科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的基于认知诊断的习题推荐建模角度单一以及习题推荐结果不够合理的问题，提出了结合认知诊断和深度因子分解机的个性化习题推荐方法。首先，设计了一种全新的知识点关系计算方法，构建了课程知识树，并提出了增强Q矩阵的概念，能够准确表示习题所含知识点的关系。其次，提出了NeuralCD-KD模型，该模型计算了增强Q矩阵，利用特征二阶交叉和注意力机制融合习题难度内外因素，模拟学生的认知状态。通过在私有数据集和公开数据集验证了提出的认知诊断模型的有效性，并能够对学生的认知状态做出合理解释。为了个性化习题推荐，结合了诊断模型和深度双线性因子分解机，提出了NKD-DBFM方法，在私有数据集上验证了提出的习题推荐方法的有效性，在曲线下面积（AUC）指标下相较于最优基线模型NeuralCDM提升了3.7个百分点。
- 单位
