[发明专利]一种学习能力确定方法、装置及存储介质

权利要求书

1.一种学习能力确定方法，其特征在于，所述方法包括：

获取答题者已作答的预设数量试题对应的试题信息，每个所述试题的试题信息包括所述试题的作答情况和所述试题的属性信息，所述试题的属性信息至少包括所述试题的文本内容；

根据各个所述试题的作答情况和文本内容，得到训练样本集；

采用所述训练样本集对深度知识追踪网络进行训练，得到目标追踪模型；

利用所述目标追踪模型确定所述答题者的学习能力，得到确定结果。

2.根据权利要求1所述的方法，其特征在于，所述根据各个所述试题的作答情况和文本内容，得到训练样本集，包括：

根据每个所述试题的作答情况和文本内容，确定所述试题对应的训练样本子集；

由各个所述试题对应的训练样本子集构成所述训练样本集。

3.根据权利要求2所述的方法，其特征在于，所述试题的属性信息还包括所述试题所涉及的至少一个知识点，所述根据每个所述试题的作答情况和文本内容，确定所述试题对应的训练样本子集，包括：

将所述试题的作答情况和所述至少一个知识点转化为基于知识点的多热向量，得到所述试题对应的第一特征向量；

对所述试题的文本内容进行特征提取，得到所述试题对应的第二特征向量；

将所述试题对应的第一特征向量和第二特征向量进行拼接，得到所述试题对应的训练样本子集。

4.根据权利要求3所述的方法，其特征在于，所述试题的属性信息还包括所述试题的至少一个固有属性，所述根据每个所述试题的作答情况和文本内容，确定所述试题对应的训练样本子集，还包括：

将所述至少一个固有属性中的每个固有属性转化为基于固有属性的独热向量，得到所述试题对应的第三特征向量；

对所述试题对应的第一特征向量、第二特征向量和第三特征向量进行拼接，得到所述试题对应的训练样本子集；

其中，所述固有属性包括试题难度、试题类型以及试题质量。

5.根据权利要求3或4所述的方法，其特征在于，所述将所述试题的作答情况和所述至少一个知识点转化为基于知识点的多热向量，得到所述试题对应的第一特征向量，包括：

根据所述试题的作答情况，确定所述试题的作答结果；

将所述试题的作答结果作为每个所述知识点的作答结果；

将各个所述知识点的作答结果转化为基于知识点的多热向量，得到所述试题对应的第一特征向量。

6.根据权利要求3或4所述的方法，其特征在于，所述对所述试题的文本内容进行特征提取，得到所述试题对应的第二特征向量，包括：

对所述试题的文本内容进行嵌入表示，得到嵌入表示向量；

将所述嵌入表示向量确定为所述试题对应的第二特征向量。

7.根据权利要求1所述的方法，其特征在于，在所述采用所述训练样本集对深度知识追踪网络进行训练，得到目标追踪模型之前，还包括对所述深度知识追踪网络进行调优处理的步骤：

所述对所述深度知识追踪网络进行调优处理，包括：

对所述深度知识追踪网络的输入层进行多模态融合优化，以使所述输入层实现多向量融合；

在所述深度知识追踪网络中增加文本嵌入层，所述文本嵌入层的输入为所述试题的文本内容，并将所述文本嵌入层的输出作为所述输入层的输入之一；

相应的，所述采用所述训练样本集对深度知识追踪网络进行训练，得到目标追踪模型，包括：

采用所述训练样本集对所述调优处理后的深度知识追踪网络进行训练，得到目标追踪模型。