-
公开(公告)号：CN114461769B
公开(公告)日：2024-12-24
申请号：CN202210065583.0
申请日：2022-01-20
Applicant: 兰州大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06N3/0442 , G06Q50/20
Abstract: 本说明书实施例公开了一种知识追踪模型的训练方法、装置以及设备。通过获取用户在t时刻对于知识点的答题信息，成对应于所述答题信息的隐藏特征向量；根据所述隐藏特征向量确定权重矩阵；根据所述权重矩阵从内存矩阵中进行读取，获得聚焦向量；根据所述权重矩阵内存矩阵进行内容写入，生成t时刻的内存矩阵；融合所述隐藏特征向量和所述生成输出特征向量，根据所述输出特征向量生成预测值；根据所述预测值和所述答题信息的差异进行知识追踪模型的训练，生成目标模型，通过采用内存矩阵保存用户的历史答题信息所产生的相关特征，并即时的在训练过程中对内存矩阵进行读写，从而有效利用了用户的历史答题信息来训练模型。
-
公开(公告)号：CN114490980A
公开(公告)日：2022-05-13
申请号：CN202210066846.X
申请日：2022-01-20
Applicant: 兰州大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G09B7/04
Abstract: 本说明书实施例公开了一种关联知识追踪方法、装置及设备，包括：获取用户在指定时刻范围内的各答题交互数据，答题交互数据包括在对应时刻所答题目的所答知识点、作答对错信息，以及由所答知识点的关联知识点构成的关联知识点集合；将各答题交互数据按照对应的时刻顺序，输入关联知识追踪模型进行处理，其中，关联知识追踪模型根据第一损失和第二损失预先训练，第一损失是根据基于训练样本对指定知识点的掌握程度预测信息及其训练标签确定的，第二损失是根据基于训练样本对指定知识点的关联知识点集合的掌握程度预测信息及其训练标签确定；通过关联知识追踪模型的处理，预测用户在指定时刻范围之后对预定知识点集合中的知识点的掌握程度。
-
公开(公告)号：CN114461769A
公开(公告)日：2022-05-10
申请号：CN202210065583.0
申请日：2022-01-20
Applicant: 兰州大学 , 支付宝(杭州)信息技术有限公司
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G06Q50/20
Abstract: 本说明书实施例公开了一种知识追踪模型的训练方法、装置以及设备。通过获取用户在t时刻对于知识点的答题信息，成对应于所述答题信息的隐藏特征向量；根据所述隐藏特征向量确定权重矩阵；根据所述权重矩阵从内存矩阵中进行读取，获得聚焦向量；根据所述权重矩阵内存矩阵进行内容写入，生成t时刻的内存矩阵；融合所述隐藏特征向量和所述生成输出特征向量，根据所述输出特征向量生成预测值；根据所述预测值和所述答题信息的差异进行知识追踪模型的训练，生成目标模型，通过采用内存矩阵保存用户的历史答题信息所产生的相关特征，并即时的在训练过程中对内存矩阵进行读写，从而有效利用了用户的历史答题信息来训练模型。
-
公开(公告)号：CN116823027A
公开(公告)日：2023-09-29
申请号：CN202310656500.X
申请日：2023-06-05
Applicant: 兰州大学 , 兰州速微网络科技有限公司
IPC: G06Q10/0639 , G06Q50/20 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种基于关联技能知识的智能学生能力评估方法，包括：构建数据集；所述数据集包括：用于表征学生答题交互信息的技能图；构建基于图的关联技能知识追踪模型；基于所述数据集对所述关联技能知识追踪模型进行训练；基于训练后的所述关联技能知识追踪模型，获取学生正确作答各个技能点的概率；基于所述概率，对学生能力进行评估。本发明将技能的图结构与图神经网络以及基于图的知识追踪模型结合在一起，提升了模型感知图中技能节点与它的邻居技能节点之间的关联性的能力以及探索技能之间在图结构上关联性的能力，提高了模型的预测准确率。
-
-
-
Search Results
4
records
(took 0.076 seconds)
