[發明專利]一種知識追蹤模型的訓練方法、裝置以及設備

在審

• 申請號: 202210065583.0
• 申請日: 2022-01-20
• 公開（公告）號: CN114461769A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 蘇偉;孫元濤;黃強;李福喜;袁永娜;胡楠
• 申請（專利權）人: 蘭州大學;支付寶（杭州）信息技術有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06N3/04;G06Q50/20
• 代理公司: 北京君慧知識產權代理事務所(普通合伙) 11716
• 代理人: 肖鵬

本說明書實施例公開了一種知識追蹤模型的訓練方法、裝置以及設備。通過獲取用戶在t時刻對于知識點的答題信息，成對應于所述答題信息的隱藏特征向量；根據所述隱藏特征向量確定權重矩陣；根據所述權重矩陣從內存矩陣中進行讀取，獲得聚焦向量；根據所述權重矩陣內存矩陣進行內容寫入，生成t時刻的內存矩陣；融合所述隱藏特征向量和所述生成輸出特征向量，根據所述輸出特征向量生成預測值；根據所述預測值和所述答題信息的差異進行知識追蹤模型的訓練，生成目標模型，通過采用內存矩陣保存用戶的歷史答題信息所產生的相關特征，并即時的在訓練過程中對內存矩陣進行讀寫，從而有效利用了用戶的歷史答題信息來訓練模型。

技術領域

本說明書涉及互聯網技術領域，尤其涉及一種知識追蹤模型的訓練方法、裝置以及設備。

背景技術

隨著在線教育的發展，知識追蹤在在線教育中的作用越來越大，知識追蹤指的是通過對用戶以往答題情況進行分析來預測用戶對于相關知識點的掌握水平。因此，在知識追蹤模型的訓練中，能否有效利用用戶的歷史答題特征是知識追蹤模型的訓練關鍵點，其決定了訓練得到的目標模型的有效程度。

基于此，需要一種更準確的知識追蹤模型的訓練方案。

發明內容

本說明書一個或多個實施例提供一種知識追蹤模型的訓練方法、裝置、設備以及存儲介質，用以解決如下技術問題：需要一種更準確的知識追蹤模型的訓練方案。

為解決上述技術問題，本說明書一個或多個實施例是這樣實現的：

在第一方面，本說明書實施例提供一種知識追蹤模型的訓練方法，包括：獲取用戶在t時刻對于知識點的答題信息h_t，生成對應于所述答題信息h_t的隱藏特征向量x_t；根據所述隱藏特征向量x_t確定t時刻的權重矩陣w_t；根據所述權重矩陣w_t從t-1時刻的內存矩陣M_t-1中進行讀取，獲得t時刻的聚焦向量r_t；根據所述權重矩陣w_t對所述t-1時刻的內存矩陣M_t-1進行內容寫入，生成t時刻的內存矩陣M_t；融合所述隱藏特征向量x_t和所述r_t生成輸出特征向量，根據所述輸出特征向量生成在t時刻對于知識點的答題信息的預測值p_t；根據所述預測值p_t和所述答題信息h_t的差異進行知識追蹤模型的訓練，生成目標模型。

在第二方面，本說明書實施例提供一種知識追蹤模型的訓練裝置，包括：獲取模塊，獲取用戶在t時刻對于知識點的答題信息h_t，生成對應于所述答題信息h_t的隱藏特征向量x_t；權重矩陣確定模塊，根據所述隱藏特征向量x_t確定t時刻的權重矩陣w_t；聚焦向量獲取模塊，根據所述權重矩陣w_t從t-1時刻的內存矩陣M_t-1中進行讀取，獲得t時刻的聚焦向量r_t；內存矩陣更新模塊，根據所述權重矩陣w_t對所述t-1時刻的內存矩陣M_t-1進行內容寫入，生成t時刻的內存矩陣M_t；預測模塊，融合所述隱藏特征向量x_t和所述r_t生成輸出特征向量，根據所述輸出特征向量生成在t時刻對于知識點的答題信息的預測值p_t；訓練模塊，根據所述預測值p_t和所述答題信息h_t的差異進行知識追蹤模型的訓練，生成目標模型。

在第三方面，本說明書實施例提供的一種電子設備，包括：

至少一個處理器；以及，

與所述至少一個處理器通信連接的存儲器；其中，