买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长江大学申请的专利一种基于强化学习和负采样优化的知识追踪方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119670867B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411901574.6，技术领域涉及：G06N5/022；该发明授权一种基于强化学习和负采样优化的知识追踪方法及系统是由张凯;王泽琛设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于强化学习和负采样优化的知识追踪方法及系统在说明书摘要公布了：本发明提供了一种基于强化学习和负采样优化的知识追踪方法，涉及知识追踪技术领域，方法包括：获取学习者的历史作答序列的知识点集合，得到习题的知识点表示；根据知识点表示生成初始习题图，并对初始习题图的边权重进行动态调整，得到调整后的习题图；利用习题图得到与当前习题相关联的历史正样本集合和历史负样本集合；基于历史正样本集合和历史负样本集合计算相似度，通过样本损失函数优化得到当前习题的知识点向量；根据知识点向量动态更新学习者的知识状态，基于更新的知识状态输出学习者的未来作答情况。本发明有效捕捉了习题间的潜在关联性，增强了预测推理能力，提高了预测精度。

本发明授权一种基于强化学习和负采样优化的知识追踪方法及系统在权利要求书中公布了：1.一种基于强化学习和负采样优化的知识追踪方法，其特征在于，所述方法包括： 获取学习者的历史作答序列的知识点集合，得到习题的知识点表示； 根据所述知识点表示生成初始习题图，并对所述初始习题图的边权重进行动态调整，得到调整后的习题图；习题图包括节点和边，其中，节点表示习题，边表示习题之间的关联； 利用所述习题图得到与当前习题相关联的历史正样本集合和历史负样本集合； 基于历史正样本集合和历史负样本集合计算相似度，通过样本损失函数优化得到当前习题的知识点向量； 根据所述知识点向量动态更新学习者的知识状态，基于更新的知识状态输出学习者的未来作答情况； 其中，所述历史负样本集合的得到方法包括； S301：基于边权重遍历习题图，得到习题节点序列； S302：在习题节点序列中随机选择一个中心节点作为马尔可夫链的初始节点； S303：对于每个中心节点，计算当前中心节点对应的当前状态空间，并根据强化学习算法函数选择下一中心节点； S304：根据下一中心节点更新对应的状态空间，计算奖励函数，并根据奖励函数更新强化学习算法函数； S305：重复步骤S303~S304，直到从习题节点序列中采样出个负样本，以此得到历史负样本集合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长江大学，其通讯地址为：434000 湖北省荆州市南环路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。