一种面向超长学生答题序列的知识追踪方法和系统技术方案

本发明专利技术公开了一种面向超长学生答题序列的知识追踪方法和系统，属于知识追踪技术领域，包括：获取学生答题序列，对所述学生答题序列进行嵌入计算，得到多维度特征向量；通过庞加莱半球空间注意力机制对多维度特征向量进行计算，得到相似度注意力分数；获取多维度特征向量的欧式空间注意力分数，通过线性补偿系数的注意力机制分别对相似度注意力分数和欧式空间注意力分数进行计算，得到补偿注意力分数；根据所述补偿注意力分数和多头聚合注意力机制中的值向量，得到隐含输出；根据隐含输出进行预测，得到学生答题预测情况；通过上述技术方案本发明专利技术能够捕捉学生的长期的知识状态变化情况，对学生的知识学习过程进行更加全面、准确的跟踪。

【技术实现步骤摘要】

本专利技术属于知识追踪，尤其涉及一种面向超长学生答题序列的知识追踪方法和系统。

技术介绍

1、知识追踪是指利用学生过去的学习互动数据来预测他们对未来问题的回答，这依赖于对学生知识掌握状态的精准建模。随着注意力机制的快速发展，许多基于注意力机制的知识追踪模型涌现，能够有效建模学生知识掌握状态。自注意力机制知识追踪模型(selfattentive knowledge tracing，sakt)利用嵌入层(embedding layer)将学生历史答题记录嵌入为向量，采用自注意力机制(self-attnetion mechanism)从学生答题记录中提取问题和知识点的关系，实现学生知识掌握状态的建模。分离式自注意力神经知识追踪模型(separated self-attentive neural knowledge tracing，saint)采用了编码器-解码器架构，把学生的问题和回答嵌入序列分别输入到编码器和解码器，编码器利用自注意力机制提取问题嵌入序列之间的特征，解码器交替对学生回答嵌入序列使用自注意力机制和编码器-解码器注意力层，这种输入分离的方式有利于多本文档来自技高网...

【技术保护点】

1.一种面向超长学生答题序列的知识追踪方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，

6.根据权利要求1所述的方法，其特征在于，

7.根据权利要求6所述的方法，其特征在于，

8.根据权利要求1所述的方法，其特征在于，

9.根据权利要求1所述的方法，其特征在于，

10.一种面向超长学生答题序列的知识追踪系统，其特征在于，用于执行权利...

【技术特征摘要】

1.一种面向超长学生答题序列的知识追踪方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，

6.根据权利...

【专利技术属性】
技术研发人员：刘子韬，李薛毅，黄雅莹，
申请(专利权)人：暨南大学，
类型：发明
国别省市：