个性化贝叶斯知识追踪模型。隐马尔可夫模型

Question

我目前正在看这篇关于贝叶斯knwoledge追踪的文章。虽然我能理解HMM及其计算，但我无法将其与本文的推理公式联系起来。

个性化贝叶斯知识追踪 楷模 Michael V. Yudelson，Kenneth R. Koedinger和Geoffrey J. Gordon。

确切的问题是如何学习这个模型的参数，我知道我必须计算aplha，beta概率并使用belm-waulch来做，但我不明白我如何编码这个模型和什么我的下颌公式看起来像，因为我只能让600名学生知道我有600个参数p（T | S），认为转换概率是以学生和2个猜测和滑动参数为条件的。现在我有两个问题

1.学习这些参数后，我的推理公式怎么样？（确切的公式会很有帮助）

2.如何使用EM（baum-welch）对此进行编码我的意思是代码更改为alpha和beta概率。

主要问题是我无法弄清楚变异参数上的多项式节点的条件化将如何影响代码。

Answer 1

这是由Baker完成的BKT的实现，它在java中，我认为它会更容易看到它。

https://pslcdatashop.web.cmu.edu/ExternalTools?toolId=2

获得的主要想法是，您将为不同的技能制作不同的网络。该zip包含java中的拟合算法，用于估计网络的参数，以及doc文件，它告诉您使用哪些公式以及从中获取它们的论文。