RKT 一个使用题目文本计算相似度的算法

---

说些废话

对于这个项目的实现

前言

论文名：RKT:Relation-Aware Self-Attention for Knowledge Tracing

链接：

1. 论文链接 https://arxiv.org/pdf/2008.12736.pdf
2. 代码链接 https://github.com/shalini1194/RKT（文章公开了一个包含题目描述的数据集）
3. 文章介绍链接：（知乎）https://zhuanlan.zhihu.com/p/476672880

1. 相关背景

从本质出发，这篇文章 对于 遗忘效应 以及 题目相关性计算上提出了较新的方式

1.1 核心思想

• 遗忘效益

  

  随着时间的流逝 time的变化 会随着时间 不断的流逝 对于公式的体现

  图！

• 题目相关性

  1. 题目的词向量转换

     图！

     通过余弦相似度 来计算 对应的 文本的相似性

  2. 作答数据 相关性计算

     图！

  3. 训练关系矩阵计算

     

     图！

2. 实证分析

3. 问题描述

正常的知识追踪方法

4. 方法（基本为论文方法部分）

我们已经得到了训练的A矩阵，以及上述的遗忘的阶段计算出来的 RT

图！

RT 为 训练题目相关的向量（类似于 我求了一个序列 对于最后答案的贡献度）

数据输入

图！

E 为 题目编码的向量

rj 为 长度为d 题目正确与否的扩充

p 为 位置编码

5. 实验

6. 总结

7. 自己的想法