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基于多层次特征学习的层次化对比图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：CN120833241B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511324524.0，技术领域涉及：G06Q50/20；该发明授权基于多层次特征学习的层次化对比图知识追踪方法及系统是由刘子韬;黄智维设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本基于多层次特征学习的层次化对比图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，尤其涉及基于多层次特征学习的层次化对比图知识追踪方法及系统，追踪方法包括：获取教育问题‑答案知识点数据集；基于所述教育问题‑答案知识点数据集，结合问题‑知识点邻接矩阵，获取问题表示；对所述问题表示增加扰动，根据所述问题表示和增加扰动后的问题表示，获取目标问题表示；基于所述教育问题‑答案知识点数据集和目标问题表示，获取知识嵌入和交互表示；基于所述交互表示和知识嵌入，获取隐藏状态；将所述隐藏状态和知识嵌入输入至知识追踪预测模型，获取预测值。本发明使用分层图过滤注意力机制通过逐步提取学生的多层次特征表示来解决过度平滑问题。

本发明授权基于多层次特征学习的层次化对比图知识追踪方法及系统在权利要求书中公布了：1.基于多层次特征学习的层次化对比图知识追踪方法，其特征在于，包括： 获取教育问题-答案知识点数据集； 基于所述教育问题-答案知识点数据集，结合问题-知识点邻接矩阵，获取问题表示； 对所述问题表示增加扰动，根据所述问题表示和增加扰动后的问题表示，获取目标问题表示； 根据所述问题表示和增加扰动后的问题表示，获取目标问题表示包括： 对所述问题表示和增加扰动后的问题表示进行对比学习，结合对比学习目标函数，获取目标问题表示； 所述对比学习目标函数为： 其中，为对比学习目标函数，是相似性度量函数，是一个多层感知机，用于将表示投影到计算对比损失的空间中，为问题表示，为增加扰动的问题表示进行对比学习后的目标问题表示； 基于所述教育问题-答案知识点数据集和目标问题表示，获取知识嵌入和交互表示； 基于所述交互表示和知识嵌入，获取隐藏状态； 基于所述交互表示和知识嵌入，获取隐藏状态包括： 将所述交互表示和知识嵌入进行投影，获取查询向量、键向量和值向量； 基于所述查询向量、键向量，获取一阶注意力分数和二阶注意力分数； 基于所述一阶注意力分数和二阶注意力分数，获取高阶注意力交互值； 基于所述高阶注意力交互值，获取注意力分数： 其中，P为注意力分数、是控制不同交互阶数贡献的可学习参数，I为单位矩阵，A为初始注意力分数，AK为高阶注意力分数； 根据所述注意力分数和值向量，获取所述隐藏状态； 将所述隐藏状态和知识嵌入输入至知识追踪预测模型，获取预测值。

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”。

以上内容由龙图腾AI智能生成。