意力机制的知识状态预测方法，其特征在于，所述方法还包括设置阈值来控制知识点先决关系图中知识点之间关系的稀疏性，具体为：

5.如权利要求4所述的基于修正q矩阵和注意力机制的知识状态预测方法，其特征在于，修正后的q矩阵根据专家q矩阵和知识点先决关系矩阵计算得到...

【专利技术属性】
技术研发人员：钟睿，王坤，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：