基于近似子图的规则空间压缩算法

摘要

规则空间模型是一种高效的知识结构诊断模型,但较高的规则空间构造代价阻碍了在小规模、实时认知诊断中的应用.为了提高规则空间模型的可扩展性,提出使用近似子图生成理想属性模式集进而压缩规则空间的方法.近似子图能够通过忽略和测试项目无关的属性降低子图规模量级,从而有效缩减理想属性模式集规模,达到压缩规则空间的目的;同时通过构建顶点间的虚拟边模拟领域知识图上的传递依赖关系,使近似子图在不引入额外属性的前提下保持领域知识图上的依赖关系,实现对不合理属性模式的有效过滤.在此基础上,给出了构造规则空间所需的近似子图构造算法以及由近似子图生成理想属性模式集的方法.最后在标准测试集上开展了近似子图与依赖保持子图和顶点导出子图两种方法的性能对比实验,并将近似子图应用于实际教学认知诊断中验证其诊断准确率,实验结果表明近似子图能够在不损失诊断结果准确率的前提下显著压缩规则空间,降低规则空间模型应用于小规模、实时诊断的门槛.