期刊论文

中文

计算机应用

1001-9081

2023

43

2

343-348

10.11772/j.issn.1001-9081.2022010024

中央高校科研业务费资助项目（CCNU19TS020)；

本校为第一机构

针对基于循环神经网络（RNN）的深度知识追踪模型存在的可解释性不足和长序列依赖问题，提出一种融合注意力机制的时间卷积知识追踪模型（ATCKT）。首先学习学生历史交互的嵌入表示，然后使用基于题目的注意力机制学习特定权重矩阵，识别并强化学生的历史交互对每一时刻知识状态不同程度的影响；最后，使用时间卷积网络（TCN）提取学生动态变化的知识状态，利用扩张卷积和深层神经网络扩大序列学习范围，缓解长序列依赖问题。将ATCKT与深度知识追踪（DKT）、卷积知识追踪（CKT）等四种模型在四个数据集上进行对比实验，实验结果显示，所提模型的曲线下面积（AUC）和准确率（ACC）均显著提升，尤...

To address the problems of insufficient interpretability and long sequence dependency in the deep knowledge tracing model based on Recurrent Neural Network(RNN),a model named Temporal Convolutional Knowledge Tracing with Attention mechanism(ATCKT)was proposed.Firstly,th...MORE To address the problems of insufficient interpretability and long sequence dependency in the deep knowledge tracing model based on Recurrent Neural Network(RNN),a model named Temporal Convolutional Knowledge Tracing with Attention mechanism(ATCKT)was proposed.Firstly,the ...