语义增强的在线学习行为预测研究

作者：叶俊民; 罗达雄; 陈曙; 廖志鑫

来源：小型微型计算机系统, 2020, 41(01): 51-55.

DOI：10.3969/j.issn.1000-1220.2020.01.010

• 在线学习社区
• 短文本表示模型
• 学习行为预测框架
• 深度学习

当前学习者的在线学习行为预测研究未充分利用短文本中的语义数据,导致对学习者的学习状态刻画不够全面,严重影响了行为预测的准确性.针对此问题,本文提出了语义增强的在线学习行为预测方法.首先,利用双向长短时记忆网络得到到短文本的语义向量表示;其次,基于学习者的统计、行为和短文本数据得到学习者的特征表征,并利用长短时记忆网络模型构建其学习状态表征;最后,利用学习状态表征预测学习者的学习行为.在11门真实在线课程数据集上的实验表明,本文方法能过有效提升在线学习行为预测的精确度.

• 单位
  华中师范大学