Qi Liu, Enhong Chen, et al. 2018 KDD.
前言
这是一篇将深度学习技术应用于教育领域的A类论文。这种论文的常见思路是:交待具体的领域背景,使用改进的神经网络架构,与其它方法比较得到较好的实验结果。相比于以机器学习技术为核心的论文,因为缺少晦涩的“可解释性”,深度学习论文更易于理解。因此,深度学习论文的核心在于其实验上,即怎样用实验去验证其方法的有效性和高效性,并让模型变得可解释。很遗憾的是,本篇论文的代码没有开源。
背景
与教育相关的应用上一般都有大量的课程练习,针对某类练习给出相似的练习是必要的要求。人工地挑选出相似练习是不切实际的,并且现有的基于文本相似度的方法无法处理异构的数据(文本、图片、公式等)。
主要方法
本文提出了一种新的神经网络架构MANN(Multimodal Attention-based Neural Network),如下图1所示。MANN主要由Multimodal Exercise Representing Layer、Similarity Attention和Similarity Score Layer三部分组成。输入是练习 E a E_a