摘要
精准的习题推荐是智慧教学中的重要内容,具有非常重要的研究和实践意义,如何在数据稀疏的情况下,从学习者答题记录中对学习者知识建模一直是习题推荐的研究重点.对此,针对现有的习题推荐方法存在数据稀疏和忽略群体特征的问题,提出一种结合深度知识追踪与矩阵补全的习题推荐算法.该算法分为知识水平建模和矩阵补全两个模块.首先,通过深度知识追踪模型训练得到学习者知识水平矩阵,实现对学习者知识水平建模,精准挖掘学习者知识概念掌握水平;其次,考虑学习者的近邻信息,利用学习者之间的群体特征,融合相似用户的知识水平;最后,引入矩阵分解模块进行知识矩阵补全,对学习者未做习题进行得分预测,从而缓解数据稀疏问题.该推荐算法同时考虑到学习者的群体共性和学习者知识水平矩阵稀疏问题.与其他算法相比,该算法有效地提升了推荐结果的精确度、召回率和F1 值,且随着习题推荐数量的增加,算法的性能优势越明显.
基金项目
江西省自然科学基金(20212BAB202003)
江西省教育厅科技资助项目(GJJ201401)
江西省数值模拟与仿真技术重点实验室开放课题(20191202)
江西省高等学校教学改革研究课题重点项目(JXJG-22-14-7)
国家科技期刊平台
NSTL
维普
万方数据