(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221084513 5.2 (22)申请日 2022.07.19 (71)申请人 华中师范大学 地址 430079 湖北省武汉市珞喻路152号 申请人 湖北大学 (72)发明人 刘海　张昭理　李家豪　周启云　 何嘉文　刘俊强　刘婷婷　杨兵　 (74)专利代理 机构 武汉东喻专利代理事务所 (普通合伙) 42224 专利代理师 张英 (51)Int.Cl. G06N 5/02(2006.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 50/20(2012.01) (54)发明名称 一种基于双流知识嵌入网络的学习目标推 荐方法 (57)摘要 本发明提供了一种基于双流知识嵌入网络 的学习目标推荐方法， 主要涉及智能人机交互技 术领域， 包括步骤： 获取学习者答题序列及对应 的知识概念， 输出为Q矩阵； 通过训练好的知识追 踪模型获取知识概念在答题序列中的权重， 预测 学习者对下一答题序列的答题 正确概率； 输出最 邻近关联知识概念的推荐概率值， 按推荐概率值 生成至少一个推荐学习目标； 基于训练好的知识 需求模型预测学习者对推荐学习目标的掌握情 况， 输出预测的答题正确概率， 按预测的正确概 率从高至低排列对应的推荐学习目标， 生成推荐 的学习路径； 通过本发明提供的方法， 有利于在 提高最近邻学习目标适配个性化的同时减小所 需成本， 从而提高学习者的学习效率。 权利要求书3页 说明书10页 附图2页 CN 115329959 A 2022.11.11 CN 115329959 A 1.一种基于双流知识嵌入网络的学习目标推荐方法， 其特 征在于， 包括： S1获取学习者答题序列以及每个题目对应的知识概念， 将每个所述题目和对应的知识 概念输出为 Q矩阵； S2将所述答题序列以及对应的Q矩阵输入训练好的知识追踪模型中， 获取单个知识概 念在答题序列的知识概念中的权重， 输出学习者对已学习的每个知识概念的掌握状态， 通 过所述知识追踪模型 预测学习者对下一 答题序列的答题正确概 率； S3基于训练好的知识需求模型， 基于单个已学习知识概念的权重选取预设的最邻 近关 联知识概念， 输出最邻近关联知识概念的推荐概率值， 按推荐概率值从高至低输出关联知 识概念对应的至少一个 推荐学习目标至学习者； S4基于训练好的知识需求模型预测学习者对多个所述推荐学习目标的掌握情况， 输出 预测的答题正确 概率， 按预测的正确 概率从高至低排列对应的推荐学习目标， 生成推荐的 学习路径。 2.根据权利要求1所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 步骤S1中， 获取 学习者的答题序列为： Si＝{(e1,r1),(e2,r2),(e3,r3),…,(et,rt),}； 其中， et为答题序列中的第t 道题目， rt为学生Si对题目et的回答； 若答题结果 正确， 则rt为1， 否则为0 。 3.根据权利要求2所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 步骤S1中， 将每个所述题目和对应的知识概念输出为Q矩阵， 对于Q矩阵中的元素qij， 若 为1， 则第i行的题目ei包括相应的知识概念kj； 若为0， 则第i行的题目ei不包括相应的知识 概念kj； 其中， 题目ei包括至少一个知识概念。 4.根据权利要求3所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 步骤S2中， 获取所述答题序列以及 对应的Q矩阵之后， 生 成学生嵌入以及知识 概念嵌入， 包括： 所述学生嵌入 包括学习者信息以及题目文本信息； 所述知识概念嵌入 包括所述题目文本信息和对应的知识概念信息； 将所述知识概念嵌入sk,t和所述学生嵌入ck,t串联操作， 应用公式： 进一步获取学习者对题目的回答结果yk,t， 生成融合学生回答的嵌入ak,t， 将ak,t输入所 述知识追踪模型中： 当yk,t为1时， 学习者对题 目的回答结果为正确； 为0， 则学习者对题 目的回答结果为错 误。 5.根据权利要求4所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 步骤S2中， 获取答题序列中的题目et的知识概念kt中第i个知识概念在答题序列的知识 概念中的权 重， 包括：权　利　要　求　书 1/3 页 2 CN 115329959 A 2将每个题目et对应的知识概念转化为独热编码 kt∈{0,1}， 独热编码的维数为所有知识 概念的总数 K； 基于嵌入矩阵Wk将所述独热编码kt转换为低维向量 其连续值为:vt＝WkTkt； 基于vt和知识记忆向量的内积Mi进行softmax计算， 计算得到 权重 其中， 1≤i≤K。 6.根据权利要求5所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 步骤S2中， 通过LSTM网络更新一个学习 者练习答题序列et后的知识状态 应用公 式： 输出学习者k当前的知识状态hk,t， 将知识状态hk,t和知识概念的嵌入ck,t输入Sigmoid 函数中， 获取 学习者k回答题目et+1结果正确的概 率， 应用公式： 其中， h为隐藏状态向量的维数， gk,t、 fk,t、 ok,t、 rk,t、 hk,t均为向量参数， Wi、 Wf、 Wfc、 Ws、 Wo、 Wc以及Ui、 Uf、 Uo、 Uc均为权重矩阵， bi、 bf、 bo、 bc、 bfc、 bs为偏置向量， 表示乘积操作， σ(.)和 tanh(.)分别表示sigmo id和tanh 激活函数； pk,t+1是学习者k能正确回答题目et+1的答题正确概 率。 7.根据权利要求6所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 在步骤S3之前， 包括计算损失函数： 其中， rt为学习者对于题目的真实回答结果， 表示知识追踪模型预测的学习者对 于题目的预测回答结果。 8.根据权利要求6所述的一种基于双流知识嵌入网络的学习目标推荐方法， 其特征在 于， 获取学习者对相邻两个推荐学习目标进行学习后对知识概念掌握程度的差值， 应用公 式： 权　利　要　求　书 2/3 页 3 CN 115329959 A 3