科研之友
微信
新浪微博
Facebook
分享链接
摘要
复杂教学交互环境下，针对学习者画像模型所面临的维数灾难和更新高数据成本问题，提出了一种新的模型——大规模数据下低成本自进化学习者画像，该方法改进了传统的深度非负矩阵分解算法，以此来对原始数据从双空间进行特征结构保留并有效降维，抑制维数灾难；以图神经网络为信息捕获媒介，结合深度神经网络对元属性状态值进行量化，引导设计了一种自适应的特征抽取与动态更新策略来辅助学习者画像模型不断自进化；在斯坦福EDX平台数据集上设计了四项实验以验证该模型的性能。实验结果表明，该模型在93.13%的下游教学推荐任务精度下，可减少45%的更新数据成本。
- 单位
