Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学张玉红获国家专利权

合肥工业大学张玉红获国家专利权

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!

龙图腾网获悉合肥工业大学申请的专利一种基于层内相似关系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:CN116611513B

龙图腾网通过国家知识产权局官网在2026-02-03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:202310649596.7,技术领域涉及:G06N5/02;该发明授权一种基于层内相似关系的认知诊断方法是由张玉红;王冕;卜晨阳;胡学钢设计研发完成,并于2023-06-02向国家知识产权局提交的专利申请。

一种基于层内相似关系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层内相似关系的诊断方法,包括:1.根据学生的历史答题记录,习题与知识点的关联关系,计算学生、习题、知识点之间的相似性,形成层内相似关系;2.利用这种层内相似关通过关系图卷积网络学习节点的嵌入表示,把学生做题记录少或知识点关联信息少的节点称作为学生尾节点或习题尾节点。并将头节点信息传递给尾节点,改善尾节点层间关系的稀疏性;3.融合学生向量和知识点向量获取学生的认知状态,然后得到学生的认知状态和习题所需的知识点掌握情况。本发明通过增加学生与学生、习题与习题、知识点与知识点之间的层内相似关系实现尾节点的信息传递,从而能提高少量做题学生的认知诊断精度。

本发明授权一种基于层内相似关系的认知诊断方法在权利要求书中公布了:1.一种基于层内相似关系的认知诊断方法,其特征在于,是按如下步骤进行: 步骤1、获取学生的历史答题记录并构造异构图: 用S表示学生集,且S={s1,...,sa,...,sN},其中,sa表示第a个学生,N表示学生总数,1≤a≤N;用E表示习题集,且E={e1,...,ei,...,eM},其中,ei表示第i个习题,M表示习题总数,1≤i≤M;用K表示知识点集合,且K={k1,...,kj,...,kT},其中,kj表示第j个知识点,K表示知识点总数,1≤j≤T; 将每个学生所选择的习题及习题在所包含的知识点构成一个三部图,将学生所作答的习题之间的关系、以及习题所包含的知识点之间的关系称为层间关系;并将学生和习题之间的交互记录集合记为将习题和知识点之间的关系集合记为其中,表示第a个学生sa和第i个习题ei的交互记录,表示第i个习题ei和第个k知识点kj之间关系所对应的边; 步骤2、初始化学生嵌入表示,习题嵌入表示以及知识点嵌入表示; 步骤2.1、利用Xavier方法初始化学生集S后,得到学生表征集Es={es1,...,esa,...,esN},其中,esa表示第a个学生sa的d维嵌入表示; 步骤2.2、利用Xavier方法初始化习题集E后,得到习题表征集Ee={ee1,...,eei,...,eeM},其中,eei表示第i个习题ei的d维嵌入表示; 步骤2.3、利用Xavier方法初始化知识点集K后,得到知识点表征集Ek={ek1,...,ekj,...,ekT},其中,ekj表示第j个知识点kj的d维嵌入表示; 步骤3、构建基于层内相似关系的认知诊断模型,包括:层内相似关系模块、融合关系的节点表示模块以及诊断模块;其中,融合关系的节点表示模块包括:L层关系图卷积层; 步骤3.1、基于层内相似关系模块构建层内相似关系,得到学生-学生的层内关系集合Rs、习题-习题的层内关系集合Re、知识点-知识点的层内关系集合Rk; 步骤3.2、基于融合关系的节点表示模块进行消息传递,得到第L次更新的第a个学生sa的嵌入表示记为e′sa,第i个习题ei的嵌入表示记为e′ei,第j个知识点kj的嵌入表示记为e′kj; 步骤3.3、认知诊断模块的处理: 步骤3.3.1、利用式8得到第a个学生sa的嵌入表示eca,用于表征第a个学生sa的认知状态: eca=FCe′sa·e′k8 式8中,e′k为所有知识点嵌入表示构成的矩阵,σ·表示sigmoid激活函数;FC表示全连接层; 步骤3.3.2、利用式9预测第a个学生sa正确回答第i个习题ei的得分yai: yai=LWeca-e′ei9 式9中,W·是一个池化层,对学生的认知状态和习题表示进行降维;L·是采用一层全连接层的评分函数; 步骤4、利用式10构建交叉熵损失函数Loss: 式10中,yai是第a个学生sa作答第i个习题ei的预测成绩,rai是第a个学生sa作答第i个习题ei的真实成绩; 步骤5、利用Adam优化器对于认知诊断模型进行训练,并最小化总损失函数Loss以更新模型参数,直至收敛为止,从而得到训练好的认知诊断模型,并根据所得到的学生节点的最终嵌入表示,利用所述训练好的认知诊断模型获知相应学生对于不同知识点的掌握程度。

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合肥工业大学,其通讯地址为:230009 安徽省合肥市包河区屯溪路193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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。