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！

龙图腾网获悉浙江师范大学申请的专利一种基于超图聚类的因果时序双增强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：CN116012627B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202211412022.X，技术领域涉及：G06V10/762；该发明授权一种基于超图聚类的因果时序双增强知识追踪方法是由黄昌勤;魏杭杰;黄琼浩;涂雅欣;王译设计研发完成，并于2022-11-11向国家知识产权局提交的专利申请。

本一种基于超图聚类的因果时序双增强知识追踪方法在说明书摘要公布了：本发明公开了一种基于超图聚类的因果时序双增强知识追踪方法，包括：获取学习者在线学习过程中产生的数据集，确定习题交互信息；根据所述习题交互信息进行超图聚类处理，构建全局知识字典；根据所述全局知识字典，构建基于前门调整逻辑和学习连续性的因果时序双增强知识追踪模型；获取待预测对象的当前知识状态和当前习题信息，根据所述因果时序双增强知识追踪模型生成所述待预测对象的回答信息预测结果。本发明的效率高，可广泛应用于计算机技术领域。

本发明授权一种基于超图聚类的因果时序双增强知识追踪方法在权利要求书中公布了：1.一种基于超图聚类的因果时序双增强知识追踪方法，其特征在于，包括： 获取学习者在线学习过程中产生的数据集，确定习题交互信息； 根据所述习题交互信息进行超图聚类处理，构建全局知识字典； 根据所述全局知识字典，构建基于前门调整逻辑和学习连续性的因果时序双增强知识追踪模型； 获取待预测对象的当前知识状态和当前习题信息，根据所述因果时序双增强知识追踪模型生成所述待预测对象的回答信息预测结果； 所述获取学习者在线学习过程中产生的数据集，确定习题交互信息，包括： 所述获取学习者在线学习过程中产生的学生集合、问题集合和知识概念集合； 构建学生集合、问题集合与知识概念集合之间的知识关联矩阵； 根据学习者的答题时间戳信息，提取学习者的答题响应时间信息和相邻题目间隔时间信息； 将所述响应时间信息和所述相邻题目间隔时间信息进行离散化处理，得到离散化时间信息； 根据所述知识关联矩阵和所述离散化时间信息，确定所述习题交互信息； 所述根据所述全局知识字典，构建基于前门调整逻辑和学习连续性的因果时序双增强知识追踪模型，包括： 根据所述全局知识字典，构建基于前门调整逻辑的因果增强模块、基于学习连续性的时序增强模块以及知识状态预测模块； 根据所述因果增强模块、所述时序增强模块以及所述知识状态预测模块，构建基于前门调整逻辑和学习连续性的因果时序双增强知识追踪模型； 所述构建基于前门调整逻辑的因果增强模块，包括： 根据学习对象的特点，确定使用因果干预后的知识追踪目标的表达形式； 目标的网格化处理：根据所述知识追踪目标的表达形式，通过全连接网络和激活函数层进行归一化加权几何平均处理，将知识追踪目标进行网格化处理； 局部采样过程的注意力化处理；根据局部采样的目标期望，将局部采样过程进行注意力化处理； 全局采样过程的注意力化处理：根据全局采样的内容，对全局采样过程进行注意力化处理； 双采样结果的融合处理：将局部采样和全局采样的结果融合得到去除混淆因素的因果交互嵌入中，完成双采样结果融合； 所述构建基于学习连续性的时序增强模块，包括： 模拟知识摄入过程：将知识关联矩阵中与当前问题相关的知识关联向量与上一时刻的知识状态相乘，得到关联知识状态，融合因果交互嵌入与响应时间以在时间维度进行特征扩散，并构建输入门用于知识摄入模拟； 模拟知识遗忘过程：融合因果交互嵌入、相关知识状态与间隔时间，并将得到的向量输入到遗忘门中模拟学习者对掌握知识的遗忘过程。

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浙江师范大学，其通讯地址为：321004 浙江省金华市迎宾大道688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。