冷启动下保持高预测精度
该模型从多个知识组件层级学习迁移结构，动态捕捉学习者特有的知识迁移能力，并在数据稀疏场景下依然保持稳定的预测表现。
Liu, Sannyuya · Xin, Yuan · Wei, Tianyu · Jieyu, Yue · Zhejing, Zhao · 李卿 · Chen, Sijing
ACM Transactions on Information Systems 2026
在模拟冷启动知识组件的数据稀疏和泛化设置下，MHAKT依然保持最优预测精度。
迁移感知模块利用掩码注意力机制识别对目标知识组件贡献最大的Top-K历史交互，持续更新特定学习者的迁移结构。
知识迁移模块采用超图神经网络，全面建模知识组件之间多对多的迁移过程。
可视化分析进一步揭示了MHAKT在可解释建模方面的潜力。