预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共20页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114971095A(43)申请公布日2022.08.30(21)申请号202210919144.1G06Q50/20(2012.01)(22)申请日2022.08.02(71)申请人合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)地址230000安徽省合肥市高新区望江西路5089号,中国科学技术大学先进研究院未来中心B1205-B1208(72)发明人刘淇童世炜陈恩红苏喻黄振亚(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287专利代理师付海萍(51)Int.Cl.G06Q10/04(2012.01)G06N20/00(2019.01)权利要求书2页说明书14页附图3页(54)发明名称在线教育效果预测方法、装置、设备及存储介质(57)摘要本发明公开了一种在线教育效果预测方法、装置、设备及存储介质,在线教育效果预测方法包括:实时获取学习者进行在线学习时的日志数据,并基于已训练好的深度特征网络模型对所述日志数据进行训练,得到第一损失函数;确定当前时刻之前的历史日志数据对应的历史损失函数,检测所述第一损失函数对应的数学期望是否大于所述历史损失函数;若所述数学期望大于所述历史损失函数,则更新所述深度特征网络模型的模型参数,并基于更新后的所述深度特征网络模型计算目标特征参数;根据所述目标特征参数进行所述学习者的学习效果预测。本发明实现了快速稳定的获取特征参数,并能根据特征参数进行在线教育效果预测。CN114971095ACN114971095A权利要求书1/2页1.一种在线教育效果预测方法,其特征在于,所述在线教育效果预测方法包括以下步骤:实时获取学习者进行在线学习时的日志数据,并基于已训练好的深度特征网络模型对所述日志数据进行训练,得到第一损失函数;确定当前时刻之前的历史日志数据对应的历史损失函数,检测所述第一损失函数对应的数学期望是否大于所述历史损失函数;若所述数学期望大于所述历史损失函数,则更新所述深度特征网络模型的模型参数,并基于更新后的所述深度特征网络模型计算目标特征参数;根据所述目标特征参数进行所述学习者的学习效果预测。2.如权利要求1所述的在线教育效果预测方法,其特征在于,所述更新所述深度特征网络模型的模型参数的步骤,包括:确定所述日志数据和所述历史日志数据之间的新增日志数据;若所述日志数据和所述历史日志数据之间的学习者一致,则根据所述深度特征网络模型和所述新增日志数据计算项目特征约束值;若所述日志数据和所述历史日志数据之间的项目记录一致,则根据所述深度特征网络模型和所述新增日志数据计算学习者特征约束值;若所述项目特征约束值大于或等于预设更新阈值,或者,所述学习者特征约束值大于或等于预设更新阈值,则根据所述新增日志数据更新所述深度特征网络模型的模型参数。3.如权利要求2所述的在线教育效果预测方法,其特征在于,所述根据所述深度特征网络模型和所述新增日志数据计算项目特征约束值的步骤,包括:根据所述深度特征网络模型对所述新增日志数据进行训练,得到第二损失函数;确定所述新增日志数据和所述历史日志数据上预测答题记录的相对熵,并确定所述新增日志数据对应的交叉熵;将所述相对熵和所述交叉熵之间的和值作为所述第二损失函数的数学期望对应的下限值;基于所述下限值和所述历史损失函数构建项目特征约束值。4.如权利要求2所述的在线教育效果预测方法,其特征在于,所述模型参数包括学习者特征和项目特征,所述根据所述新增日志数据更新所述深度特征网络模型的模型参数的步骤,包括:根据所述新增日志数据更新所述深度特征网络模型中的项目特征和学习者特征。5.如权利要求2所述的在线教育效果预测方法,其特征在于,所述根据所述新增日志数据更新所述深度特征网络模型的模型参数的步骤之后,包括:获取预设的动量系数,并根据所述动量系数对更新后的所述模型参数继续进行更新,得到最新模型参数;根据预设的超参数对具有所述最新模型参数的深度特征网络模型进行更新,得到更新后的所述深度特征网络模型。6.如权利要求1所述的在线教育效果预测方法,其特征在于,所述基于已训练好的深度特征网络模型对所述日志数据进行训练,得到第一损失函数的步骤之前,包括:获取输入的训练日志数据,确定所述训练日志数据对应的初始特征参数,其中,所述初2CN114971095A权利要求书2/2页始特征包括初始学习者特征和初始项目特征;将所述初始学习者特征和所述初始项目特征输入到预设的认知诊断公式,得到目标认知诊断公式;根据所述目标认知诊断公式对预设的损失函数模型进行模型训练,得到训练好的深度特征网络模型。7.如权利要求6所述的在线教育效果预测方法,其特征在于,所述确定所述训练日志数据对应的初始特征参数的步骤,包括:将所述训练日志数据表征为交互