一种基于门控图卷积时序神经网络的知识追踪方法

摘要

本发明公开了一种基于门控图卷积时序神经网络的知识追踪方法。本发明方法将图神经网络模型运用到知识追踪领域，改进目前应用到知识追踪领域的深度学习模型为LSTM，它只考虑了数据的时间信息。通过观察数据发现，知识追踪数据集中学生与知识点以及知识点之间都存在大量图结构。本发明提出的门控图卷积时序神经网络模型，在GCN模型中结合存储不同边信息的传播矩阵，进行拓扑信息提取。对于数据的时序信息，我们使用具有门控单元的GRU模型进行提取。可以更好地刻画学生之间、知识点之间、学生与知识点之间的相关性。