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！

龙图腾网获悉浙江大学申请的专利结合语义理解与结构化建模的学生编程答题预测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：CN121235222B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511789479.6，技术领域涉及：G06Q10/04；该发明授权结合语义理解与结构化建模的学生编程答题预测方法是由朱玮钲;翁恺设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本结合语义理解与结构化建模的学生编程答题预测方法在说明书摘要公布了：本发明公开的一种结合语义理解与结构化建模的学生编程答题预测方法，收集学生编程作业数据并预处理得到数据样本，翻译后得到英文特征集合；使用低秩适配对预训练的语义理解模型微调，构建输入特征，预测出答题正确概率；基于问题与概念的关联关系进行图神经网络结构化建模，并进行消息传播与特征更新得到嵌入集合，将嵌入集合和学生嵌入融合后输入至预测层得到学生答对题目的概率；答题正确概率与学生答对题目的概率融合后输入至多层感知机进行非线性映射，预测答题正确的概率。本发明解决了编程知识追踪中难以有效处理学生提交的非标准化代码、题目文本语义理解不足以及预测精度低的问题，为个性化教学和学习资源调度提供科学依据。

本发明授权结合语义理解与结构化建模的学生编程答题预测方法在权利要求书中公布了：1.一种结合语义理解与结构化建模的学生编程答题预测方法，其特征在于，包括以下步骤： 步骤1：收集学生编程作业数据并预处理，得到数据样本，并对数据样本进行翻译，得到英文特征集合； 步骤2：使用低秩适配方法对预训练的语义理解模型进行微调，基于英文特征集合和数据样本构建输入特征，通过微调后的语义理解模型预测答题正确概率； 步骤3：基于问题与概念的关联关系进行图神经网络结构化建模，并通过多层图卷积网络进行消息传播与特征更新得到嵌入集合，将嵌入集合和学生嵌入融合后输入至预测层得到学生答对题目的概率，其中，所述基于问题与概念的关联关系进行图神经网络结构化建模，包括：以问题和概念作为节点，根据问题与概念的语义关联建立边，建立知识图谱；将问题节点与概念节点的语义信息转化为向量表示，编码后得到对应的初始特征向量，将问题节点与概念节点的初始特征向量拼接，建立初始节点特征矩阵；根据问题与概念的语义关联关系，构建原始的二元邻接矩阵，在二元邻接矩阵中加入单位矩阵，并进行对称归一化处理，得到标准化邻接矩阵，实现图神经网络结构化建模； 步骤4：将答题正确概率与学生答对题目的概率拼接成融合特征向量，将该融合特征向量输入至多层感知机进行非线性映射，输出最终答题正确的预测概率，具体为： 第一层：， 第二层：， 第层：， 其中，和分别为第层权重矩阵与偏置向量；为激活函数，中间层可选ReLU函数或Tanh函数，输出层为Sigmoid函数映射至[0,1]，为MLP层数，表示学生对题目的最终答题正确概率。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。