申请/专利权人：北京工业大学

申请日：2024-03-24

公开（公告）日：2024-06-18

公开（公告）号：CN118211709A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/20;G06N3/0464;G06F18/24;G06F18/213;G06N3/094;G06N3/0475;G06N3/045;G06N3/0442;G06F18/23;G06F16/21

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种基于空洞因果卷积的学生成绩预测分析方法，通过使用GAN生成符合学生的原始行为数据分布的新样本达到平衡数据集的目的，并提出了一种基于空洞因果卷积的成绩预测模型，提高了模型对长时间序列数据的处理能力，最后使用SHAP方法结合三因素理论对影响学生成绩的因素进行重要性分析和解释。通过在公开数据集上的实验验证了所提方法在学生成绩预测任务上的有效性，对比现有的其他学生成绩预测方法，在各指标上均有提升。

主权项：1.一种基于空洞因果卷积的学生成绩预测分析方法，其特征在于，包括以下步骤：步骤1、从两个公开数据集中选择原始数据；首先，选取学生的校园行为信息中人数多的专业，反映学生在校园内的消费行为和通勤行为；其次，选取学生的学习行为信息中人数多的课程，反映学生对学习资料的学习频次；步骤2、对每位学生进行标注；根据学生的专业内排名或课程成绩排名将学生按照1:3:1的比例分为三类，分别表示为0、1和2；其中，0表示学生属于优秀学生，1表示中等学生，2表示风险学生；步骤3、对包含学生不同行为信息的数据进行特征提取和数据预处理；对于校园行为，提取学生在校园内的不同场所的活动频次及学生是否在当天的不同时段发生相应行为的离散值；对于学习行为，提取学生对20种不同的学习资料的学习频次；由此，得到学生在不同行为下的原始特征张量，并对特征张量中的频次数据进行标准化；步骤4、通过使用GAN网络生成与原少数类样本相似的新样本，以实现数据集的平衡，最终提高预测性能；GAN网络包含生成器和判别器两个部分，生成器采用编码-解码结构生成与少数类样本数据分布相似的新样本，判别器则通过卷积结构对学生行为数据进行特征提取，并将其送入由全连接层组成的分类器中生成对学生成绩的预测结果；步骤5、使用基于空洞因果卷积的成绩预测模型对三类学生进行预测；以均衡后的学生行为数据xciG,I为输入，使用多层长时间特征提取模块提取特征间的复杂模式，模块内使用双门控空洞因果卷积和门控循环单元GRU对学生行为序列数据的记忆和遗忘，提取重要的上下文信息并保持长期记忆的特点；最后，成绩预测模块使用多层感知器MLP的结构对获取到的学生特征xeiG,I进行分类，得到最终成绩预测结果；步骤6、使用基于SHAP方法的学生成绩影响因素分析模块对影响学生成绩的因素进行解释分析；步骤7、对比不同方法对学生成绩预测的实验效果验证有效性；步骤8、设置消融实验进一步验证基于GAN的数据生成模块、空洞因果卷积模块和双门控机制的有效性；步骤9、通过对数据集中未知学生进行预测，验证在学生成绩预测任务上的泛化能力；步骤10、使用SHAP方法结合三因素理论解释学生成绩的影响因素；步骤11、通过对使用SHAP方法进行重要性分析后得到的学生重要特征采用方差分析法进行校验，验证分析结果的准确性；步骤12、考虑到学生成绩受多种因素影响，而学生的不同行为之间存在相互联系，对学生的校园行为和学习行为进行了归类，划分学生行为的类别后，再次使用SHAP方法对学生的不同类别行为进行分析解释。

全文数据：

权利要求：

百度查询： 北京工业大学 一种基于空洞因果卷积的学生成绩预测分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD