本组织主要研究方向为知识图谱与知识追踪方向，近年来，共发表相关SCI/EI论文10余篇。在认知心理等理论层面积累了一定的研究基础，在知识图谱、认知诊断、个性化知识推荐等技术层面进行了深入研究，为本项目积累了必要的技术支持。
在在线教育方面，团队利用用户画像技术理解学习者偏好和认知状态规律，同时使用深度学习算法对碎片化知识进行再组织，实现更有效的知识推荐，提高学习者的知识获取能力。
在知识图谱方面，团队基于知识图谱开展了在线知识语义化聚合方法研究，完成天津市教委科研计划项目1项，此外，项目组将认知诊断模型融入知识图谱，开展基于认知诊断的学科知识图谱学习平台系统开发研究，主持天津市企业科技特派员项目1项。项目组前期针对电力故障数据构建知识图谱，提出了一种新的多实体知识联合提取方法，通过建立故障实体和关系提取的多任务紧耦合模型来实现单词嵌入和双向语义捕获，生成可计算的文本向量。在此基础上，项目组还提出了一种基于用户多态感知的电力故障检索与推荐模型，实现对用户常规搜索意图的准确预测，并解决了用户交互样本少导致在冷启动时准确率较低的问题，其成果分别发表在SCI期刊Electronic和Energies。
在个性化推荐方面，项目组对深度学习驱动的知识追踪展开深入研究，在CCF C类核心期刊上发表了综述论文1篇；项目组借助强化学习和知识蒸馏技术，提出一种完全自适应的顶部位置知识推荐方法，引入深度知识追踪模型模拟学生知识掌握水平的定性发展，从而能够精准的预测学生的得分；项目组还提出一种基于状态表示增强的强化学习模型用于周期性测验任务，基于领域特定的多个学习目标设计奖励函数，从而支持阶段性的自适应测验。以上成果分别发表在SCI期刊Complex & Intelligent Systems和CCF C类会议ICONIP 2022。并在此基础上，项目组进一步提出了一种基于自适应自我注意网络的双层多目标练习推荐框架，该成果发表在SCI一区期刊Knowledge-based SYSTEM。
本仓库主要为本组成员的竞赛/论文/代码复现/项目开源代码整理
实验室内部相关信息请查阅information仓库
-
名字简明扼要说明仓库内容，避免与现有仓库重名即可
-
在备注中备注类型
- 年份
- 类别（竞赛/论文/代码复现/项目）
-
开源仓库提供README.md文档