将自然语言处理的最新进展应用于MOOC学生课程轨迹建模
机器学习
2020-05-06 v2 计算机与社会
机器学习
摘要
本文提出了若干可改进基于神经网络的大规模开放在线课程（MOOC）学生课程轨迹预测方法的策略，应用了先前用于应对自然语言处理（NLP）任务的多种思路。具体而言，本文研究了经两种正则化形式增强的LSTM网络，以及较新引入的Transformer架构。
引用
@article{arxiv.2001.08333,
title = {Applying Recent Innovations from NLP to MOOC Student Course Trajectory Modeling},
author = {Clarence Chen and Zachary Pardos},
journal= {arXiv preprint arXiv:2001.08333},
year = {2020}
}
备注
4 pages, 0 figures, accepted to EDM 2020