科研速递 | 广东智慧教育研究院师生论文被国际人工智能重要会议ECAI 2024录用

发布时间:2024-07-12 来源:广东智慧教育研究院

       近日,ECAI 2024 (The 27th European Conference on Artificial Intelligence)公布论文录用通知,暨南大学广东智慧教育研究院师生的一篇论文被顺利录用。本次会议共接收文章547篇,整体接收率约23%。

       ECAI (European Conference on Artificial Intelligence) 是欧洲人工智能领域最重要的会议之一,也是中国计算机学会 (CCF) 推荐的人工智能领域B类学术会议。ECAI每两年举办一次,会议的论文主题覆盖了人工智能领域的各个方面,包括机器学习、自然语言处理、知识表示与推理、智能代理、计算机视觉和机器人等。这些主题是人工智能技术中最重要和最前沿的领域,每个研究领域都涵盖了多个专业领域。

入选论文介绍

论文题目:Extending Context Window of Attention Based Knowledge Tracing Models via Length Extrapolation

作者:李薛毅(暨南大学)、白友恒(暨南大学)、郭腾(暨南大学)、郑颖(暨南大学)、侯明良(北京世纪好未来教育科技有限公司&暨南大学)、占博浚(暨南大学)、黄雅莹(暨南大学)、刘子韬(暨南大学)、高博宇(暨南大学)、罗伟其(暨南大学)

通讯作者:侯明良

论文概述:知识追踪(Knowledge Tracing, KT)是根据学生的历史学习过程预测其未来表现的任务。随着注意力机制快速发展,许多基于注意力机制的KT模型被提出,并实现了卓越的性能。然而,在个性化教育场景中,学生的学习路径不同会导致学生交互序列的长度不同,这对基于注意力机制的KT模型来说是一个重大挑战,因为这些模型的上下文窗口(Context Window)大小在训练和预测阶段都是固定的。在本文中,我们提出了extraKT模型,该模型通过长度外推(Length Extrapolation)的方式,能够从短上下文窗口的学生交互中有效捕捉学生的学习特征,并在各种较长的上下文窗口中保持良好的预测性能。具体来说,我们通过线性惩罚注意力分数来有效表示学生知识状态的短期遗忘特征。我们在三个真实的教育数据集上进行了全面而严格的实验,结果显示,我们的extraKT模型展示了强大的长度外推能力,并在AUC和准确率方面优于最新的基准模型。