基于深度学习知识追踪模型的在线教育数据挖掘研究
发布时间：2021-01-13 10:06
如何对在线教育过程中产生的大量数据使用数据挖掘方法进行处理是一个热点问题。利用机器学习工具对在线教育中的数据进行处理并发现有价值的信息是处理这一问题的根本目的。使用传统的思路进行认知层面的研究一直以来是教育学科的研究问题,但是随着在线教育的兴起,利用计算机处理大量数据成为必要的需求。机器学习处理大批量的数据的一个有力工具是深度学习,这种基于神经网络的技术由于使用多层网络结构和非线性激励,使得它可以用来模拟非线性结构。结合对原始数据进行处理之后得到的记忆网络对学生状态和题目信息进行存储,使一种深度学习网络与记忆矩阵结合的深度学习模型能够很好地对学生学习的过程进行模拟,并使用预测作答的正确与否进行有监督的学习训练。利用深度学习进行实时建模或者引导性的推荐是一个具有很强的实用性的技术。在已有的国内外研究中,研究人员已经提出过一些利用深度学习模型结构建立学生模拟的方法。早期的研究利用循环神经网络和长短时记忆网络建立深度知识追踪模型;后续研究模型DKVMN扩展了模型的记忆功能提高了预测性能;最新的研究模型有从增加解释性的方面进行改进的查询结构模型KQN和基于图结构进行知识追踪的深度学习模型GKT...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
assist2009 数据集图
哈尔滨工业大学工程硕士学位论文-38-显聚类的结果，图中不包含边的方向。5.1.4聚类内部的结构研究显然，类的内部问题之间的关系比类之间的关系更有意义。所以本文可以对有向图进行拆分。按照上文中聚类的关系，研究每一类内部的含义。图5-4synthetic有向图的聚类举例图5-4是synthetic有向图中的一个聚类。此图为整体图的一个子图。可以由此图概括出一个拓扑结构描述这7个问题之间的关系。例如问题3可以视作问题5和问题29的前置问题，可以理解为问题3是否正确回答，会影响到问题5和问题29的正确回答概率。问题29被4个其他问题作为被影响问题概念，同时显示问题29不影响其他问题。根据图的精简原则，如果A是B的前提条件，B是C的前提条件，可以简化图的结构，认为这一子图所有问题都直接或间接影响问题29。这里没有表示出节点间权重的大校但是在图的生成过程中，已经设置了一个阈值用来精简图的结构了。在多次试验中发现，针对这一数据集，设置阈值为0.03可以得到一个结构较好，内容比较完善的图。因为问题之间关系是由条件概率来表述，具体方式是对于一个训练之后的模型，时间步1时问题i的回答结果为正确时，问题j正确的概率记录为条件概率。归一化之后记录为两个节点之间的距离。在实验的过程中，发现两个距离表述的关系可以用两个距离之间的较大的一个代替。因为在应用中不会实际利用一个双向的边。
哈尔滨工业大学工程硕士学位论文-39-a)聚类1b)聚类2c)聚类3d)聚类4图5-5synthetic数据集聚类内部有向图图5-5为synthetic有向图的其他聚类有向图。利用这种方法，可以得到问题的简单聚类结果与聚类内部所有问题的拓扑关系。利用这种局部的关系，可以构建一个基于图结构的知识概念追踪模型。相比于之前使用的DKT，DKVMN等模型，可以认为该方法利用图作为一个已知条件，问题之间的关系作为已知因素。可以更明确地描述隐藏之间的交互方式，改进深度学习模型缺乏解释性的问题。5.1.5图结构的合理性验证和交互过程可视化a)三个节点的有向图b)三个节点的状态图5-6有向图的部分与交互过程
【参考文献】：
期刊论文
[1]知识追踪模型在教育领域的应用:2008—2017年相关研究的综述[J]. 李菲茗,叶艳伟,李晓菲,史丹丹. 中国远程教育. 2019(07)
[2]基于值函数和策略梯度的深度强化学习综述[J]. 刘建伟,高峰,罗雄麟. 计算机学报. 2019(06)
[3]多知识点知识追踪模型与可视化研究[J]. 徐墨客,吴文峻,周萱,蒲彦均. 电化教育研究. 2018(10)
[4]深度强化学习研究综述[J]. 赵星宇,丁世飞. 计算机科学. 2018(07)
[5]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)
