计算机应用

作者：何凡, 李理, 苑中旭, 杨秀, 韩东轩

单位：1.西南科技大学 计算机科学与技术学院，四川 绵阳 621010；2.四川省工业自主可控人工智能工程技术研究中心，四川 绵阳 621010；3.认知智能全国重点实验室（中国科学技术大学），安徽 合肥 230088

关键词：知识追踪,图神经网络,自注意力,概念关联,遗忘机制

基金：国家自然科学基金重点支持项目(U21A20157)

追踪学生的历史互动以预测他们的未来表现是知识追踪（KT）领域的关键研究重点。最近的KT方法旨在研究学生的学习模式和不断变化的知识状态，以提供个性化学习指导，而忽略了习题本身的丰富性。此外，随着新专业和跨学科领域的兴起，基于图神经网络（GNN）的KT方法面临着一些挑战：如何扩展概念之间关联的视野并建模学生的学习行为。为了应对这些挑战，提出一种新的KT模型——融合图注意力的概念关联记忆网络知识追踪模型（GAMKT）。GAMKT可以建模学生的习题记录，追踪他们的知识状态，并从习题-概念图中捕捉相关概念的全局特征；同时，将遗忘门和高阶信息提取纳入模型，以真实模拟学生的习题过程。在Junyi、ASSIST09和Static2011数据集上的对比实验结果表明， 与基于图神经网络的知识追踪（GKT）等7种模型相比，GAMKT的曲线下面积（AUC）和准确率分别平均至少提升了约2.1%和2.4%，表明GAMKT在成熟的知识结构数据集上优于基线模型。

来源：2026年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第1期