题名 序列特征与学习过程融合的知识追踪模型
被引量：2
1
作者
李子杰 周菊香 韩晓瑜 甘健侯 鹿泽光 王俊
机构
云南师范大学 民族教育 信息化教育 部重点 实验室 云南师范大学云南省智慧教育重点实验室 中科国鼎数据科学研究院
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第6期77-85,共9页
基金
国家自然科学基金(62266054) 云南省教育厅科学研究基金资助(2022Y180)。
文摘
知识追踪是人工智能技术与教育相结合的新兴领域,旨在通过学生过去完成习题的交互序列对学生的知识状态进行评估,是实现大规模个性化学习服务的关键核心技术。随着深度学习在计算机视觉、自然语言处理、推荐系统等领域的广泛应用,知识追踪领域也出现了大量基于神经网络的方法,简称深度知识追踪(DKT)模型。针对目前已有DKT模型在可解释性和准确性方面的不足,提出一种序列特征与学习过程融合的知识追踪模型SLKT,模型包括知识状态模块、序列特征模块、预测模块。知识状态模块用以模拟学生学习过程,序列特征模块捕捉学习者近期学习状况。通过序列特征和学习过程的融合,有效解决了基于知识状态建模方法无法考虑学习者近期学习状况的问题,同时提出一种带约束的动态Q矩阵表示练习和知识点之间的关系,从而更好地进行学习者学习过程建模,在确保较好可解释性的同时有效提升模型的准确性。在3个知识追踪领域公共数据集上的实验结果表明,相比DKT、动态键值记忆网络(DKVMN)、自注意力的知识追踪(SAKT)、卷积知识追踪(CKT)等深度追踪模型,SLKT模型在曲线下面积(AUC)、准确率指标评估中表现较优。
关键词
智慧教育 深度学习 知识追踪 学习过程建模 Q矩阵
Keywords
smart education deep learning knowledge tracking learning process modeling Q matrix
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于场因子分解的xDeepFM推荐模型
2
作者
李子杰 张姝 欧阳昭相 王俊 吴迪
机构
云南师范大学 民族教育 信息化教育 部重点 实验室 云南师范大学云南省智慧教育重点实验室 德宏师范 高等专科学校信息学院
出处
《应用科学学报》
CAS
CSCD
北大核心
2024年第3期513-524,共12页
基金
国家自然科学基金(No.62266054,No.62166050) 云南省教育厅科学研究基金(No.2023Y0535)资助。
文摘
极深因子分解机(eXtreme deep factorization machine,xDeepFM)是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推荐场景下的表现,提出一种基于场因子分解的xDeepFM改进模型。该模型通过场信息增强了特征的表达能力,并建立了多个交叉压缩网络以学习高阶组合特征。最后分析了用户场、项目场设定的合理性,并在3个不同规模的MovieLens系列数据集上通过受试者工作特征曲线下面积、对数似然损失指标进行性能评估,验证了该改进模型的有效性。
关键词
推荐算法 极深因子分解机 场因子分解 深度学习
Keywords
recommendation algorithm eXtreme deep factorization machine(xDeepFM) field factorization deep learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于多任务学习的课堂表情分类模型
3
作者
贺加贝 周菊香 甘健侯 吴迪 温晓宇
机构
云南师范大学 民族教育 信息化教育 部重点 实验室 云南师范大学云南省智慧教育重点实验室
出处
《应用科学学报》
CAS
CSCD
北大核心
2024年第6期947-961,共15页
基金
国家自然科学基金(No.62107034) 云南省科技计划基础研究专项(No.202101AT070095)资助。
文摘
基于课堂视频图像理解的学生表情识别与学习情感分析技术已然成为当前智慧教育领域的研究热点,但在图像视频采集质量低、环境复杂、多目标遮挡严重的真实应用场景中往往面临很大的挑战。针对目前大多课堂表情分类模型仅关注离散表情单一维度存在的不足,提出了一种多任务识别的学生表情分类模型。首先,基于课堂表情分类模型构建了真实场景下的多任务课堂表情数据集,并通过数据平衡技术解决数据集类别标签分布不平衡问题。其次,提出了一种基于多任务学习的课堂表情分类模型,通过引入知识蒸馏并设计双通道融合机制,有效融合离散表情、人脸动作单元和效价-唤醒三个表情识别任务,利用多任务之间的关系进一步增强离散表情分类任务的性能。最后,该方法在多个数据集上与现有先进方法进行了实验对比分析,结果表明所提模型能够有效提升表情分类精度,且在课堂表情多任务识别中具有优越表现,为实现课堂情感多维度评估分析提供技术支持。
关键词
深度学习 表情识别 情感计算 课堂表情
Keywords
deep learning expression recognition affective computing classroom expression
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于注意力网络推理图的细粒度图像分类
被引量：2
4
作者
郑智文 甘健侯 周菊香 欧阳昭相 鹿泽光
机构
云南师范大学 民族教育 信息化教育 部重点 实验室 云南师范大学云南省智慧教育重点实验室 德宏师范 高等专科学校信息学院 中科国鼎数据科学研究院
出处
《应用科学学报》
CAS
CSCD
北大核心
2022年第1期36-46,共11页
基金
国家自然科学基金(No.62166050)资助
文摘
针对场景图像的细粒度分类任务,结合图像视觉和文本的多模态信息提出了一种基于注意力网络推理图的细粒度图像分类方法。首先提取场景图像的全局视觉特征、局部视觉特征和文本特征,把位置信息分别嵌入局部视觉特征和文本特征后拼接成新的特征,再将这个新的特征作为图结构的节点生成一个异构图;然后设计两条元路径将异构图分解成两个同构图,并将其分别放入设计有节点级注意和语义级注意的两级注意力网络推理图;最后将输出的节点特征与全局视觉特征进行多模态融合操作,获得更丰富的细粒度特征表达。所提出的模型实现了多模态融合与图注意力网络的有效结合,且在Con-Text和Drink Bottle两个场景文本细粒度图像数据集上与目前主流先进方法相比具有较强的竞争力。
关键词
场景图像 多模态 图注意力网络 节点级注意力 语义级注意力
Keywords
scene image multimodal graph attention network node-level attention semantic-level attention
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 多阶段时序和语义信息增强的问题生成模型
被引量：1
5
作者
周菊香 周明涛 甘健侯 徐坚
机构
云南师范大学 民族教育 信息化教育 部重点 实验室 云南师范大学云南省智慧教育重点实验室 曲靖师范 学院信息工程学院
出处
《计算机工程与科学》
CSCD
北大核心
2023年第10期1847-1857,共11页
基金
国家自然科学基金(62166050)。
文摘
针对图到序列的问题生成模型编码器的多阶段编码以及解码过程中容易丢失段落中丰富的序列信息和语义结构信息的问题,设计了基于多阶段时序和语义信息增强的模型MS-SIE。首先,将编码器不同阶段编码的段落语义信息进行融合,输入到循环神经网络进行编码;然后,在解码阶段引入迭代图神经网络,将编码后的段落信息与解码阶段隐藏在先前生成的文本问题中丰富的语义结构信息相结合;最后,利用基于注意力机制的循环神经网络生成问题。实验结果表明,提出的模型在自动评估指标和人工评价指标上均明显优于现有的序列到序列模型和图到序列模型。
关键词
问题生成 多阶段时序融合 语义信息增强 循环神经网络 迭代图神经网络
Keywords
question generation multi-stage temporal fusion semantic information enhancement recurrent neural network iterative graph neural network
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
