F-TCKT:融合遗忘因素的深度时序卷积知识追踪模型

张鹏; 文磊

首页> 中文期刊> 《计算机应用研究》 >F-TCKT:融合遗忘因素的深度时序卷积知识追踪模型

F-TCKT:融合遗忘因素的深度时序卷积知识追踪模型

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

智慧教育中,对学生的知识水平进行追踪是很重要的技术之一。传统的深度知识追踪方法的主要关注点集中在循环神经网络(recurrent neural network, RNN)上,但RNN存在梯度消失或者梯度爆炸的问题,并且很多知识追踪方法没有考虑到学习过程中遗忘行为对结果的影响。针对以上问题,为了准确地预测学生的知识水平,提出了一种融合遗忘因素的深度时序卷积知识追踪模型(temporal convolutional knowledge tracking with forgetting, F-TCKT)。该模型引入了三个影响学生遗忘行为的因素,包括学习相同知识点的时间间隔、学习的时间间隔和同一知识点的学习次数。首先利用全连接网络计算得到表示学生遗忘程度的向量并与学生的答题记录进行拼接,然后使用梯度稳定的时间卷积网络(temporal convolutional network, TCN)和注意力机制预测学生下一次答题正误的概率。经实验验证,与传统方法相比,F-TCKT具有更好的预测性能。

著录项

来源
《计算机应用研究》 |2023年第4期|1070-1074|共5页
作者
张鹏; 文磊;
展开▼
作者单位

重庆邮电大学软件工程学院;

重庆邮电大学智能信息技术与服务创新实验室;

电子科技大学重庆微电子产业技术研究院;

展开▼
原文格式 PDF
正文语种 chi
中图分类信息处理（信息加工）;
关键词
智慧教育; 知识追踪; 时间卷积网络; 遗忘行为;

相似文献

中文文献
外文文献
专利

1. TCN-KT:个人基础与遗忘融合的时间卷积知识追踪模型 [J] . 王璨 ,刘朝晖 ,王蓓 . 计算机应用研究 . 2022,第5期
2. LFKT:学习与遗忘融合的深度知识追踪模型 [J] . 李晓光 ,魏思齐 ,张昕 . 软件学报 . 2021,第003期
3. 融合行为和遗忘因素的贝叶斯知识追踪模型研究 [J] . 黄诗雯 ,刘朝晖 ,罗凌云 . 计算机应用研究 . 2021,第007期
4. 融合注意力机制的时间卷积知识追踪模型 [J] . 邵小萌 ,张猛 . 计算机应用 . 2023,第2期
5. 融合IRT的图注意力深度知识追踪模型 [J] . 董永峰 ,黄港 ,薛婉若 . 计算机科学 . 2023,第3期
6. 手持技术与化学教学的深度融合:从“研究案例”到“认知模型”——TQVC概念认知模型的提出 [C] . Wang Lixin ,王立新 ,Qian Yangyi . 中国化学会第四届全国中学化学教育高峰论坛暨第八届中国化学会关注西部中学化学教育发展论坛 . 2018
7. 基于知识图谱的深度知识追踪模型的研究 [A] . 张靖宇 . 2022

F-TCKT:融合遗忘因素的深度时序卷积知识追踪模型

摘要

著录项

相似文献

相关主题

期刊订阅