基于神经网络的协同过滤在题目排序中的应用
机器学习
2020-04-28 v1 人工智能
信息检索
摘要
电子学习系统（ELS）与智能辅导系统（ITS）在当今教育项目中扮演重要角色。题目排序是为目标学习者生成个性化测验的艺术。个性化测试将丰富学习者的体验，并有助于更高效、有效的学习过程。在本文中，我们使用神经协同过滤（NCF）模型来生成题目排序，并将其与一种基于成对记忆的题目排序算法——EduRank 进行比较。NCF 模型展现出显著优于 EduRank 模型的排序结果，其平均精度相关得分为 0.85，而后者为 0.8。
引用
@article{arxiv.2004.12212,
title = {Neural Network-Based Collaborative Filtering for Question Sequencing},
author = {Lior Sidi and Hadar Klein},
journal= {arXiv preprint arXiv:2004.12212},
year = {2020}
}