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
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

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