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！

龙图腾网获悉陕西师范大学申请的专利基于一维残差卷积自编码的知识追踪方法及相关装置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：CN117131930B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310487588.7，技术领域涉及：G06N5/022；该发明授权基于一维残差卷积自编码的知识追踪方法及相关装置是由艾玲梅;张筱颖;李彩娜;谢卓煜设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本基于一维残差卷积自编码的知识追踪方法及相关装置在说明书摘要公布了：基于一维残差卷积自编码的知识追踪方法及相关装置，包括：获取原始训练数据集，并对获取的原始训练数据集进行预处理；从原始训练数据集中提取多个影响作答结果得特征，然后与预处理后的数据合并得到新的输入序列；搭建知识追踪网络模型；将原始训练数据集和排序后的特征作为模型的输入，输入到整个网络模型中进行训练；将训练后的知识追踪模型在验证集和测试集上对每个样本上的对象逐一预测，直到预测完所有样本，完成知识追踪的测试。本发明实现了对学生知识状态的追踪，能根据学生的历史答题记录和多个行为特征对学生当前的知识状态进行预测，提高了知识追踪的准确率。

本发明授权基于一维残差卷积自编码的知识追踪方法及相关装置在权利要求书中公布了：1.基于一维残差卷积自编码的知识追踪方法，其特征在于，包括： 获取原始训练数据集，并对获取的原始训练数据集进行预处理； 从原始训练数据集中提取多个影响作答结果得特征，然后与预处理后的数据合并得到新的输入序列； 搭建知识追踪网络模型； 将原始训练数据集和排序后的特征作为模型的输入，输入到整个网络模型中进行训练； 将训练后的知识追踪模型在验证集和测试集上对每个样本上的对象逐一预测，直到预测完所有样本，完成知识追踪的测试； 获取原始训练数据集为获取ASSIST2009和ASSISTchall公共数据集；预处理操作包括：将非二进制正确性转换为二进制正确性，删除数据集中缺少关键值的行，按学生分组获得每个学生的尝试序列； 搭建知识追踪网络模型： 知识追踪模型包括知识状态提取模块、注意力模块和预测模块，知识状态提取模块用于提取对每个知识点的掌握程度，注意力模块用于识别和强化对知识点的不同掌握程度，预测模块用于得到正确回答下一道题目的概率； 搭建知识状态提取模块: 知识状态提取模块由GRU和一维残差卷积自编码组成，GRU用于提取全局知识状态，其结构包括更新门和重置门；更新门用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大代表前一时刻的状态信息带入越多；一维残差卷积自编码是用于提取局部知识状态，其中一维残差卷积自编码依次包括1D卷积层、最大池化层、上采样层、1D反卷积层和残差连接；输入序列首先被输入到卷积核大小为1x3步长为2的卷积层和1x2步长为2的最大池化层，随后被输入到卷积核大小为1x2步长为2的上采样层和1x3步长为2的反卷积层，最后将一维残差卷积自编码的输入与输出通过残差连接整合到一起； 注意力模块和预测模块: 注意力模块是先计算知识状态之间的相似度，然后通过Softmax归一化得到每个知识状态之间对应的概率分布，最后得到知识状态与注意力权重的加权和； 预测模块由线性层和Sigmoid激活函数得到最终的预测结果，线性层由两个全连接层组成，线性层的激活函数为ReLU函数； 其中和分别为线性层的权值，和分别为线性层的偏置，为注意力识别和强化后的知识状态。

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陕西师范大学，其通讯地址为：710119 陕西省西安市长安区西长安街620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。