一种融合异构图神经网络及历史表现的知识追踪方法及模型

本发明提供了一种融合异构图神经网络及历史表现的知识追踪方法及模型，首先利用题与概念的包含关系、题之间的转移关系和概念之间的共现关系结合，共同构建异构图结构，并通过图神经网络算法增强题表征；然后为克服长期依赖问题，从学生历史知识状态的重要性角度出发，将知识状态分为当前时刻知识状态和历史重要知识状态，通过长短期记忆网络得到当前时刻知识状态，基于重要性系数加权聚合产生历史重要知识状态；最后，通过融合两种知识状态，结合题表征预测学生的答题表现。实验结果表明，本发明提出的模型QRHKT在三个公共数据集上获得了更好的知识追踪结果。