所有AI工具AI学习网站AI开发框架

DKT2论文 – 基于xLSTM的深度知识追踪模型

DKT2是一种基于xLSTM架构的深度知识追踪模型,旨在解决传统LSTM在并行计算、存储决策修改和存储容量方面的局限性。它集成了Rasch模型用于输入表示,并结合项目反应理论(IRT)实现...

标签:

Warning: Undefined variable $main_title in /www/wwwroot/msbd/wp-content/themes/onenav/sidebar-sitestop.php on line 26

AI交流(进群备注:)

DKT2是一种基于xLSTM架构的深度知识追踪模型,旨在解决传统LSTM在并行计算、存储决策修改和存储容量方面的局限性。它集成了Rasch模型用于输入表示,并结合项目反应理论(IRT)实现可解释的输出。研究显示,DKT2在单步、多步和不同历史长度的预测任务中,在Assist17、EdNet和Comp三个大型数据集上始终优于17个基线模型。其设计更贴近实际教育应用场景,增强了适用性和全面性,使其在智能辅导系统中具有更大潜力。

DKT2的特点:

  • 1. 基于xLSTM架构,改善了并行计算和存储性能。
  • 2. 使用Rasch模型进行输入表示。
  • 3. 结合IRT提供可解释的输出。
  • 4. 在各种预测任务中表现优于其他模型。
  • 5. 设计上更适合实际教育应用。

DKT2的功能:

  • 1. 预测学生对未来问题的回答。
  • 2. 跟踪并更新学生的知识状态。
  • 3. 开发有效的智能辅导系统。
  • 4. 建模学生知识状态并预测其表现。

相关导航

暂无评论

暂无评论...