刘源
- 作品数:5 被引量:5H指数:1
- 供职机构:江苏师范大学更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术文化科学更多>>
- FKA-DKT:融合知识与能力的深度知识追踪模型
- 2024年
- 知识追踪(KT)是智能教育中的一个重要研究问题,其通过分析学生的历史交互来预测其未来的答题情况.现有的主流KT模型仅根据学生的知识掌握情况对学生进行建模,忽视了学生的个人能力在答题中的作用.因此,本文提出了一种融合知识和能力的深度知识追踪模型(FKA-DKT).首先利用DKT模型构建基于知识的答题预测网络(KAPN),从知识层面预测学生答案的正确性.然后提出基于能力的答案预测(AAPN)网络对学生的能力进行建模,从能力层面预测学生答案的正确性.最后,将KAPN和AAPN的预测结果进行线性组合,使模型能够融合知识和能力两个方面的信息来预测学生的作答结果.在4个公开的数据集上的实验结果表明,相较于现有的主流方法,FKA-DKT在AUC指标上取得了显著的性能提升.
- 陈成董永权贾瑞刘源
- 融合热点与长短期兴趣的图神经网络课程推荐模型
- 2024年
- 近年来大规模在线开放课程(MOOCs)平台为用户提供了海量的学习资源,亟需一种有效的个性化课程推荐方法帮助用户解决信息过载问题。现有的课程推荐方法忽略了课程间的时序性且无法较好地捕获课程间的长距离依赖关系,同时面临用户学习兴趣表示和冷启动两个关键问题。基于此,提出一种融合热点与长短期兴趣的图神经网络课程推荐模型(GHLS4CR)。该模型设计无环时序图和无环快捷图两种会话图构建方法来缓解现有方法存在的时序信息丢失和不善于捕获长距离依赖的问题;将用户长短期兴趣进行图级表示,并与热门课程信息进行融合实现个性化推荐,同时缓解冷启动问题。通过在学堂在线(XuetangX)公开数据集MOOCCourse上的大量实验表明,GHLS4CR在个性化课程推荐领域优于FISSA和LESSR等主流推荐模型。与次好的LESSR模型相比,Recall@5提高了13.28%,MRR@5提高了15.50%。
- 刘源董永权董永权贾瑞印婵
- 关键词:冷启动
- 基于交互序列特征相关性的可解释知识追踪被引量:1
- 2024年
- 为提高知识追踪(knowledge tracing,KT)模型的可解释性,提出适用于KT事后可解释性的Shapley Value和ISP算法以及可解释性评价指标和谐度,以KT领域经典的深度学习模型DKT为例,计算历史交互与预测结果之间的相关性分数,解释DKT的预测结果。Shapley Value算法计算每次交互对预测结果的贡献,将贡献视为相关性分数;ISP算法基于原序列和模型自身的推理能力构造伪标签,实现对原序列的扰动,计算相关性分数;基于解释方法计算出的相关性分数,使用和谐度指标评价各方法的解释效果。在试验层面,5个公开数据集上的试验结果表明,相对于最优的基线方法,本研究提出的方法取得显著的可解释性效果提升;在具体应用层面,利用可解释性挖掘知识点之间的偏序关系,帮助学生探究更加合理的学习顺序。
- 陈成董永权贾瑞刘源
- 关键词:可解释性
- 计算机专业大学生创业策略分析
- 2016年
- 在电子信息飞速发展,创业平台日益丰富的今天,创业的热情和氛围不只在我国当今社会中日益滋长和蓬勃发展,而且已经深入到社会的各个群体和领域。其中,大学校园这个相对独立的区域,以及大学生这个在校学习的群体,也涌现了一批充满创业热情的创业者,他们勇往直前,不怕创业挫折,充满青春活力,而作为作为在校的计算机专业的大学生,应该怎样抓住这股创业的浪潮,博取优异的创业成绩呢?本文从计算机专业学生角度出发,浅析相关专业大学生创业的渠道和路径,探讨计算机专业同学的创业之路,希望对计算机专业学生创业有一些借鉴和其实意义。
- 刘源
- 关键词:计算机毕业生大学生创业
- 面向个性化课程推荐的分层分期注意力网络模型被引量:4
- 2023年
- 随着大规模在线开放课程(MOOC)平台的广泛使用,需要一种有效的方法为用户推荐个性化课程。针对现有的课程推荐方法通常利用课程学习记录为用户的学习兴趣建立整体的静态表示,但忽略了学习兴趣动态变化与用户短期学习兴趣的问题,提出一种分层分期的注意力网络(HPAN)进行个性化课程推荐。该网络的第1层利用注意力网络得到用户的长短期学习兴趣,第2层将用户的长短期学习兴趣和短期交互序列相结合并通过注意力网络得到用户的兴趣向量;然后计算用户兴趣向量与每个课程向量的偏好值,据此为用户进行课程推荐。在XuetangX(学堂在线)公开数据集上的实验结果表明,与次优的序列分层注意力网络(SHAN)模型相比,HPAN模型的Recall@5提高了12.7%,与FPMC(Factorizing Personalized Markov Chains)模型相比,它的MRR@20提高了15.6%。HPAN模型的推荐效果优于对比模型,可解决实际的个性化课程推荐。
- 刘源董永权贾瑞杨昊霖
- 关键词:推荐系统个性化推荐