试题知识点预测:一种教研知识强化的卷积神经网络模型

• 作 者: 胡国平 张丹 苏喻 刘青文 李佳 王瑞
• 机 构: 科大讯飞股份有限公司,安徽大学计算机科学与技术学院,中国科学技术大学计算机科学与技术学院
• 出 处: 中文信息学报
• 发表日期: 2018年05期
• 关键词: 知识点 卷积神经网络 教研先验 注意力机制
• 基金项目: 国家863计划(2015AA015409)

在各类在线学习系统中,为了给学生提供优质的学习服务,一个基础性的任务是试题知识点预测,即预测一道试题所考察的知识概念、能力等。在这个任务中,已有方法通常基于人工专家标注或者传统机器学习方法。然而,这些传统方法要么耗时耗力,要么仅关注试题资源的浅层特征,忽略了试题文本和知识点之间的深层语义关联。因此,这两类方法在实际应用中均受到了限制。为此,该文提出一种教研知识强化的卷积神经网络方法进行试题知识点预测。首先,结合教育学经验,定义和抽取试题的浅层特征。然后,利用一个卷积神经网络对试题的深层语义进行理解和表征。然后,考虑到教研先验与试题词句之间的关联,提出一种基于注意力机制的方法能够自动识别和计算不同教研先验对试题的重要性程度。最后,设计了一个融合知识点决策和试题语义约束的模型训练目标。该文在大规模数据上进行了充分的实验。实验结果表明,所提出的方法能够有效地进行试题知识点预测,具有很好的应用价值。