期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
F-TCKT:融合遗忘因素的深度时序卷积知识追踪模型
被引量：
5
1
作者
张鹏
文磊
《计算机应用研究》
CSCD
北大核心
2023年第4期1070-1074,共5页
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...
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。
展开更多
关键词
智慧教育
知识追踪
时间卷积网络
遗忘行为
在线阅读
下载PDF
职称材料
题名
F-TCKT:融合遗忘因素的深度时序卷积知识追踪模型
被引量：
5
1
作者
张鹏
文磊
机构
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
出处
《计算机应用研究》
CSCD
北大核心
2023年第4期1070-1074,共5页
基金
国家自然科学基金资助项目(61936001)
重庆市自然科学基金资助项目(cstc2021jcyj-msxmX0849)
重庆市高等教育教学改革研究重大项目(221017)。
文摘
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。
关键词
智慧教育
知识追踪
时间卷积网络
遗忘行为
Keywords
intelligent education
knowledge tracking
temporal convolutional network
forgetting behavior
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
《计算机应用研究》
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
