[发明专利]一种知识追踪模型的训练方法、装置以及设备

权利要求书

1.一种知识追踪模型的训练方法，包括：

获取用户在t时刻对于知识点的答题信息h_t，生成对应于所述答题信息h_t的隐藏特征向量x_t；

根据所述隐藏特征向量x_t确定t时刻的权重矩阵w_t；

根据所述权重矩阵w_t从t-1时刻的内存矩阵M_t-1中进行读取，获得t时刻的聚焦向量r_t；

根据所述权重矩阵w_t对所述t-1时刻的内存矩阵M_t-1进行内容写入，生成t时刻的内存矩阵M_t；

融合所述隐藏特征向量x_t和所述r_t生成输出特征向量，根据所述输出特征向量生成在t时刻对于知识点的答题信息的预测值p_t；

根据所述预测值p_t和所述答题信息h_t的差异进行知识追踪模型的训练，生成目标模型。

2.如权利要求1所述的方法，其中，根据所述隐藏特征向量x_t确定t时刻的权重矩阵w_t，包括：

生成所述隐藏特征向量x_t所对应的t时刻秘钥向量k_t和秘钥强度参数；

根据所述秘钥强度参数分别确定所述M_t-1中所包含的第i个向量M_t-1(i)相对于所述隐藏特征向量x_t的余弦相似度w_i，1≤i≤n；

将所述n个余弦相似度所组成的矩阵确定为t时刻的权重矩阵w_t。

3.如权利要求2所述的方法，其中，根据所述权重矩阵w_t从t-1时刻的内存矩阵M_t中进行读取，获得t时刻的聚焦向量r_t，包括：

分别确定所述权重矩阵w_t中第i个权重值与M_t-1中所包含的第i个向量M_t-1(i)的乘积，生成n个中间数值向量；

将所述n个中间数值向量的和确定为t时刻的聚焦向量r_t。

4.如权利要求2所述的方法，其中，还包括：

生成所述隐藏特征向量x_t所对应的t时刻的位置选址矩阵g_t和移位矩阵s_t；

根据所述g_t和t-1时刻的权重矩阵w_t-1对所述权重矩阵w_t进行更新；

采用所述s_t对更新后的权重矩阵w_t进行循环卷积，生成增强后的权重矩阵。

5.如权利要求2至4任一项所述的方法，其中，根据所述权重矩阵w_t对所述t-1时刻的内存矩阵M_t-1进行内容写入，生成t时刻的内存矩阵M_t，包括：

确定所述隐藏特征向量x_t所对应的t时刻的擦除向量e_t；

计算所述权重矩阵w_t与所述擦除向量e_t的乘积，确定1与所述乘积的差值；

将所述内存矩阵M_t-1修改为所述内存矩阵M_t-1所述与所述差值的乘积。