1.一种基于图卷积的知识追踪数据处理方法,其特征在于:包括以下步骤:获取当前时间节点对当前知识点的习题的答题信息、答题过程中的干扰信息和当前知识点的相邻知识点;
采用知识追踪模型对答题信息、干扰信息和相邻知识点进行处理;
其中,所述知识追踪模型的处理过程,其具体包括:对当前知识点的答题信息、干扰信息和相邻知识点进行图卷积处理;
根据图卷积处理结果,采用多层感知网络与时序网络更新当前知识点的掌握程度;
根据图卷积处理结果,采用多尺度多头部注意力机制与时序网络更新当前知识点的相邻知识点的掌握程度。
2.根据权利要求1所述的一种基于图卷积的知识追踪数据处理方法,其特征在于:所述多尺度多头部注意力机制是基于注意力机制构造的,所述多尺度多头部注意力机制的工作过程包括:
获取注意力函数,所述注意力函数包括邻接节点为终节点的注意力函数和邻接节点为起始节点的注意力函数;
根据注意力函数计算注意力值;
对所有注意力值进行集成。
3.根据权利要求1所述的一种基于图卷积的知识追踪数据处理方法,其特征在于:还包括以下步骤:
根据更新后的当前知识点和相邻知识点的掌握程度预测下一时间节点对当前知识点和相邻知识点的习题的答题情况。
4.根据权利要求1所述的一种基于图卷积的知识追踪数据处理方法,其特征在于:在所述获取当前时间节点对当前知识点的习题的答题信息这一步骤之前,还包括以下步骤:获取符合预设要求的知识结构图。
5.根据权利要求4所述的一种基于图卷积的知识追踪数据处理方法,其特征在于:所述获取当前知识点的相邻知识点,其具体为:在所述知识结构图内获取当前知识点的相邻知识点。
6.根据权利要求1所述的一种基于图卷积的知识追踪数据处理方法,其特征在于:在所述采用知识追踪模型对答题信息、干扰信息和相邻知识点进行处理这一步骤之前,还包括以下步骤:
采用随机梯度下降法对所述知识追踪模型进行训练。
7.一种基于图卷积的知识追踪数据处理系统,其特征在于:包括:获取模块,用于获取当前时间节点对当前知识点的习题的答题信息、答题过程中的干扰信息和当前知识点的相邻知识点;
处理模块,用于采用知识追踪模型对答题信息、干扰信息和相邻知识点进行处理;
其中,所述知识追踪模型的处理过程,其具体包括:对当前知识点的答题信息、干扰信息和相邻知识点进行图卷积处理;
根据图卷积处理结果,采用多层感知网络与时序网络更新当前知识点的掌握程度;
根据图卷积处理结果,采用多尺度多头部注意力机制与时序网络更新当前知识点的相邻知识点的掌握程度。
8.一种基于图卷积的知识追踪数据处理系统,其特征在于:包括:至少一个存储器,用于存储程序;
至少一个处理器,用于加载所述程序以执行如权利要求1‑6任一项所述的一种基于图卷积的知识追踪数据处理方法。
9.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于实现如权利要求1‑6任一项所述的一种基于图卷积的知识追踪数据处理方法。