基于知识图谱的认知诊断模型，有参考论文 里面有六种模型，有两种方式，1.我这有各版本的实现代码需要将其统一一下（如由TensorFlow1.9和mxnet的转换成tensorflow2.12的）；2.自己用tensorflow重新实现一遍

在基于知识图谱的认知诊断领域，一些经典的论文包括：

"Deep Knowledge Tracing" by Chris Piech et al., 2015.

"Knowledge Tracing with Dynamic Bayesian Networks" by Andriy Mnih et al., 2008.

"Dynamic Student Models to Handle Misconceptions in Tutors that Teach Mathematics" by Bruce M. McLaren et al., 1986.

"Applying Knowledge Tracing to Infer Student Learning Rates" by Neil Heffernan et al., 2010.

"A Knowledge Tracing Framework for Student Modeling in Intelligent Tutoring Systems" by Joseph E. Beck et al., 1997.

关于您提到的两种方式，您可以根据具体情况选择适合您的方式进行实现：

将不同版本的实现代码统一：这需要您仔细研究每个版本的代码，并根据需求进行相应的转换和调整。针对不同的深度学习框架，如TensorFlow 1.x、TensorFlow 2.x和MXNet等，您可以使用相关的框架迁移工具或手动修改代码以实现统一。

自己重新实现：使用TensorFlow重新实现模型可能需要您对论文中的模型细节和相关算法进行深入理解。您可以根据论文中的描述和公式，按照自己的理解进行代码编写。

无论您选择哪种方式，建议您先仔细阅读论文，了解模型结构、算法和实验设置等细节。然后，根据论文中的描述，逐步实现并调试代码，确保模型能够正确运行。

请注意，实现基于论文的模型可能需要一定的编程和机器学习知识。如果您在实现过程中遇到问题，可以参考相关文献、查阅在线资源或咨询专业人士以获得帮助和支持。