【技术实现步骤摘要】
本专利技术涉及计算机数据处理，尤其涉及一种基于双视角一致性评估与噪声过滤的知识追踪方法与系统。
技术介绍
1、知识追踪是在线智能教育系统中的关键任务，其核心目标是通过学生历史答题记录追踪其知识状态的变化，从而为其提供个性化的学习路径和学习资源，提高学习效率和效果。当前大多数知识追踪模型从不同角度建模各类影响因素对学生知识状态的影响，从而优化网络结构提升模型的预测性能。但这些研究往往忽略了交互序列中数据噪声（即异常交互），
2、例如，学生的作答表现可能受到疲劳、猜测、误操作、习题质量等外在因素的影响，并不总是准确反映其真实知识水平。由于噪声数据的存在，模型在学习过程中容易捕捉到无关信息，导致对序列表示的学习偏差。这种偏差不仅会影响对学生知识状态的准确评估，还会进一步降低模型对学生未来表现的预测准确率。
3、因此，如何有效地处理交互序列中的噪声信号，增强序列表示的信噪比，提高模型鲁棒性，对提升知识追踪模型的评估精度具有重要作用。
技术实现思路
1、本专利技术的主要目的在于提供一种基于双视角一致性评估与噪声过滤的知识追踪方法与系统，以解决上述技术问题。
2、为实现上述目的，本专利技术提供的一种基于双视角一致性评估与噪声过滤的知识追踪方法，包括步骤：
3、s1，依据学习交互数据构建交互记录查询集，表示学生的学习记录，表示学生数量；
4、s2，基于交互记录查询集采用网络进行预训练获得知识状态评估模型：；
5、s3，通过学
6、s4，融合基于历史交互记录获得全局的演化一致性投影表示与交互表示，估计学生关于习题作答表现的演化一致性概率；
7、s5，基于对比学习的去噪互监督，包括：
8、s51，基于步骤s2中的去噪方式，获得习题视角去噪的学习序列交互表示，；基于步骤s3中的去噪方式，获得学生视角去噪的学习序列交互表示，；
9、s52，对和进行对比学习，针对学生在时间步t的学习记录表示，从单个batch中计算对比损失，在学生所处的当前批次中构建正负对，在时间步的对比损失为，，其中，是温度超参数，是余弦相似度函数；
10、s53，将时间步t通过去噪序列获得的学生知识状态的两种交互表示和进行连接，并将连接结果输入分类器，以预测学生正确回答习题的概率，，其中，是知识追踪模型。
11、进一步的，所述步骤s3包括：
12、s31，对于学生待去噪的交互记录，依据其历史学习记录，评估学生在时间步之前的知识状态
13、s32，从查询集中获得关于协同序列集，通过预训练的知识状态评估模型获得中学生在作答习题前的知识状态，，其中，表示在作答习题之间的知识状态，计算与的相似度，从中筛选相似度最大的条记录，作为的协同知识状态信息矩阵；
14、s33，设计协同一致性度量注意力机制捕获其他学生作答与学生作答的复杂协同信息，以获得相似性投影表示，，，其中，是对应于的其他学生作答之前的知识状态，是学生作答之前的知识状态，是对应于的其他学生关于交互的嵌入表示，表示相似性投影表示，是嵌入表示的维度；
15、s34，通过相似性投影表示中包含的协同信息估计学生关于习题的作答一致性信息，，是权重矩阵，是偏置项，是学生关于交互的嵌入表示。
16、进一步的，所述步骤s31中，通过以下公式计算知识状态：
17、，
18、，
19、，
20、，
21、其中，、、和是权重矩阵，和是偏置项，是激活函数，和是权重矩阵，是偏置项，是激活函数。
22、进一步的，所述步骤s32中，协同序列满足两个条件：①的最后一项是学生关于中习题的学习记录；②是由其他学生产生的学习记录，。
23、进一步的，所述步骤s4，包括：
24、s41，引入序列位置编码，捕获学习序列交互表示的位置信息；
25、s42，对时间步(进行编码获得位置编码向量，表示序列的最大长度，将位置编码向量与交互表示进行加性融合得到新的交互表示。；
26、s43，采用注意力机制映射历史交互表示关于的相似性投影表示，，，其中和表示历史交互表示，是嵌入表示的维度；
27、s44，在不同子空间捕获的相似性投影表示，历史交互序列信息之间的多头注意力表示为，，，其中，分别表示第i个注意力头的查询矩阵、键矩阵和值矩阵的投影权重，是注意力头的权重；
28、s45，融合基于历史交互记录获得全局的演化一致性投影表示与交互表示，估计学生关于习题作答表现的演化一致性概率，，其中，是权重矩阵，。
29、进一步的，所述表示、、、transformer建模模型中的一种。
30、本专利技术还提供基于双视角一致性评估与噪声过滤的知识追踪系统，包括存储器、处理器、存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述的基于双视角一致性评估与噪声过滤的知识追踪方法的步骤。
31、本专利技术还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的基于双视角一致性评估与噪声过滤的知识追踪方法的步骤：
32、本申请提出一种基于双视角一致性评估与噪声过滤的知识追踪方法，分别从习题视角和学生视角去除学生交互序列中的噪声信息。前者通过协同一致性度量注意力机制估计学生之间作答表现的一致性程度来去除交互序列中的噪声信息，后者提出时间感知的多头自注意力机制捕获作答表现与历史学习表现的一致性来去除噪声信息。通过引入去噪机制，模型可以更准确地捕捉学生的知识状态变化，从而为学生提供更具针对性的学习反馈与指导，推动个性化教育的发展。此外，利用两种视角去噪后的交互序列表示，设计去噪信息互监督的对比学习机制进一步增强交互序列表示去噪的有效性，并进行知识追踪模型的集成，实现对学生未来表现的预测。
本文档来自技高网...【技术保护点】
1.一种基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤S3包括：
3.根据权利要求2所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤S31中，通过以下公式计算知识状态：
4.根据权利要求2所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤S32中，协同序列满足两个条件：①的最后一项是学生关于中习题的学习记录；②是由其他学生产生的学习记录，。
5.根据权利要求1所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤S4，包括：
6.根据权利要求1所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述表示、、、Transformer建模模型中的一种。
7.一种基于双视角一致性评估与噪声过滤的知识追踪系统，包括存储器、处理器、存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于双视角一致性评估与噪声过滤的知识追踪方法的步骤。
...【技术特征摘要】
1.一种基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤s3包括：
3.根据权利要求2所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤s31中，通过以下公式计算知识状态：
4.根据权利要求2所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在于，所述步骤s32中，协同序列满足两个条件：①的最后一项是学生关于中习题的学习记录；②是由其他学生产生的学习记录，。
5.根据权利要求1所述的基于双视角一致性评估与噪声过滤的知识追踪方法，其特征在...
【专利技术属性】
技术研发人员：张维，曾鑫耀，周旭宸，朱诗怡，王胜明，易宝林，汪兵，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。