[1Q3-J-2] 機械学習: 構造的モデリング

[1Q3-J-2-03] グラフ表現を用いた知識獲得予測による潜在知識構造の抽出と活用

〇中川 大海¹、岩澤 有祐¹、松尾 豊¹ (1. 東京大学工学系研究科)

キーワード：深層学習、知識獲得予測、グラフニューラルネットワーク

近年，教育と情報技術の融合が進む中で，生徒の過去の学習行動を元に習熟度を推定する，知識獲得予測（knowledge tracing)の研究が活発化している．オンライン教育サービスの普及によるデータの大規模化も伴い，深層学習の活用によって従来より高い精度での予測が可能になったことが知られているが，既存の深層学習を用いた手法はでいずれも知識特有の構造を十分に考慮したモデルが設計されておらず，モデルの予測精度や予測の解釈性・妥当性が損なわれている．本研究では，知識構造をグラフ表現を用いて定式化し，近年発展が進む，深層学習を用いてグラフを扱うGraph Neural Networkを拡張したモデルによって，これらの問題の解決を図る．実験では，提案手法が既存手法に比べて，高精度かつ妥当性と解釈性の高い予測を行えることを，オープンデータを用いて実証的に検証し，またデータから学習されたグラフ構造を分析することで，効率的な知識構造の設計に関して考察する．