一种融合多特征的可解释知识追踪方法

AITNT
正文
推荐专利
一种融合多特征的可解释知识追踪方法
申请号:CN202510857500
申请日期:2025-06-25
公开号:CN120744056A
公开日期:2025-10-03
类型:发明专利
摘要
本发明公开了一种融合多特征的可解释知识追踪方法,属于数据处理技术领域,包括以下步骤:S1、获取学生的历史交互序列;S2、生成问题的综合难度评分;S3、生成学生对问题的动态掌握度;S4生成题目综合区分度;S5、生成学生能力画像;S6、根据题目难度、学生对问题的动态掌握度、题目综合区分度、和学生能力画像,利用树增强朴素贝叶斯模型预测学生在下一个时间点对给定问题的回答效果。本发明能够解释题目难度、题目动态掌握度、题目区分度和学生能力画像四个维度特征对预测结果的影响,为教育主体提供清晰直观的教学干预依据。
技术关键词
知识追踪方法 融合多特征 学生 朴素贝叶斯模型 错误率 画像 序列 因子 动态 Sigmoid函数 皮尔逊相关系数 全局平均池化 校准 数据处理技术 基础 节点 正确率 超参数 答题 表达式
系统为您推荐了相关专利信息
1
RPA任务的异常处理方法、设备、服务器及存储介质
系统响应时间 策略 神经网络模型 措施 错误率
2
一种面向灾害场景点云数据的分割方法和系统
掩模 面向灾害 教师 学生 池化特征
3
基于SCRM的医疗智能营销系统
智能营销系统 数据采集模块 调用API接口 对称加密技术 机器学习算法
4
基于选择性在线自训练无源领域自适应医学图像分割方法
医学图像分割方法 医学图像分割系统 学生 模块 置信度阈值
5
一种基于AI辅助的多场景教学管理方法及系统
教学管理方法 数据流特征 深度Q网络 反馈特征 多场景
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号