面向长尾认知诊断的自监督图学习
计算机与社会
2022-10-18 v1 人工智能
机器学习
摘要
认知诊断是智能教育领域一项基础而关键的研究任务，旨在发现不同学生在特定知识点上的掌握水平。尽管已有方法有效，先前工作总是考虑全体学生的掌握水平，因此它们仍受长尾效应困扰。大量具有稀疏数据的学生在模型中表现不佳。为缓解该状况，我们提出了一种自监督认知诊断（SCD）框架，利用自监督方式辅助基于图的认知诊断，从而提升那些稀疏数据学生的表现。具体而言，我们提出一种图混淆方法，按特定规则丢弃边以生成图的不同稀疏视图。通过最大化同一节点在不同视图下表示的一致性，模型可更关注长尾学生。此外，我们提出了一种基于重要性的视图生成规则，以增强长尾学生的影响。在真实数据集上的大量实验表明了我们的方法的有效性，尤其在稀疏数据学生上。
引用
@article{arxiv.2210.08169,
title = {Self-supervised Graph Learning for Long-tailed Cognitive Diagnosis},
author = {Shanshan Wang and Zhen Zeng and Xun Yang and Xingyi Zhang},
journal= {arXiv preprint arXiv:2210.08169},
year = {2022}
}