Deep Knowledge Tracking based on Attention Mechanism for Student Performance Prediction
写在前面:
这篇文章主要是首次将注意力机制与RNN相结合,提高了预测性能。
1 摘要
由于当今在线辅导系统的广泛应用,研究人员对使用在线辅导系统来提高学生的学习表现产生了浓厚的兴趣。研究人员可以使用深度知识跟踪方法,根据学生的历史学习记录对他们的学习表现进行建模,根据学生的学习表现向学生推荐学习资源,并制定个性化的学习策略。目前,一些利用练习文本信息进行深度知识追踪的研究并取得了较好的效果。但是这种方法需要依赖于完整的练习文本,会造成练习概念难以提取的问题,并且由于知识产权和隐私保护的原因,完整的练习文本难以获得。因此,在本研究中,我们使用少量的概念信息,结合注意力机制,提高深度知识跟踪,提升预测学生学习成绩的能力。实验结果表明,本文提出的方法在 AUC 和 ACC 上有一定的改进。
2 相关工作
习题更新:
获取数据集中的所有概念,从概念文本中提取关键词,并要求专家手动将相似关键词归为一类,并使用相似关键词更新所有概念,得到更新后的概念关键词,从而进行各个概念之间的相似度计算。
概念相似矩阵:
根据更新后的习题概念,利用式(1)计算各习题概念之间的jaccard相似度,得到相似度矩阵J:
J(A,B)=∣A∩B∣∣A∪B∣=∣A∩B∣∣A∣+∣B∣−∣A∪B∣(1)J(A,B)=\frac{|A\cap B|}{|A\cup B|}=\frac{|A\cap B|}{|A|+|B|-|A\cup B|} \tag{1} J(A,B)=∣A∪B∣∣A∩B∣=∣A∣+∣B∣−∣A∪B∣∣A∩B∣(1)
其中,j(m,n)j(m,n)j(m,n)代表习题m和n之间的相似度,J代表习题概念之间相似性形成的相似矩阵。
注意力向量:
根据学生在每个阶段练习的概念,计算当前概念与之前练习的每个概念的相似度。累积和就是这个阶段的注意力系数。每个阶段的注意力系数向量称为注意力向量。其计算公式如下:
LSTM:
本研究利用学生习题记录中的概念信息。首先对所有概念文本提取相似度关系,然后更新所有概念,根据更新后的概念计算相似度,得到概念的相似度矩阵。最后,利用学生的练习序列和概念的相似度矩阵计算每个学生对应的注意力向量。将得到的注意力向量与深度知识跟踪模型中的LSTM网络相结合,即在深度知识跟踪的基础上加入了注意力机制,可以更准确地把握学生在每个时间阶段的重要知识状态,有序更好地预测学生的学习表现。公式如下:
ht=tanh(Whxxt+Whhht−1+bh)(6)h_t=tanh(W_{hx}x_t+W_{hh}h_{t-1}+b_h)\tag{6} ht=tanh(Whxxt+Whhht−1+bh)(6)
yt=σ(Wyhht+by+At)(7)y_t=\sigma(W_{yh}h_t+b_y+A_t)\tag{7} yt=σ(Wyhht+by+At)(7)
其中是隐藏层的输出 hth_tht、输出层的权重矩阵 WhxW_{hx}Whx、输出层的偏置向量 byb_yby 、输出层的激活函数 σ()\sigma()σ()和注意力向量 AtA_tAt ,这些都不断更新有不同的学生输入记录。
数据集:ASSISTments 2009-2010
其他设置:
LSTM隐藏层设置为200,学习率0.4
模型评估:AUC和ACC
实验结果:
本文使用80%的数据集作为训练集来训练模型,20%的数据集作为测试集来测试模型的质量。结果如图1所示。从图1可以看出,与DKT相比,所提出的方法在ROC曲线下面积(AUC)和预测精度(ACC)上具有更好的性能。
最后:
虽然这篇文章篇幅段,内容简单,但其将注意力机制和RNN结合的方法还是很具有想法的。
Deep Knowledge Tracking based on Attention Mechanism for Student Performance Prediction相关推荐
- 【论文翻译|2019TKDE】EKT: Exercise-aware Knowledge Tracing for Student Performance Prediction
文章目录 摘要 1 引言 2 相关工作 2.1 认知诊断 3 问题概览 5 EKT 7 结论 [注] 本文EKT加入练习的文本内容 摘要 在计算机支持的智能教育中,为学生提供主动的服务(如个性化的练习 ...
