본 논문은 웹 기반 지능형 교육 시스템(WIES)에서 인지 진단을 위한 새로운 프레임워크인 DLLM(Diffusion-based LLM)을 제안한다. DLLM은 대규모 언어 모델(LLM)의 장점을 활용하면서, WIES와 같은 개방 환경에서 발생하는 데이터 불균형 및 노이즈 문제를 해결하는 것을 목표로 한다. DLLM은 응답 정확성을 기반으로 독립적인 하위 그래프를 구성하고, 관계 증강 정렬 모듈을 사용하여 데이터 불균형을 완화한다. 두 하위 그래프 표현은 LLM에서 파생된 의미적으로 보강된 표현과 융합 및 정렬된다. 특히, 각 정렬 단계 전에 두 단계의 노이즈 제거 확산 모듈을 사용하여 내재적 노이즈를 제거하고 구조적 표현 정렬을 돕는다. 최종적으로, 의미적 지식과 구조적 정보를 통합한 노이즈에 강한 표현을 기존 인지 진단 모델에 입력하여 예측을 수행한다. 세 개의 공개 웹 기반 교육 플랫폼 데이터셋에 대한 실험 결과는 DLLM이 다양한 노이즈 수준에서 최적의 예측 성능을 달성함을 보여준다.
