买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华中师范大学申请的专利一种基于异构实体多关联图表征学习的知识追踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116644125B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310557431.7，技术领域涉及：G06F16/26；该发明授权一种基于异构实体多关联图表征学习的知识追踪方法是由黄涛;陈津津;杨华利;胡盛泽;耿晶;张浩;刘三女牙;杨宗凯设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种基于异构实体多关联图表征学习的知识追踪方法在说明书摘要公布了：本发明涉及教育大数据挖掘领域，提供一种基于异构实体多关联图表征学习的知识追踪方法，包括以下步骤：1异构实体多关联图表征学习；2基于关联注意力机制的知识传播；3基于双重LSTM的多源知识状态学习。本发明方法综合利用异构图构建、节点信息聚合等技术方法，系统地对试题和概念之间的知识关联进行信息整合，全面考虑异构实体间的多关联，包括试题和概念之间的先决关联、相似关联和相关关联，从而提高试题表征的准确性，进一步科学、全面地对学习者学习情况进行预测，辅助教师进行精准教学。

本发明授权一种基于异构实体多关联图表征学习的知识追踪方法在权利要求书中公布了：1.一种基于异构实体多关联图表征学习的知识追踪方法，其特征在于该方法包括以下步骤：1异构实体多关联图表征学习：构建异构实体多关联图，提取实体，关联，实体三元组和关联权重矩阵，其中实体包括试题和概念，关联包括试题和概念之间的相关关联，试题之间的相似关联和先决关联，以及概念之间的相似关联和先决关联，利用三元组的表征学习方法得到试题和概念的稠密表征；具体为：1-1构建异构实体多关联图，从学习者的反应数据中挖掘试题之间和概念之间的先决关联和相似关联；试题与概念之间包括多种关联：试题和概念之间的相关关联，试题之间的相似关联和先决关联，以及概念之间的相似关联和先决关联，其中，试题和概念之间的相关关联在数据集中通过人工标注，而试题之间以及概念之间的相似关联和先决关联则从学习者的反应数据中挖掘；1-1-1挖掘概念之间先决关联和相似关联：首先构建一个概念正确矩阵Uc，Uc是一个计数矩阵，计算方法如下： 其中表示在概念i正确回答之后，概念j正确回答的次数；构建一个概念先决矩阵Tc，代表概念之间是否存在隐性的先决关联，首先计算概念转移矩阵其中i≠j；否则，它是0，表示从概念i单向传播到概念j的概率；然后，如果设置否则为0，其中阈值设为的平均值，并且为了保持图形的DAG，将其中的循环删除；构建一个概念相似矩阵Oc,代表概念之间是否存在隐性的相似关联，首先计算概念并发矩阵其中ε＝0.1，然后使用最大最小尺度方法对进行扩展，得到是概念i和概念j之间双向传播的概率；最后如果设置否则为0，其中阈值设为的平均值；1-1-2同步骤1-1-1方法，构建试题正确矩阵Uq，试题先决矩阵Tq，以及试题相似矩阵Oq，来提取试题之间的隐性关联；1-1-3通过步骤1-1-1和步骤1-1-2，构建一个异构实体多关联图；1-2提取三元组和关联权重矩阵，对于一个异构实体多关联图，图中每条边被转换为一个三元组h,r,t；1-3三元组表征学习，通过优化转换原则来学习每个实体和关联的表征，eh，和分别是h，r，t的表征；是在关联r空间中的投影表示，给定一个三元组h,r,t，首先将实体投射到特定于关联的空间中，即： 这里Mr∈Rk×d是从实体空间到r的关联空间的投影矩阵，然后，将似然性得分公式定义为： 损失函数如下： 其中，h,r,t′是一个构造的三元组，是由一个真实的三元组中随机替换一个实体构造的；σ·是sigmoid激活函数；2基于关联注意力机制的知识传播：使用关联注意力机制聚合多跳实体的表征，并解决不同关联应该具有不同聚合权重的问题，从而实现不同关联之间的知识传播；3基于双重LSTM的多源知识状态学习：基于双重LSTM，分别建模学习者在试题上的知识状态和在概念上的知识状态，预测学习者的作答正确性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞喻路152号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。