面向问题难度预测的辅助任务引导交互注意力模型

在线学习平台以单一方式开展考试评估学习者，其题库中的问题可按布鲁姆分类法划分为从基础知识到高级评价的不同复杂度层级。这些考试中向所有学习者提出的问题高度静态。为提供个性化学习体验，向每位学习者提出不同难度层级的新问题十分重要。本文提出一种带交互注意力机制的多任务方法Qdiff，用于联合预测学术问题的布鲁姆分类法与难度层级。我们利用注意力机制对预测的布鲁姆分类法表征与输入表征之间的交互进行建模，以辅助难度预测。所提出的学习方法有助于学习捕捉布鲁姆分类法与难度标签之间关系的表征。该多任务方法通过利用相关任务间的关系学习良好的输入表征，可应用于任务相关的类似场景。结果表明所提方法优于仅训练难度预测。然而，某些数据集未必总给出布鲁姆标签。因此我们以微调预测布鲁姆标签的模型对另一数据集进行软标注，以展示该方法仅含难度标签数据集的适用性。