[發明專利]一種基于加權元路徑增強題目相似性嵌入的知識追蹤方法

在審

• 申請號: 202310371918.6
• 申請日: 2023-04-03
• 公開（公告）號: CN116502713A
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 孫建文;劉三女牙;汪兵;杜尚恒
• 申請（專利權）人: 華中師范大學
• 主分類號: G06N5/022
• 分類號: G06N5/022;G06N5/01;G06N3/08;G06F18/22;G06F18/25
• 代理公司: 武漢東喻專利代理事務所(普通合伙) 42224
• 代理人: 紀元

1.一種基于加權元路徑增強題目相似性嵌入的知識追蹤方法，其特征在于，包括：

根據學習者與題目的交互關系建立加權異構信息網絡；基于所述加權異構信息網絡中的實體類型和實體間的關系，以答題正確率和題目難度為邊權重構建所述加權異構信息網絡的元路徑；

基于所述元路徑，在所述加權異構信息網絡上通過有偏隨機游走算法對題目節點進行采樣，輸出不同的題目節點序列，移除非題目節點；

根據處理后的所述題目節點序列，通過嵌入算法獲取題目的特征向量，并將不同元路徑下的特征向量進行融合，輸出題目嵌入；

融合當前時刻的題目嵌入和答題正確性向量獲取輸入向量，將輸入向量和上一時刻的學生狀態向量作為序列模型的輸入，輸出更新后當前時刻的知識狀態向量；

輸入當前時刻的知識狀態向量和下一時刻對應的題目嵌入，通過多層感知機擬合，預測學習者正確回答下一道題目的概率。

2.根據權利要求1所述的一種基于加權元路徑增強題目相似性嵌入的知識追蹤方法，其特征在于，所述加權異構信息網絡中的實體類型包括學生、題目、技能、模板、學生類別實體和技能類別實體，實體間的關系包括學生-題目、學生-學生類別實體、題目-模板、題目-技能以及技能-技能類別實體；

其中，創建所述學生類別實體和所述技能類別實體包括：

基于學習者對題目集合的答題情況獲取學生技能矩陣，矩陣中每個元素為學生回答與技能有關的題目的正確率和錯誤率之間的差值，將矩陣中的行向量和列向量分別作為學生特征向量和技能特征向量；通過K-means算法為每個學生和每個技能分別指定對應的學生類別標簽和技能類別標簽。

3.根據權利要求2所述的一種基于加權元路徑增強題目相似性嵌入的知識追蹤方法，其特征在于，以答題正確率和題目難度為邊權重構建所述加權異構信息網絡的元路徑，包括題目-學生-題目、題目-技能-題目、題目-學生-學生類別實體-學生-題目、題目-技能-技能類別實體-技能-題目以及題目-模板-題目。

4.根據權利要求3所述的一種基于加權元路徑增強題目相似性嵌入的知識追蹤方法，其特征在于，通過基于邊權重的有偏隨機游走，對題目節點進行采樣，輸出不同的題目節點序列，移除非題目節點，包括：

對于加權異質圖G＝(V,E,W)；

元路徑ρ：

根據以下轉移概率公式生成游走序列：

移除所述游走序列中的非題目節點；

其中，V為節點集合，E為邊集合，W為權值集合，A_n為實體類型，δ_n(R_n)為關系R_n上的屬性值，a_t+1為所述游走序列中的第t+1個節點，x是圖上節點，是節點v的類型為A_t+1的一階鄰居集合；

x^*和v^*分別表示在長度為l+1的元路徑ρ下與節點x和v對稱的已采樣節點，w_v,x∈δ_t(R_t)是節點v和x之間邊上的權重，D_t是δ_t(R_t)的最大值和最小值的差值。

5.根據權利要求3所述的一種基于加權元路徑增強題目相似性嵌入的知識追蹤方法，其特征在于，通過考慮中間節點屬性的有偏隨機游走，對題目節點進行采樣，輸出不同的題目節點序列，移除非題目節點，包括：

在采樣節點序列時，分別以每個題目節點為起始節點進行若干次隨機游走，在兩個不同的元路徑之間，基于學生能力、題目區分度、技能粒度三個中間屬性引導有偏隨機游走；

每次隨機游走均按指定的元路徑進行循環采樣，直到采樣的題目節點序列達到預設長度；

去除采樣的題目節點序列中的非題目節點。