一种基于异构图神经网络的多维度试题表征方法

本发明公开一种基于异构图神经网络的多维度试题表征方法。该方法首先构建包含试题节点、知识点节点及难度等级节点的异构图，并对试题文本、知识点描述和难度标签分别进行BERT、词向量和One‑hot特征初始化；然后采用关系图卷积网络（R‑GCN）捕捉多类型节点与多重关系的语义交互，在第L层输出中分离出文本–知识点、试题–难度及节点自身三部分子向量；接着通过注意力机制为三部分子向量赋予动态权重并加权融合，生成综合文本、知识点和难度信息的试题最终表征向量；最后将该向量存入特征库并通过接口实时输出，为个性化推荐、智能评测和知识追踪等下游应用提供高质量输入。该方法能全面融合试题多维度特征，提高选择题表征的准确性和系统的可扩展性。