最好看的小说排行,盗墓笔记,欢乐颂小说结局是什么

基于異構(gòu)信息網(wǎng)絡(luò)的學(xué)生成績預(yù)測與預(yù)警模型研究

信息技術(shù)與網(wǎng)絡(luò)安全 1期

徐小玉

(浙江萬里學(xué)院文獻與信息中心，浙江寧波315000)

摘要： 推薦系統(tǒng)是數(shù)據(jù)挖掘中強有力的技術(shù)，異構(gòu)信息網(wǎng)絡(luò)是推薦系統(tǒng)起步晚卻發(fā)展迅猛的主流推薦方法。提出了基于異構(gòu)信息網(wǎng)絡(luò)的學(xué)生成績預(yù)測與預(yù)警模型，該方法通過元路徑計算得到學(xué)生間相似度矩陣，利用相似度矩陣構(gòu)造成績變化趨勢矩陣和幅度矩陣，投票得到學(xué)生成績預(yù)警與預(yù)測結(jié)果；最后，在公開數(shù)據(jù)集上驗證所提模型的有效性，結(jié)果表明，該模型能夠?qū)W(xué)生成績進行預(yù)警，并能在一定閾值下預(yù)測學(xué)生成績具體分值。

關(guān)鍵詞： 異構(gòu)信息網(wǎng)絡(luò) 元路徑成績預(yù)警成績預(yù)測數(shù)據(jù)挖掘

推薦系統(tǒng)是數(shù)據(jù)挖掘中強有力的技術(shù)，異構(gòu)信息網(wǎng)絡(luò)是推薦系統(tǒng)起步晚卻發(fā)展迅猛的主流推薦方法。提出了基于異構(gòu)信息網(wǎng)絡(luò)的學(xué)生成績預(yù)測與預(yù)警模型，該方法通過元路徑計算得到學(xué)生間相似度矩陣，利用相似度矩陣構(gòu)造成績變化趨勢矩陣和幅度矩陣，投票得到學(xué)生成績預(yù)警與預(yù)測結(jié)果；最后，在公開數(shù)據(jù)集上驗證所提模型的有效性，結(jié)果表明，該模型能夠?qū)W(xué)生成績進行預(yù)警，并能在一定閾值下預(yù)測學(xué)生成績具體分值。

Research on the prediction and early warning model of student achievement based on heterogeneous information network

Xu Xiaoyu

(Literature Information Center，Zhejiang Wanli University，Ningbo 315000，China)

Abstract： Abstract： Recommendation system is a powerful technology in data mining. Heterogeneous information network is the mainstream recommendation method which started late but developed rapidly. In this paper, we proposed a student achievement prediction and early warning model based on heterogeneous information network. This method obtains the similarity matrix among students by Meta-Graph calculation, constructs the achievement change trend matrix and amplitude matrix by using the similarity matrix, and obtains the student achievement early warning and prediction by voting. Finally, the effectiveness of the proposed model is verified on the open data set, the experimental results show that the model can give early warning to the student achievement and can predict the specific score of students′ performance under a certain threshold.

Key words : heterogeneous information network；Meta-Graph；academic warning；academic prediction；data mining

0 引言

教育數(shù)據(jù)挖掘旨在從海量的教育數(shù)據(jù)中發(fā)現(xiàn)隱藏在其中的內(nèi)在聯(lián)系與規(guī)律，為學(xué)生學(xué)習(xí)、教師教學(xué)以及教育管理提供一些幫助[1]。學(xué)生成績預(yù)測與預(yù)警作為教育數(shù)據(jù)挖掘領(lǐng)域的重要研究分支之一，學(xué)生成績預(yù)測與預(yù)警能幫助學(xué)生完善自我認知，提高自我學(xué)習(xí)能力，提升學(xué)生成績及教師的教學(xué)成果，并且有助于教師對預(yù)警學(xué)生進行有效的干預(yù)和指導(dǎo)，具有重要的研究意義與應(yīng)用價值。目前，對學(xué)生成績進行預(yù)測分析及其成績關(guān)鍵影響因素挖掘研究已引起國內(nèi)外學(xué)者的關(guān)注，如張福生等的基于校園云的高校學(xué)生學(xué)業(yè)監(jiān)測與預(yù)警系統(tǒng)研究[2]，周慶的基于數(shù)據(jù)挖掘技術(shù)的高校學(xué)生學(xué)業(yè)預(yù)警分析研究[3]，尹茂竹的基于大數(shù)據(jù)的高校學(xué)生學(xué)業(yè)成績預(yù)警分析[4]，李夢瑩的基于雙路注意力機制的學(xué)生成績預(yù)測模型[5]。

在已有研究中，大多數(shù)學(xué)生成績只是給予在成績類別上的預(yù)測，如好、中、差等[5-8]，少有能給出學(xué)生成績分值的直接預(yù)測，而且鮮有學(xué)者利用異構(gòu)信息網(wǎng)絡(luò)對學(xué)生成績預(yù)測與預(yù)警進行研究。本文提出了基于異構(gòu)信息網(wǎng)絡(luò)的學(xué)生成績預(yù)測與預(yù)警模型，該方法通過元路徑計算得到學(xué)生間相似度矩陣，利用相似度矩陣構(gòu)造成績變化趨勢矩陣，投票得到學(xué)生成績預(yù)警與預(yù)測結(jié)果；最后，在公開數(shù)據(jù)集上驗證所提模型的有效性，結(jié)果表明，該模型能夠?qū)W(xué)生成績進行預(yù)警，并能在一定閾值下預(yù)測學(xué)生成績具體分值。

本文詳細內(nèi)容請下載：http://m.viuna.cn/resource/share/2000003941。

作者信息：

徐小玉

(浙江萬里學(xué)院文獻與信息中心，浙江寧波315000)

原創(chuàng)聲明：此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容