standard download
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(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 202211126422.4 (22)申请日 2022.09.16 (71)申请人 北京师范大学 地址 100875 北京市海淀区新 街口外大街 19号 (72)发明人 卢宇 夏雪莹 陈鹏鹤 余胜泉 (74)专利代理 机构 北京京万通知识产权代理有 限公司 1 1440 专利代理师 许天易 (51)Int.Cl. G06F 16/35(2019.01) G06F 40/30(2020.01) G06N 5/02(2006.01) G06Q 10/06(2012.01) G06Q 50/20(2012.01) (54)发明名称 一种基于多模型的学情分析方法 (57)摘要 本发明提出一种基于多模型的学情分析方 法, 包括: S2.选取知识点下的测试题目进行测 试, 获取用户的作答情况数据, 结合测试题目对 应的学科能力、 题目类型、 题目易错点等特征信 息, 解析测试数据的多维度语义向量; S3.基于生 成的多维度语义向量, 利用复合预测模型, 进行 学情分析。 本发 明提供的学情分析基于复合预测 模型进行集成学习, 能够有效处理在线测试场景 中的学情分析方法对多模型学习算法忽略和学 情分析维度考虑不全的问题。 权利要求书2页 说明书9页 附图1页 CN 115455186 A 2022.12.09 CN 115455186 A 1.一种基于多模型的学情信息分析 方法, 其特 征在于, 包括以下步骤: S2.选取知识点下的测试题目对用户进行测试, 获取用户的作答情况数据, 结合测试题 目的特征信息, 获取测试题目的多维度语义向量; S3.将所述多维度语义向量输入复合预测模型, 获得用户对知 识点的掌握程度YA和知识 点下学科能力掌握情况YB。 2.根据权利要求1所述的学情信 息分析方法, 其特征在于, 所述特征信 息包括学科能力 层级、 题目类型、 题目易 错点层级。 3.根据权利要求2所述的学情信 息分析方法, 其特征在于, 所述测试题目的多维度语义 向量的获取 方法包括: S21、 根据用户的作答数据计算测试题目对应的知识点层级的作答得分率, 并将所述作 答得分率 转换为用户作答情况 特征向量; 所述作答得分率的计算公式为: S22、 计算测试题目的学科能力层级得分率, 并将所述测试题目的学科能力层级得分率 转换为学 科能力层级特 征向量; 所述学 科能力层级得分率的计算公式为: S23、 通过关键词识别测试题目的题目类型, 计算题目类型得分率, 并将所述题目类型 得分率转换为题目类型 特征向量; 所述题目类型 得分率的计算公式为: S24、 计算测试题目的题目易错点层级得分率, 并将所述题目易错点层级得分率转换为 题目易错点层级特 征向量; 所述题目易 错点层级得分率的计算公式为: S25、 将特 征向量拼接形成测试题目的多维度语义特 征向量。 4.根据权利要求2所述的学情信 息分析方法, 其特征在于, 题目易错点层级表征了题目 容易出错的原因, 包括三个维度: 概念理解不透、 思维方法欠缺和解答能力不 足, 其中, 概念 理解不透包括E010101知识点掌握不好、 E010102知识结构化缺乏; 思维方法欠缺包括 E020101思维方法欠缺、 E020201审题不清、 E02 0202信息提取与转换能力较弱、 E020301问题 猜想与假设、 E020302数学建模; 解答能力 不足包括E030101运算能力较弱、 E030201解答步 骤不完整、 E 030202书写不规范。 5.根据权利要求2所述的学情信 息分析方法, 其特征在于, 所述复合预测模型包括单层 或者多层结构神经网络模型、 K ‑近邻模型、 随机森林模型以及逻辑回归模型, 复合预测模型 的输出为 其中P(k)是复合预测模型对第k级 掌握程度的预测概率, P (k,i)是第i个预测模型对第k级掌握程度的预测概率, Wi是第i个预测模型所占的权重值,m 为预测模型的数量。 6.根据权利要求5所述的学情信息分析方法, 其特征在于, 权值Wi根据单个预测模型的权 利 要 求 书 1/2 页 2 CN 115455186 A 2准确率的比例然后归一 化进行确定 。 7.根据权利要求1所述的学情信息分析 方法, 其特 征在于, 还 包括: S1、 将测试题目与带有属性标注 的题目预处理后形成的语义向量输入孪生网络模型, 生成测试题目的属性层级。 8.根据权利要求1所述的学情信 息分析方法, 其特征在于, 所述孪生网络包括编码层与 输出层, 其中, 编码层利用BERT模 型生成测试题目和带有属性标注的题目的语义向量; 输出 层对所述语义向量进 行余弦相似度计算, 以此为权重, 针对每个属性的层 级进行求和计算, 概率最大的属性层级即为测试题目的属性层级。 9.根据权利要求1所述的学情信息分析 方法, 其特 征在于, 还 包括: S4、 重复步骤S2、 S3, 获取多个知识点下的学 科能力掌握情况YBi, i表示第几个知识点; S5、 根据知识点i的重要度、 是否为必测点、 知识点权重计算学科整体掌握程度评分, 根 据预定的阈值判断得 出学科能力的整体掌握程度。 10.根据权利要求9所述的学情信息分析方法, 其特征在于, 所述学科整体掌握程度评 分G的公式为: G=∑ai(wihi+witi) 其中, hi表示知识点i的重要度, ti表示知识点i是否属于必测点, ai表示知识点i的权 重。权 利 要 求 书 2/2 页 3 CN 115455186 A 3
专利 一种基于多模型的学情分析方法
文档预览
中文文档
13 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 SC 于
2024-02-18 22:26:37
上传分享
举报
下载
原文档
(767.6 KB)
分享
友情链接
CSA 云应用安全技术标准(征求意见表).pdf
DB44-T 719-2010 中央供热水系统节能运行管理规范 广东省.pdf
GB-Z 19717-2005 基于多用途互联网邮件扩展 MIME的安全报文交换.pdf
GB-T 31853-2015 矢量无负压供水设备.pdf
GB-T 41630-2022 智能泊车辅助系统性能要求及试验方法.pdf
OWASP Webgoat 中文手册 V2.2.pdf
SY-T 7657.3-2021 天然气 利用光声光谱-红外光谱-燃料电池联合法测定组成 第3部分:红外光谱法测定乙烷及以上烷烃、二氧化碳、一氧化碳含量.pdf
ISO IEC 27701-2019 中文版.pdf
GB-T 36668.6-2019 游乐设施状态监测与故障诊断 第6部分:运行参数监测方法.pdf
GB51415—2020 有色金属冶炼废气治理技术标准.pdf
GB-T 42381.61-2023 数据质量 第61部分:数据质量管理:过程参考模型.pdf
GB-T 12763.8-2007 海洋调查规范 第8部分 海洋地质地球物理调查.pdf
T-CAMA 04—2019 植保无人飞机 安全操作规程.pdf
GB-T 38647.1-2020 信息技术 安全技术 匿名数字签名 第1部分:总则.pdf
GB-T 15846-2006 集装箱门框密封条.pdf
GB-T 26875.3-2011 城市消防远程监控系统 第3部分:报警传输网络通信协议.pdf
GB-T 14982-2008 粘土质耐火泥浆.pdf
GB-T 34079.4-2021 基于云计算的电子政务公共平台服务规范 第4部分:应用服务.pdf
ISO 31101 2023 Robotics — Application services provided by service robots — Safety man.pdf
GB-T 31487.2-2015 直流融冰装置 第2部分:晶闸管阀.pdf
1
/
13
评价文档
赞助2.5元 点击下载(767.6 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。