我国《教育信息化2.0行动计划》中强调,要积极发展“互联网+教育”这一新型教育形式,加快建立智能化、个性化、终身化的教育体系,满足个性化学习和终身化学习的人才培养需求,促进教育可持续化发展。个性化学习资源推荐、个性化学习路径规划、个性化教学指导和干预已成为当今教育发展的重要议题。知识属性,即测验项目中考察的知识点或者技能。认知诊断理论依据学生的历史作答行为,诊断学生的知识属性掌握状态,对了解学生的优势和不足,为学生提供个性化的学习路径规划、教学方案、指导干预等学习服务提供了重要依据。因此,对认知诊断方法的研究具有重大的意义,论文以认知诊断方法为核心展开研究工作,其研究内容主要包括:1.对现有认知诊断模型的发展状况进行调研,对应用较为广泛的基于Q矩阵理论的三个基本的认知诊断模型（规则空间模型RSM、DINA模型、UM统一模型）进行了详细的介绍和描述,并分析和比较了它们的优势和不足。2.为改善Q矩阵中知识属性刻画不完整对认知诊断效果带来的影响,首次提出了增补Q矩阵的概念,对基本的DINA模型进行认知诊断过程的改进,提出了基于非完备型Q矩阵的认知诊断方法。经实验验证,基于非完备型Q矩阵的认知诊断模型较基础的DINA模型,有效地提高了认知诊断的准确性。3.针对知识属性层级关系对学生认知过程带来的影响,在DINA模型基础上利用DeepFM模型框架学习知识属性间复杂的层级关系,提出了基于DeepFM模型的认知诊断方法。经过实验对比分析,基于DeepFM模型的认知诊断方法的诊断结果提高了对学生答题结果的预测精度,证明了基于DeepFM模型的认知诊断方法提高了学生认知状态的诊断效果。本文通过探究现有认知诊断模型中Q矩阵知识属性非完备性和知识属性层级关系对认知诊断结果的影响,分别提出了基于非完备型Q矩阵的认知诊断方法和基于DeepFM模型的认知诊断方法。并在公开数据集和私有数据集上对两种方法进行了实验验证,且与其他模型进行实验对比。结果表明,基于非完备型Q矩阵的认知诊断方法和基于DeepFM模型的认知诊断方法都显著地减小了认知诊断模型的诊断误差,提高了对学生知识状态的诊断正确率。