基于集合到序列排序的概念感知学习路径推荐
信息检索
2023-06-08 v1 计算机与社会
摘要
随着在线教育系统的发展，个性化教育推荐发挥着至关重要的作用。本文致力于开发路径推荐系统，旨在为每个会话中的给定用户生成并推荐完整的学习路径。注意到现有方法未能考虑路径中概念之间的相关性，我们提出了一种名为基于集合到序列排序的概念感知学习路径推荐（SRC）的新框架，该框架在集合到序列的范式下形式化推荐任务。具体而言，我们首先设计了一个概念感知编码器模块，能够捕捉输入学习概念之间的相关性。随后将输出送入解码器模块，该模块通过处理学习与目标概念之间相关性的注意力机制顺序生成路径。我们的推荐策略通过策略梯度进行优化。此外，我们还引入了一个基于知识追踪的辅助模块，通过评估学生对学习概念的学习效果来增强模型的稳定性。我们在两个真实公开数据集和一个工业数据集上进行了大量实验，实验结果证明了 SRC 的优越性和有效性。代码将发布于 https://gitee.com/mindspore/models/tree/master/research/recommend/SRC。
引用
@article{arxiv.2306.04234,
title = {Set-to-Sequence Ranking-based Concept-aware Learning Path Recommendation},
author = {Xianyu Chen and Jian Shen and Wei Xia and Jiarui Jin and Yakun Song and Weinan Zhang and Weiwen Liu and Menghui Zhu and Ruiming Tang and Kai Dong and Dingyin Xia and Yong Yu},
journal= {arXiv preprint arXiv:2306.04234},
year = {2023}
}