基于多行为特征嵌入记忆网络的知识追踪模型

贺步贵, 董永权, 贾瑞, 金家永

太原理工大学学报 ›› 2024, Vol. 55 ›› Issue (01) : 184 -194.

PDF
太原理工大学学报 ›› 2024, Vol. 55 ›› Issue (01) : 184 -194. DOI: 10.16355/j.tyut.1007-9432.2023BD008

基于多行为特征嵌入记忆网络的知识追踪模型

    贺步贵, 董永权, 贾瑞, 金家永
作者信息 +

Author information +
文章历史 +
PDF

摘要

【目的】为了充分利用交互记录中的学习和遗忘特征,提出了一种基于多行为特征嵌入记忆网络的知识追踪模型(MFKT).该模型考虑了学习过程中的学习和遗忘两种行为。【方法】首先,从交互记录中提取学习和遗忘两大特征,然后将提取到的学习特征通过标量交叉方式嵌入记忆网络,同时将遗忘特征通过向量组合的方式嵌入,用于增强其对于学生答题序列的学习能力。此外,还考虑到了不同学生回答完成后的知识增长差异,在原先记忆网络的基础上增加了一个知识增长层,用于计算学生答题得到的知识增长。【结果】通过在公开数据集上的实验表明,MFKT更加符合学生的真实学习规律,能够实现对学生知识状态更加精准的追踪。

关键词

智慧教育 / 知识追踪 / 特征提取 / 动态键值记忆网络 / 学习与遗忘

Key words

引用本文

引用格式 ▾
基于多行为特征嵌入记忆网络的知识追踪模型[J]. 太原理工大学学报, 2024, 55(01): 184-194 DOI:10.16355/j.tyut.1007-9432.2023BD008

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

72

访问

0

被引

详细

导航
相关文章

AI思维导图

/