DKVMN-PLC:一种融合学习者个性化学习特征的动态键值记忆网络知识追踪模型

作     者：张峰 姜婷婷 ZHANG Feng;JIANG Tingting

作者机构：山东科技大学计算机科学与工程学院山东青岛266590 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2024年第45卷第5期

页      面：1272-1280页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山东科技大学青年教师教学拔尖人才培养项目(BJ20200505)资助 山东省教育科学“十四五规划课题”基金项目(2021YB028)资助 山东省本科教学改革研究项目(M2021067)资助 

主　　题：深度知识追踪 个性化学习 学习行为 学习特征 特征工程 

摘      要：动态键值记忆网络知识追踪作为知识追踪领域的代表性模型,通过引用注意力机制提高了模型的可解释性,但未考虑异常学习行为对学生状态更新的影响,也存在添加学习特征损害模型可解释性的问题.针对以上不足,本文提出模型DKVMN-PLC(Dynamic Key-value Memory Network with Personalized Learning Characteristics).首先,基于协同过滤思想,提出一种使用整体、阶段性学习能力判断异常学习行为的方法,量化了异常学习行为对更新学习状态的影响,提高学生状态建模的准确性.其次,提出一种存储器特征与个性化特征的融合方法,使用特征工程、聚类技术将特征分别用于同步存储器和预测学生表现,提高模型使用键值对获取学生信息的准确性.将DKVMN-PLC与5个知识追踪模型在3个数据集上进行了对比实验,DKVMN-PLC模型表现均为最优.