用于 MOOC 中拖延建模的松弛聚类 Hawkes 过程
机器学习
2021-02-02 v1 计算机与社会
摘要
Hawkes 过程已被证明在金融和社交网络活动分析等多种应用中对突发序列建模十分高效。传统上，这些模型独立地对每个过程进行参数化，并假设每个点过程的历史可被完全观测。然而，此类模型在某些真实世界应用（如教育领域）中可能效率低下甚至不可用，因为其中的假设被违背。受在具有缺失与部分观测数据的大规模开放在线课程（MOOCs）中检测和预测学生拖延问题的启发，在本工作中，我们提出了一种新颖的个性化 Hawkes 过程模型（RCHawkes-Gamma），它通过联合同时学习所有部分观测过程来发现有意义的学生行为聚类，且不依赖辅助特征。我们在合成与真实世界教育数据集上的实验表明，RCHawkes-Gamma 能有效恢复学生聚类及其时间上的拖延动态，从而对未来学生活动取得更好的预测性能。我们对所学参数及其与学生延迟关联的进一步分析表明，所发现的学生聚类揭示了各种学生拖延行为的有意义表征。
引用
@article{arxiv.2102.00093,
title = {Relaxed Clustered Hawkes Process for Procrastination Modeling in MOOCs},
author = {Mengfan Yao and Siqian Zhao and Shaghayegh Sahebi and Reza Feyzi Behnagh},
journal= {arXiv preprint arXiv:2102.00093},
year = {2021}
}