你好，为什么代码里完全找不到与r（答案）有关的，论文里明明有提到，也没看到更新知识状态的时候用到r的这个特征，作者能否解答一下这个问题呢

[Xiaoyanxun]

为什么代码里完全找不到与r（答案）有关的，论文里明明有提到，也没看到更新知识状态的时候用到r的这个特征，作者能否解答一下这个问题呢

[Xiaoyanxun]

就是那个Performance Encoder

[ckpassenger]

为什么代码里完全找不到与r（答案）有关的，论文里明明有提到，也没看到更新知识状态的时候用到r的这个特征，作者能否解答一下这个问题呢

对目前几个数据集，r不是选项，而是学生是否做对了题；所有答案相关的被视为edge_feature（题目本身相关的视为node_feature），在模型中以edge_feature方式加载，在当前setting下，由于没有其他行为描述特征，可以简单理解为edge_feature就是r

[Xiaoyanxun]

你们DyGKT代码中src_node_embeddings = self.src_node_updater.update(
src_nodes_features[:, :-1, :] + src_nodes_neighbor_skill_struct_features+ src_nodes_neighbor_struct_features) + (src_nodes_edge_raw_features + src_nodes_neighbor_time_features)[:,-1, :]
(src_nodes_edge_raw_features + src_nodes_neighbor_time_features)[:,-1, :]这个包含当前要预测的edge_raw_features，不是相当于把作答情况r告诉模型了吗？这样不是数据泄露了吗？怎么完成预测任务？

[ckpassenger]

你们DyGKT代码中src_node_embeddings = self.src_node_updater.update( src_nodes_features[:, :-1, :] + src_nodes_neighbor_skill_struct_features+ src_nodes_neighbor_struct_features) + (src_nodes_edge_raw_features + src_nodes_neighbor_time_features)[:,-1, :] (src_nodes_edge_raw_features + src_nodes_neighbor_time_features)[:,-1, :]这个包含当前要预测的edge_raw_features，不是相当于把作答情况r告诉模型了吗？这样不是数据泄露了吗？怎么完成预测任务？

src_neighbor里面内容都是从get_historical_neighbors里面获得的，新的连边对应的edge id并没有出现在里面，这个里面edge_raw_feature[:, -1, :]其实是pad的零向量np.zeros((len(src_node_ids), 1)).astype(np.longlong))

[Xiaoyanxun]

好的，谢谢解答哈

[ljz12]

你们DyGKT代码中src_node_embeddings = self.src_node_updater.update( src_nodes_features[:, :-1, :] + src_nodes_neighbor_skill_struct_features+ src_nodes_neighbor_struct_features) + (src_nodes_edge_raw_features + src_nodes_neighbor_time_features)[:,-1, :] (src_nodes_edge_raw_features + src_nodes_neighbor_time_features)[:,-1, :]这个包含当前要预测的edge_raw_features，不是相当于把作答情况r告诉模型了吗？这样不是数据泄露了吗？怎么完成预测任务？

src_neighbor里面内容都是从get_historical_neighbors里面获得的，新的连边对应的edge id并没有出现在里面，这个里面edge_raw_feature[:, -1, :]其实是pad的零向量np.zeros((len(src_node_ids), 1)).astype(np.longlong))

你好，我想问一下既然是0向量，为什么要在GRU之后进行相加，这样的作用是什么？