结合深度知识追踪与矩阵补全的习题推荐方法OACSTPCD
Recommended Exercise Combining Deep Knowledge Tracking and Matrix Completion
精准的习题推荐是智慧教学中的重要内容,具有非常重要的研究和实践意义,如何在数据稀疏的情况下,从学习者答题记录中对学习者知识建模一直是习题推荐的研究重点.对此,针对现有的习题推荐方法存在数据稀疏和忽略群体特征的问题,提出一种结合深度知识追踪与矩阵补全的习题推荐算法.该算法分为知识水平建模和矩阵补全两个模块.首先,通过深度知识追踪模型训练得到学习者知识水平矩阵,实现对学习者知识水平建模,精准挖掘学习者知识概念掌握水平;其次,考虑学习者的近邻信息,利用…查看全部>>
郭英清;王敏;肖明胜
赣南师范大学 数学与计算机科学学院,江西 赣州 341000赣南师范大学 数学与计算机科学学院,江西 赣州 341000||江西省数值模拟与仿真技术重点实验室,江西 赣州 341000赣南师范大学 数学与计算机科学学院,江西 赣州 341000
计算机与自动化
习题推荐深度知识追踪矩阵分解矩阵补全教育数据挖掘
exercise recommendationdeep knowledge tracingmatrix decompositionmatrix completioneducation data mining
《计算机技术与发展》 2023 (7)
188-195,8
江西省自然科学基金资助项目(20212BAB202003)江西省教育厅科技资助项目(GJJ201401)江西省数值模拟与仿真技术重点实验室开放课题(20191202)江西省高等学校教学改革研究课题重点项目(JXJG-22-14-7)
评论