流利说基于TensorFlow的自适应系统实践

今年2月15日,谷歌举办了首届TensorFlow Dev Summit,并且发布了TensorFlow 1.0 正式版。 3月18号,上海的谷歌开发者社区(GDG)组织了针对峰会的专场回顾活动。本文是我在活动上分享的一些回顾,主要介绍了在流利说,我们是如何使用TensorFlow来构建学生模型并应用在自适应系统里面的。首发于流利说技术团队公众号原文链接

一、应用背景

自适应学习是什么

自适应学习是现在教育科技领域谈得比较多的一个概念,它的核心问题可以用一句话概括,即通过个性化的规划学习路径,提高学生的学习效率。为什么需要自适应学习?在传统的教学过程中,每个学生的学习路径是一致的,由......

用户学习效果评测

前言

最近在做一个分析用户学习效果的项目。具体的说,对于一个用户$u_1$, 他在学习的过程中做了一些题目,那么如何通过这个信息去评价他当前的水平呢?

这个问题简单的考虑的话,直接取平均分就可以了——这当然是不行的,因为在我们的应用场景中,用户不会去完成所有的题目,更常见的情况是:在数万量级的题目中,用户只回答了其中的几道题。 还有个办法是对每个题目分析用户的答题情况(比如答题平均分),然后再反推用户的能力。 这样做法的依然会有问题。 因为新手都会回答比较简单的一些题目,而高手则倾向于回答难度更高的题目,导致的结果就是在每个题目下,答题人的能力水平是有差别,分数也就不再具有参考价值。

思......