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对比学习与记忆机制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：CN115906997B 。

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：202211312281.5，技术领域涉及：G06N3/088；该发明授权一种基于对比学习与记忆机制的知识追踪方法是由黄涛;胡俊杰;杨华利;耿晶;胡盛泽;张浩;刘三女牙;杨宗凯设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于对比学习与记忆机制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、对比学习与学生行为建模领域，提供一种基于对比学习与记忆机制的知识追踪方法，包括：1实现序列增强表征；2建模知识更新过程；3预测学生未来学习表现。本发明利用对比学习、自然语言处理、卷积神经网络、时间序列建模等技术方法，基于信息加工模型，系统地对学生行为模式进行深入挖掘，能够科学、全面地建模学生知识状态的变化过程，对学生学习情况进行预测。

本发明授权一种基于对比学习与记忆机制的知识追踪方法在权利要求书中公布了：1.一种基于对比学习与记忆机制的知识追踪方法，其特征在于该方法包括以下步骤：1实现序列增强表征：基于对比学习技术从学习历史中学习可迁移的序列增强表征，包括学生学习历史的数据增强，学生学习历史的向量化表征，负样本队列及参数的更新与对比损失的计算；具体为：定义对比学习部分的网络结构：负样本队列、编码层、投影层与预测层；负样本队列属于队列结构，用于存储负样本特征，其具有先进先出的特性，能够在训练过程中对队列进行更新；编码层由基础编码器、动量编码器组成，每个编码器都是由Transformer块构成，它与建模知识更新模块中的编码器共享参数；投影层由基础投影块、动量投影块组成，每个投影块均由线性函数、激活函数、正则化函数组合而成；预测层由线性函数与激活函数组合而成；其中，动量编码器与动量投影块的参数均由基础编码器与基础投影块初始化得到；在训练过程中，通过动量更新的方式对参数进行更新；1-1学生学习历史的数据增强：综合使用试题遮罩、试题替换、交互序列截取、交互序列打乱四种数据增强方式，采用随机数据增强策略，分别对学生的试题序列、学习交互序列进行数据增强，其中学习交互序列是由试题序列与作答序列组合计算得到；对于同一序列扩增出的两个序列互为正样本对，不同序列扩增出的两个序列互为负样本对；1-2学生学习历史的向量化表征：针对试题维度，将经过数据增强后的试题序列输入至编码层，得到该学生学习历史中试题所对应的向量化表征；针对学生维度，将经过数据增强后的学习交互序列依次输入至编码层、投影层，得到该学生学习历史中学习交互所对应的向量化表征；1-3负样本队列及参数的更新与对比损失的计算：通过入队出队函数实现负样本队列的更新，并采用损失函数InfoNCE计算对比学习的损失值，它用来衡量样本对在表征空间中的相似性，再通过梯度计算、反向传播，实现参数的动量更新；2建模知识更新过程：基于信息加工模型建模知识的更新过程，从学生的学习历史中提取局部信息与全局信息，包括将信息输入至感知记忆模块，工作记忆模块对信息加工、贮存，长期记忆模块实现信息的存储、检索；3预测学生未来学习表现：基于对学生知识状态变化的建模，实现学生未来学习表现的预测。

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。