由中國中文信息學會社會媒體處理專委會主辦、浙江大學承辦、智源社區支持的第九屆全國社會媒體處理大會（SMP 2020）9月4日-6日在線上召開，中國工程院院士潘云鶴，香港科技大學講席教授楊強，英國皇家工程院院士、歐洲科學院院士郭毅可等來自人工智能、社會科學、教育等領域的近百位頂級專家學者和業界翹楚進行了專題報告。愛學習教育集團AI Lab受邀在會上分享了學術報告——《基于題模表征學習的層級圖網絡知識追蹤》，憑借在該領域的創新研究成果，論文被評為“SMP 2020優秀研究成果獎”（大會僅有2個優秀研究成果獎）。
清華大學劉知遠教授在大會閉幕式上宣布愛學習AI Lab學術論文榮獲“SMP2020優秀研究成果獎”
本屆全國社會媒體處理大會設置了2場前沿講習班、3場特邀報告、2場青年科學家報告和十多場論壇，近百位頂級專家學者和業界翹楚圍繞智慧教育、情感計算、數據挖掘等話題進行了深入交流和探討。大會同時收集了92份學術論文，在程序委員會通訊評審和復審之后，34位作者受邀在會上進行了報告分享，愛學習AI Lab分享的創新研究成果得到了與會人員的高度認可，被評選為優秀研究成果獎。
愛學習AI Lab論文作者在大會上進行研究成果分享
社會媒體處理的對象包含內容數據和網絡結構數據，它從本質上來說是跨學科性的研究領域。在教育系統中，學生學習的過程同樣可以理解為一種建立知識網絡的過程，用科學的方法量化分析知識點之間的深層關聯，并且對學生的認知過程進行建模能夠對教學生產起到重要的指導意義。其中，知識追蹤（Knowledge Tracing) 算法扮演了十分重要的角色，精準的知識追蹤模型是個性化教學的基礎。給定學習者的答題記錄，知識追蹤模型可以通過預測學生的答題表現來實時地追蹤每個知識點的掌握情況。
愛學習AI Lab在論文中提出了一個基于題模的層次圖的知識追蹤模型，通過構建層次化題目圖網絡并結合序列模型來提升知識診斷的能力。該論文通過引入題模的概念來表征某一類具有相似語義文本信息的題目，使用層次化的圖網絡來學習每個題模的表征，并通過層次圖網絡與序列模型的聯合優化來強化知識追蹤模型。模型中還引入了兩種注意力機制分別強化學習者對過去做過相似題模的記憶和當前專注題模與整套題模體系的關聯，并提出了一種 K&S 診斷方法使得診斷內容更加具體和豐富，最后通過在一個大規模真實數據集上證明了該模型的有效性及其應用的多樣性。
據悉，該知識診斷框架未來將落地于愛學習的各類教學場景，智能推薦科學高效的學習路徑，幫助學生查漏補缺，進一步完善每個學生的知識體系，同時智能生成教學建議，幫助老師對每個學生進行個性化的輔導。
作為“內容和科技驅動的K12教育供給平臺”，愛學習教育集團始終以教研教學和科技創新作為核心發展驅動力，近年來不斷探索AI技術與教育的深度融合，旗下AI Lab陸續推出十多款創新產品和應用，覆蓋了“教、學、練、評、測”全教學場景。此次受邀在SMP2020進行論文分享并榮獲優秀研究成果獎，再一次向行業展現了愛學習AI技術的領先水平。未來，愛學習將繼續堅持對科技創新的投入，攜手行業伙伴創建教育AI創新平臺，共同推動更多的研究成果在教育場景落地，助力教育產業的智能化升級。
