爱学习AI Lab学术论文荣获SMP2020优秀研究成果奖

由中国中文信息学会社会 媒体 处理专委会主办、浙江大学承办、智源社区支持的第九届全国社会媒体处理大会（SMP 2020）9月4日-6日在线上召开，中国工程院院士潘云鹤，香港 科技 大学讲席教授杨强，英国皇家工程院院士、欧洲科学院院士郭毅可等来自人工智能、社会科学、教育等领域的近百位顶级专家学者和业界翘楚进行了专题报告。爱学习教育集团AI Lab受邀在会上分享了学术报告——《基于题模表征学习的层级图网络知识追踪》，凭借在该领域的创新研究成果，论文被评为“SMP 2020优秀研究成果奖”（大会仅有2个优秀研究成果奖）。

清华大学刘知远教授在大会闭幕式上宣布爱学习AI Lab学术论文荣获“SMP2020优秀研究成果奖”

本届全国社会媒体处理大会设置了2场前沿讲习班、3场特邀报告、2场青年科学家报告和十多场论坛，近百位顶级专家学者和业界翘楚围绕智慧教育、情感计算、数据挖掘等话题进行了深入交流和探讨。大会同时收集了92份学术论文，在程序委员会通讯评审和复审之后，34位作者受邀在会上进行了报告分享，爱学习AI Lab分享的创新研究成果得到了与会人员的高度认可，被评选为优秀研究成果奖。

爱学习AI Lab论文作者在大会上进行研究成果分享

社会媒体处理的对象包含内容数据和网络结构数据，它从本质上来说是跨学科性的研究领域。在教育系统中，学生学习的过程同样可以理解为一种建立知识网络的过程，用科学的方法量化分析知识点之间的深层关联，并且对学生的认知过程进行建模能够对教学生产起到重要的指导意义。其中，知识追踪（Knowledge Tracing) 算法扮演了十分重要的角色，精准的知识追踪模型是个性化教学的基础。给定学习者的答题记录，知识追踪模型可以通过预测学生的答题表现来实时地追踪每个知识点的掌握情况。

爱学习AI Lab在论文中提出了一个基于题模的层次图的知识追踪模型，通过构建层次化题目图网络并结合序列模型来提升知识诊断的能力。该论文通过引入题模的概念来表征某一类具有相似语义文本信息的题目，使用层次化的图网络来学习每个题模的表征，并通过层次图网络与序列模型的联合优化来强化知识追踪模型。模型中还引入了两种注意力机制分别强化学习者对过去做过相似题模的记忆和当前专注题模与整套题模体系的关联，并提出了一种 K&S 诊断方法使得诊断内容更加具体和丰富，最后通过在一个大规模真实数据集上证明了该模型的有效性及其应用的多样性。

据悉，该知识诊断框架未来将落地于爱学习的各类教学场景，智能推荐科学高效的学习路径，帮助学生查漏补缺，进一步完善每个学生的知识体系，同时智能生成教学建议，帮助老师对每个学生进行个性化的辅导。

作为“内容和科技驱动的K12教育供给平台”，爱学习教育集团始终以教研教学和科技创新作为核心发展驱动力，近年来不断探索AI技术与教育的深度融合，旗下AI Lab陆续推出十多款创新产品和应用，覆盖了“教、学、练、评、测”全教学场景。此次受邀在SMP2020进行论文分享并荣获优秀研究成果奖，再一次向行业展现了爱学习AI技术的领先水平。未来，爱学习将继续坚持对科技创新的投入，携手行业伙伴创建教育AI创新平台，共同推动更多的研究成果在教育场景落地，助力教育产业的智能化升级。