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！

龙图腾网获悉安徽大学申请的专利基于自适应扩散模型的知识追踪数据增强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：CN121009372B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511135607.5，技术领域涉及：G06F18/214；该发明授权基于自适应扩散模型的知识追踪数据增强方法是由王姗姗;裘剑奇;杨勋;胡展;付以恒;熊启砚;魏俊豪;周子皓设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本基于自适应扩散模型的知识追踪数据增强方法在说明书摘要公布了：本发明公开了一种基于扩散模型的自适应数据增强方法，包括：1构建知识追踪网络，通过嵌入层将学生交互三元组映射为向量，并输出下一问题的预测概率；2构建条件扩散模型，并通过马尔可夫转换将原始交互序列转化为噪声序列，结合双向转换器提取的上下文条件生成正负交互序列，从而通过舍入步骤离散化输出；3构建对比学习网络，混合原始序列与生成序列构建增强视图，基于问题相似性和响应一致性计算自适应权重以挖掘难样本；4联合优化知识追踪损失、扩散模型损失和对比损失，端到端训练网络。本发明通过条件扩散生成符合知识状态依赖的增强数据，并结合自适应加权策略提升模型对稀疏噪声数据的鲁棒性，能显著提高预测准确性和表示质量。

本发明授权基于自适应扩散模型的知识追踪数据增强方法在权利要求书中公布了：1.一种基于扩散模型的自适应数据增强方法，其特征在于，包括如下步骤： 步骤一、定义学生的历史交互序列X={x1,x2,…,xt,…,xT}，其中，表示t时刻的三元组，且，其中，表示t时刻的问题；且∈Q；Q表示问题集；表示t时刻的概念，且∈C；C表示概念集；表示t时刻的回答，且∈{0,1}，当rt=1时，表示的回答正确，当=0时，表示的回答错误；T表示总时刻； 步骤二、构建知识追踪网络，包括：第一嵌入层、知识追踪模型、预测层，并对进行处理，得到t+1时刻的问题的预测概率，用于构建知识追踪网络的目标函数； 步骤三、构建条件扩散模型，并对进行处理，得到正交互序列和负交互序列，从而建立条件扩散模型的训练目标； 步骤3.1、利用式3对进行掩码，得到掩码后的交互嵌入序列： 3 式3中，M=表示随机生成的二进制掩码序列，其中，表示t时刻的状态，且∈{0,1}，表示逐元素相乘； 步骤3.2、将输入到双向转换器中进行处理，从而得到在时刻的上下文条件； 以t时刻概念嵌入向量作为在时刻的概念条件； 步骤3.3、利用式4得到时刻反转的上下文条件： 4 步骤3.4、利用式5对进行马尔可夫转换，从而得到初始噪声序列Z0=，其中，表示t时刻的初始噪声向量； 5 式5中，表示的标准差，表示与有相同维度单位协方差矩阵，表示前向加噪过程的参数；表示前向加噪过程的概率分布；表示正态分布； 步骤3.5、从t=1开始，利用式6对t-1时刻噪声序列分别添加T个方差的高斯噪声，得到t时刻的噪声序列，从而遍历到t=T，并得到T时刻的纯噪声序列，其中，表示第t个方差，表示t时刻的噪声向量，表示t时刻的纯噪声向量； 6 式6中，表示第个控制添加噪声幅值的参数，且，表示第个超参数，且，表示第个方差，表示添加到ZT中的第个高斯白噪声，且服从标准正态分布，表示t-1时刻的噪声序列； 步骤3.6、在和下对进行去噪处理，得到初始条件噪声序列，同时，在和下对进行去噪处理，得到反转的初始条件噪声序列；其中，表示t时刻的初始条件噪声向量，表示t时刻的反转的初始条件噪声向量； 步骤3.7、利用式11得到第t个正交互嵌入向量，从而得到正交互嵌入序列={}； 11 式11中，，表示或或的待训练参数，k表示三元组中每个元素的类别索引，softmax表示激活函数； 利用式12得到第t个负交互嵌入向量，从而得到负交互嵌入序列={}； 12 步骤3.8利用式13构建条件扩散模型的训练损失函数； 13 式13中，表示前向加噪过程中对Z0逐步加噪得到的条件概率分布，表示的期望，是条件扩散模型对预测的均值，表示对欧几里得距离取平方，表示在和的条件下后验分布的均值，并有： 14 式14中，表示第t-1个控制添加噪声幅值的参数； 步骤3.9利用式15构建条件扩散模型的训练目标： 15 式15中，表示对从逐步添加噪声生成到的期望，是扩散模型对1时刻的噪声序列预测的去噪均值，表示反向去噪过程的参数，表示反向去噪过程的概率分布； 步骤四、构建对比学习网络，包括：第二嵌入层和编码器，用于预测学生在每个时刻的知识状态；从而构建对比学习损失函数cl； 步骤五、基于、和，构建联合优化的总目标函数，用于训练由知识追踪网络、条件扩散模型和对比学习网络组成的追踪—学习网络，得到最优追踪—学习网络，用于对输入的学生三元组进行处理，得到预测结果以及高质量表示。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。