低成本自进化的学习者画像模型研究

作     者：葛迪 吴彦文 刘三女牙 GE Di;WU Yanwen;LIU Sanya

作者机构：华中师范大学物理与科学技术学院武汉430079 华中师范大学国家数字化学习工程技术研究中心武汉430079 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第11期

页      面：141-150页

核心收录：

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：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) 

主　　题：学习者画像 双空间降维 图注意力网络 自适应特征抽取 低数据成本更新 

摘      要：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,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,该方法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;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;在斯坦福EDX平台数据集上设计了四项实验以验证该模型的性能。实验结果表明,该模型在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。