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！

申请/专利权人：湖南大学

摘要：本发明公开了一种基于多图的知识追踪方法及系统，该方法包括：获取不同学生的问题序列和概念序列，生成异构信息图；将异构信息图输入预设的改进图卷积神经网络，输出第一特征信息；获取不同学生的答案序列，生成概念与答案有向多重图和问题与答案有向多重图；将概念与答案有向多重图和问题与答案有向多重图输入预设的双通道模型，输出第二特征信息；获取问题与概念、答案的先验关系，生成超图；将超图输入预设的超图卷积网络，输出第三特征信息；将第一特征信息、第二特征信息和第三特征信息输入全连接神经网络，预测下一道习题的正确答题概率。本发明能够更准确地、更全面对学生的答题情况进行预测，能够为教师精准教学提供数据支撑。

主权项：1.一种基于多图的知识追踪方法，其特征在于，包括：获取不同学生的问题序列和概念序列，生成异构信息图；将所述异构信息图输入预设的改进图卷积神经网络，输出第一特征信息，其中所述改进图卷积神经网络是利用图卷积神经网络和遗忘门控机制生成的网络模型；获取不同学生的答案序列，根据所述概念序列和所述答案序列生成概念与答案有向多重图，并根据所述问题序列和所述答案序列生成问题与答案有向多重图；将所述概念与答案有向多重图和所述问题与答案有向多重图输入预设的双通道模型，输出第二特征信息，其中所述双通道模型是利用全连接层、图交流层和门控循环单元生成的网络模型；获取问题与概念先验关系和问题与答案先验关系，生成超图；将所述超图输入预设的超图卷积网络，输出第三特征信息，其中所述超图卷积网络是利用长短期记忆网络和注意力机制生成的网络模型；将所述第一特征信息、所述第二特征信息和所述第三特征信息输入全连接神经网络，预测下一道习题的正确答题概率；其中，所述将所述异构信息图输入预设的改进图卷积神经网络，输出第一特征信息包括：从所述异构信息图中确定当前节点，通过所述遗忘门控机制抽取所述当前节点的多个邻居节点进行计算，给所述当前节点赋予遗忘信息；将所述当前节点与其他节点进行信息聚合，获得所述当前节点的聚合信息；根据所述当前节点的聚合信息和遗忘信息执行节点信息更新；将所有节点更新后的信息进行拼接，得到第一特征信息；所述将所述概念与答案有向多重图和所述问题与答案有向多重图输入预设的双通道模型，输出第二特征信息包括：通过全连接层对所述概念与答案有向多重图和所述问题与答案有向多重图进行向量转换，获得对应的有向图特征向量；通过图交流层对所述概念与答案有向多重图和所述问题与答案有向多重图对应的有向图特征向量进行聚合，获得聚合结果；通过门控循环单元对所述聚合结果进行信息提取，获得学生知识状态信息；将所有的所述学生知识状态信息进行拼接，得到第二特征信息；所述将所述超图输入预设的超图卷积网络，输出第三特征信息包括：通过所述长短期记忆网络进行超图卷积，所述超图卷积过程为：公式（7），式（7）中，为节点度，为超边度，为超图卷积的输入层，为超图卷积的输出层，为长短期记忆网络的可训练参数，为超图的关联矩阵，为关联矩阵的转置矩阵，为长短期记忆网络；通过注意力机制对超图卷积后的超边进行注意力评分，并根据所述超边的注意力评分结果，获得第三特征信息；所述注意力机制的评分过程为：公式（8），公式（9），式（8）、（9）中，、、为注意力机制的可训练权重矩阵，为注意力权重，是、、的矩阵维度，是通过注意力评分后的超图卷积结果。

全文数据：

权利要求：

百度查询： 湖南大学 基于多图的知识追踪方法及系统