深度学习驱动的知识追踪研究进展综述

随着教育信息化程度的不断加深，以预测学生知识状态为目标的知识追踪正成为个性化教育中一项重要且富有挑战性的任务。知识追踪作为一项教育数据挖掘的时间序列任务，与深度学习模型强大的特征提取和建模能力相结合，在处理顺序任务时具有得天独厚的优势。为此，简要分析传统知识追踪模型的特点及局限性，以深度知识追踪发展历程为主线，总结基于循环神经网络、记忆增强神经网络、图神经网络的知识追踪模型及其改进模型，并对该领域的已有模型按照方法策略归类整理。同时梳理了可供研究者使用的公开数据集和模型评估指标，比较和分析不同建模方法的特点。对基于深度学习的知识追踪的未来发展方向进行探讨和展望，奠定进一步深入基于深度知识追踪研究的基础。

http://cea.ceaj.org/CN/abstract/abstract40002.shtml

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“DLKT” 就可以获取《深度学习驱动的知识追踪研究进展综述》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源