【摘 要】
：
随着云计算、大数据以及人工智能技术的快速发展,在线教育行业开始逐步从数字时代向着以人工智能为基础的个性化教育时代过渡。知识追踪是一种通过对学习者知识掌握情况进行建模来模拟学生当前知识状态的先进技术,同时也是实现个性化教育的重要手段。本文以学生答题序列数据为研究对象,针对现有深度知识追踪模型存在的问题对其进行改进,并基于改进后的模型设计实现了一个简单的自适应学习系统。具体研究内容如下:（1）提出了一
论文部分内容阅读
随着云计算、大数据以及人工智能技术的快速发展,在线教育行业开始逐步从数字时代向着以人工智能为基础的个性化教育时代过渡。知识追踪是一种通过对学习者知识掌握情况进行建模来模拟学生当前知识状态的先进技术,同时也是实现个性化教育的重要手段。本文以学生答题序列数据为研究对象,针对现有深度知识追踪模型存在的问题对其进行改进,并基于改进后的模型设计实现了一个简单的自适应学习系统。具体研究内容如下:（1）提出了一种基于特征嵌入和注意力机制的深度知识追踪模型（DKT-FA）。该模型首先提出一种新的特征交叉方法将学生答题行为特征与相应答题结果进行组合,得到新的行为特征向量。之后利用学生的答题记录量化习题难度,并将新得到的行为特征向量和习题难度系数向量与学生答题记录进行组合,通过自编码器将其降维后作为长短期记忆网络的输入向量。最后利用注意力机制获取数据之间的相关性,进一步提升模型的预测效果。在ASSISTments09公开数据集上的实验结果表明,本文提出的DKT-FA模型的AUC值明显高于所对比的现有经典知识追踪模型。（2）基于本文提出的知识追踪模型,从真实业务的需求分析出发,设计并实现了一个简单的自适应学习系统。其核心功能是通过收集学生的历史答题记录,动态预测学生当前的知识点掌握情况并为其推荐合适的习题,通过与视频学习、错题重做、论坛讨论等功能相结合,有效地帮助学生进行个性化的自主学习。
其他文献
面部表情包含着丰富的情感信息,是人与计算机交互的重要途径,具有十分广阔的应用前景。人脸表情识别（facial expression recognition,FER）随着深度学习在人工智能领域的快速发展,也获得了显著的进步。目前人脸表情识别的研究主要集中在数据集的收集整理,网络模型和损失函数的改进三个方面。大多数人脸表情识别研究都面临表情识别数据集中广泛存在的标注不一致问题。原因是不同的标注者的主观
传统的显著性目标检测方式依赖领域专家提供先验知识人工提取特征,基于深度学习的显著性目标检测方式相较于传统检测方式可以自动学习多尺度特征,具有省时省力的特点。但是在受限存储设备下仍存在模型过大导致部署不便,模型训练周期较长、检测的实时性有待提高,复杂背景下模型对于显著性目标的定位不准确、边缘模糊等问题。因此如何以更低的时间和空间复杂度,高效且准确的定位分割出显著性目标物体成为显著性检测研究中极具挑战
随着智媒时代来临,媒体智能化已逐渐成为媒体发展的主导性趋势,新闻媒体的业态版图正处于不断升级和改写的革新历程中,以AI合成主播为代表的人工智能技术被运用于新闻内容生产和传播,给新闻生产领域带来重构和优化。但是内蒙古地区蒙汉媒体与人工智能技术相结合起步较晚,AI合成主播研究仍处于初级阶段。本文研究的蒙古语AI合成主播,将提高蒙古语新闻的生产效率,降低新闻的生产成本,推动蒙汉新媒体技术的发展,加强蒙古
目前,基于神经网络的机器翻译模型在不同语言的翻译任务上取得了不错的成绩。然而像蒙古语这样的语言却因为平行语料较少,翻译质量难以进一步提升。虽然迁移学习借助高资源语言可以提升低资源语言的翻译质量,但是参数如何选取直接制约着翻译性能的提升。因此本文提出元学习框架下情景级蒙汉机器翻译模型,通过对多语言学习一个泛化性能较优的元参数用于初始化蒙汉机器翻译模型。为了避免语言差异影响元参数的泛化性,本文将多语言
语音合成技术是人机交互中重要环节之一,是一种将文字内容转换为与之对应的语音信息的技术。随着深度学习技术的快速发展,目前已有很多可以合成高质量的中性语音的方法。为了让合成语音更加拟人化,越来越多的研究员对如何合成富有情感表现力的语音展开了研究。近年来,随着蒙古语智能信息处理技术的快速发展,基于端到端的蒙古语中性语音合成技术已经达到了实际应用水平。但是蒙古语情感语音合成的研究仍处于起步阶段,蒙古语情感
随着社会发展速度的不断加快,我们面临的挑战也在逐渐升级,仅依靠自身力量难以应对越来越多样化和迅速化的任务需求,团队合作方式逐渐成为解决复杂任务的主流方式。如何形成一个可以完成复杂任务的高效率、高质量团队是一个极具挑战性的问题。近年来,团队形成问题已经得到了广泛研究,研究方法主要分为两大类,一类是基于集合覆盖、任务分配的团队形成方法,一类是基于社会网络的团队形成方法。一个项目或者任务的成功不仅依赖于
随着计算机技术在医疗领域的广泛应用与快速普及,无论是健康体检还是患者就医都会产生大量的医疗数据。为了挖掘这些数据中蕴藏的信息,医疗数据挖掘技术应运而生。然而,目前医疗数据分析领域中仍然存在着挖掘算法效率低、精度差等问题。产生这些问题的主要原因在于部分挖掘算法未能考虑疾病的潜在致病因素,从而导致分析结果中存在大量冗余信息。因此,本论文通过加权关联规则技术高效地挖掘疾病及其致病因素间存在的强相关性医疗
机会网络是一种源节点与目的节点之间不存在端到端链路,通过节点之间的相遇机会实现通信的间歇性网络,采用“存储-携带-转发”的路由模式工作。在由人主导的机会网络中,节点具有社会性。现有的基于节点社会性的机会网络路由策略未考虑节点移动的社会特性对消息传输的影响,针对该问题,本文提出了基于中继节点协作的机会网络路由策略（Opportunistic Network Routing Strategy Base
随着云计算以及5G技术的蓬勃发展,近年来大规模多人在线游戏以其多用户、高并发和高质量的特性迅速发展起来。大规模多人在线游戏运营商需要在降低运营成本的同时满足游戏玩家的需求。大规模多人在线游戏运营商向服务供应商租赁足够的游戏资源可以保证玩家的体验质量,但会增加运营成本;租赁少量的游戏资源可以降低运营成本,却无法保证玩家的体验质量。因此,如何有效地权衡游戏资源的租赁费用和游戏玩家的体验质量是目前大规模
基因的进化结构通常是树状的,并且已经被研究了半个多世纪。但是进化过程时常会出现网状进化事件,这些事件可以用系统发生网络来描述。系统发生网络通常通过检查其与现有系统发生树的兼容性来构建和验证,这其中一个重要问题是确定现有的系统发生树是否包含在系统发生网络中,该问题被称为树包含问题TCP（Tree Containment Problem）。指数递归算法ER（Exponential Recursive）