[6]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平. 计算机学报. 2017(01)
[7]基于贝叶斯知识跟踪模型的慕课学生评价[J]. 王卓,张铭. 中国科技论文. 2015(02)
[8]量表评估效度的项目反应理论(英文)[J]. Yang FM,Kao ST. 上海精神医学. 2014(03)
硕士论文
[1]基于隐含知识点和加权矩阵分解的习题推荐算法研究[D]. 亢文英.西北大学 2019
本文编号：2974690
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
assist2009 数据集图
哈尔滨工业大学工程硕士学位论文-38-显聚类的结果，图中不包含边的方向。5.1.4聚类内部的结构研究显然，类的内部问题之间的关系比类之间的关系更有意义。所以本文可以对有向图进行拆分。按照上文中聚类的关系，研究每一类内部的含义。图5-4synthetic有向图的聚类举例图5-4是synthetic有向图中的一个聚类。此图为整体图的一个子图。可以由此图概括出一个拓扑结构描述这7个问题之间的关系。例如问题3可以视作问题5和问题29的前置问题，可以理解为问题3是否正确回答，会影响到问题5和问题29的正确回答概率。问题29被4个其他问题作为被影响问题概念，同时显示问题29不影响其他问题。根据图的精简原则，如果A是B的前提条件，B是C的前提条件，可以简化图的结构，认为这一子图所有问题都直接或间接影响问题29。这里没有表示出节点间权重的大校但是在图的生成过程中，已经设置了一个阈值用来精简图的结构了。在多次试验中发现，针对这一数据集，设置阈值为0.03可以得到一个结构较好，内容比较完善的图。因为问题之间关系是由条件概率来表述，具体方式是对于一个训练之后的模型，时间步1时问题i的回答结果为正确时，问题j正确的概率记录为条件概率。归一化之后记录为两个节点之间的距离。在实验的过程中，发现两个距离表述的关系可以用两个距离之间的较大的一个代替。因为在应用中不会实际利用一个双向的边。
哈尔滨工业大学工程硕士学位论文-39-a)聚类1b)聚类2c)聚类3d)聚类4图5-5synthetic数据集聚类内部有向图图5-5为synthetic有向图的其他聚类有向图。利用这种方法，可以得到问题的简单聚类结果与聚类内部所有问题的拓扑关系。利用这种局部的关系，可以构建一个基于图结构的知识概念追踪模型。相比于之前使用的DKT，DKVMN等模型，可以认为该方法利用图作为一个已知条件，问题之间的关系作为已知因素。可以更明确地描述隐藏之间的交互方式，改进深度学习模型缺乏解释性的问题。5.1.5图结构的合理性验证和交互过程可视化a)三个节点的有向图b)三个节点的状态图5-6有向图的部分与交互过程
【参考文献】：
期刊论文
[1]知识追踪模型在教育领域的应用:2008—2017年相关研究的综述[J]. 李菲茗,叶艳伟,李晓菲,史丹丹. 中国远程教育. 2019(07)
[2]基于值函数和策略梯度的深度强化学习综述[J]. 刘建伟,高峰,罗雄麟. 计算机学报. 2019(06)
[3]多知识点知识追踪模型与可视化研究[J]. 徐墨客,吴文峻,周萱,蒲彦均. 电化教育研究. 2018(10)
[4]深度强化学习研究综述[J]. 赵星宇,丁世飞. 计算机科学. 2018(07)
[5]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅. 计算机学报. 2018(07)
[6]基于认知诊断的个性化试题推荐方法[J]. 朱天宇,黄振亚,陈恩红,刘淇,吴润泽,吴乐,苏喻,陈志刚,胡国平. 计算机学报. 2017(01)
[7]基于贝叶斯知识跟踪模型的慕课学生评价[J]. 王卓,张铭. 中国科技论文. 2015(02)
[8]量表评估效度的项目反应理论(英文)[J]. Yang FM,Kao ST. 上海精神医学. 2014(03)
硕士论文
[1]基于隐含知识点和加权矩阵分解的习题推荐算法研究[D]. 亢文英.西北大学 2019
本文编号：2974690
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2974690.html
