删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

融合梯度提升回归树的深度知识追踪优化模型

本站小编 Free考研考试/2021-12-27

李浩君,高鹏
浙江工业大学教育科学与技术学院, 杭州 310023
出版日期:2021-08-25发布日期:2021-11-23




Deep Knowledge Tracking Optimization Model Based onGradient Boosting Regression Tree

LI Haojun GAO Peng
College of Education Science and Technology, Zhejiang University of Technology,Hangzhou 310023
Online:2021-08-25Published:2021-11-23







摘要



编辑推荐
-->


知识追踪是个性化学习领域重要研究问题, 但现有知识追踪模型缺乏学习过程多维特征因素综合考虑, 知识追踪过程中动态矩阵更新较少考虑学习者当前知识状态. 针对上述问题, 文章提出了一种融合梯度提升回归树的深度知识追踪优化模型 (DKVMN-GBRT). 首先,将学习者当前知识状态引入动态矩阵更新过程; 其次,根据学习者历史学习序列分析学习者学习能力和任务难度特征; 最后,将GBRT回归算法融入知识追踪模型,根据学习者特征预测学习者知识掌握状态. 实验结果表明:DKVMN-GBRT模型能够有效追踪学习者的知识状态,动态描述学习者对每个知识点的学习能力;在3个公共数据集上性能分析优于现有
分享此文:


()


No related articles found!

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=14290
相关话题/知识 过程 浙江工业大学 优化 教育科学