BriefGPT.xyz
May, 2018
知识追踪的深度分解机
Deep Factorization Machines for Knowledge Tracing
HTML
PDF
Jill-Jênn Vie
TL;DR
本文介绍了我们在2018年Duolingo共享任务中针对第二语言习得建模（SLAM）提出的解决方案。我们使用了一种深度分解机，一种用于用户、项目、技能和其他实体之间成对关系建模的宽而深的学习模型。我们的解决方案（AUC 0.815）希望能够击败逻辑回归基线（AUC 0.774），但并未超过最佳性能模型（AUC 0.861），并揭示了建立项目反应理论模型的有趣策略。
Abstract
This paper introduces our solution to the 2018
duolingo shared task
on
second language acquisition modeling
(SLAM). We used
deep factorization ma
→