-
作者
周凯强彦王佳文王梦南
-
单位
太原理工大学信息与计算机学院
-
摘要
提出了一种基于Transformer进行知识追踪的方法,改进了互动记录的嵌入表示,设计了适用于该方法的门结构,并且优化了自注意力运算子层的输入处理以提高深度知识追踪模型的预测性能。在知识追踪的4个常用公共数据集上的实验结果表明,与传统方法相比,提出的模型能更好地反映学习者对知识点的掌握情况,并且在样本量大的数据集上有更好表现。
-
关键词
知识追踪学习者评估注意力机制Transformer
-
基金项目(Foundation)
国家自然科学基金资助项目（61872261）；
-
文章目录
1 相关工作
2 实验方法
2.1 知识追踪任务的输入与输出
2.2 模型框架
2.2.1 嵌入表示
2.2.2 结果控制门
2.2.3 多头注意力运算
3 实验及分析结果
3.1 数据集与预处理
3.2 模型实现
3.3 实验结果与分析
3.4 学习者技能掌握程度可视化
4 结束语
-
引用格式
周凯,强彦,王佳文,王梦南.基于注意力机制的深度知识追踪模型研究[J].太原理工大学学报,2021,52(04):600-606.
-
相关文章
太原理工大学学报 
2021年第04期 
