计算机应用研究

作者：李浩君,方璇,戴海容,

单位：1.浙江工业大学教育科学与技术学院,杭州310023；2.浙江金融职业学院工商管理学院,杭州310018；

关键词：知识追踪,深度学习,双向GRU神经网络,自注意力机制,

基金：浙江省哲学社会科学规划交叉学科重点支持课题(22JCXK05Z)；国家自然科学基金资助项目(62077043)；；

针对现有深度知识追踪模型存在输入习题间复杂关系捕获能力弱、无法有效处理长序列输入数据等问题，提出了基于自注意力机制和双向GRU神经网络的深度知识追踪优化模型（KTSA-BiGRU）。首先，将学习者的历史学习交互序列数据映射为实值向量序列；其次，以实值向量序列作为输入训练双向GRU神经网络，利用双向GRU神经网络建模学习者的学习过程；最后，使用自注意力机制捕获练习题之间的关系，根据双向GRU神经网络输出的隐向量和注意力权重计算学习者正确回答下一问题的概率。实验在三个公共数据集上的性能分析优于现有的知识追踪模型，能提高深度知识追踪的预测精度。

来源：2022年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第3期