期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于掌握速度的知识追踪模型 被引量:14
1
作者 宗晓萍 陶泽泽 《计算机工程与应用》 CSCD 北大核心 2021年第6期117-123,共7页
知识追踪(Knowledge Tracing,KT)是教育数据挖掘领域的研究热点。KT能够自动发现学生的薄弱知识点,向学生推荐最佳的学习路径和练习题。针对现有的KT模型只适用于对单个知识点建模并没有考虑学生掌握知识点快慢的问题。提出了一种基于... 知识追踪(Knowledge Tracing,KT)是教育数据挖掘领域的研究热点。KT能够自动发现学生的薄弱知识点,向学生推荐最佳的学习路径和练习题。针对现有的KT模型只适用于对单个知识点建模并没有考虑学生掌握知识点快慢的问题。提出了一种基于掌握速度的知识追踪模型(Mastery Speed Knowledge Tracing,MSKT),MSKT采用了记忆增强神经网络(Memory Augmented Neural Network,MANN)的思想和动态键值记忆网络模型(Dynamic Key-Value Memory Networks,DKVMN)的优点,并且在计算删除向量和增加向量时,使用了当前的记忆内容。通过对比实验验证了MSKT模型的有效性和优越性,并且可以自动地发现相似练习题。 展开更多
关键词 教育数据挖掘 知识追踪 深度学习 个性化推荐 记忆增强神经网络
下载PDF
改进的K-近邻算法及其在学习预警中的应用 被引量:4
2
作者 宗晓萍 陶泽泽 《河北大学学报(自然科学版)》 CAS 北大核心 2020年第2期193-199,共7页
随着大数据在教育中的作用日益凸显,大量的数据被应用到教学研究、教学评估和行为预测.学生的成绩、行为记录、与老师的互动记录等教育数据,都已经开始发挥价值.为了解决课程的低通过率问题,将改进的K-近邻算法应用到学习预警中,首先利... 随着大数据在教育中的作用日益凸显,大量的数据被应用到教学研究、教学评估和行为预测.学生的成绩、行为记录、与老师的互动记录等教育数据,都已经开始发挥价值.为了解决课程的低通过率问题,将改进的K-近邻算法应用到学习预警中,首先利用网格搜索和交叉验证相结合的方法对模型参数进行优选,其次在构建决策树过程中,利用基尼增益确定特征的权重系数并且根据权重系数进行特征选择,在计算距离时引入权重系数,使每个特征收到权重系数的约束.实验表明,在一个公开的数据集和一个真实的数据集上,改进后的K-近邻算法显著优于传统的K-NN. 展开更多
关键词 教育数据挖掘 网格搜索 K-近邻 交叉验证 基尼增益
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部