深度知识追踪方法、系统及可存储介质与流程

技术特征：
1.一种融合答题记录和题目语义的深度知识追踪方法，其特征在于，包括：获取文本特征；将所述文本特征，与数据集中已有的知识概念特征以及学生的回答情况拼接达到知识概念向量；将所述知识概念向量输入到现有的深度知识追踪模型中，得到学生对知识的掌握情况。2.根据权利要求1所述的一种融合答题记录和题目语义的深度知识追踪方法，其特征在于，还包括对文本特征预处理，具体如下：使用分词工具对文本处理得到分词；对分词进行特殊符号、停用词进行清洗，得到分词特征；将分词特征表示为一个句子矩阵，并为每个分词建立位置向量；将所述句子矩阵和位置矩阵相加后投影到三个不同的空间，输入到现有的深度知识追踪模型中，再经过多头注意力层和前馈神经网络得到文本特征。3.根据权利要求2所述的一种融合答题记录和题目语义的深度知识追踪方法，其特征在于，对文本特征预处理，还包括分词为固定长度，若分词过长则截断，长度过短则在末尾进行填充。4.根据权利要求1所述的一种融合答题记录和题目语义的深度知识追踪方法，其特征在于，所述知识概念向量如下：s＝{(e1,k1,r1),(e2,k2,r2),
…
,(e
t
,e
t
,r
t
)}对于题目文本e
t
，可以表示成一个m
×
d0维的句子矩阵，可以用e
t
＝{w1,w2,w3,
…
,w
m
}表示，其中w
m
表示第m个词的词向量；k
t
为第t时刻学生作答题目的知识点编号，共有k个知识点；r
t
是学生在第t时刻对q
t
的作答情况，r
t
为0时表示该题答错，r
t
为1时表示该题答对。5.一种融合答题记录和题目语义的深度知识追踪系统，其特征在于，包括：练习嵌入层，用于获取文本特征；学生嵌入层，用于将所述文本特征，知识概念特征以及学生的回答情况拼接达到知识概念向量；预测层，用于将所述知识概念向量输入到预测模型中，得到学生对知识的掌握情况。6.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序，所述计算机程序为被处理器执行时实现如权利要求1-4中任意一项所述的一种融合答题记录和题目语义的深度知识追踪方法的步骤。

技术总结
本发明公开了一种融合答题记录和题目语义的深度知识追踪方法、系统及可存储介质，涉及深度学习领域。本发明包括：获取文本特征；将所述文本特征，知识概念特征以及学生的回答情况拼接达到知识概念向量；将所述知识概念向量输入到预测模型中，得到学生对知识的掌握情况。本发明通过在真实在线教育数据集上的实验，与当前知识追踪模型相比，可以更好地追踪学生知识掌握状态，并具有较好的预测性能。并具有较好的预测性能。并具有较好的预测性能。


技术研发人员：肖永康 肖融 孙波 何珺 郑瑞丽
受保护的技术使用者：北京师范大学
技术研发日：2021.10.29
技术公布日：2022/1/28