[1G3-GS-2b] 機械学習：最適化

[1G3-GS-2b-03] Attentive Knowledge Tracingにおける過去データの忘却最適化

〇関口 昌平¹、堤 瑛美子¹、植野 真臣¹ (1. 電気通信大学)

キーワード：ナレッジトレーシング、深層学習、教育ビッグデータ

人工知能分野では教育ビックデータを用いて学習過程における学習者の能力値や知識状態を把握し，課題への反応予測を行うKnowledge Tracing(KT)が注目されている．最先端のKT手法ではTransfomerを用いたAttentive Knowledge Tracing(AKT)が提案されている．AKTの特徴は過去の学習データを徐々に忘却し，さらに直近の学習に大きく関係するスキルを考慮して予測を行う．これにより，高い予測精度を示すことが報告されている．しかし，AKTでは単調減少関数に従って徐々に過去の学習データを忘却するため，長時間の学習においては初期の学習データがノイズとして残ってしまう問題点があった．本研究ではAKTにおいて予測精度を最大化するように反応予測に用いるデータ数を最適化する新たな手法を提案する．評価実験では提案手法と既存手法を用いて反応予測精度比較を行い，提案手法の有効性を示す．