期刊论文

Low-Cost Self Evolving Learner Portrait Model

中文

计算机工程与应用

1002-8331

2023

59

11

141-150

10.3778/j.issn.1002-8331.2202-0240

国家自然科学基金重点项目(61937001) 教育部国家级新工科研究与实践项目2020年新工科专业改革类项目(E-RGZN20201032)。

本校为第一机构

复杂教学交互环境下，针对学习者画像模型所面临的维数灾难和更新高数据成本问题，本文提出了一种新的模型——大规模数据下低成本自进化学习者画像（LSLP），该方法首先改进了传统的深度非负矩阵分解算法，以此来对原始数据从双空间进行特征结构保留并有效降维，抑制维数灾难；接着，以图神经网络为信息捕获媒介，结合深度神经网络对元属性状态值进行量化，引导设计了一种自适应的特征抽取与动态更新策略来辅助学习者画像模型不断自进化；最后，在斯坦福EDX平台数据集上设计了四项实验以验证本文模型的性能。实验结果表明，本模型在93.13%的下游教学推荐任务精度下，可减少45%的更新数据成本。...

In the current complex teaching interactive environment of AI,aiming at the dimension disaster and high data updating cost faced by the learner portrait model,this paper proposes a new model—low-cost self evolutionary learner portrait under large-scale data(LSLP).This m...MORE In the current complex teaching interactive environment of AI,aiming at the dimension disaster and high data updating cost faced by the learner portrait model,this paper proposes a new model—low-cost self evolutionary learner portrait under large-scale data(LSLP).This m...