BamaER：面向运动行为感知的记忆增强运动推荐模型
机器学习
2026-02-19 v1 计算机与社会
摘要
运动推荐关注基于学生学习历史、个人兴趣及其他个性化特征进行的个性化运动选择。尽管取得了显著进展，但大多数现有方法仅将学生学习表示为运动序列，忽略了丰富的行为交互信息。这种有限的表示常导致对学习进度的偏置且不可靠的估计。此外，固定长度的序列分段限制了早期学习经验的融入，从而阻碍了长期依赖关系的建模及知识掌握程度的准确估计。为此，我们提出BamaER——一个面向运动推荐的行为感知记忆增强框架，包含三个核心模块：(i)学习进度预测模块，通过三向混合编码方案捕获异构学生交互行为；(ii)记忆增强知识追踪模块，维护动态记忆矩阵以联合建模历史与当前知识状态，实现稳健的掌握程度估计；(iii)运动筛选模块，将候选选择问题形式化为多样性感知优化问题，通过骆驼优化算法求解，以减少冗余并提升推荐覆盖率。在五个真实教育数据集上的实验表明，BamaER在多种评估指标上均显著优于当前最先进的基线方法。
引用
@article{arxiv.2602.15879,
title = {BamaER: A Behavior-Aware Memory-Augmented Model for Exercise Recommendation},
author = {Qing Yang and Yuhao Jiang and Rui Wang and Jipeng Guo and Yejiang Wang and Xinghe Cheng and Zezheng Wu and Jiapu Wang and Jingwei Zhang},
journal= {arXiv preprint arXiv:2602.15879},
year = {2026}
}