摘要

我们提出SAINT+，作为SAINT模型的改进版本。SAINT是一种基于Transformer架构的知识追踪模型，能够分别处理题目信息与学生作答信息。沿用SAINT的编码器-解码器结构，SAINT+的编码器通过自注意力层对题目嵌入序列进行处理，而解码器则交替应用自注意力层与编码器-解码器注意力层，分别作用于作答嵌入序列与编码器输出。此外，SAINT+在作答嵌入中引入了两种时间特征嵌入：耗时（elapsed time），即学生完成作答所花费的时间；以及间隔时间（lag time），即相邻学习活动之间的时间间隔。我们在教育领域最大的公开基准数据集EdNet上对SAINT+的性能进行了实证评估。实验结果表明，SAINT+在知识追踪任务中达到了当前最优水平，相较于当前EdNet数据集上的最先进模型SAINT，其受试者工作特征曲线下面积（AUC）提升了1.25%。