您好，我看代码主要是以概念为输入的，我阅读了论文，也有问题为输入的，请问以问题为输入的代码是在哪里呢？

[zjj1333]

很优秀的工作！谢谢您的贡献，我想知道如果我以问题未输入的话，代码中是有一个参数的设置还是可以直接改输入的呢？例如：c直接改成cq？？

[sonyawong]

很优秀的工作！谢谢您的贡献，我想知道如果我以问题未输入的话，代码中是有一个参数的设置还是可以直接改输入的呢？例如：c直接改成cq？？

hi,感谢您对我们工作的关注~如果您想以question作为输入的话，可以直接使用cq, 并且使用的数据文件是带“qlevel”的文件，比如“train_valid_sequences_quelevel.csv”和“test_sequences_quelevel.csv”， 这些文件并未经过一题多知识点的扩展处理。

[zjj1333]

你好直接改成cq的话和是不是和r的长度不太一致呢？是否可以直接改成q呢？ q torch.Size([256, 199]) cq torch.Size([256, 200]) c torch.Size([256, 199]) r torch.Size([256, 199]) 并且您说并且使用的数据文件是带“qlevel”的文件，比如“train_valid_sequences_quelevel.csv”和“test_sequences_quelevel.csv”，这一块是在哪里进行改动呢？

[zjj1333]

  elif model_name in ["dkt", "dkt+"]:
            y = model(cq.long(), r.long())
            y = (y * one_hot(qshft.long(), model.num_c)).sum(-1)

请问是怎么更改吗？

[sonyawong]

你好直接改成cq的话和是不是和r的长度不太一致呢？是否可以直接改成q呢？ q torch.Size([256, 199]) cq torch.Size([256, 200]) c torch.Size([256, 199]) r torch.Size([256, 199]) 并且您说并且使用的数据文件是带“qlevel”的文件，比如“train_valid_sequences_quelevel.csv”和“test_sequences_quelevel.csv”，这一块是在哪里进行改动呢？

Hi, 感谢您对我们工作的关注。

Q1:如果直接改成cq的话和是不是和r的长度不太一致呢？是否可以直接改成q呢？ -->直接改成q,长度还是和response一致，但是当前的q因为是基于知识点数量进行了repeat，比如一个学生答对题目q1， q1对应c1,c2,c3知识点，就会变成（q1,c1,1）, （q1,c2,1）, （q1,c3,1）,因此不建议将c改成q作为模型输入, 建议使用待xx_quelevel.csv文件

Q2:使用的数据文件是带“qlevel”的文件，比如“train_valid_sequences_quelevel.csv”和“test_sequences_quelevel.csv”，这一块是在哪里进行改动呢？ -->执行完example/data_preprocess.py会自动生成xxx_sequences_quelevel.csv文件，需要/pykt-toolkit/pykt/datasets/init_dataset.py中的指定模型使用的dataloader和模型数据输入（c改为q），具体可以参考IEKT的数据加载和数据输入。

[Yumo216]

非常感谢您和您的团队对KT卓越的贡献，请允许我插个楼，我现在正在进行question-level的研究，训练和测试都是question-level。比如我要训练测试dkt等模型，请问在init-dataset.py中，我应该用大部分模型的数据加载代码 curvalid = KTDataset(os.path.join(data_config["dpath"], data_config["train_valid_sequences_quelevel.csv"]), data_config["input_type"], {i}) curtrain = KTDataset(os.path.join(data_config["dpath"], data_config["test_sequences_quelevel.csv"]), data_config["input_type"], all_folds - {i}) 还是直接使用KTQueDataset： elif model_name in que_type_models: # IEKT curvalid = KTQueDataset(os.path.join(data_config["dpath"], data_config["train_valid_file_quelevel"]), input_type=data_config["input_type"], folds={i}, concept_num=data_config['num_c'], max_concepts=data_config['max_concepts']) curtrain = KTQueDataset(os.path.join(data_config["dpath"], data_config["train_valid_file_quelevel"]), input_type=data_config["input_type"], folds=all_folds - {i}, concept_num=data_config['num_c'], max_concepts=data_config['max_concepts']) 并且把DKT以及其他我想要运行的模型放到que_type_models的list里。

感谢答复！