摘要
本发明提供一种基于不平衡感知的异构图学习的认知诊断方法,包括S1、获取数据并进行预处理,形成数据集;S2、构建关于所述数据集之间的显式关系、计算隐式关系并构建异构图;S3、利用两种不同的图神经网络模型处理不平衡感知局部特征提取模块,学习到异构图中节点的局部结构特征和局部语义特征;S4、利用改进的Transformer架构处理全局表征学习模块,从所述局部结构特征和局部语义特征中学到全局上下文特征;S5、根据所述全局上下文特征建立诊断预测模型;并基于构建的损失函数优化诊断预测模型;S6、利用优化后的所述诊断预测模型预测认知诊断结果。本发明显著提升了表征学习的质量,从而有效提高认知诊断模型的准确性和可靠性。
技术关键词
认知诊断方法
局部结构特征
诊断预测模型
学生
语义特征
异构
上下文特征
节点
概念
关系
答题
损失函数优化
局部特征提取
知识点
神经网络模型
注意力参数
矩阵
更新模型参数
数据
系统为您推荐了相关专利信息
语义特征
图像检测方法
多头注意力机制
残差信息
关键词
人脸欺骗检测方法
高光谱数据聚类
空间光谱特征
可见光图像
分类网络