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！

龙图腾网获悉合肥工业大学申请的专利一种基于自适应数据增强的去偏认知诊断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：CN119416060B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411614016.1，技术领域涉及：G06F18/2415；该发明授权一种基于自适应数据增强的去偏认知诊断方法是由吴乐;谭政涛;张琨;侯旻;许鹤飞;鲍纪敏;陈祥志设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种基于自适应数据增强的去偏认知诊断方法在说明书摘要公布了：本发明公开了一种基于自适应数据增强的去偏认知诊断方法，包括：1.构造异构数据，包括：学生对习题的答题记录及习题与知识点的关系矩阵；2.通过有选择的数据增强生成偏差数据，并与学生答题记录一起输入偏差认知诊断模型中，并输出偏差预测结果，从而构建偏差认知诊断模型的对称交叉熵损失；3.基于偏差认知诊断模型输出的预测结果，自适应地生成无偏数据，并与学生答题记录一起输入去偏认知诊断模型中进行处理，并输出去偏预测结果，从而构建去偏认知诊断模型的加权交叉熵损失；4.在模型推断阶段，利用建立好的去偏认知诊断模型对学生答题能力进行预测。本发明能缓解认知诊断中的偏差问题。

本发明授权一种基于自适应数据增强的去偏认知诊断方法在权利要求书中公布了：1.一种基于自适应数据增强的去偏认知诊断方法，其特征在于，是按如下步骤进行： 步骤1、构造异构数据，包括：学生对习题的答题记录及习题与知识点的关系矩阵； 定义学生集合为、习题集合为、知识点集合为；其中，表示第个学生，表示第个习题，表示第个知识点，表示学生的数量，表示习题的数量，表示知识点的数量，,,； 将学生对习题的答题记录记为，令中的任意一个三元组记为，其中，表示第个学生回答第个习题所对应的答题标签，若，则表示第个学生回答第个习题正确；若，则表示第个学生回答第个习题错误； 将习题与知识点的关系矩阵记为，其中，若，则表示第个习题与第个知识点相关；若，则表示第个习题与第个知识点不相关； 将第个学生回答过的习题集合记为； 基于学生的答题正确率，将答题正确率超过阈值的学生划分为答题正确率较高的学生集合，将答题正确率不超过阈值的学生划分为答题正确率较低的学生集合 所对应的答题记录中答题标签为“1”的答题记录和所对应的答题记录中答题标签为“0”的答题记录组成典型模式 所对应的答题记录中答题标签为“0”的答题记录和所对应的答题记录中答题标签为“1”的答题记录组成非典型模式 步骤2、定义当前迭代次数为，并初始化 步骤3、从典型模式中通过有选择的数据增强生成第轮迭代的偏差数据，并与一起输入偏差认知诊断模型中进行处理，并输出第轮迭代的偏差预测结果，从而构建偏差认知诊断模型第轮迭代的对称交叉熵损失； 步骤4、基于偏差认知诊断模型输出的第轮迭代的预测结果，自适应地生成第轮迭代的无偏数据，并与一起输入去偏认知诊断模型中进行处理，并输出第轮迭代的去偏预测结果，从而构建去偏认知诊断模型的第轮迭代的加权交叉熵损失； 步骤5、利用式9构建第轮迭代的总目标函数： 9 步骤6、认知诊断模型的同步训练： 步骤6.1、利用Adam优化器对于偏差认知诊断模型和去偏认知诊断模型进行第轮训练，并最小化第轮迭代的损失函数，以更新模型参数集，得到第轮训练后的偏差认知诊断模型和第轮训练后的去偏认知诊断模型； 步骤6.2、将赋值给后，返回步骤6.1顺序执行，直至收敛为止，从而得到建立好的去偏认知诊断模型； 步骤6.3、在模型推断阶段，利用建立好的去偏认知诊断模型对学生答题能力进行预测，得到学生回答习题所对应的最优答题预测标签，以实现认知诊断去偏。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。