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！

龙图腾网获悉暨南大学申请的专利一种支持动态上下文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：CN119830033B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510046737.5，技术领域涉及：G06F18/22；该发明授权一种支持动态上下文的知识追踪方法及系统是由刘子韬;李薛毅;黄雅莹设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种支持动态上下文的知识追踪方法及系统在说明书摘要公布了：本发明属于知识追踪技术领域，公开了一种支持动态上下文的知识追踪方法及系统，方法包括：基于学生的题目集，构建支持动态上下文长度的知识追踪模型；基于所述支持动态上下文长度的知识追踪模型，获得最终学生答题的预测结果。本发明通过问题编码器和答案编码器，将学生历史答题序列映射为高维特征嵌入，生成问题级别感知向量和联合问题‑答案交互表征。基于方向性惩罚函数矩阵对注意力得分矩阵进行动态调整，增强模型对上下文长度动态变化的适应能力。利用多头自注意力机制与缩放点积注意力，从学生交互数据中提取时间敏感性和上下文依赖的知识状态。

本发明授权一种支持动态上下文的知识追踪方法及系统在权利要求书中公布了：1.一种支持动态上下文的知识追踪方法，其特征在于，所述方法包括： 基于学生的题目集，构建支持动态上下文长度的知识追踪模型； 基于所述支持动态上下文长度的知识追踪模型，获得最终学生答题的预测结果； 所述支持动态上下文长度的知识追踪模型包括：学生学习行为表征模块、知识状态提取模块、方向性加权偏移模块、学生答题预测模块； 所述学生学习行为表征模块，用于基于表征学习理论，通过构建多维特征嵌入空间精细化描述学生的学习行为模式； 所述知识状态提取模块，用于基于多头自注意力机制与点积注意力捕捉深层次的学生知识状态； 所述方向性加权偏移模块，用于通过引入方向性加权惩罚函数矩阵动态调整注意力得分矩阵实现不同上下文长度的动态适应； 所述学生答题预测模块，用于以两层非线性全连接网络为核心，对知识状态特征的高维到低维投影，优化二元交叉熵损失函数，动态调整模型参数，得到最终预测结果； 基于表征学习理论，通过构建多维特征嵌入空间精细化描述学生的学习行为模式包括： 对于学生S，历史学习行为包含T个交互过程，每一个交互过程表示为qt,{ct},rt，其中t∈T，具体来说，qt表示在t时间步学生回答的问题，ct表示在t时间步学生回答的问题qt所对应的知识点，如果一个问题对应多个知识点，则为多个知识点的集合{ct}，rt表示在t时间步学生回答问题qt的答案，rt＝1表示学生回答正确，rt＝0表示学生回答错误； 对于学生回答的问题，利用编码器E·对问题序列进行特征映射，得到问题级别感知的高维向量表征： 其中，是可通过训练获得的问题级别，是问题对应所有知识点的平均特征表示，是问题对应知识点的独热编码，⊙表示按位乘法，表示按位加法； 对于学生的答案，利用编码器通过嵌入层建模问题知识点与学生答案之间的高阶交互特性，从而生成联合问题-答案交互表征： 其中，表示联合学生答案的问题对应所有知识点的平均特征表示，表示联合学生相应的问题对应知识点的独热编码； 基于多头自注意力机制与点积注意力捕捉深层次的学生知识状态包括： 将问题级别感知的高维向量表征xt和联合问题-答案交互表征yt分别作为查询向量Q、键向量K和值向量V，即： Q＝xt+1；K＝{x1，...，xt}；V＝{y1，...，yt}； 采用集成缩放点积注意力的多头注意力机制从学生历史答题序列中提取知识状态ht+1： ht+1＝ConcatHead1，Head2，...，Headn； 其中，Head表示多头注意力机制中的多头表征，Softmax表示softmax函数，表示键向量的转置，表示缩放点积注意力的缩放因子，d为键向量的维度； 通过引入方向性加权惩罚函数矩阵动态调整注意力得分矩阵实现不同上下文长度的动态适应包括： 利用查询向量与键向量之间的余弦相似度计算注意力得分矩阵： 通过方向性惩罚函数矩阵F对注意力得分矩阵进行动态调整： 其中，fij为方向性惩罚函数矩阵F的元素，i和j为注意力得分矩阵元素的索引，δ为可通过训练获得的方向系数，正负值代表惩罚的正负方向，是经过方向性加权惩罚的多头表征,是经过方向性加权惩罚的知识状态； 以两层非线性全连接网络为核心，对知识状态特征的高维到低维投影，优化二元交叉熵损失函数，动态调整模型参数，得到最终预测结果包括： 以两层非线性全连接网络为核心，实现对知识状态的高维到低维投影，通过对二元交叉熵损失函数进行优化，动态调整模型参数，得到最终学生答题的预测结果 其中，σ表示Sigmoid函数，k1，k2，W1，W2为可学习的参数，rt+1为学生真实的回答结果。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。