[发明专利]一种基于试题异构图表征与学习者嵌入的知识追踪方法

权利要求书

1.一种基于试题异构图表征与学习者嵌入的知识追踪方法，其特征在于该方法包括以下步骤：

(1)试题异构图的嵌入表征：定义一个异构图，异构图的每个节点都关联以下异构信息：节点、连接节点的边、节点类型与边关系，后通过随机采样获得每一个节点的邻居采样，再对每个节点的信息进行编码处理，使用基于节点种类的神经网络对节点的异构邻居内容进行聚合，得到邻居嵌入向量，通过注意力机制对不同邻居嵌入向量进行加权相加，得到总体的试题异构图嵌入表征；

所述试题异构图的嵌入表征包括元路径的采样，节点异构信息的编码和聚合邻居节点的信息；具体为：

(1-1)元路径的采样：采用随机游走采样策略，从起点开始，以一定的概率让游走的下一个目标随机选择当前节点的邻居节点，不断循环直到随机游走的路径长度达到预先定义的长度；

(1-2)节点异构信息的编码：节点信息的表示包括三种类型的节点，知识点、试题内容和难度，知识点和难度节点使用one-hot编码的方式来表示节点的特征，试题内容对于其中的公式、文本和图片分别采用本体替换、自然语言处理与卷积神经网络的方法，分别得到其向量化表示，再作以拼接得到试题内容的向量表示；

(1-3)聚合邻居节点的信息：采用基于节点种类的神经网络来进行特征聚合，对于同一种类的邻居，为每个种类设计一个神经网络来聚合这些节点的特征，后采用注意力机制，为每个节点的不同邻居嵌入向量赋予不同的权重，最后进行加权相加，得到不同类型的邻居种类的贡献系数；

(2)学习者分类的嵌入：将学习者在过去一段时间序列中的表现进行编码与计算，使用答对和答错一道题目的概率的差值来表示其对知识技能的掌握程度，之后通过聚类把学习者分配到具有相似能力的组内，获得其所对应的能力标签；

(3)认知加工过程追踪：在获得试题异构图的嵌入表征与学习者分类的嵌入之后，将所有学习者的做题序列输入到双向LSTM中进行建模，获得其每一时刻下的隐藏学习状态，从而来计算下一时刻对于某一试题作答成功的概率。

2.根据权利要求1所述的基于试题异构图表征与学习者嵌入的知识追踪方法，其特征在于步骤(2)中所述学习者分类的嵌入包括计算每个学生对于知识情况的掌握情况，通过聚类对学生的能力进行分类；具体为：

(2-1)计算每个学习者对于知识技能的掌握情况：首先计算每个知识技能被正确回答的概率和错误回答概率，通过二者的差值来代表学习者对于每一知识技能的掌握状况；

(2-2)通过聚类对学习者能力进行分类：先随机选取初始的几个聚类中心，后计算其余的每个对象到这几个中心的距离，将每个对象划分到距离它最近的中心所在的簇中，不断进行迭代直到聚类的中心不再变化，至此学习者能力被分为多个稳定的簇，即学习者所对应的能力标签。

3.根据权利要求1所述的基于试题异构图表征与学习者嵌入的知识追踪方法，其特征在于步骤(3)中所述认知加工过程追踪具体为：在获得试题的异构图嵌入与学习者的能力标签之后，将所有的学习者做题序列输入到双向长短期记忆网络中进行建模，通过隐藏层来追踪学习者在每个时刻t的隐藏学习状态，通过t时刻的隐藏学习状态来预测下一时刻t+1时学习者的作答反应，即下一时刻对于某一试题作答成果的概率。