近日，我院教育大数据团队在图表示学习领域连续取得重要研究进展，研究成果“Hierarchical Spatio-temporal Graph ODE Networks for Traffic Forecasting”已在计算机学科TOP期刊《Information Fusion》(IF=15.5)公开发表；研究成果“SQGKT: Student-Question Interaction Graph-based Knowledge Tracing”已在计算机科学学科TOP期刊《Expert Systems with Applications》（IF=7.5）公开发表。

研究团队提出了分层时空图常微分方程网络(HSTGODE)，突破传统模型局限，有效解决图神经网络过平滑问题，更深入捕捉交通层次的时空特征；该模型在西安、济南等城市的真实大规模数据集上验证测试，实验结果的预测精度显著优于现有SOTA模型。HSTGODE为交通流量预测提供精准解决方案，为城市交通管理、规划及改善居民出行体验提供科学工具，推动交通预测技术实用化发展。该研究成果“Hierarchical Spatio-temporal Graph ODE Networks for Traffic Forecasting”的通讯作者是张俊涛副教授，第一作者是许涛副教授，其他作者还包括：研究生邓佳明、马若琳、张自祥、赵莹莹、赵志龙。

研究团队提出了一种基于学生问题交互图的知识追踪模型(SQGKT)。通过构建学生-问题交互图，将动态学习过程转化为图结构，SQGKT能够更加直观地展现学生的学习路径和知识掌握情况。同时，还引入动态注意力机制，使SQGKT能够聚焦于关键信息，进一步提升了知识追踪的准确性和可靠性。在三个公开数据集（ASSISTments 2009、ASSISTments 2012、Junyi）上的实验结果表面，SQGKT模型的性能明显优于现有算法，为学生学习过程建模提供了新思路，为大规模因材施教战略的实施提供重要技术手段。该研究成果“SQGKT:Student-Question Interaction Graph-based Knowledge Tracing”由河南大学我院、河南大学空间基准全国重点实验室、江苏云劭博智能科技有限公司等单位共同完成。通讯作者是张俊涛副教授，第一作者是许涛副教授，其他作者还包括：研究生赵莹莹、邓佳明、赵志龙，我院韩道军教授、河南大学空间基准全国重点实验王凤肆教授、江苏云劭博智能科技有限公司魏向乾。

近年来，我院教育大数据团队始终坚持以“人工智能技术赋能行业应用”为目标，在人工智能、知识图谱、教育大数据挖掘等领域不断取得优秀成果，团队成员已在SIGMOD、WSDM、Information Fusion、ESWA、KBS和软件学报等国内外顶级会议或期刊上发表高水平学术论文20余篇；授权与申请发明专利10余项；主持国家自然科学基金青年项目、国家资助博士后研究人员计划C档资助、省部级项目10余项。未来，团队将继续围绕人工智能技术、教育大数据应用等的核心问题，开展更深入的研究工作，为深入实施“人工智能+”行动贡献河大力量。