一种基于双路注意力机制的学生成绩预测方法技术

本发明专利技术提供一种基于双路注意力机制的学生成绩预测方法，包括以下步骤：获取学生属性特征、第一阶段历史成绩和第二阶段历史成绩；得到每个所述学生属性特征关于第一阶段历史成绩的特征向量f

【技术实现步骤摘要】
一种基于双路注意力机制的学生成绩预测方法
本专利技术涉及成绩预测
，尤其涉及一种基于双路注意力机制的学生成绩预测方法。
技术介绍
学生成绩预测，即根据学生的属性特征及历史成绩等信息预测学生未来的表现，是进行学习分析的重要目标之一。作为教育数据挖掘领域的一个重要研究分支，学生成绩预测有助于教师对学生的学习过程进行及时有效的干预和指导，例如识别出有风险的学生，以便及时提供干预措施。此外，还可用于在线测评，认知诊断，学生画像构建和推荐系统。如何利用数据挖掘技术，从海量的教育数据中发现隐藏在其中的内在联系与规律，对学生成绩进行准确预测已经成为一个非常重要的问题。围绕这个研究问题，研究者们提出了多种解决方法，大部分相关的研究主要集中在对影响学生成绩的属性特征选择上。现有的研究要么仅考虑重要因素对学生成绩的影响而忽略了次要因素的影响。要么假设关键因素对所有学生的影响程度是相同的，忽略了学生的个体差异。然而不同因素对同一学生成绩的影响程度是不同的，并且不同学生受同一因素的影响程度也是不同的。如何更全面准确地分析利用这些属性特征对学生成绩进行预测本文档来自技高网...

【技术保护点】
1.一种基于双路注意力机制的学生成绩预测方法，其特征在于，包括以下步骤：/n步骤1：获取学生属性特征、第一阶段历史成绩和第二阶段历史成绩；/n步骤2：得到每个所述学生属性特征关于第一阶段历史成绩的特征向量f

【技术特征摘要】
1.一种基于双路注意力机制的学生成绩预测方法，其特征在于，包括以下步骤：
步骤1：获取学生属性特征、第一阶段历史成绩和第二阶段历史成绩；
步骤2：得到每个所述学生属性特征关于第一阶段历史成绩的特征向量f1和每个所述学生属性特征关于第二阶段历史成绩的特征向量f2；
步骤3：将特征向量f1和特征向量f2融合得到特征向量f；
步骤4：将特征向量f通过三层全连接神经网络MLP计算出学生成绩预测得分p；
其中，p＝MLP(f)，三层全连接神经网络MLP中两个隐含层间的非线性激活函数为ReLU函数，其输出层使用softmax函数。


2.根据权利要求1所述的一种基于双路注意力机制的学生成绩预测方法，其特征在于：所述步骤1具体为，每个学生特征集合M都是由一系列的属性特征attributes＝{x1,x2,...,xn}、第一阶段历史成绩G1及第二阶段历史成绩G2表示，即M＝{attributes,G1,G2}，其中n为属性特征的数量；对离散的属性特征值、第一阶段历史成绩以及第二阶段历史成绩进行初始编码，将离散的特征属性值、第一阶段历史成绩以及第二阶段历史成绩值经过随机化生成的参数矩阵后转化成属性矩阵A∈Rk*n以及第一阶段历史成绩向量g1∈Rk和第二阶段历史成绩向量g2∈Rk，k为各属性特征及历史成绩向量维度，n为属性特征的数量；
所述步骤2具体为，对各离散的属性特征以及前两个阶段历史成绩进行编码后，为了得到各属性特征在第一阶段历史成绩上的特征向量f1和第二阶段历史成绩上的特征向量f2，分别进行两次注意力计算；
步骤2.1：利用多层感知器(Multi-LayerPerceptron，MLP)操作来进行各属性特征的注意力权重计算：
ui＝MLP([g1；Ai]),i＝1,2,...,n；
vi＝MLP([g2；Ai]),i＝1,2,...,n；
式中ui指基于第一阶段历史成绩向量g1计算得到的各属性特征的注意力权重，vi指基于第二阶段历史成绩向量g2计算得到的各属性特征注意力权重，Ai为特征矩阵A中第i列的属性特征向量，[.；.]表示特征拼接...

【专利技术属性】
技术研发人员：王晓东，李梦莹，陈恩红，刘淇，张琨，阮书岚，李淳，
申请(专利权)人：河南师范大学，
类型：发明
国别省市：河南;41