融合遗忘因素与记忆门的图神经网络知识追踪模型

知识追踪任务根据学生历史学习数据实时诊断学生的认知状态,并预测他未来的答题表现。为准确建模知识追踪中的遗忘行为和答题序列的时序特征,提出一种融合遗忘因素与记忆门的图神经网络知识追踪(GKT-FM)模型。首先,GKT-FM模型通过历史答题记录计算知识点相关性,构建知识图;其次,采用图神经网络(GNN)建模学生的认知状态,综合考虑7个影响遗忘行为的特征;然后,以记忆门结构建模学生答题序列中的时序特征,重构基于GNN的知识追踪更新过程;最后,融合遗忘因素和时序特征得到预测结果。在公开数据集ASSISTments2009和KDDCup2010上的实验结果表明,相较于GKT(Graph-based Knowledge Tracing)模型,GKT-FM模型的平均曲线下面积(AUC)分别提升了6.9%和9.5%,平均精度(ACC)分别提升了5.3%和6.7%,可见,GKT-FM模型能更好地建模学生的遗忘行为、追踪学生的认知状态。

TCN-KT:个人基础与遗忘融合的时间卷积知识追踪模型

智慧教育的热门领域知识追踪(KT)被视为序列建模任务,其主要关注点和解决方式都集中在循环神经网络(RNN)上。但RNN通常会面临梯度消失或者梯度爆炸等问题,且训练时间和设备要求都过于严苛,针对以上问题,提出融合学习者个人先验基础和遗忘因素的时间卷积知识追踪模型(TCN-KT)。首先利用RNN模型计算得到学生个人先验基础,然后使用梯度稳定、内存占用率更低的时间卷积网络(TCN)预测学生下一题正误的初始概率,最后融合基于学生基础的遗忘因素得到最终结果。实验验证,TCN-KT预测性能最佳并减少了计算时间。

融合媒体效应和心理因素的社交网络谣言传播模型

针对现有社交网络谣言传播模型未同时考虑媒体效应和个人心理因素的问题,建立了一种新的谣言传播模型。分析了社交网络上谣言的传播过程,阐述了媒体效应和个人的犹豫、遗忘心理因素对社交网络中谣言传播的影响。通过求解模型的平衡点和基本再生数R,证明了模型平衡点的局部稳定性和全局稳定性,并通过数值模拟进行了验证,同时揭示了媒体效应、犹豫率和谣言遗忘率对社交网络中谣言传播的影响规律。结果表明,当R<1时,最终网络中没有谣言传播;当R>1时,网络中仍有谣言传播。媒体效应越强,谣言传播的范围越小,谣言影响力越小;犹豫率越高,谣言传播范围越广;遗忘率越高,谣言传播范围越小。

记忆遗忘规律在中学英语词汇学习中的应用探索

英语词汇记忆难、遗忘快对很多同学而言,都是一个亟待解决的问题,本文通过分析影响遗忘的因素,探究提高英语词汇记忆效率的若干方法,以帮助学生更好地掌握和记忆词汇.