-
公开(公告)号：CN114021722B
公开(公告)日：2024-11-08
申请号：CN202111278587.9
申请日：2021-10-30
申请人： 华中师范大学
IPC分类号： G06N5/022
摘要： 本发明属于教育数据挖掘领域，提供一种融合认知刻画的注意力知识追踪方法，包括：(1)数据预处理；(2)特征融合；(3)表现预测；(4)模型训练。本发明提出了一套基于学习者认知画像的注意力知识追踪框架，此框架分别对学习者的记忆、实践和语言三方面特征进行建模，最终根据上述所得三方面特征进行联合建模，综合考虑学习者多方面的信息，以此来提升模型对于学习者知识掌握情况和未来表现预测的表现。
-
公开(公告)号：CN117473041A
公开(公告)日：2024-01-30
申请号：CN202311106919.4
申请日：2023-08-30
申请人： 华中师范大学
摘要： 本发明属于知识追踪技术领域，提供一种基于认知策略的编程知识追踪方法，包括：(1)问题定义和数据预处理；(2)试题表征；(3)代码表征；(4)认知过程双序列建模；(5)表现预测和模型训练。本发明方法根据学习者的认知过程，即理解试题和编写代码解决问题两方面，来建模编程知识追踪问题，分别利用图嵌入技术来聚合试题困难度、知识技能等信息，优化传统知识追踪中试题的表征，考虑到编程学科的开放性，融合了学生代码中蕴含的语法结构、文本注释等认知信息来表征代码特征，然后结合两者分别建模学习者的知识状态和编程能力，更能模拟学习者的做题场景，更好地建模学习者的认知过程。
-
公开(公告)号：CN117094353A
公开(公告)日：2023-11-21
申请号：CN202310894745.6
申请日：2023-07-18
申请人： 华中师范大学
摘要： 本发明涉及图神经网络与知识追踪领域，提供一种信息瓶颈增强的双向动态图知识追踪方法，包括：(1)基于学生‑试题交互的双向动态图构建；(2)双向动态图神经网络构建；(3)信息瓶颈增强的图多视角学习；(4)多视角信息选择与融合；(5)学生‑试题预测。本发明方法综合利用图神经网络和信息瓶颈等技术，对学生的作答数据进行深入挖掘，能够科学地预测学生的学习表现，精准辅助学生进行个性化学习。
-
公开(公告)号：CN116703670A
公开(公告)日：2023-09-05
申请号：CN202310631847.9
申请日：2023-05-31
申请人： 华中师范大学
IPC分类号： G06Q50/20 , G06F18/214 , G06F18/241 , G06N3/04 , G06N3/08 , G06F18/25 , G06F16/35
摘要： 本发明属于教育数据挖掘领域，提供一种面向多属性连续化评估的多标签分类建模的认知诊断方法，包括：(1)特征提取；(2)通过交互函数融合提取到的学生特征、试题特征和知识点特征，获得特征表征向量；(3)通过BERT模型进行预训练获得文本特征，并且将文本特征与获得的特征表示向量结合，得到最终的学生输入表征向量；(4)利用神经网络结构建模诊断算法，将获得的最终的学生输入表征向量作为网络结构的输入，输出学生属性掌握状态；(5)收集数据集，训练神经网络结构，诊断学生属性掌握状态。本发明认知诊断方法融合多模态数据信息，基于神经网络连续化诊断学习者的多属性掌握状态，具备可解释性。
-
公开(公告)号：CN114154637A
公开(公告)日：2022-03-08
申请号：CN202111307247.4
申请日：2021-11-05
申请人： 华中师范大学
IPC分类号： G06N5/02 , G06F40/242 , G06F40/284 , G06F40/295
