基于个性化遗忘建模的知识追踪方法.pdfVIP

研究论文第51卷第8期/2025年8月/计算机工程

基于个性化遗忘建模的知识追踪方法

张昭理1，李家豪1，刘海1,2*，石佛波，何嘉文1

（1.华中师范大学人工智能教育学部，湖北武汉430000；2.华中师范大学深圳研究院，广东深圳518000）

摘要：针对传统知识追踪（KT)模型难以有效建模学习者在长交互序列下的知识状态变化的问题，引人以

Transformer为代表的注意力机制模型能够实现对学习者长交互序列中潜在信息的捕获，并展现出良好的性能。

然而，现有模型在建模学习过程时，往往忽视了学习者的能力差异，且主要关注知识掌握状态的累加，未能充分建

模学习者的遗忘效益。因此，提出一种基于个性化遗忘建模的知识追踪方法(PFKT)，通过引人额外的特征信息

来建模学习者的答题能力,并进一步探究学习者差异化的记忆遗忘能力。从学习者的历史交互序列出发，综合考

虑知识点的获取与遗忘现象，以捕获学习者的真实知识掌握状态。同时，结合额外的特征信息，实现更为准确的

个性化遗忘现象建模。实验结果显示，所提出的PFKT模型在ASSISTments2017和Algebra2005-2006数据集上

：

均取得了较现有模型更优的性能。

关键词：知识追踪；注意力机制；遗忘建模；Transformer；特征信息

中图分类号：TP18文献标志码：AD0I:10.19678/j.issn.1000-3428.0069739

PersonalizedForgettingModelingforKnowledgeTracingviaTransformers

ZHANGZhaolil,LIJiahao,LIUHail-2*,SHIFobo,HEJiawen

(1.FacultyofArtificialIntelligenceinEducation,CentralChinaNormalUniversity,Wuhan430000,Hubei,China;

2.ShenzhenResearchInstituteofCentralChinaNormalUniversity,Shenzhen518000,Guangdong,China)

[Abstract)ItisverydifficultfortraditionalKnowledgeTracing(KT)modelstomodellearnersknowledgestate

changesinlonginteractionsequences.Thisstudyintroducesanattentionmechanismmodelrepresentedbya

Transformertocapturepotentialinformationinlearnerslonginteractionsequencesthatexhibitsgood

performance.However,whenmodelingthelearningprocess,existingmodelsoftenignorethedifferencesin

learnersabilitiesandfocusmainlyontheaccumulationofknowledgemasterystates,failingtofullymodelthe

forgettingbenefitoflearners.Inthisstudy,aKnowledgeTracingMethodbasedonPersonalizedForgetting

Modeling(PFKT)isproposedthatmodelslearnersansweringabilitybyintroducingadditionalcharacteristic

informationandfurtherexplores