知识追踪之动态键值对记忆网络 Dynamic Key-Value Memory Networks for Knowledge Tracing
文章目录
- 简介
- 动态键值对记忆网络
- DKVMN原理图详细介绍
简介
本文分三个部分介绍:
- 动态键值对记忆网络的详细介绍以及如何将记忆增强神经网络(MANN)引入到知识追踪领域。
- DKVMN模型是如何进行追踪知识以及自动发现相似的练习题。
- DKVMN的优势以及不足。
- 针对DKVMN的问题,我们如何改进它,如何提出自己的观点,如何发表创新性的论文(例如,DKVMN不能自动发现练习题之间的依赖关系)。
最后,如果对知识追踪(KT)不太了解的,我后期会发典型的知识追踪包括基于概率的贝叶斯知识追踪(BKT)、利用循环神经网络的深度知识追踪(DKT)、以及2017-2019年全部有关知识追踪领域的新模型等等,我会详细的介绍其原理以及各自的不足,告诉大家如何改进。我会提供pytorch、tensorflow2.0 两个版本的最佳代码并告诉大家如何使用。让提彻底了解知识追踪领域。彻底了解如何应用到在线教育(例如,edx、作业帮、好未来以及新东方等在线教育平台),真正的做到个性化教育,学生可以发现自己的薄弱知识点和自己盲区,对不熟悉的知识点进行巩固和加强,进而提高学生学习效率。教师可以根据学生的学习状态,制定更加合适的教学策略并推荐个性化的做题顺序。
动态键值对记忆网络
- 动态键值对记忆网络(Dynamic Key-Value Memory Networks for Knowledge Tracing,简写DKVMN),由香港中文大学的施行建于2017年提出的。根据BKT、DKT的优势和不足并且利用了记忆增强神经网络的方法,提出了动态键值对记忆网络(DKVMN)。
- 它借鉴了记忆增强神经网络的思想,结合了BKT和DKT的优点,DKVMN 用一个静态矩阵 key 存储所有的知识点和一个动态矩阵 value 存储以及更新学生的知识状态。在DKVMN论文中,他们比较了DKVMN和DKT,以及一个复杂的BKT版本BKT+。他们发现DKVMN取得了优异的性能,是KT领域最先进的模型。除了改进性能之外,它还有其他几个优于LSTM的优点,包括防止过拟合、参数数量更少以及通过潜在概念自动发现类似的练习题。
- 此外,Chaudhry R通过多任务学习将请求提示预测与知识追踪进行联合训练来提升DKVMN的性能。
DKVMN原理图详细介绍
由于下周有事,我会在后续的时间里给大家介绍它如何利用注意力机制链接内部与外部记忆。以及如何让读、写。如何利用删除向量以及添加向量跟新外部记忆单元。以及如何利用外部记忆单元中的记忆片段根据其权重发现相似的练习题。以及聚类的代码逐行精讲,另外学生的知识增长如何表示,知识点如何在KEY矩阵中保存。以及它最大的缺点跟优点,还有它用的技术,例如词嵌入、分布式表示等(可以说现在的知识追踪没人用 one-hot表示了)
知识追踪之动态键值对记忆网络 Dynamic Key-Value Memory Networks for Knowledge Tracing相关推荐
- 知识追踪-Dynamic Key-Value Memory Networks for Knowledge Tracing
记录关于知识追踪相关论文的阅读 1. 本文研究内容 2.经典模型 2.1 BKT 2.2 DKT 3. 相关工作 3.1 Knowledge Tracing 4. 模型 4.1 经典的MANN 4.2 ...
- php 生成动态键值 数组_你的PHP项目遇到性能问题了吗?看完这篇性能分析恍然大悟...
你的项目中遇到性能问题了吗?遇到性能问题你是如何解决的呢?你的解决方式是否正确呢?下面就跟大家一起分享php项目的性能问题. PHP语言级性能分析 php在什么情况下会遇到性能问题呢? 在讨论性能问题 ...
- mybatis返回map键值对_mybatis返回map key怎么指定
展开全部 一.概述 MyBatis中在查询进行select映射的时候,返回类型可以用resultType,也可以用resultMap,resultType是直接表示返回类型的,而resultMap则是 ...
- 长短期记忆网络(Long Short-Term Memory,LSTM)及其变体双向LSTM和GRU
LSTM(Long Short-Term Memory)长短期记忆网络,是一种时间递归神经网络,适合于处理和预测时间序列中间隔和延迟相对较长的重要事件.LSTM是解决循环神经网络RNN结构中存在的&q ...
- MAP使用containsKey和containsValue方法,验证键值对是否存在此KEY或VAL值。
前言 在项目过程中,可能使用MAP集合返回结果集合,以前我会取指定KEY值,在取他的VALUE值,来获取最后结果.如果KEY值不存在还会取出NULL值.但是今天看到同事使用了containsKey和c ...
- C# 字典键值对排序 属性的key和value排序
public string gethas(Dictionary<string, string> ob){StringBuilder str = new StringBuilder();Di ...
- 基于图神经网络的知识追踪的五篇论文
本质上是预测回答的对错,是二元分类的预测问题 Context-Aware Attentive Knowledge Tracing 2020 <情境感知的注意力知识追踪>,注意力知识追踪,情 ...
- 知识追踪入门系列-论文资料汇总
Paper : 知识追踪相关论文 下载论文和代码见reference第一个链接 Deep Knowledge Tracing: 首次提出将RNN用于知识追踪,并能够基于复杂的知识联系进行建模(如构建知 ...
- 1.基于深度学习的知识追踪研究进展_刘铁园
基于深度学习的知识追踪研究进展_刘铁园 1.知识追踪改进方向 针对可解释问题的改进 针对长期依赖问题的改进 针对缺少学习特征问题的改进 2.基于深度学习的知识追踪 DLKT 2.1 符号定义 2.2 ...
最新文章
- win7下80端口被(Pid=4)占用的解决方法
- Java基础之Comparable接口和Comparator接口的比较
- stdio.h: C++输入输出操作
- mysql创建非聚集索引_一文看懂聚集索引和非聚集索引的区别
- 二级python 刷题就能过吗_Python 刷题笔记:这很不python,官方大大能改下吗?
- 神经网络 | 基于脉冲耦合神经网络(PCNN)的图像特征提取(Matlab源代码)
- Linux 命令详解(二)awk 命令
- 阿里云大学课程学习有奖征文活动现在开始
- pymongo 日期类型
- 视频课程学习及学习计划
- 书生浏览器不能打开这个文件或者url_这些浏览器工作原理你都吃透了吗?
- PL/SQL 快捷键设置
- CMMI体系建设的目的和意义
- 没想到一个起点中文网都可以掀起这么大的波澜
- 电子相册如何用c语言制作,电子相册怎样制作?
- IOI2021集训队作业
- Python+OpenCV 识别银行卡卡号
- 沪漂5年,工作这点事儿
- 层次Voronoi Diagrams更好地为HNSW的最底层获取入口点优化近似最近邻搜索(HVS)
- X86汇编常见的寄存器