团队硕士任依梦同学的论文被国际高水平期刊Complex & Intelligent Systems（SCI）录用

题目：Fully adaptive recommendation paradigm: top-enhanced recommender distillation for intelligent education systems

作者：任依梦，梁琨，尚余虎，张贤坤

期刊：Complex & Intelligent Systems，2022（SCI二区，IF=6.7000）

DOI：s40747-022-00905-4

摘要：Top-N推荐在帮助学生提供对所需学科的个性化指导方面引起了极大的关注。一般来说，现有的方法主要是为了最大化推荐列表的整体准确性，而忽略了排名靠前的推荐练习的准确性，这严重影响了学生的学习积极性。在知识蒸馏(KD)技术的激励下，我们巧妙地设计了一种完全自适应的推荐范式——顶部增强推荐蒸馏框架(TERD)，以提高顶部位置的推荐效果。具体来说，所提出的TERD传递任意推荐器(教师网络)的知识，并将其注入到精心设计的学生网络中。进一步利用教师网络提供的先验知识，包括学生-练习嵌入和候选练习子集，定义学生网络的状态和动作空间(即DDQN)。此外，学生网络引入了精心设计的状态表示方案和有效的个体认知追踪模型，提高了顶部位置推荐的准确性。开发的TERD遵循灵活的模型无关范式，不仅简化了学生网络的动作空间，而且提高了顶部位置推荐的准确性，从而增强了学生在电子学习环境中的积极性和参与度。我们在三个完善的数据集上实现了我们提出的方法，并评估了它的顶部位置推荐性能。对三个公开数据集的实验评价表明，我们提出的TERD方案有效解决了顶部位置推荐问题。