LFKT:学习与遗忘融合的深度知识追踪模型

来源 :软件学报 | 被引量 : 0次 | 上传用户:yuhan78001
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
知识追踪任务旨在根据学生历史学习行为实时追踪学生知识水平变化,并且预测学生在未来学习表现.在学生学习过程中,学习行为与遗忘行为相互交织,学生的遗忘行为对知识追踪影响很大.为了准确建模知识追踪中学习与遗忘行为,提出一种兼顾学习与遗忘行为的深度知识追踪模型LFKT(learning and forgetting behavior modeling for knowledge tracing).LFKT模型综合考虑了4个影响知识遗忘因素,包括学生重复学习知识点的间隔时间、重复学习知识点的次数、顺序学习间隔时间以
其他文献
近年来,随着以数据为中心的应用大量增加,图数据模型逐渐被人们所关注,图数据库的发展也非常迅速,对于用户而言,往往更关心其在使用数据库过程中的效率问题.主要研究如何利用已有的信息进行图数据库的查询预测,从而进行数据的预加载与缓存,提高系统的响应效率.为了使得方法具有跨数据移植性,并深入挖掘数据间的联系,将SparQL查询提取为序列的形式,使用Seq2Seq模型对其进行数据分析和预测,并使用真实的数据集对方法进行测试,实验结果表明,本方案具有良好的效果.
由于具有低存储成本、高效检索、低标注成本等方面的优势,无监督的哈希技术已经引起了学术界越来越多的关注,并且已经广泛地应用到大规模数据库检索问题中.先前的无监督方法
日前,美国全视通(PictureTel)公司在京举办了“会议电视技术及方案研讨会”,详细介绍了PictureTel的市场发展和会议电视发展的最新动态,并向大家介绍了会议电视运行于不同网
建筑工程施工精细化管理作为一项新型的建筑施工管理理念,其重点表现在管理的信息化、数据化、规范化与系统化.在建筑工程施工中应用精细化管理对于整体施工以及管理质量的提
为进一步优化推广大数据及人工智能技术,作为数据管理与分析的基础,数据质量问题日益成为相关领域的研究热点.通常情况下,数据采集及记录仪的物理故障或技术缺陷等会导致收集
FORE系统公司宣布准备收购千兆字节以太网交换机开发商BerkleyNetworks公司,实际上收购BerkleyNetworks成为一种结合ATM技术和千兆字节以太网的途径。 FORE一直是ATM技术革
近些年,伴随国内经济建设工作的顺利推进,使得建筑行业得到了空前的发展,不论是建造规模,还是建设数量均有了明显的提升,加之民众生活品质的提升,人们对于建筑项目的工程品质
随着大数据应用的不断深入,对大规模结构化/非结构化数据进行融合管理和分析的需求日益凸显.然而,结构化/非结构化数据在存储管理方式、信息获取方式、检索方式方面的差异给
本文结合实际,对环境监测质量管理以及监测水平提升的措施进行分析,希望论述后,可以给该领域的研究者提供一些参考.
本文针对加油站地埋卧式金属罐用全站仪检测方法,应用于测量加油站地埋卧式罐容积,并以几何测量法与容量法参比依据对30m3卧式罐的测量数据进行比对,该方法与几何法具有较好