摘要
本发明公开了基于NLKT知识追踪模型的答题正确性预测方法,包括:获取习题文本数据及知识成分特征;构建基于自然语言理解的知识追踪模型,基于自然语言理解的知识追踪模型包括习题文本理解模块、习题难度系数处理模块及深度知识追踪模块,习题文本理解模块基于预训练的BERT模型进行构建;将习题文本数据输入到基于自然语言理解的知识追踪模型中,通过习题文本理解模块对习题文本数据进行特征提取,得到综合文本向量,通过习题难度系数处理模型基于知识成分特征计算生成问题综合难度系数,根据综合文本向量及问题综合难度系数生成综合特征向量,通过深度知识追踪模块对综合特征向量进行深度知识追踪处理,得到最终预测的答题正确性结果。
技术关键词
深度知识追踪
自然语言理解
文本理解
答题
序列
回归分析方法
输出特征
模块
BERT模型
标识
数据
注意力机制
滑动窗口
计算方法
正确率
学生
索引
基础
系统为您推荐了相关专利信息
智能审核方法
环境影响评价
实体
序列
时序数据预测
滑动窗口
交换机系统
分布式拒绝服务攻击检测
机器学习模型
动态
人工蜂群算法
释放控制方法
微胶囊
多模态
传感器
深度学习模型
后验概率分布
重构误差
数据
多头注意力机制