[发明专利]基于因果推理的知识追踪方法、系统、设备及存储介质

权利要求书

1.基于因果推理的知识追踪方法，其特征在于，包括：

获取随机变量，所述随机变量对应特定的知识点；

获取潜在结果，所述潜在结果表示学生对特定知识点的回答结果；

根据所述随机变量和所述潜在结果，确定所述随机变量和所述潜在结果的关系式；

获取观测变量，所述观测变量包括混杂变量，调整变量和无关变量；

根据所述混杂变量、所述调整变量以及所述随机变量和所述潜在结果的关系式，确定所述潜在结果的转换输出；

根据所述转换输出，确定所述观测变量的第一目标函数；

获取样本权重，根据所述样本权重更新所述第一目标函数，确定第二目标函数；

根据所述第二目标函数以及所述样本权重，确定平衡权重，所述平衡权重用于评估单个变量与所述潜在结果之间的因果关系。

2.根据权利要求1所述的基于因果推理的知识追踪方法，其特征在于，所述方法还包括：

对所述第一目标函数作优化处理，所述优化处理将调整变量与观测变量分离，以及将混杂变量与观测变量分离。

3.根据权利要求2所述的基于因果推理的知识追踪方法，其特征在于，所述方法还包括：

获取全局平衡模型；

通过所述全局平衡模型评估单个变量与所述潜在结果之间的因果关系。

4.根据权利要求3所述的基于因果推理的知识追踪方法，其特征在于，所述通过所述全局平衡模型评估单个变量与所述潜在结果之间的因果关系，包括：

通过自动编码器对所述混杂变量进行编码，确定重构向量；

通过乘积解码器对所述重构向量进行数据重建，确定所述样本权重。

5.根据权利要求4所述的基于因果推理的知识追踪方法，其特征在于，所述通过所述全局平衡模型评估单个变量与所述潜在结果之间的因果关系，还包括：

通过深度知识追踪模块，将输入数据映射到非线性低维空间。

6.一种基于因果推理的知识追踪系统，其特征在于，包括：

获取模块，用于获取随机变量、潜在结果、观测变量和样本权重；所述观测变量包括混杂变量，调整变量和无关变量；

数据处理模块，用于根据所述随机变量和所述潜在结果，确定所述随机变量和所述潜在结果的关系式；并用于根据所述混杂变量、所述调整变量以及所述随机变量和所述潜在结果的关系式，确定所述潜在结果的转换输出；

目标函数处理模块，用于根据所述转换输出，确定所述观测变量的第一目标函数；并用于根据所述样本权重更新所述第一目标函数，确定第二目标函数；

因果推理模块，用于根据所述第二目标函数以及所述样本权重，确定平衡权重，所述平衡权重用于评估单个变量与所述潜在结果之间的因果关系。

7.一种设备，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-5中任一项所述的基于因果推理的知识追踪方法。

8.一种计算机存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1-5任一项所述的基于因果推理的知识追踪方法。