Jul, 2024

SINKT: 结构感知的归纳知识追踪模型与大型语言模型

PDF
TL;DR本文提出了一种基于大型语言模型的结构感知的归纳式知识追踪模型（SINKT），通过引入大型语言模型实现归纳式知识追踪，并构建了概念和问题的异构图，利用语义信息辅助预测。在四个真实世界数据集上的实验证明，SINKT 在 12 个基于转导的知识追踪模型中取得了最先进的性能，并对归纳式知识追踪任务的不同模块进行了探索。
knowledge tracinginductive knowledge tracinglarge language modelsheterogeneous graphtransductive kt models
发现论文，激发创造
  • 语言模型可进行知识追踪：将语言模型与知识追踪任务简单而有效地整合的方法

    利用语言模型集成的知识追踪方法在在线学习中提高了模型性能，并解决了冷启动问题。

    Jun, 2024

  • 可解释的知识追踪：基于因果关系的简单高效学生建模

    本研究提出了行之有效的 Interpretable Knowledge Tracing (IKT) 模型，使用机器学习和数据挖掘技术从学生响应数据中提取有意义的潜在特征，从而预测学生的未来表现。该模型可为真实世界的教育系统提供自适应和个性化的教学，并具有因果推理能力。

    Dec, 2021

  • GIKT：一种基于图的知识追踪交互模型

    本文提出了一种基于图卷积网络的知识追踪图交互模型（GIKT），用于解决在线教育系统中知识追踪中问题信息和高阶问题 - 技能相关性的问题。实验证明，GIKT 在三个数据集上实现了最新的最高性能。

    Sep, 2020

  • 基于注意力机制的 Q 矩阵知识追踪学习

    本研究提出一种基于 Q 矩阵和 Rasch 模型的新型混合嵌入方法，用于构建 Q 矩阵和学习学生知识状态，并使其适用于大规模在线教育平台上问题技能标签未能预先定义的情况，以实现知识追踪并提升数据挖掘性能。

    Apr, 2023

  • 利用以问题为中心的认知表示提高深度序列知识追踪模型的可解释性

    提出一个使用深度学习技术解决知识追踪问题的解释性的、以问题为中心的预测模型 QIKT，该模型考虑了现实教育场景中问题的贡献度不同的情况，能够生成解释性的预测结果，并在三个公共数据集上显示了优异的预测性能和更好的模型可解释性

    Feb, 2023

  • 知识密集型语言任务基准测试

    介绍了一个以维基百科作为主要知识源的基准测试（KILT），用于验证条件语言任务（包括开放领域问题回答、事实检查、实体链接和插槽填充）的模型。使用共享密集向量索引和 seq2seq 模型，可以实现良好的性能，且具备互操作性，且可重用用于不同任务中。

    Sep, 2020

  • 智能辅导系统中长序列数据分析的 LSTM 和 BERT 整合

    我们提出了一种适用于长序列数据处理的 LSTM BERT-based 知识追踪模型 LBKT，该模型在大多数基准数据集上表现最佳，具有更高的效率、可解释性和较低的内存成本。

    Apr, 2024

  • qDKT：基于问题的深度知识追踪

    qDKT is a variant of deep knowledge tracing that models every learner's success probability on individual questions over time by incorporating graph Laplacian regularization and initialization scheme inspired by fastText algorithm, achieving state-of-the-art performance on predicting learner outcomes and serving as a baseline for new question-centric knowledge tracing models.

    May, 2020

  • 上下文感知的关注知识追踪

    本文提出了一种基于神经网络的注意力知识追踪模型（AKT），结合了新颖的解释性模型组件，用于个性化学习和自动化反馈，实验证明 AKT 可以优于现有的 KT 方法，并且具有良好的可解释性。

    Jul, 2020

  • SKILL: 大语言模型结构化知识注入

    本研究旨在探讨结构化数据如知识图谱和文本等对大语言模型（LLMs）内部化知识的差异，提出了一种将结构化知识注入 LLMs 的方法，并通过在不同知识图谱数据上的预训练和多个自然语言任务的性能比较，证明了该方法的有效性。

    May, 2022