算法探索之路

key words:教育数据挖掘、知识追踪、深度学习、记忆网络、个性化学习智能教育系统中，如何有效预测学生表现是非常重要的，也是进行个性化推荐，学习路径规划的基础，常用的预测方式依赖于专家将学习材料进行的知识成分的标注，如题目对应的知识点等，并没有考虑题面信息。而相同的知识点的题目难度，区分度或其他技能要求都是有所不同的，所以作者考虑将体面信息进行利用，提出了Exercise-Enhanced ...

文章目录简介动态键值对记忆网络DKVMN原理图详细介绍简介本文分三个部分介绍：动态键值对记忆网络的详细介绍以及如何将记忆增强神经网络（MANN）引入到知识追踪领域。DKVMN模型是如何进行追踪知识以及自动发现相似的练习题。DKVMN的优势以及不足。针对DKVMN的问题，我们如何改进它，如何提出自己的观点，如何发表创新性的论文（例如，DKVMN不能自动发现练习题之间的依赖关系）。最后...

由于在线学习课程的兴起，学习者在课程学习过程中有很多习题练习的记录，利用这些记录，知识追踪(Knowledge Tracing)希望通过对学习者过往练习的结果分析其当前对一些概念的掌握程度。知识追踪任务可以形式化为一个有监督的序列学习问题：即给定学习者过去的练习记录 X = {x1, x2,…,xt-1},预测学习者对一个新的练习回答正确的概率，即：p(rt=1|qt,X)。典型的知识追踪方法有：...

有没有研究教育数据挖掘的朋友，希望我们建立一个群互相交流，有的打在评论区，拉你进群

v2019年一些新的知识追踪算法不完全整理" 教育挖掘 tag: 知识追踪content {:toc} 面临实习转正，需要接触到知识追踪方面的学习（毕竟是自适应学习的第一步），网上资料挺少。GitHub代码极少，相较于发展火热的推荐，违约预测，cv，nlp，教育挖掘模型实在不多，GitHub代码非常少，所以除了传统IRT，BKT，DKT之外，特意看了看比较新的知识追踪paper，期望他们的...