专利交易市场

本申请提供一种趋势推理深度知识追踪方法及系统，包括：获取目标对象的历史练习交互序列，所述历史练习交互序列用于表征不同时间节点下不同习题的作答情况；将所述历史练习交互序列输入趋势推理模型，得到所述目标对象的知识变化向量，所述知识变化向量用于表征目标对象的知识变化过程，所述趋势推理模型是基于所述历史练习交互序列生成的伪交互信息与所述历史练习交互序列对应的真实交互信息进行博弈搭建的；根据所述知识变化向量、所述历史练习交互序列对应的习题向量以及各习题的交互时间预测所述目标对象针对目标习题的知识状态。本申请引入时间信息，可关注知识状态随时间的变化特征，有效提高知识状态预测的准确性。

本发明涉及专门适用于预测目的的数据处理技术领域，公开了知识追踪方法及系统，方法包括：获取待知识追踪学生的若干个已做试题、每个已做试题对应的知识点及每个已做试题的得分；对所有已做试题进行编码得到试题初始表征，对试题初始表征进行特征提取，得到试题的第一试题嵌入表征；对已做试题对应的知识点进行编码得到试题对应的知识点初始表征，对试题对应的知识点初始表征进行特征提取，得到试题对应的知识点嵌入表征；对试题的第一试题嵌入表征和试题对应的知识点嵌入表征进行关联，得到试题的第二试题嵌入表征；根据试题的第二试题嵌入表征和已做试题得分，确定学生对不同知识点的掌握度。本发明显著提高知识追踪模型的准确率。

本发明公开的属于知识追踪技术领域，具体为一种结合难度特征和时间相关性特征的知识追踪方法，包括具体步骤如下：筛选学生数据，构建学生答题数据集，对学生数据进行预处理；构建知识追踪模型，用于预测学生答题情况并输出学生知识掌握水平；训练知识追踪模型；应用模型，为学生个性化推荐问题，本发明通过问题与各知识点的关联权重和问题难度，增强了题目嵌入的难度特征信息，并根据不同学生的知识掌握水平，给出了符合学生知识水平的个性化问题难度；通过学生做题用时、做题时间间隔和答题情况得到学生答题表现，再结合个性化问题难度计算学生的知识获取程度，丰富了知识获取程度的语义信息。