- 论文阅读 - DeepSBD: A Deep Neural Network Model with Attention Mechanism for Social Bot Detection - CCFA
论文链接:http://www.abulaish.com/uploads/TIFS21.pdf 目录 摘要 1 绪论 1.1 OSN和Socialbots 1.2 背景和动机 1.3我们的贡献 2 ...
- AI医药论文笔记DeepDDS: deep graph neural network with attention mechanism to predict synergistic drug....
DeepDDS:具有注意机制的深度图神经网络预测协同用药 文章目录 DeepDDS:具有注意机制的深度图神经网络预测协同用药 一.模型? 二.具体方法? 三.实验结果? 一.模型? DeepDDS : ...
- 论文阅读笔记1:EKT: Exercise-aware Knowledge Tracing for Student Performance Prediction
该篇论文于2019年在IEEE发表,作者为:Qi Liu, Zhenya Huang, Yu Yin, Enhong Chen, Hui Xiong, Yu Su and Guoping Hu 等 知 ...
- 论文学习2-Incorporating Graph Attention Mechanism into Knowledge Graph Reasoning Based on Deep Reinforce
文章目录 摘要 介绍 相关工作 方法 Mean Selection Rate (MSR) and Mean Replacement Rate (MRR Incorporating Graph Atte ...
- 注意力机制(Attention Mechanism)-ECANet
引言 神经网络中的注意力机制(Attention Mechanism)是在计算能力有限的情况下,将计算资源分配给更重要的任务,同时解决信息超载问题的一种资源分配方案.在神经网络学习中,一般而言模型的参 ...
- 【GAM全文翻译及代码实现】Global Attention Mechanism: Retain Information to Enhance Channel-Spatial Interactions
paper:https://arxiv.org/pdf/2112.05561v1.pdf 目录 1. Introduction 2. Related Works 3. Global Attention ...
- Deep Knowledge Tracing with Transformers论文阅读
In book: Artificial Intelligence in Education (pp.252-256) 2020年6月 代码https://github.com/scott-pu-pen ...
- 深度知识追踪(Deep Knowledge Tracing)·论文学习归纳
深度知识追踪(Deep Knowledge Tracing) 0 摘要 在计算机支持的教育中,知识追踪(机器在学生与课程作业交互时对学生的知识进行建模)是一个公认的问题.虽然有效地对学生知识进行建模会 ...
最新文章
- static string java_java:String类、static关键字、Arrays类、 Math类
- Git学习(一)(2015年11月12日)
- 鸿蒙系统2020正式版,鸿蒙2.0来了!华为开发者大会HDC 2020宣布
- 从Oracle数据库故障到AIX内存管理
- flask html缓存,flask_cache如何缓存动态数据,如何调用缓存数据
- 用canvas画圆饼图
- cad快看_有石CAD自动下单排版软件,让你的CAD都比别人强!
- 爬取哔哩哔哩单个视频
- pcr mix试剂选购相关问题
- 华为数通笔记-网络准入控制
- 如何将mp4视频格式转换成mov视频
- 2018毕业第一份工作--技术支持
- c语言航标知识点,问题——阅读教学的航标
- 论文笔记 NAACL findings 2022|Zero-Shot Event Detection Based on Ordered Contrastive Learning and Prompt-
- 车内贵重物品检测方案总结
- 可维护性、可复用性和可扩展性的区别
- LabelImg打开图片报错:Error opening file
- 验证arbiter的思考
- vue 移动端 div背景图片 pc端显示 移动端不显示
- Unity+Vuforia SDKAR开发系列教程--1.1 AR技术介绍
热门文章
- PromptBERT: Improving BERT Sentence Embeddings with Prompts (通篇翻译)
- 树莓派初次配置C++环境以及进行简单的hcsr04驱动
- Eclipse安装STS
- 成绩忽好忽坏的孩子,往往缺乏良好的学习习惯--一语中的
- 专利申请要准备哪些资料
- 关于Latex中pdf和eps图片的处理
- 理解计算:从√2到AlphaGo——第2季 神经计算的历史背景
- pos机骗局收取押金如何投诉-真实案列解答
- 电子科大和北邮计算机,同为IT名校,北京邮电大学和电子科技大学谁更胜一筹?...
- The Coder Vol.6:小程序有大事