.png){kind=icon}
返回
MLKT4Rec: Enhancing Exercise Recommendation Through Multitask Learning With Knowledge Tracing
.png){kind=icon}
PRE
AI
DOI：10.1109/TCSS.2024.3515254.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
个性化练习推荐是教育数据挖掘中的一个重要任务，旨在推荐符合学生意图和能力的练习。然而，现有的推荐方法往往忽略了学生知识水平的动态变化和个体差异，并面临严重的数据稀疏性问题。为解决这些局限性，我们采用图神经网络（GNNs）来学习练习推荐情境中的节点表示，并提出了一种新的知识追踪增强的多任务练习推荐框架，称为MLKT4Rec。与以往侧重于数据中显式观察关系的图基方法不同，我们使用隐式边来增强图结构，并融入练习难度属性、相对时间间隔和位置编码以丰富练习表示。在此基础上，我们构建了一个知识追踪模型来捕捉学生的知识水平，并将其整合到练习序列推荐过程中进行联合多任务训练。在四个真实数据集上的大量实验验证了所提出模型的有效性。
Keyword:
Exercise recommendation
heterogeneous graph neural networks (GNNs)
knowledge tracing
multidimensional attention mechanism
multitask learning
期刊
IF:
4.9
论文数:
622
被引数:
6.8K
机构
引用论文
.png){kind=icon}
查看更多内容