买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆师范大学

摘要：本方案涉及知识跟踪领域的一种基于学生能力和题目难度的注意力知识追踪方法，通过对学生能力和题目难度进行提取，并结合题目内容、学生特征和该学习历史正确率因数；并建立基于“Transformer”模型的知识追踪模型ADKT，本知识追踪方法通过人工神经网络模型的创新设计，将上述因数放入到模型中进行运算，从而得到更加精确针对个人能力的预测值，从而指导学生合理安排学习内容，以达到因材施教，从而能够避免教学资源错误投放或重复浪费的目的。

主权项：1.一种基于学生能力和题目难度的注意力知识追踪方法，其特征在于，包括如下步骤：步骤一：建立问题库，并将问题的参考答案与问题形成对应关系，将参考答案与问题编号建立一一对应关系；步骤二：建立学生回答该问题的交互信息，交互信息包括学生选择的测试编号，回答该问题的输入内容；以及将输入内容与参考答案对比形成正确或错误的结论；步骤三：将每个学生回答该问题的交互信息进行单独存储，将所有学生的交互内容根据时间点的不同存储在数据集中；步骤四：利用数据集中记录的交互信息，对单个学生的个人学习能力进行预测，单个学生的个人学习能力通过测试工具进行测试形成能力分数；所述测试工具满足如下逻辑： 其中Student_score为学生能力分数，seq_len表示数据集中每个学生的交互次数，Ri表示学生回答问题是否正确，正确为1，否则为0；步骤五：利用数据集中记录的交互信息，对每个问题进行难度系数标引，问题的难度系数满足如下逻辑： 其中Difficulty_quesi为问题i的难度系数，len_ques表示数据集拥有len_ques类问题，表示问题i被所有学生回答正确的次数，countquesi表示问题i被所有学生回答的次数；步骤六：提取数据集中记录的交互信息中涉及的学生特征，形成学生词嵌入；步骤七：提取数据集中记录的交互信息中学生回答问题的输入内容特征，形成问题词嵌入；步骤八：提取数据集中记录的交互信息中单个问题回答的正确率，形成问题正确率；步骤九：创建基于“Transformer”模型的知识追踪模型ADKT；所述知识追踪模型ADKT包括Encoder部分和Decoder部分，所述Encoder部分包括词第一自注意机制模块；所述Decoder部分包括第二自注意机制模块；步骤十，将步骤四中的个人能力分数、步骤五中的问题难度系数、步骤六提取的学生词嵌入、步骤七提取的问题词嵌入和步骤八提取的问题正确率均作为Decoder部分的输入，经过第一自注意机制模块变换后形成传导数据；步骤十一：提取数据集中记录的交互信息中学生回答问题的间距时间；第二词嵌入编码模块将学生回答问题时间转换为间隔时间词嵌入；步骤十二：将步骤十中的传导数据、步骤八中的问题正确率、步骤十一的间隔时间词嵌入均导入到第二自注意机制模块中，第二注意机制模块输出学生要正确回答当前问题的概率。

全文数据：

权利要求：

百度查询： 重庆师范大学 一种基于学生能力和题目难度的注意力知识追踪方法