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基于认知负荷增强的作答过程分步建模的神经网络学习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：CN120123760B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510091874.0，技术领域涉及：G06F18/214；该发明授权基于认知负荷增强的作答过程分步建模的神经网络学习诊断方法是由黄涛;吴洵;陈玉霞;耿晶;杨华利;欧鑫佳;徐卓然;张浩;刘三女牙;杨宗凯设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本基于认知负荷增强的作答过程分步建模的神经网络学习诊断方法在说明书摘要公布了：本发明属于教育数据挖掘领域，提供一种基于认知负荷增强的作答过程分步建模的神经网络学习诊断方法，包括认知属性提取阶段、认知属性交互阶段、认知负荷增强阶段和诊断分析阶段，充分利用学生作答记录中的反应过程性数据，首次将认知负荷作为新的影响学生作答结果的属性引入到模型中，采用LSTM对学生的作答过程进行分步建模并利用注意力机制将学生属性与练习属性进行融合，实现了时序信息的传递。本发明方法通过长短期记忆网络对学生的作答步骤进行分步建模，并充分利用学生答题记录中的反应过程性数据来表征学生的认知负荷并融入到认知诊断模型中，提升模型诊断的准确性和有效性。

本发明授权基于认知负荷增强的作答过程分步建模的神经网络学习诊断方法在权利要求书中公布了：1.基于认知负荷增强的作答过程分步建模的神经网络学习诊断方法，其特征在于该方法包括以下步骤： 1认知属性提取，从学生的答题序列中收集学生编号、试题编号、试题所对应的知识点、反应时间和提示次数，并从这些数据中提取学生属性和试题属性，学生属性包括学生的知识属性、能力属性、提示属性和速度属性，试题属性包括难度属性、知识属性和工作量属性； 2认知属性交互，在得到学生和试题的7种认知属性后，采用注意力机制和LSTM实现这7种认知属性之间的交互，捕捉它们之间的关系，并得到融入了这些属性的交互信息的认知因素：知识因素、能力因素和更新后的速度属性； 3认知负荷增强，采用LSTM分别对步骤1得到的提示属性和步骤2中得到的更新后的速度属性进行时序建模，从而实现对学生作答过程的分步建模，并将经过LSTM处理后的反应速度与反应时间和试题工作量进一步结合，得到最终的速度属性表示，最后用全连接层将经过LSTM处理后的提示属性和最终的速度属性进行融合得到认知负荷因素；采用注意力机制将认知负荷因素分别与步骤2中得到的知识因素和能力因素进一步融合，得到知识因素、能力因素的最终表示； 4诊断分析，诊断阶段包含一个主任务和一个辅助任务，主任务为预测学生作答反应，辅助任务为预测学生的提示次数；将步骤1中提取到的提示属性作为辅助任务诊断模块的输入，采用自监督学习算法预测学生提示次数，同时引入对比学习算法对提示属性进行正负样本的划分，使模型学习到不同提示次数下的学生知识掌握状态的差异，将步骤3中得到的知识因素、能力因素和认知负荷因素进行拼接，作为主任务的输入，输出对学生作答反应的预测，最后，引入猜测和失误参数，用自监督学习算法预测到的提示次数对猜测和失误参数建模，结合主任务预测的学生作答反应，采用DINA诊断公式来预测学生最终的作答结果； 5收集数据集，设置优化器，迭代训练模型直至收敛，最终预测学生作答反应，获得学生的诊断报告。

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。