申请/专利权人:云南师范大学
申请日:2024-04-02
公开(公告)日:2024-06-07
公开(公告)号:CN117973527B
主分类号:G06N5/025
分类号:G06N5/025;G06N3/042;G06N3/0442;G06N3/0499;G06N3/082;G06N3/084;G06N3/0985
优先权:
专利状态码:有效-授权
法律状态:2024.06.07#授权;2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本申请公开了一种基于GRU捕捉问题上下文特征的知识追踪方法,涉及电子数字数据处理领域,该方法包括:基于预设数据结构以及历史交互记录,确定所述历史交互记录对应的嵌入矩阵,以实现对所述历史交互记录进行嵌入;基于GRU单元确定所述历史交互记录对应的知识状态特征以及练习特征;根据所述知识状态特征以及所述练习特征确定作答预测结果,有效解决了相关技术破坏了交互编码的底层语义信息,又降低了序列信息带来的收益,导致学生作答预测的精度差的技术问题,实现了准确预测学习者作答结果的技术效果。
主权项:1.一种基于GRU捕捉问题上下文特征的知识追踪方法,其特征在于,所述基于GRU捕捉问题上下文特征的知识追踪方法包括:基于预设数据结构以及历史交互记录,确定所述历史交互记录对应的嵌入矩阵,以实现对所述历史交互记录进行嵌入;基于GRU单元确定所述历史交互记录对应的知识状态特征以及练习特征;根据所述知识状态特征以及所述练习特征确定作答预测结果;所述基于GRU单元确定所述历史交互记录对应的知识状态特征以及练习特征的步骤包括:基于第一GRU单元构建的序列特征提取器,确定所述历史交互记录对应的所述知识状态特征;基于第二GRU单元以及多层感知机,确定所述历史交互记录对应的所述练习特征;所述基于第二GRU单元以及多层感知机,确定所述历史交互记录对应的所述练习特征的步骤包括:确定所述历史交互记录对应的练习表征;基于所述第二GRU单元以及所述多层感知机,组合提取所述练习表征对应的练习序列特征;基于所述练习序列特征构建特异性向量;基于预设的超参数控制所述特异性向量与知识点嵌入向量之间的占比,确定所述练习特征。
全文数据:
权利要求:
百度查询: 云南师范大学 一种基于GRU捕捉问题上下文特征的知识追踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。