计算机工程与科学

作者：郭艺, 何廷年, 李爱斌, 毛君宇

单位：西北师范大学计算机科学与工程学院，甘肃 兰州 730070

关键词：知识追踪,决策树,深度学习,遗传算法,深度项目反应理论,

基金：国家自然科学基金(61762078)；甘肃省高等学校科研项目(2020B-089)

随着深度神经网络的快速发展，基于深度学习知识追踪模型的优势逐渐显现。Deep-IRT将项目反应理论与动态键值记忆网络（DKVMN）相结合，增加了学生与练习之间的联系，却忽略了学习特征的影响。DKVMN-DT在DKVMN的基础上增加了基于CART决策树的行为特征预处理，但决策树仍是一种贪心算法。为优化CART带来的局部最优问题并加强学生能力与项目难度的联系，提出了一种将基于遗传算法的CART与Deep-IRT相融合的优化模型。首先对CART基于遗传算法进行2次优化，对学习者的学习行为特征进行预处理；然后计算交叉特征并融入DKVMN底层模型中；最后引入项目反应理论，根据学生能力与项目难度完成概率预测。实验结果表明，DKVMN-GACART-IRT模型的AUC值均优于原始模型，具有更好的预测性能。

来源：2023年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第9期