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！

龙图腾网获悉华中师范大学申请的专利融合学习认知要素的可解释知识认知水平挖掘方法及系统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：CN115422256B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211034335.6，技术领域涉及：G06F16/2458；该发明授权融合学习认知要素的可解释知识认知水平挖掘方法及系统是由王志锋;左明章;罗恒;孙建文;闵秋莎;董石;田元;夏丹;龙陶陶设计研发完成，并于2022-08-26向国家知识产权局提交的专利申请。

本融合学习认知要素的可解释知识认知水平挖掘方法及系统在说明书摘要公布了：本发明属于个性化学习技术领域，公开了一种融合学习认知要素的可解释知识认知水平挖掘方法及系统，包括：构建学习资源‑作答反应矩阵和学习资源‑知识点矩阵，估计基于认知诊断模型的失误和猜测参数；获取包含学习者对潜在知识点的总体掌握状态的特征向量；融入基于认知诊断模型的失误和猜测参数，得到新的特征向量，预测学习者在特定学习资源上的作答表现；获取知识增长向量、学习者对知识点的遗忘程度以及记忆强化程度，综合更新学习者与学习资源交互后的知识状态。本发明提出的融合学习认知要素的可解释知识认知水平挖掘方法比传统知识认知水平挖掘方法更有效。

本发明授权融合学习认知要素的可解释知识认知水平挖掘方法及系统在权利要求书中公布了：1.一种融合学习认知要素的可解释知识认知水平挖掘方法，其特征在于，所述融合学习认知要素的可解释知识认知水平挖掘方法包括： 步骤一，以学习者与学习资源的交互序列为基础，构建学习资源-作答反应矩阵和学习资源-知识点矩阵，估计基于认知诊断模型的失误和猜测参数； 步骤二，分别创建存储学习者作答学习资源潜在知识点的键矩阵以及存储对所述潜在知识点的掌握状态的值矩阵；同时从所述键矩阵获取学习者作答的学习资源所相关的知识点；从所述值矩阵读取学习者在相关知识点上的掌握情况，得到包含学习者对潜在知识点的总体掌握状态的特征向量； 步骤三，从所述包含学习者对潜在知识点的总体掌握状态的特征向量中学习基于学习者的个性化失误参数和猜测参数，融入基于认知诊断模型的失误和猜测参数，得到新的特征向量，预测学习者在特定学习资源上的作答表现； 步骤四，根据学习者与学习资源交互的交互序列的嵌入矩阵向量表示，并基于学习者当前的知识状态，获取知识增长向量；再基于学习者个性化的遗忘速率，获取学习者对知识点的遗忘程度以及记忆强化程度，综合更新学习者与学习资源交互后的知识状态； 所述步骤二包括： 1创建存储学习者作答学习资源潜在知识点的键矩阵以及存储所述潜在知识点的掌握状态的值矩阵；所述键矩阵为所述值矩阵为KCv＝KCv1,...,KCvi,...,KCvN； 2将学习资源序列的嵌入矩阵向量表示kt与值矩阵做内积，并通过sigmoid函数进行激活，获取学习者作答的学习资源所相关的知识点及所述学习者作答的学习资源所相关的知识点的权重； 所述学习者作答的学习资源所相关的知识点的权重wt计算公式为：wt＝σktKCk； 3结合获取的学习者作答的学习资源所相关的知识点及所述学习者作答的学习资源所相关的知识点的权重wt，从值矩阵KCv＝KCv1,...,KCvi,...,KCvN中读取学习者在相关知识点上的掌握情况 4将获取的学习者在相关知识点上的掌握情况进行加权求和，得到学习资源所包含的知识点的总体掌握状态； 所述学习资源所包含的知识点的总体掌握状态rt计算公式如下： 5将学习资源所包含的知识点的总体掌握状态与学习资源序列的嵌入矩阵向量表示kt连接，再通过Tanh函数进行激活，获得包含学习者对潜在知识点的总体掌握状态的特征向量； 所述包含学习者对潜在知识点的总体掌握状态的特征向量Ft表示如下： Ft＝TanhW1 T[rt,kt]+b1。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞喻路152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”。