
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用多层超图自适应知识转移技术提升知识追踪能力
《ACM Transactions on Information Systems》:Enhancing Knowledge Tracing with Multi-hierarchy Hypergraph Adaptive Knowledge Transfer
【字体: 大 中 小 】 时间:2026年03月28日 来源:ACM Transactions on Information Systems
编辑推荐:
知识追踪旨在通过学习者的交互序列动态建模其认知状态以支持个性化教学决策。现有方法常忽略知识概念(KCs)间的转移效应及传播机制,导致对掌握程度和整体性能建模不够精细。提出的MHAKT模型通过三模块协同工作:转移感知模块利用掩码注意力机制动态更新学习者特定转移结构;知识转移模块采用超图神经网络全面建模多对多知识转移;认知更新模块整合新知识并应用遗忘机制。实验表明MHAKT在基准数据集上显著优于13种基线模型,尤其在冷启动知识组件场景下仍保持优异性能。消融实验和可视化分析验证了各模块的关键作用。
此摘要是使用自动化工具生成的,并非由文章作者撰写或审核。它旨在帮助发现、帮助读者评估相关性,并协助来自相关研究领域的读者理解该工作。它旨在补充作者提供的摘要,后者仍是论文的官方摘要。完整文章是权威版本。点击此处了解更多。
点击 此处 对此摘要的准确性、清晰度和实用性进行评论。这样做将有助于改进和未来重新生成的版本。
要查看此由 AI 生成的通俗语言摘要,您必须具有高级访问权限。