标题：基于多特征双塔结构的知识追踪模型
作者：杨丽
作者单位：贵州民族大学数据科学与信息工程学院，贵州 贵阳 550025
关键字：知识追踪；深度知识追踪；个性化学习
摘要：知识追踪（KT）旨在根据学习者先前的学习记录来预测他们未来的学习状态。深度知识追踪（DKT）是近年来利用深度学习技术发展起来的一种学习方法，动态跟踪学生学习情况以提供个性化的学习支持。然而，当前的研究旨在研究练习和知识点之间的关系，忽略了学生个体和知识本体的复杂互动关系。为了解决该问题，提出一种新颖的多特征双塔结构的知识跟踪模型（Multi-feature Two-tower Structure based Knowledge Tracing，MTKT），利用双塔结构中的学生塔和知识塔来相互影响学生学习的整个过程。MTKT框架应用Transformer神经网络将众多特征序列映射为多特征矩阵，同时注重不同学生个体的特征和文本信息的依赖关系的影响。在两个公开数据集上实验，结果表明，该方法比几种基线具有更好的预测性能。