摘要： 本发明公开了一种知识点自动标注建模方法及系统，其中，标注方法包括统一处理步骤、本体试题获取步骤、输入样本获取步骤、模型训练步骤和模型获得步骤。本发明对统一预训练语言模型UniLM进行训练得到知识点自动标注模型，该模型在提取丰富的数学试题文本语义信息的前提下，能够考虑到标签之间的关联关系，高效的完成小学几何试题知识点的预测，提高了知识点自动标注的可信度；本发明提出基于匹配模板的实体识别和本体替换方法，以缓解小学几何试题文本在模型训练中的数据稀疏问题；本发明对于试题中包含的所有的知识点标签进行了全排列处理，以避免知识点标签生成顺序的不一致造成训练过程中的错误反馈。
-
公开(公告)号：CN118940796A
公开(公告)日：2024-11-12
申请号：CN202410961044.4
申请日：2024-07-17
申请人： 华中师范大学
IPC分类号： G06N3/042 , G06N3/0442 , G06N3/084
摘要： 本发明针对现有知识追踪方法忽略数据选择偏置导致的虚假关联问题，提出一种基于因果不变性解耦序列的知识追踪方法，通过设计的因果注意力机制以及因果干预操作，将反应序列解耦成因果子序列和琐碎子序列，从而发现与作答表现存在因果关联的作答子序列，去除冗余、无关的作答，实现知识追踪预测任务的精准性的提高，并通过因果分析技术提高知识追踪方法的可解释性。本发明实现了对序列中冗余数据的精简，并且提高了预测任务的精准性，极大提高了知识追踪方法的可解释性。
-
公开(公告)号：CN118095531A
公开(公告)日：2024-05-28
申请号：CN202410100007.4
申请日：2024-01-24
申请人： 华中师范大学
IPC分类号： G06Q10/04 , G06Q50/20 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/082
摘要： 本发明涉及教育大数据挖掘、时空图神经网络与学生行为建模领域，提供一种基于多尺度时空卷积注意力知识追踪方法，采用embedding的方法将试题和学生响应进行嵌入表征；随后，运用键值网络生成学生隐藏知识状态；用空间图卷积技术对知识结构维度演化进行建模；同时，利用多尺度时空卷积注意力网络建模知识累积性演化，并使用时序门控卷积网络模拟学生记忆和遗忘行为；最后，将结构性演化和累积性演化分别建模两部分隐藏知识状态进行融合，通过多头注意力网络结合学生知识状态和试题特征，实现对学习者的知识状态的表征和学习者表现预测。本发明能够科学、全面地对学生学习情况进行预测，辅助教师进行精准教学。
-
公开(公告)号：CN116993007A
公开(公告)日：2023-11-03
申请号：CN202310889116.4
申请日：2023-07-19
申请人： 华中师范大学
IPC分类号： G06Q10/04 , G06Q50/20 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0985 , G06F18/2415 , G06F18/25
摘要： 本发明属于知识追踪技术领域，提供一种集成动态与静态关系的工作记忆知识追踪方法，包括以下步骤：(1)试题与概念之间静态关系构建与向量表示；(2)交互之间的动态关系表示；(3)记忆过程追踪；(4)模型预测；(5)模型训练。本发明集成动态与静态关系的工作记忆知识追踪方法，能够有效提升知识追踪的预测精确度。
-
公开(公告)号：CN115841172A
公开(公告)日：2023-03-24
申请号：CN202211311803.X
申请日：2022-10-25
申请人： 华中师范大学
IPC分类号： G06Q10/04 , G06Q10/067 , G06Q50/20 , G06N3/0442 , G06N3/0499
摘要： 本发明涉及教育数据挖掘、深度学习与知识追踪领域，提供一种选项价值增强的多任务知识追踪方法，包括：(1)选项价值计算与特征嵌入；(2)混合专家集成；(3)注意力门控选择；(4)多任务预测。本发明利用时间序列建模、多任务学习等技术方法，采用选项价值来表示部分或全部知识，同时对学生知识状态进行建模，使学生的学习状态更加符合真实学习场景，辅助个性化教学。
-
-
-
-
-
-
-
-
搜索结果
25 条记录 (耗时 0.027 秒)
