- 本文研究问题：
- 冷启动：检索解决，检索中hash
- 数据增强：蒸馏辅助
- 新问题：
- 问题方向
- OOB
- 新学生 inductive： 新框架
- 新题目：通用模型
- 冷启动：推荐系统
- 公平：数据
- 序关系：查查
- OOB
- 框架问题
- 将Transductive 转化成 inductive （trans id 表示学生，没有新学生的表示）
- 数据问题：
- 数据集
- Assist 09 数据：题目维度 17671 维，拟合难度大
- 新数据：Ednet、junyi
- 数据增强
- IDCDF 的掩码问题：
- 小数据掩码好，信息密集，掩码能防止过拟合
- 大数据掩码差，信息稀疏，掩码更难拟合
- 信息密度判断——>进行掩码
- 数据特征提取、融合、转化等：
- 题目、学生、知识点——图
- 表示分布：
- 分布，条件分布和原分布的关系
- 【技术路线】：更细化的蒸馏
- 数据集
- 指标
- DOA可解释性指标（表示但是单调性），实验补上
- 可识别 DOC
- 构造可区分指标
- 问题方向
本论文复盘：
- 数据部分：
- 新数据、统计特征，
- 本次 math 12、assist 09、17，新增 FrcSub、EdNet-1、junyi
- 题目数、学生数、知识点数、logs 数量
- 平均做题数及其方差、稀疏性 log / stu_num*item_num、平均正确率、Q 矩阵密度
- 数据理解
- Math 1&2: 信息稠密，可用于检验解决过拟合的算法
- Assist 17: 比较均衡，数据量较大，可用于检验比较深的模型
- Assist 09: 稀疏，考虑进一步数据挖掘算法（可补充图信息）
- 新数据、统计特征，
- 实验部分
- 明确所有算法的所有参数：所有可能的调参情况列好，然后再实验填写。
- Pycharm 跑多个算法的时候会出现多个项目（如 test，test(1), test(2)）就把名称写在调参表里
- 补充新数据、新算法
- 论文部分：
- 英文转中文后统计字数：
- 摘要：500-600
- 引言：1200-1400
- 相关工作 (3 part，如深度哈希、认知诊断、对比学习): 1200 左右
- 注：此处参考文献较集中，可扩展：40-50 篇
- 为了文章流畅性，可调到倒数第二章（结论之前）
- 问题阐述： 1500-2000
- 算法：2000
- 实验：2500
- 大实验、消融、可视化
- 结论 500 以内
- 摘要、结论最后写
- 翻译润色
- 全文的用词要一致
- 公式用大模型转公式
- 表格转 latex：https://www.tablesgenerator.com/
- 写作 Deadline 一周内
- 英文转中文后统计字数：
- 图部分
- 整体
- PPT 做小图
- 框架图 Visio
- 图标网站：iconfont-阿里巴巴矢量图标库
- 可改颜色、大小、格式（建议 SVG）
- 配色：
- 整体
ZXVHJGI^&$*(&)