基于多粒度时间的Transformer知识追踪
机器学习
2023-09-13 v3 人工智能
摘要
本文提出一种用于预测学生在标准化考试中表现的Transformer架构。具体而言，我们利用学生的历史数据，包括其过往考试分数、学习习惯及其他相关信息，为每位学生创建个性化模型。随后我们使用这些模型预测其在给定考试中的未来表现。将该模型应用于RIIID数据集，我们证明使用多粒度时间特征作为解码器输入可显著提升模型性能。我们的结果也展示了方法的有效性，相较LightGBM方法有实质性改进。我们的工作贡献于不断成长的教育AI领域，提供了一种可扩展且准确的学生结果预测工具。
引用
@article{arxiv.2304.05257,
title = {Multi-granulariy Time-based Transformer for Knowledge Tracing},
author = {Tong Zhou},
journal= {arXiv preprint arXiv:2304.05257},
year = {2023}
}