TCN-KT：个人基础与遗忘融合的时间卷积知识追踪模型

来源：计算机应用研究杂志2022年第5期北京时间：

作者：王璨,刘朝晖,王蓓,赵忠源,唐坤,

单位：1.南华大学a.计算机学院;b.语言文学学院,湖南衡阳421001；2.广西师范大学职业技术师范学院,广西桂林541004；

摘要：智慧教育的热门领域知识追踪（KT）被视为序列建模任务，其主要关注点和解决方式都集中在循环神经网络（RNN）上。但RNN通常会面临梯度消失或者梯度爆炸等问题，且训练时间和设备要求都过于严苛，针对以上问题，提出融合学习者个人先验基础和遗忘因素的时间卷积知识追踪模型（TCN-KT）。首先利用RNN模型计算得到学生个人先验基础，然后使用梯度稳定、内存占用率更低的时间卷积网络（TCN）预测学生下一题正误的初始概率，最后融合基于学生基础的遗忘因素得到最终结果。实验验证，TCN-KT预测性能最佳并减少了计算时间。

关键词：知识追踪,个人先验基础,时间卷积网络,遗忘因素,

基金资助：湖南省教育厅基金资助项目(180SJY044)；2020年湖南省普通高等学校教学改革研究项目(HNJG-2020-0477)；；