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！

龙图腾网获悉湖南达美策略信息技术服务有限公司申请的专利一种智能错题数据管理方法及装置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：CN121542417B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610060917.3，技术领域涉及：G06F16/335；该发明授权一种智能错题数据管理方法及装置是由谭卫勇;孙加旺;李满菊设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种智能错题数据管理方法及装置在说明书摘要公布了：本申请涉及计算机技术领域，尤其涉及一种智能错题数据管理方法及装置，其方法包括：获取学生的历史错题数据及历史答题行为数据，构建学科知识图谱及学生认知能力画像；通过预训练Transformer模型，对错题文本进行语义编码；基于编码后的向量表示，将错题关联至学科知识图谱中对应的知识点节点，并识别错题对应的错误类型；根据错题关联的学科知识图谱知识点节点属性及识别的错误类型，更新学生认知能力画像，并动态更新学科知识图谱中关联知识点节点的掌握度权重；基于更新的学生认知能力画像及学科知识图谱，通过LEMMA式反思训练优化认知状态，生成个性化学习路径。本申请有助于为学生提供精准、个性化的学习引导。

本发明授权一种智能错题数据管理方法及装置在权利要求书中公布了：1.一种智能错题数据管理方法，其特征在于，包括： 获取学生的历史错题数据及历史答题行为数据，并基于所述历史错题数据及所述历史答题行为数据，构建学科知识图谱及学生认知能力画像； 通过多种采集方式获取预设最近周期内的错题文本，通过预训练Transformer模型，对所述错题文本进行语义编码； 基于编码后的向量表示，将错题关联至所述学科知识图谱中对应的知识点节点，并通过多标签分类模型识别错题对应的错误类型； 根据错题关联的学科知识图谱知识点节点属性及识别的错误类型，更新所述学生认知能力画像，并基于更新的学生认知能力画像，动态更新所述学科知识图谱中关联知识点节点的掌握度权重； 基于更新的学生认知能力画像及学科知识图谱，通过LEMMA式反思训练优化认知状态，生成个性化学习路径； 所述基于编码后的向量表示，将错题关联至所述学科知识图谱中对应的知识点节点，并通过多标签分类模型识别错题对应的错误类型包括： 基于编码后的向量表示，通过余弦相似度算法计算错题向量与学科知识图谱中各知识点节点向量的相似度，结合图匹配算法将错题自动关联至相似度高的知识节点； 调用多标签分类模型，输入所述向量表示及错题上下文信息，识别错题对应的错误类型，所述错误类型包括单一错误与复合型错误； 所述基于编码后的向量表示，通过余弦相似度算法计算错题向量与学科知识图谱中各知识点节点向量的相似度，结合图匹配算法将错题自动关联至相似度高的知识节点包括：在错题与知识点节点关联环节，调用学科知识图谱中各知识点节点的特征向量，通过余弦相似度算法计算错题向量与所述学科知识图谱中各知识点节点向量的相似度，筛选出相似度高于预设阈值的候选关联节点，初步锁定错题所属的知识点范围；为进一步提升关联准确性，结合图匹配算法，利用学科知识图谱中知识点的逻辑依赖关系、错题所属的学科、题目类型信息，对所述候选关联节点进行二次筛选，实现错题与知识点的精准关联，避免传统关键词匹配导致的误关联问题； 所述获取学生的历史错题数据及历史答题行为数据，并基于所述历史错题数据及所述历史答题行为数据，构建学科知识图谱及学生认知能力画像包括： 获取学生的历史错题数据及历史答题行为数据； 基于所述历史错题数据，提取题目与知识点的映射关系，采用图结构建模工具构建学科知识图谱； 根据所述历史错题数据及所述历史答题行为数据，通过特征提取与筛选，得到不同认知维度特征，所述不同认知维度特征至少包括知识掌握维度特征、思维能力维度特征以及综合应用维度特征； 针对所述不同认知维度特征，选择适配的算法模型进行计算，将特征转化为量化结果，并根据所述量化结果，构建学生认知能力画像； 其中，所述知识掌握维度特征包括各知识点的答题正确率、错误率、错误重复频次；所述思维能力维度特征包括同类错误的序列模式、错误类型分布、答题犹豫时长分布；所述综合应用能力维度特征包括跨知识点题目的得分率、答题步骤完整性、知识点迁移应用表现； 所述针对所述不同认知维度特征，选择适配的算法模型进行计算，将特征转化为量化结果，并根据所述量化结果，构建学生认知能力画像包括：针对不同认知维度特征，选择适配的算法模型进行量化计算，采用贝叶斯知识追踪模型计算知识掌握度概率；通过FP-Growth序列模式挖掘算法分析思维定势强度；利用图神经网络模型评估综合应用能力等级；将各维度特征转化的可量化的数值或等级结果整合，构建出全面、精准、动态更新的学生认知能力画像，清晰呈现学生的知识掌握状态、思维特征与能力水平； 所述基于更新的学生认知能力画像及学科知识图谱，通过LEMMA式反思训练优化认知状态，生成个性化学习路径包括： 结合更新后的学生认知能力画像，确定待强化的目标知识点，并基于学科知识图谱中目标知识点、前置知识依赖关系以及历史高频错误类型，生成包含针对性错误的定制化错误范例； 根据选择的反思模式及所述定制化错误范例，通过LEMMA式反思训练完成纠错训练，并待学生成功纠错后，基于已掌握的知识点，修正所述学生认知能力画像中对应的认知维度参数，实现认知状态优化，其中所述反思模式包括分步纠错模式及整体纠错模式； 基于更新后的学生认知能力画像及学科知识图谱，通过遗传算法，生成个性化学习路径； 其中，所述LEMMA式反思训练是通过构建有目标的错误数据，引导学习者精准定位错误、深度反思成因并高效修正，形成完整的学习反思闭环，能让学习主体清晰掌握错在哪、怎么改，不仅能解决当下的具体问题，还能提升自主反思和纠错能力； 所述分步纠错模式支持学生按解题步骤回溯，定位首个错误节点后，系统会给出错误原因解析与对应步骤的正确推导参考，帮助学生逐环节梳理问题；所述整体纠错模式则引导学生重新梳理解题思路，仅提供初始题干与核心思路提示，不直接给出答案，培养学生的全局思维与独立解题能力；学生基于所选模式与所述定制化错误范例完成纠错训练后，系统通过分析纠错时长、提示依赖次数、纠错准确率数据，判定纠错是否有效，若成功纠错，则基于已掌握的知识点修正学生认知能力画像中对应的认知维度参数； 所述通过多种采集方式获取预设最近周期内的错题文本，通过预训练Transformer模型，对所述错题文本进行语义编码包括： 通过多种采集方式获取预设最近周期内的错题文本； 加载学科领域专用语料库，对预训练Transformer模型进行微调训练，优化Transformer模型对学科特定文本的语义理解能力； 将所述错题文本分割为多个文本片段，并将文本片段输入微调后的预训练Transformer模型，通过多头注意力机制捕捉所述错题文本中的语义关联，生成固定维度的错题语义向量表示； 其中，所述学科领域专用语料库包含学科专业术语、公式表述、典型题型描述、解题步骤规范针对性内容，基于所述学科领域专用语料库对所述预训练Transformer模型进行微调训练，通过多轮迭代优化模型参数，使模型能精准捕捉学科文本的语义特征与逻辑关联。

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湖南达美策略信息技术服务有限公司，其通讯地址为：410000 湖南省长沙市岳麓区天顶街道环湖路1177号方茂苑(二期)12、13、15栋713；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。