[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

说明书

本发明公开了一种基于因果推理的知识追踪方法、系统、设备及存储介质，其中方法包括：获取随机变量、潜在结果，并确定随机变量和潜在结果的关系式；获取观测变量，将观测变量分为混杂变量、调整变量和无关变量；采用因果推理的方法进行分析，根据混杂变量、调整变量以及随机变量和潜在结果的关系式，确定潜在结果的转换输出；根据转换输出，确定第一目标函数；获取样本权重并确定第二目标函数；根据第二目标函数以及样本权重，确定平衡权重，平衡权重可以减少要素之间的协方差，以帮助评估单个变量与结果变量之间的因果关系。

技术领域

本申请涉及知识追踪领域，尤其涉及一种基于因果推理的知识追踪方法、系统、设备及存储介质。

背景技术

随着人工智能在各种领域建模方面的成功，人们希望使用算法来模拟人类跟踪学生在掌握特定技能或概念时的知识状态的能力，并预测学生的学习表现，这激发了人们对知识跟踪(Knowledge Tracing，KT)的研究。知识追踪是一个根据历史数据对学生的知识状态进行建模的任务，代表了学生知识的掌握水平。解决KT问题的一个著名模型是基于递归神经网络的模型，称为深度知识跟踪(Deep Knowledge Tracing，DKT)，虽然DKT在知识追踪任务中取得了令人印象深刻的表现，但DKT有一个主要问题，即预测输出的过渡。当一个学生在一项与技能i相关的学习任务中表现良好时，该模型对该技能的预测性能可能会下降，反之亦然。这是不合理的，因为人们希望学生的知识状态是随着时间的推移逐渐过渡，而不是在掌握和未掌握之间交替，这种波浪式的转变是不利的，它会误导对学生知识状态的解释。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请提出一种基于因果推理的知识追踪方法、系统、设备及存储介质。

第一方面，本申请实施例提供了一种基于因果推理的知识追踪方法，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。

可选地，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。

可选地，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。

第二方面，本申请实施例提供了一种基于因果推理的知识追踪系统，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；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。

第三方面，本申请实施例提供了一种设备，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第一方面所述的基于因果推理的知识追踪方法。

第四方面，本申请实施例提供了一种计算机存储介质，其中存储有处理器可执行的程序，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第一方面所述的基于因果推理的知识追踪方法。