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！

龙图腾网获悉安徽大学申请的专利一种基于可靠性的学生能力表征的认知诊断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：CN116933029B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310921788.9，技术领域涉及：G06F18/20；该发明授权一种基于可靠性的学生能力表征的认知诊断方法是由马海平;张云飞;秦川;申大忠;张兴义;俞晓山;张乐;祝恒书设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本一种基于可靠性的学生能力表征的认知诊断方法在说明书摘要公布了：本发明公开了一种基于可靠性的学生能力表征的认知诊断方法，其步骤包括：首先，利用基于贝叶斯方法将学生的能力表征建模为分布，用分布中的方差表示诊断的能力表征的可靠性；接着，考虑每个学生的潜在差异性，运用预训练模型建立不同能力概念的潜在变量个体先验分布；然后，采用不确定性正则化技术，使分布中的方差既不过于波动，也不过于平稳；最后，利用校准损失函数来保证诊断的能力表征的可靠性。本发明集贝叶斯方法和校准损失函数于一体，既能对学生能力表征进行认知诊断，又能评估能力表征的可靠性。

本发明授权一种基于可靠性的学生能力表征的认知诊断方法在权利要求书中公布了：1.一种基于可靠性的学生能力表征的认知诊断方法，其特征在于，是按如下步骤进行： 步骤一、定义学生集，其中，表示第个学生，N为学生的数量； 定义练习集，其中，表示第j个练习，M为练习的数量； 定义知识概念集，其中，表示第k个知识概念，K为知识概念的数量； 令第个学生对第j个练习的作答日志记为，其中，为第个学生对第j个练习的真实作答结果； 步骤二、能力向量计算模块的处理： 步骤2.1、利用式1得到第i个学生的能力表征分布： 1 式1中，表示条件概率，表示第i个学生的one-hot编码；表示从正态分布中随机采样出的一个向量；，分别表示第i个学生的均值和方差，并由式2得到，d是隐向量的维度； 2 式2中，，是待训练的均值转移矩阵、方差转移矩阵；表示转置； 步骤2.2、利用式3将第i个学生在第k个知识概念上的方差进行约束，得到约束后的方差： 3 式3中，表示由标准伯努利分布得出的第i个学生在第k个知识概念上的一个独立随机变量；是预先设定的参数；将定义为第i个学生在第k个知识概念上诊断能力表征的可靠性； 步骤2.3、利用式4对采样出的向量进行映射，得到第i个学生的能力向量： 4 式4中，表示采样，表示Sigmoid激活函数； 步骤三、认知诊断模块的处理： 步骤3.1、利用式5得到第j个练习的难度度和区分度： 5 式5中，表示第j个练习的one-hot编码；，分别表示待训练的难度矩阵和区分度矩阵； 步骤3.2、利用式6得到第i个学生对第j个练习作答结果正确的预测概率： 6 式6中，表示第i个学生对第j个练习的预测作答结果，是包含诊断因素的诊断范式，所述诊断因素包括学生的能力向量、练习的难度度和区分度； 步骤四、由能力向量计算模块和认知诊断模块构成可靠性认知诊断模型，并构建可靠性认知诊断模型的训练目标： 步骤4.1：利用式7优化可靠性认知诊断模型的参数： 7 式7中，是第i个学生的能力表征的先验分布；表示第i个学生的能力表征的后验分布；是第i个学生的能力向量对第j个练习作答为正确答案的预测概率；表示期望；是求分布和分布的KL散度；并利用式7和式8分别计算和： 8 9 式8和式9中，和分别表示预测损失和KL损失，和分别表示第i个学生在第k个知识概念上的均值和方差；表示所有学生在所有知识概念上的先验共识，并由式10得出；表示所有学生在知识概念上的均值： 10 式10中，表示第i个学生在所有知识概念的先验认知； 步骤4.2、利用式11构建第i个学生和第u个学生在第k个知识概念和第v个知识概念上的置信度和方差的偏序关系： 11 式11中，表示等价于；表示第i个学生在第k个知识概念上的掌握程度，表示第u个学生在第v个知识概念上的掌握程度；表示在第i个学生在第k个知识概念上的掌握程度为时，对第j个练习正确作答的概率；表示第i个学生在第k个知识概念上的置信度；表示第u个学生在第v个知识概念上的置信度； 步骤4.3、利用式12构建损失函数： 12 式12中，表示第i个学生在第k个知识概念上作答时预测正确的次数占第i个学生在第k个知识概念上作答总次数的比例，表示第u个学生在第v个知识概念上作答时预测正确的次数占第u个学生在第v个知识概念上作答总次数的比例；g表示比较函数，并有： 13 步骤五、利用式14构建总损失函数： 14 式14中，和是不同的超参数； 步骤七、利用梯度下降法对所述可靠性认知诊断模型进行训练，并计算总损失函数以更新模型参数，直到总损失函数收敛为止，从而得到训练后的学生能力表征的可靠性模型，用于预测学生能力表征及其可靠性。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。