TCN-KT：个人基础与遗忘融合的时间卷积知识追踪模型
打开文本图片集
摘 要： 智慧教育的热门领域知识追踪（KT）被视为序列建模任务，其主要关注点和解决方式都集中在循环神经网络（RNN）上。但RNN通常会面临梯度消失或者梯度爆炸等问题，且训练时间和设备要求都过于严苛，针对以上问题，提出融合学习者个人先验基础和遗忘因素的时间卷积知识追踪模型（TCN-KT）。首先利用RNN模型计算得到学生个人先验基础，然后使用梯度稳定、内存占用率更低的时间卷积网络（TCN）预测学生下一题正误的初始概率，最后融合基于学生基础的遗忘因素得到最终结果。（剩余15323字）