龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：安徽大学
申请日：2024-04-01
公开（公告）日：2024-07-05
公开（公告）号：CN118297130A
主分类号：G06N3/086
分类号：G06N3/086;G06N3/082;G06N3/084;G06N3/0455;G09B7/02
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.23#实质审查的生效;2024.07.05#公开
摘要：本发明公开了一种基于Transformer神经架构搜索的知识追踪方法，涉及智慧教育认知建模技术领域，解决了自动平衡局部序列与全局序列对预测结果的影响、自动化地选择模型中所使用的特征信息且自动化搜索的技术问题；本发明通过定义学生与习题的交互序列；获取数据集，并计算数据集中变量的嵌入，将变量的嵌入标记为候选嵌入向量；基于候选嵌入向量定义选择性分层输入模块；定义包含局部操作和全局操作的搜索空间；对搜索空间内模型进行编码；利用梯度下降法对Transformer‑super‑net进行训练；在搜索空间中通过进化算法搜索知识追踪模型。
主权项：1.一种基于Transformer神经架构搜索的知识追踪方法，其特征在于：S1：定义学生与习题的交互序列；获取数据集，并计算数据集中变量的嵌入，将所述变量的嵌入标记为候选嵌入向量；基于候选嵌入向量定义选择性分层输入模块；定义包含局部操作和全局操作的搜索空间；其中，数据集包括EdNet和RAIEd2020；S2：对搜索空间内模型进行编码；S3：利用super-net定义三个子模型；获取Transformer-super-net的损失函数；利用梯度下降法对Transformer-super-net进行训练；其中，三个子模型包括全局子模型subg、局部子模型subl和随机采样子模型subr；S4：在所述搜索空间中通过进化算法搜索知识追踪模型；基于给定题目信息，通过知识追踪模型查询与习题有关的相关信息，并自动聚合相关信息，输出指定学生正确回答题目的概率；其中，相关信息包括难度、所涉及的知识点信息。
全文数据：
权利要求：
百度查询： 安徽大学 一种基于Transformer神经架构搜索的知识追踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号