公开(公告)号：CN117911206A

公开(公告)日：2024-04-19

申请号：CN202311651860.7

申请日：2023-12-05

Applicant: 桂林电子科技大学

Inventor： 池俊椿 ,  杨青 ,  张敬伟 ,  陈俊宇 ,  袁峰 ,  申治璋 ,  蒋林成

IPC: G06Q50/20 ,  G06Q10/04 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F18/23 ,  G06F18/22

Abstract: 本发明涉及知识追踪技术领域，涉及一种基于双注意力机制的动态评估学生知识水平方法，包括如下步骤：S1.获取学生学习过程的交互信息，将交互信息组成序列；S2.将交互序列划分成动态问题级别序列，平均技能级别序列，额外特征序列三个部分；S3.将不同序列输入对应模块进行训练，通过长短期记忆网络和多个注意力机制得到学生的知识状态；S4.将知识状态输入可解释性模块评估其知识水平；S5.记录训练模型评价指标，通过参数更新后的模型验证学生的交互序列，评估其知识水平。本发明充分挖掘学生交互信息，以不同角度评估学生的知识状态，提高了预测学生未来表现的准确率。

公开(公告)号：CN118747527A

公开(公告)日：2024-10-08

申请号：CN202410842554.X

申请日：2024-06-27

Applicant: 桂林电子科技大学

Inventor： 陈俊宇 ,  杨青 ,  池俊椿 ,  陈伟聪

IPC: G06N5/022 ,  G06Q50/20 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及知识追踪技术领域，提供一种基于知识概念关联和历史关注信息的知识追踪方法，包括：一、获取学生学习过程的交互信息，筛选出有效的交互信息；二、将交互信息划分成问题级别序列，概念级别序列两个部分；三、将不同序列输入模型的不同模块中进行训练；通过长短期记忆网络和图卷积神经网络得到学生的知识状态；在问题级别序列提取历史关注信息，通过多种注意力机制得到历史关注信息中学生的答题经验；四、将学生的知识状态和答题经验输入可解释性模块评估其知识水平，根据学生的知识水平预测学生未来的答题表现；五、记录训练模型评价指标，并采用交叉熵损失优化整个知识追踪网络。本发明充分关注知识概念间的复杂关系和历史关注信息，以不同角度评估学生的知识状态，提高了预测学生未来表现的准确。

公开(公告)号：CN116542444A

公开(公告)日：2023-08-04

申请号：CN202310360185.6

申请日：2023-04-06

Applicant: 桂林电子科技大学

Inventor： 王逸丰 ,  杨青 ,  池俊椿 ,  张景爱 ,  张惠鹃 ,  李致颖 ,  姜浩男 ,  陈伟聪

IPC: G06Q10/0631 ,  G06Q50/20

Abstract: 本发明提供了一种服务在线教育的多视角群组推荐方法，包括如下步骤：S1.确定学生的结组关系；S2.根据学生的结组关系，构建共生关系的同质图网络，得到考虑学生用户的嵌入表征；S3.在单一视角下，确定组嵌入表征；S4.重复S3获取多个视角下的组嵌入表征，得到用于预测的小组嵌入表征向量，进行评分预测，得到推荐目标；S5.记录学生用户与学习小组后续的交互课程，将后续数据导入数据集，通过更新后的数据集对模型中可学习参数进行调整。本发明使用多个注意力机制表示不同视角下用户在小组中起到的作用，随后挖掘不同视角与项目的关系并将其合理融合为最终组表征，提高了推荐的准确率。