MengHD

摘要： 摘要 这篇文章提出了AKT模型， 使用了单调性注意力机制， 考虑过去的做题记录来决策未来的做题结果， 另外使用了Rasch 模型来正则化习题和概念的嵌入。 AKT方法 1上下文感知表示和知识检索 通过两个encoder使用单调性注意力机制，分别将原始的习题嵌入 \(\{\mathbf{x}_1,.. 阅读全文

摘要： 本文旨在总结目前看过的关于在知识追踪（Knowledge Tracing）中使用Attention的文章 EKT: Exercise-aware Knowledge Tracing for Student Performance Prediction EERNN EERNN负责对习题进行嵌入表示，原 阅读全文

摘要： 摘要 这篇文章考虑了知识追踪任务中概念之间的先决条件关系，为了能够建模这种关系，将先决条件关系建模为有序对（ordering pairs),用作知识追踪模型中的约束，提出了PDKT-C（Prerequisite-driven Deep Knowledge Tracing with Constrain 阅读全文

摘要： 1 摘要 提出了一种关系感知型的自注意力机制RKT,引入该机制来整合上下文信息，上下文信息包括习题间的关系以及学生的遗忘行为， 习题间关系通过习题文本和学生表现来建模， 学生遗忘行为通过指数衰减核函数建模。 2 模型方法 每个交互为三元组$(e_i,r_i,t_i)$,问题定义为给定过去的交互历史$ 阅读全文