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！

龙图腾网获悉南京师范大学申请的专利一种面向计算机编程试题的多模态特征融合知识追踪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：CN116644380B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310632975.5，技术领域涉及：G06F18/25；该发明授权一种面向计算机编程试题的多模态特征融合知识追踪方法是由杨琬琪;吴晨;谢雨荃;唐宇萌;杨明设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种面向计算机编程试题的多模态特征融合知识追踪方法在说明书摘要公布了：本发明公开了一种面向计算机编程试题的多模态特征融合知识追踪方法，属于智能教育领域。包含以下步骤：1收集整理高校计算机编程试题以及学生的做题记录、人工标记标签，构造编程试题知识追踪数据集Buddy。2设计超图网络结构融合试题中丰富的文本信息以及多知识点标签信息。3利用关系图网络刻画学生、试题与知识点之间的教育学关系，通过网络的迭代更新获取这三种对象融合了依赖关系的特征表示。4运用自注意力机制进行多模态特征的有效融合，并整合到自行设计的知识追踪模型中，分析学生知识状态并预测答题表现。本发明方法通过融合计算机编程试题以及学生做题记录中的多模态信息，以帮助模型提高性能，具有较高的使用价值。

本发明授权一种面向计算机编程试题的多模态特征融合知识追踪方法在权利要求书中公布了：1.一种面向计算机编程试题的多模态特征融合知识追踪方法，其特征在于，包括以下步骤： 步骤1，构建数据集：收集整理高校计算机编程试题以及学生的做题记录、人工标记标签，构造数据集Buddy； 步骤2，融合计算机编程试题多模态信息：设计超图网络结构融合试题中存在的试题文本语义信息以及试题所包含的多知识点标签信息； 步骤2-1，超图构建：在数据集Buddy中对计算机编程试题从试题文本信息以及所包含的知识点集合这两种角度来描述，即试题文本信息的Bert向量与试题的多知识点信息特征向量，作为从不同角度刻画的模态信息来构建超图，生成试题的两种关联矩阵H1与H2，通过拼接两个模态的关联矩阵H1与H2得到超图的最终表现形式H； 步骤2-2，超图网络卷积：在数据的超图结构形成之后，将超图关联矩阵H和节点特征Q＝[q1,…,qN]T作为输入，通过图卷积运算来处理特征学习过程中的数据相关性；卷积层的公式如下： 其中Ql和Ql+1分别是第l层和第l+1层的试题特征，σ表示非线性激活函数，H是超图关联矩阵，Θ是可学习的滤波矩阵；Dv和De分别表示超图顶点和超边的对角矩阵，W是一个单位矩阵，表示所有的超边的权重相同； 步骤3，融合学生在编程试题上的做题记录中的教育学依赖关系信息：采用关系图网络刻画学生、试题与知识点之间的教育学关系，通过网络的迭代更新获取这三种对象融合了依赖关系的特征表示； 步骤3-1，初始化学生、试题以及知识点的节点嵌入表示：嵌入层利用d维可训练矩阵对学生和知识点进行编码，其中N和K分别是学生和知识点的数量；将步骤2中试题通过超图网络结构更新之后的特征表示，作为关系图中试题节点的嵌入表示； 步骤3-2，描述三张本地地图：根据Buddy数据集构建知识点依赖图、试题——知识点相关图和学生——试题交互图； 步骤3-3，更新学生、试题以及知识点的节点嵌入表示：利用关系图网络中实现了多级注意力结构的融合层，在多层关系图之间平衡信息，学习嵌入表示； 步骤4，构建融合多模态特征的知识追踪模型：运用自注意力机制进行多模态特征的融合，并整合到知识追踪模型中，分析学生知识状态并预测答题表现。

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南京师范大学，其通讯地址为：210024 江苏省南京市鼓楼区宁海路122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”。

以上内容由龙图腾AI智能生成。