来源：公众号”Educational Data Mining”
原文链接：https://mp.weixin.qq.com/s/oBf71ljnAd8tTXKHdfC-JQ
近日，国际人工智能联合会IJCAI公布了2026年的论文录用结果，湖北大学软件工程研究所24级硕士研究生郑乐乐和25级硕士研究生何晓雪同学（导师：肖奎、张淼）的论文“LECDPR: LLM Enhancement and Concept-Document Interactive Modeling for Prerequisite Relation Prediction”被全文录用。International Joint Conference on Artificial Intelligence(简称IJCAI)由国际人工智能联合会主办，是中国计算机学会（CCF）推荐的B类国际学术会议。
论文题目：LECDPR: LLM Enhancement and Concept-Document Interactive Modeling for Prerequisite Relation Prediction（IJCAI 2026）
论文作者：肖奎，郑乐乐，何晓雪，张淼（通讯作者），黄志芳，张龑
论文概述：准确预测概念之间的先决关系对于课程规划和智能辅导系统至关重要。现有的基于文本的方法经常受到冗余措辞、模糊句子和领域特定口语等噪声的污染。此外，基于图结构的先前方法可能未能捕捉概念与文档之间的复杂交互，两种方法之间存在信息鸿沟。因此，我们提出了一种用于先决关系预测的大语言模型增强与概念-文档交互建模（LECDPR）模型。具体而言，LECDPR 通过两阶段提示引导大语言模型提取概念描述和文档中的上下文证据，生成概念的语义空间嵌入。然后，通过三种传播机制对概念与文档之间的复杂交互关系进行建模，以产生关系空间嵌入，通过随机掩码和对比学习对齐两种嵌入，并自适应地融合所得嵌入。最后，融合后的概念表示被用于更准确的先决关系预测。在三个公开数据集上的实验结果表明，LECDPR 在学习概念先决关系方面优于现有方法。
丛末