计算机研究与发展

作者：刘坤佳,李欣奕,唐九阳,赵翔,

关键词：可解释, 知识追踪, 个性化, 注意力, 上下文信息,

知识追踪任务通过建模用户的习题作答序列跟踪其认知状态，进而预测其下一时刻的答题情况，实现对用户知识掌握程度的智能评估.当前知识追踪方法多针对知识点建模，忽略了习题信息建模与用户个性化表征，并且对于预测结果缺乏可解释性.针对以上问题，提出了一个可解释的深度知识追踪框架.首先引入习题的上下文信息挖掘习题与知识点间的隐含关系，得到更有表征能力的习题与知识点表示，缓解数据稀疏问题.接着建模用户答题序列获得其当前知识状态，并以此学习个性化注意力，进而得到当前习题基于用户知识状态的个性化表示.最后，对于预测结果，依据个性化注意力选择一条推理路径作为其解释.相较于现有方法，所提模型不仅取得了更好的预测结果，还能为预测结果提供推理路径层面的解释，体现了其优越性.

来源：2021年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2021年第12期