深度学习支持下的自适应学习路径推荐——融合图嵌入与注意力机制的知识追踪模型

孙小琪; 袁媛

doi:10.11907/rjdk.241545

您当前的位置：

首页 >

文章列表页 >

深度学习支持下的自适应学习路径推荐——融合图嵌入与注意力机制的知识追踪模型

人工智能 | 更新时间：2024-11-19

- 深度学习支持下的自适应学习路径推荐——融合图嵌入与注意力机制的知识追踪模型
- Adaptive Learning Path Recommendation Supported by Deep Learning——Knowledge Tracing Model Integrating Graph Embedding and Attention Mechanism
- “在教育服务智能化领域，研究者提出了融合图嵌入和注意力机制的自适应学习路径推荐模型GE-MAKT，有效提升了个性化学习规划的准确性。”
- 软件导刊 2024年23卷第11期页码：53-62
- 作者机构：
  
  南通大学教育科学学院，江苏南通 226000
- 作者简介：
  
  孙小琪（1988-），女，硕士，南通大学教育科学学院实验师，研究方向为在线教育、人工智能
  袁媛（2003-），女，南通大学教育科学学院学生，研究方向为在线教育。
- 基金信息：
  
  江苏高校哲学社会科学研究一般项目(2023SJYB1684)
- DOI：10.11907/rjdk.241545
  中图分类号： TP391.3
- 收稿日期：2024-06-21，
  
  纸质出版日期：2024-11-15
- 稿件说明：
移动端阅览
孙小琪,袁媛.深度学习支持下的自适应学习路径推荐[J].软件导刊,2024,23(11):53-62.

SUN Xiaoqi,YUAN Yuan.Adaptive Learning Path Recommendation Supported by Deep Learning[J].Software Guide,2024,23(11):53-62.
孙小琪,袁媛.深度学习支持下的自适应学习路径推荐[J].软件导刊,2024,23(11):53-62. DOI： 10.11907/rjdk.241545.

SUN Xiaoqi,YUAN Yuan.Adaptive Learning Path Recommendation Supported by Deep Learning[J].Software Guide,2024,23(11):53-62. DOI： 10.11907/rjdk.241545.

浏览量

193

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征融合的虚假招聘广告检测模型

深度学习图像超分辨率重建：关键技术解析与前沿进展

基于可变形注意力的时空特征融合超分辨率方法

面向电网行业的多模态心理评测算法

基于深度神经网络的对话系统研究综述

深度学习支持下的自适应学习路径推荐——融合图嵌入与注意力机制的知识追踪模型

Adaptive Learning Path Recommendation Supported by Deep Learning——Knowledge Tracing Model Integrating Graph Embedding and Attention Mechanism

DOI：10.11907/rjdk.241545