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：禾辰纵横信息技术有限公司

摘要：本发明涉及学习行为评估的技术领域，公开了一种学习行为量化评估方法，所述方法包括：采集学习行为数据并按照知识点对习题交互数据进行划分得到习题交互子数据；构建学习行为量化评估模型，以习题交互子数据序列为输入，得到对应知识点的学习行为量化评估结果；对构建的学习行为量化评估模型进行优化求解得到最优模型实例，并利用求解得到的最优模型实例对所有知识点进行学习行为量化评估并整合量化评估结果得到学习行为量化评估向量，对计算得到的学习行为量化评估向量进行综合量化评估得到学习行为量化评估结果。

主权项：1.一种学习行为量化评估方法，其特征在于，所述方法包括：S1：采集学习行为数据，所述学习行为数据包括习题知识点关联数据和习题交互数据；并按照知识点对习题交互数据进行划分得到习题交互子数据，基于习题知识点强关联阵的数据切分进行习题交互数据划分；所述S1步骤中采集学习行为数据，并按照知识点对习题交互数据进行划分得到习题交互子数据，包括：S11：采集学习行为数据，所述学习行为数据包括习题知识点关联数据和习题交互数据，其中，习题知识点关联数据记录每道习题涉及的知识点，采用习题知识点关联矩阵A表示，矩阵的行对应习题，列对应知识点，元素表示习题e是否涉及知识点k，取值为1表示涉及，取值为0表示不涉及；习题交互数据记录学生对习题的答题结果，采用习题交互矩阵B表示，矩阵的行对应学生，列对应习题，元素表示学生m对习题e的答题结果是否正确，取值为1表示正确，取值为0表示错误；S12：根据习题知识点关联矩阵A和习题交互矩阵B计算知识点覆盖矩阵C，其中知识点覆盖矩阵C中的每个元素表示每个学生对每个知识点的掌握情况，计算公式为： ；其中： 表示第m个学生对第k个知识点的掌握情况； 表示第m个学生对第e个习题的作答情况； 表示第e个习题涉及的知识点情况，e表示习题索引；S13：对计算得到的知识点覆盖矩阵进行奇异值分解，计算公式为，其中表示奇异值矩阵，表示左奇异向量矩阵，表示右奇异向量矩阵，将分解得到奇异值矩阵中奇异值小于指定阈值的元素置0，即剔除习题与知识点之间的非显著关联项，得到习题与知识点之间强关联的奇异值矩阵；S14：根据计算得到的强关联的奇异值矩阵重构知识点覆盖矩阵，计算公式为： ；其中： 表示重构后的知识点覆盖矩阵，根据重构后的知识点覆盖矩阵计算习题知识点强关联矩阵，计算公式为： ；其中： 表示习题知识点强关联矩阵； 表示习题交互矩阵的逆，将习题知识点强关联矩阵中元素值超过预置阈值的元素置1，表示习题与知识点存在强关联，其余置0，对学生在不同知识点上的习题交互数据进行划分，将习题知识点强关联矩阵中元素值为1的习题作为学生在对应知识点上的习题交互子数据；S2：构建学习行为量化评估模型，所述模型以习题交互子数据序列为输入，以对应知识点的学习行为量化评估结果为输出，其中基于注意力机制的时序演化模型为所述量化评估模型的实施方法；S2步骤包括：构造知识点关联矩阵，所述知识点关联矩阵元素表示知识点之间的关联关系，取值为1表示存在关联关系，取值为0表示不存在关联关系；S3：对构建的学习行为量化评估模型进行优化求解得到最优模型实例，并利用求解得到的最优模型实例对所有知识点进行学习行为量化评估，并整合量化评估结果得到学习行为量化评估向量，其中自适应步长的人工鱼群算法为所述优化求解的实施方法；S4：对计算得到的学习行为量化评估向量进行综合量化评估得到学习行为量化评估结果，包括：S41：将所述知识点关联矩阵按照列求和得到每一个知识点的关联度，并进行归一化得到各知识点权重参数；S42：对求解得到权重参数和学习行为量化评估向量进行内积操作得到最终的学习系行为量化评估结果。

全文数据：

权利要求：

百度查询： 禾辰纵横信息技术有限公司 一种学习行为量化评估方法