[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

本發明涉及知識追蹤技術領域，尤其涉及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，包括：建立加權異構信息網絡，構建所述加權異構信息網絡的元路徑；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；通過嵌入算法獲取題目的特征向量，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，輸出更新后當前時刻的知識狀態向量；預測學習者正確回答下一道題目的概率。本發明利用各種關系提取題目之間的多維和高階相似語義從而得到更優質的題目表示方法，從而挖掘到更高階且更準確的題目相似性進而緩解答題信息不足的問題，且有利于提升知識追蹤模型的預測性能。

技術領域

本發明涉及知識追蹤技術領域，尤其涉及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。

背景技術

知識追蹤(Knowledge?Tracing，KT)是學習者建模的關鍵技術，知識追蹤旨在動態追蹤學生對知識的掌握情況，并根據其歷史學習序列預測未來的表現，使得學生可以根據自己的弱點進行有選擇性的練習來提高學習效率，從而避免盲目練習題目；讓教師可以為學生提供個性化/針對性的輔導，在有效的時間內更好的學生解決問題，提高教學效率；通過在線學習系統可以為學生推薦個性化/針對性的學習資源。此外，知識追蹤技術已應用于學習理論的發現和驗證、題目屬性(例如難度)的評估、知識結構挖掘和學習路徑規劃等任務。因此，知識追蹤為實現大規模個性化學習提供了重要的技術基礎，具有重要的社會價值和研究意義。

早期的深度知識追蹤模型沒有專門設計的題目表示模塊，而是使用獨特的技能編號(skill?id)獨熱編碼作為題目的表示，對于多技能題目，使用了將多個技能組合成一個新的組合技能的策略；通過使用多熱編碼可以更好地表示多技能題目，然而這類題目方法使用布爾稀疏表示，無法包含題目之間的豐富信息。

目前，為了緩解學生與題目交互數據比較稀疏的問題，部分方法在知識追蹤模型中引入了題目相似性，其基本假設是同一學生正確回答相似題目的概率呈正相關且接近，因此模型可以通過利用類似題目的交互歷史記錄對當前題目做出更準確的預測。然而這類模型傾向于考慮特定關系來挖掘題目相似性，獲取的題目相似性不準確，僅僅考慮了題目與技能掌握的關系，不能在在知識追蹤建模中充分利用結構信息、屬性信息等現有信息來挖掘題目相似性，也無法自適應地融合多維相似性語義，導致語義單一化且受限制，無法根本性解決數據稀疏性問題。另外，大部分方法關注點在于計算相似度得分，而不是得到一個更好的相似性嵌入，例如對于不是同一個學生回答的兩個題目，相似性得分是0，導致忽略了題目間可能存在的相似性關系，不能更準確地為教師的教學/學生的學習提供有效的高效的指導。

發明內容

本發明提供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，用以解決上述現有技術中的缺陷，本發明利用各種關系提取題目之間的多維和高階相似語義從而得到更優質的題目表示方法，從而挖掘到更高階且更準確的題目相似性進而緩解答題信息不足的問題。

本發明提供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，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。