DiffuQKT 训练指南

项目概述

这是DiffuQKT（基于扩散的知识追踪）模型的训练框架。支持ASSIST2009和ASSIST2017两个教育数据集。

数据集

ASSIST2009

• 原始数据: ASSIST2009/skill_builder_data.csv
• 数据规模: 346,860个交互记录，4,217名学生
• 技能数: 149个
• 问题数: 17,751个

ASSIST2017

• 原始数据: ASSIST2017/anonymized_full_release_competition_dataset.csv
• 数据规模: 942,816个交互记录
• 数据分割: 80% 训练集，20% 测试集（按学生分割）

安装依赖

pip install torch pandas numpy scikit-learn tqdm

使用步骤

1. 数据预处理

在执行训练前，需要预处理原始数据。

预处理 ASSIST2009

cd /mnt/sda/hds/2026_spring/DiffuQKT-main
python preprocess_assist09.py

生成文件位置: ../data/ASSIST09/

预处理 ASSIST2017

cd /mnt/sda/hds/2026_spring/DiffuQKT-main
python preprocess_assist17.py

生成文件位置: ../data/ASSIST17/

2. 模型训练

cd /mnt/sda/hds/2026_spring/DiffuQKT-main
python main.py

该脚本会自动训练所有配置的数据集（assist09 和 assist17）。

训练配置

在 main.py 中可以调整以下超参数：

参数	默认值	说明
d	128	嵌入维度
learning_rate	0.002	学习率
epochs	70	最大训练轮数
batch_size	80	批大小
min_seq	3	最小序列长度
max_seq	200	最大序列长度
grad_clip	15.0	梯度裁剪值
head	2	注意力头数
beta_start	0.0001	扩散过程起始β值
beta_end	0.02	扩散过程结束β值
diff_num_step	100	扩散步数
lamda_1	0.01	正则化参数1
lamda_2	0.001	正则化参数2
patience	30	早停耐心值

数据格式说明

训练/测试文件格式

每个用户的数据占3行：

[空行]
问题ID1,问题ID2,问题ID3,...
答案1,答案2,答案3,...

其中：

• 问题ID: 0到problem_max-1的整数（已重新映射）
• 答案: 0（错误）或 1（正确）

问题-技能映射文件

CSV格式，包含以下列：

• problem_id: 重新映射后的问题ID
• skill_id: 对应的技能ID

训练输出

训练完成后，会生成以下文件：

文件名	说明
DiffuQKT_{dataset}_0_model.pkl	训练好的模型权重
DiffuQKT_{dataset}_0_state.ckpt	模型训练状态检查点
{dataset}_output.txt	训练过程中的指标日志

模型评估指标

训练过程中计算以下指标：

• Loss: 二元交叉熵损失
• ACC: 答案预测准确率
• AUC: ROC曲线下面积（ROC-AUC）

常见问题

Q: 数据预处理失败

A: 确保数据文件位置正确

• ASSIST2009: ASSIST2009/skill_builder_data.csv
• ASSIST2017: ASSIST2017/anonymized_full_release_competition_dataset.csv

Q: 为什么没有验证集指标？

A: 当前配置只使用训练集训练和测试集评估，不再分割验证集。

Q: 如何继续训练已保存的模型？

A: 加载模型权重：

model = DiffuQKT(...)
model.load_state_dict(torch.load('./DiffuQKT_assist09_0_model.pkl'))

许可证

MIT License