知识点表征强化的知识追踪模型.pdfVIP

第４２卷第１期计算机应用研究Ｖｏｌ４２Ｎｏ１

２０２５年１月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＪａｎ．２０２５

知识点表征强化的知识追踪模型



张凯，张慧玲，王泽琛，王雪，方洋洋

（长江大学计算机科学学院，湖北荆州４３４０００）

摘要：知识追踪模型主要使用监督学习范式建模给定题目信息条件下的作答结果概率分布，无法根据新的题

目信息即时调整模型，最终影响了预测效果。针对这一问题，融合强化学习范式，提出知识点表征强化的知识追

踪模型，主要包括基础网络、价值网络和策略网络三个部分。基础网络建模题目与知识点表征，价值网络计算题

目价值及时间差分误差，策略网络优化预测结果。通过五个基线模型在三个数据集上的实验表明，该模型在

ＡＵＣ和ＡＣＣ上表现优异，特别是在ＡＳＳＩＳＴｍｅｎｔｓ２００９数据集上，ＡＵＣ提升６．８３％～１４．３４％，ＡＣＣ提升１１．３９％～

１９．７４％。进一步地，该模型表示质量较基线模型提高２．５９％，还通过消融实验验证了强化学习框架的有效性。

最后，将所提模型应用于三门真实课程的学习行为数据以预测学习者的表现，与基线模型的对比结果说明了所

提模型在实际场景中的可用性。

关键词：知识追踪；知识点；图神经网络；强化学习

中图分类号：ＴＰ１８３文献标志码：Ａ文章编号：１００１３６９５（２０２５）０１０１２００８６０７

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．０６．０１９６

Ｋｎｏｗｌｅｄｇｅｔｒａｃｉｎｇｖｉａｒｅｉｎｆｏｒｃｅｍｅｎｔｏｆｃｏｎｃｅｐｔｒｅｐｒｅｓｅｎｔａｔｉｏｎ



ＺｈａｎｇＫａｉ，ＺｈａｎｇＨｕｉｌｉｎｇ，ＷａｎｇＺｅｃｈｅｎ，ＷａｎｇＸｕｅ，ＦａｎｇＹａｎｇｙａｎｇ

（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＹａｎｇｔｚｅＵｎｉｖｅｒｓｉｔｙ，ＪｉｎｇｚｈｏｕＨｕｂｅｉ４３４０００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｋｎｏｗｌｅｄｇｅｔｒａｃｉｎｇｍｏｄｅｌｓｍａｉｎｌｙｕｓｅｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇｐａｒａｄｉｇｍｔｏｍｏｄｅｌｔｈｅｐｒｏｂａｂｉｌｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆａｎｓｗｅｒｓ

ｇｉｖｅｎｔｈｅｑｕｅｓｔｉｏｎｉｎｆｏｒｍａｔｉｏｎ，ｗｈｉｃｈｃａｎｎｏｔａｄｊｕｓｔｔｈｅｍｏｄｅｌｉｍｍｅｄｉａｔｅｌｙｂａｓｅｄｏｎｎｅｗｑｕｅｓｔｉｏｎｉｎｆｏｒｍａｔｉｏｎ，ｕｌｔｉｍａｔｅｌｙａｆ

ｆｅｃｔｉｎｇｔｈｅｐｒｅｄｉｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅ．Ｔｏａｄｄｒｅｓｓｔｈｉｓｉｓｓｕｅ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｋｎｏｗｌｅｄｇｅｔｒａｃｉｎｇｍｏｄｅｌｗｉｔｈｅｎｈａｎｃｅｄ

ｋｎｏｗｌｅｄｇｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂｙｉｎｔｅｇｒａｔｉｎｇｒｅｉｎｆｏｒｃｅｍｅｎｔｌｅａｒｎｉｎｇｐａｒａｄｉｇｍ，ｗｈｉｃｈｍａｉｎｌｙｃｏｎｓｉｓｔｅｄｏｆｔｈｒｅｅｐａｒｔｓ：ａｂａｓｉｃｎｅｔ

ｗｏｒｋ，ａｖａｌｕｅｎｅｔｗｏｒｋ，ａｎｄａｐｏｌｉｃｙｎｅｔｗｏｒｋ．Ｔｈｅｂａｓｉｃｎｅｔｗｏｒｋｍｏｄｅｌｅｄｔｈｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｑｕｅｓｔｉｏｎｓａｎｄｋｎｏｗｌｅｄｇｅ

ｐｏｉｎｔｓ，ｔｈｅｖａｌｕｅｎｅｔｗｏｒｋｃａｌｃｕｌａｔｅｄｔｈｅｖａｌｕｅｏｆｑｕｅｓｔｉｏｎｓａｎｄｔｈｅｔｅｍｐｏｒａｌｄｉｆｆｅｒｅｎｃｅｅｒｒｏｒ，ａｎｄｔｈｅｐｏｌｉｃｙｎｅｔｗｏｒｋｏｐｔｉｍｉｚｅｄ

ｔｈｅｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓ．Ｅｘｐｅｒｉｍｅｎｔｓｃｏｎｄｕｃｔｅｄｗｉｔｈｆｉｖｅｂａｓｅｌｉｎｅｍｏｄｅｌｓｏｎｔｈｒｅｅｄａｔａｓｅｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｏ