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！

龙图腾网获悉湖南科技学院申请的专利基于局部图卷积的细粒度知识点掌握分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119513332B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411750732.2，技术领域涉及：G06F16/36；该发明授权基于局部图卷积的细粒度知识点掌握分析方法是由戴振华;屈丽明;段元梅;谭美华;朱智勇设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本基于局部图卷积的细粒度知识点掌握分析方法在说明书摘要公布了：本发明公开了一种基于局部图卷积的细粒度知识点掌握分析方法，S1、收集学生的学习行为数据，并基于所述学习行为数据构建初始知识图谱；S2、基于所述初始知识图谱，建立局部图卷积模型；S3、更新生成具有个性化特征的知识图谱；S4、基于所述个性化知识图谱，通过计算每个知识点的掌握度指标生成知识点掌握情况表；S5、对所述知识点掌握情况表中掌握度指标低于预设阈值的知识点进行聚类分析；S6、生成知识盲点组特征向量；S7、根据知识盲点组特征向量生成针对每个知识盲点组的学习策略。本发明实现了对知识点掌握的精细化评估与实时动态跟踪。

本发明授权基于局部图卷积的细粒度知识点掌握分析方法在权利要求书中公布了：1.一种基于局部图卷积的细粒度知识点掌握分析方法，其特征在于，包括如下步骤： S1、收集学生的学习行为数据，并基于所述学习行为数据构建包含多个知识点及其关联关系的初始知识图谱，所述知识图谱的每个知识点作为图谱中的一个节点，不同知识点之间的关联关系作为图谱中的边； S2、基于所述初始知识图谱，建立局部图卷积模型，对知识图谱中各知识点节点的邻近节点进行特征聚合，通过卷积核对邻近知识点的特征进行加权运算，提取知识点的局部特征矩阵，得到每个知识点节点的特征向量； S3、将学生的学习行为数据输入局部图卷积模型，根据学生的个性化学习进程，更新生成具有个性化特征的知识图谱； S4、基于所述具有个性化特征的知识图谱，通过计算每个知识点的掌握度指标生成知识点掌握情况表； S5、对所述知识点掌握情况表中掌握度指标低于预设阈值的知识点进行聚类分析，利用聚类算法将掌握度低的知识点进行分组，生成知识盲点分组表，所述知识盲点分组表识别出具有相似掌握度特征和结构特征的知识盲点组，每个知识盲点组中的知识点在图谱结构上具有相似的知识弱点和学习障碍表现； S6、基于所述知识盲点分组表提取每个知识盲点组的特征，分析各组中知识点的薄弱特性，生成知识盲点组特征向量； S7、根据知识盲点组特征向量生成针对每个知识盲点组的学习策略； 所述S3包括以下具体步骤： 将学生的最新学习行为数据Dit输入局部图卷积模型； 根据学生的个性化学习进程，通过隐含特征向量Zi以及最新的学习行为数据Dit更新初始知识图谱中的特征向量，生成个性化知识图谱； 所述S4包括以下具体步骤： 基于个性化知识图谱的特征向量Xi t中的学习频次数据Fit、学习反馈数据Rit和学习时长数据Tit，计算知识点i的掌握度指标Mi，将每个知识点的掌握度指标Mi汇总，生成知识点掌握情况表M，知识点掌握情况表M用于量化学生对各个知识点的掌握程度，表征学生在不同知识点上的学习进展； 所述S5包括以下具体步骤： 设定掌握度阈值θ，用于筛选知识点掌握情况表M中的低掌握度知识点，若知识点i的掌握度指标Miθ，则将该知识点标记为低掌握度知识点； 对标记为低掌握度的知识点集合S＝{i|Miθ}进行特征提取，基于知识图谱中的结构特征向量Zi和掌握度指标Mi构建特征矩阵Q； 对特征矩阵Q应用基于掌握度加权的K-means改进聚类算法识别低掌握度知识点中的相似群组，确定分组数K，将知识点集合S划分为K个知识盲点组G1,G2,…,GK，每个知识盲点组中的知识点具有相似的知识弱点特征和学习障碍表现； 掌握度加权K-means聚类算法的目标函数通过结合知识点的结构特征和掌握度指标，实现掌握度加权的细粒度聚类，识别出具有相似掌握难点和学习障碍的知识盲点组。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南科技学院，其通讯地址为：425000 湖南省永州市零陵区杨梓塘路130号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。