[发明专利]学生认知诊断方法

权利要求书

1.一种学生认知诊断方法，其特征在于，包括：

获取学生的历史答题信息，并提取出试题文本和所包含的预定义知识点；

根据试题文本和包含的预定义知识点计算每道试题的知识点相关度向量；

将设定的学生参数、以及包含试题的知识点相关度向量的试题参数，作为以神经网络构建的认知诊断模型的输入，对答题结果进行拟合，通过训练得到学生的知识点掌握度向量，完成学生认知诊断。

2.根据权利要求1所述的一种学生认知诊断方法，其特征在于，每个学生的历史答题信息包括试题包括：知识点、试题文本以及答题结果，其中，试题文本包括：题面、答案和/或解析；

设答题记录中共有N名学生，M道试题，K个知识点，学生集合为S＝{s₁,s₂,...,s_N}，试题集合为E＝{e₁,e₂,...,e_M}，知识点集合为K_nowledge＝{k₁,k₂,...,k_K}，每一个答题记录表示为三元组(s,e,r)，代表学生s做试题e的结果为r；其中若试题只有对错之分，则答对r＝1，答错r＝0；若试题有得分，令r＝得分/总分。

3.根据权利要求1所述的一种学生认知诊断方法，其特征在于，所述根据试题文本和包含的预定义知识点计算每道试题的知识点相关度向量包括：

对试题文本和预定义知识点各自进行编号，构建试题-知识点关联矩阵Q：

试题-知识点关联矩阵Q为M×K的矩阵，其中的行向量Q_m作为试题e_m的知识点相关度向量；其中，M为试题数量，K为知识点数量。

4.根据权利要求3所述的一种学生认知诊断方法，其特征在于，所述根据试题文本和包含的预定义知识点计算每道试题的知识点相关度向量还包括：对试题-知识点关联矩阵Q进行优化，得到优化的矩阵从而得到优化后的每道试题的知识点相关度向量：

对试题文本分词，得到单词序列将每个单词向量化后拼接，得到试题文本的初级表征向量其中，w_l表示第l个单词，w_l为第l个单词对应的词向量，N_e为单词数量，d₀是单词向量的维数；

使用神经网络训练一个试题知识点预测模型，将试题的初级表征向量作为试题知识点预测模型的输入，试题在试题-知识点关联矩阵Q中对应的行向量作为训练的标签，进行训练，输出预测向量；

设试题e_m的知识点预测向量中值最大的k个知识点为按如下步骤将与试题-知识点关联矩阵Q结合，得到优化的矩阵

定义偏序关系为：

如果Q_ma＝1且Q_mb＝0且

其中，a和b代表不同知识点，定义偏序关系集合D_v：

在优化的矩阵中，的值全部设置为0；设矩阵的每一维服从高斯分布为的第m行，定义在取值下满足偏序关系的条件概率服从函数分布：

其中，λ是超参数，则矩阵关于偏序关系集合D_v的后验条件概率分布为：

其中，是的先验概率分布，前面已设其每一维服从高斯分布σ为标准差；C为常量，在优化中忽略；

对中所有非0值，即不属于使用激活函数变换到(0,1)值域范围后，即为试题e_m的知识相关度向量。