[发明专利]一种基于多元概念注意力模型的知识追踪方法及系统

权利要求书

1.一种基于多元概念注意力模型的知识追踪方法，其特征在于，该方法包括：

(1)获取学习者的历史习题回答的交互序列；所述交互序列包括习题标签和回答情况；所述习题标签包含习题键索引k和知识概念索引c；根据时间轴顺序，将历史习题回答的交互序列与知识组件组合成一个含有知识状态的序列；

(2)建立多元概念注意力模型；

根据学习者的习题键索引k将历史习题回答的交互序列X划分为M个不同大小的注意力模块；每个注意力模块中知识概念索引c和习题键索引k做注意力映射，得到数据单元的习题键索引；结合注意力模块中每个数据单元的注意力分数值，得到每个注意力模块的输出数据；

(3)建立多元语义注意力模型；

所述多元语义注意力模型包括依次连接的输入层、情感意识注意层和长短期记忆网络；

将每个注意力模块的输出数据Y_m通过输入层传入情感意识注意层；所述情感意识注意层中，利用上下文的内容和内容语义关系计算上下文组块数据co_t；

将Y_m和co_t按矩阵行拼接构成第m个注意力模块的注意力特征向量in_t；

将in_t输入长短期记忆网络，在长短期记忆网络中整合上下文组块之间的相似性；所述长短期记忆网络由记忆元组、激活函数和门控单元组成；所述门控单元用于更新co_t，从而对学习者的知识状态进行追踪；

将更新后的co_t与Y_m拼接构成第m个注意力模块的最终注意力特征向量

(4)将步骤(3)得到的传入注意力分类层，所述注意力分类层将和待测试的习题键索引进行范围点积，然后通过全连接层和Softmax激活函数归一化计算待测试的习题键索引的知识概念分布权重，用分类注意力分数值表示；

(5)将分类注意力分数值和历史回答向量相乘，获取学习者对新习题回答的特征分数值；

(6)根据特征分数值和待测试的习题键索引计算学习者对当前题目正确回答的概率，遍历与当前知识状态相似的历史习题，更新知识状态。

2.根据权利要求1所述的一种基于多元概念注意力模型的知识追踪方法，其特征在于，所述步骤(2)中，第m个注意力模块的输出数据Y_m表示为：

其中m^*为第m个注意力模块的数据单元总数，k^m，i为第m个注意力模块的第i个数据单元的习题键索引，为第m个注意力模块的第i个数据单元的注意力分数值；

其中为第m个注意力模块的权值矩阵W^m和第m个注意力模块的第i个数据单元的习题键索引k^m，i的交互值，其表示为：

3.根据权利要求1所述的一种基于多元概念注意力模型的知识追踪方法，其特征在于，所述步骤(3)中，上下文组块数据co_t表示为：

其中N为上下文组块的总数，k_t，i为第t时刻第i个上下文组块的习题键索引，α_t，i为第t时刻第i个上下文组块的注意力分数值；

其中h_t-1是长短期记忆网络的隐含状态，是长短期记忆网络中隐含状态h_t-1和第i个注意力分数值连接的权值矩阵，W_i是k_t，i的注意力分数值的权值矩阵，表示矩阵按行拼接的运算。