二值矩阵分解的认知建模方法研究-计算机科学.PDFVIP

Vo 1. 44 No. 10 第 44 卷第10 期 计算机科学 2017 年 10 月 COMPUTER SCIENCE Oct.2017 二值矩阵分解的认知建模方法研究 张猛1 ， 2 付丽华3 何婷婷1 杨青1 (华中师范大学计算机学院 武汉 430079)1 (华中师范大学教育信息化协同创新中心 武汉 430079)2 (中国地质大学(武汉)数学与物理学院 武汉 430074)3 摘 要 根据考试反馈数据，提出新颖的逻辑斯提克二值矩阵分解方法，来预测未来的学生考试成绩并自动对考题进 行模式分类，同时设计新的算法对建模中遇到的非凸优化问题进行求解。在模拟数据和真实的美国 SAT 考试数据上 进行的实验发现，新方法不仅可以准确地预测学生的考试表现，而且能够将考题按照知识点进行自动模式分类。实验 结采表明，新的方法相比经典方法在结果的可解释性和估计精度方面有明显的提升。 关键词 认知建模，二值矩阵分解，考题分类，学生成绩预测 中固法分类号 TP391 文献标识码 A DOI 10. 11896/j. issn. 1002-1372♀ 2017.010.048 Cognitive Modeling Based on Binary Matrix Factorization ZHANG Meng 12 FU Li-hua3 HE Ting-ting1 YANG Qing1 . (School of Computer.Central China Normal University ，职Tuhan 430079 , China)1 (Collaborative . Innovative Center for Educational Technology ,Central China Normal University ,Wuhan 430079 ,China) 2 (School of Mathematics and Physics ,China University of Geoscience ,Wuhan 430074 ,China) 3 Abstract A novellogistic binary matrix factorization CLBMF) was proposed to predict the students performance and to classify the ex缸丑 items. Besides a new algorithm was designed to tackle the non-convex optimization problem in volved in LBMF. The experiments are performed on both simulated data and real data. The results indicate that LBMF can not only predict the students academic performance but also classify the examination items according to the know ledge points they require. And it can be concluded that LBMF outperforms significantly the out-