一种发现大学生日常生活习惯的神经网络结构与方法技术

本发明专利技术公开了一种发现大学生日常行为习惯的神经网络结构与方法，包括：获取大学生校园生活基本数据并存入数据库；对生活基本数据预处理工作，将数据分为不同数据集；针对所采集数据，构建基于特征的行为分类，获取数据分类结果；根据数据分类结果，先利用空间化图卷积网络分类模型，再引入基于注意力机制的图卷积神经网络结构与方法，建立学生行为习惯基于外显行为数据的发现机理与表示计算；针对习惯定性化描述中内容混杂的问题，利用神经网络模型输出的结果，构建习惯基于其外显行为的集合化表达与形式化描述。最终构建出行为习惯可发现模型，根据不同学生行为数据进行分析，可以解决教育数据深层次挖掘的问题，实现教育数据利用和分析。

【技术实现步骤摘要】
一种发现大学生日常生活习惯的神经网络结构与方法
本专利技术属于教育学\教育技术学与计算机科学、地理信息科学等多学科交叉领域，具体涉及一种发现大学生日常生活习惯的神经网络结构与方法。
技术介绍
教育大数据的发展十分迅速，围绕教育大数据的数据处理、信息挖掘与应用服务等研究成为一系列研究热点。同样，应用校园大数据分析学生的成才过程，构建有效保障，也已经成为教育大数据新的研究方向。我国教育家叶圣陶先生说过：“教育就是培养习惯。”抛开对习惯与教育目标的关系争议，自古以来，不论是国内还是国外，教育家们对于习惯的重要性有着统一的认识，习惯对人极为重要。所谓习惯，是在长久过程中经反复练习，并发展成个体自动化的行为方式。习惯是变化的，若不注意养成过程中的不当行为影响，好习惯会变成坏习惯。然而良好的习惯不能在无意识状态下自发形成，一般自发形成的习惯大多是不良习惯，坏习惯一旦形成，其改良的过程将变得漫长而苦难。大学生是当代社会的重要组成部分，也是最生动最具有活力的群体，其综合素质的高低，直接关系国家与社会的长远发展。大学教育应当在学生进入大学初期就有本文档来自技高网...

【技术保护点】
1.一种发现大学生日常生活习惯的神经网络结构，其特征在于，包括依次相连的数据获取模块、数据预处理模块、校园生活数据分类模块、习惯数据发现模块以及习惯数据描述模块；/n所述数据获取模块，用于获取大学生日常生活数据，并存入数据库；/n所述数据预处理模块，用于对大学生日常生活数据进行过滤、清洗和离散化数据预处理；/n所述校园生活数据分类模块，用于构建基于特征的行为分类，获取日常生活数据分类结果；/n所述习惯数据发现模块，用于对日常生活数据分类结果得到的同类数据进行关联分析，并根据邻域聚合特征信息得到习惯描述的数据输出结果；/n所述习惯数据描述模块，用于根据习惯描述的数据输出结果，利用习惯基于外显行为...

【技术特征摘要】
1.一种发现大学生日常生活习惯的神经网络结构，其特征在于，包括依次相连的数据获取模块、数据预处理模块、校园生活数据分类模块、习惯数据发现模块以及习惯数据描述模块；
所述数据获取模块，用于获取大学生日常生活数据，并存入数据库；
所述数据预处理模块，用于对大学生日常生活数据进行过滤、清洗和离散化数据预处理；
所述校园生活数据分类模块，用于构建基于特征的行为分类，获取日常生活数据分类结果；
所述习惯数据发现模块，用于对日常生活数据分类结果得到的同类数据进行关联分析，并根据邻域聚合特征信息得到习惯描述的数据输出结果；
所述习惯数据描述模块，用于根据习惯描述的数据输出结果，利用习惯基于外显行为的集合化表达与形式化描述，得到大学生日常生活习惯的具体准确描述。


2.根据权利要求1所述的发现大学生日常生活习惯的神经网络结构，其特征在于，所述数据预处理模块包括依次相连的数据选取模块、数据清洗模块及数据划分模块；
所述数据选取模块，用于选取智慧校园采集的数据库中与学生日常生活习惯相关联的数据；
所述数据清洗模块，用于对数据库中的数据进行过滤、清洗和离散化，以消除不完整、存在缺失或重复的数据，并进行数据集成；
所述数据划分模块，用于将集成的数据划分成训练集、验证集和测试集。


3.根据权利要求1所述的发现大学生日常生活习惯的神经网络结构，其特征在于，所述校园生活数据分类模块包括依次连接的数据图结构化模块、图节点状态更新模块以及图结构数据分类模块；
所述数据图结构化模块，用于将学生生活习惯数据描述成属性图，并建立节点表示校园时空序列中的行为活动，建立边表示节点之间的关系；
所述图节点状态更新模块，用于更新节点数据，并通过消息函数和更新函数进行消息传播机制迭代的方法计算节点表示向量，形成图数据结构形式化表达；
所述图结构数据分类模块，用于获取数据的广泛分类结果，并利用监督分类的方法，建立对学生行为习惯外显活动的时空图卷积网络分类，实现图结构数据的分类。


4.根据权利要求1所述的发现大学生日常生活习惯的神经网络结构，其特征在于，所述习惯数据发现模块包括依次连接的领域特征聚合模块及习惯发现模块；
所述邻域特征聚合模块，用于对分类的学生日常行为建立邻域特征关系的聚合过程，并利用空间化图卷积网络分类模型，得到行为习惯分类结果；
所述习惯发现模块，用于对学生数据进行分析和形式化表达习惯特性，获得完整、系统的习惯数据。


5.根据权利要求1所述的发现大学生日常生活习惯的神经网络结构，其特征在于，所述习惯数据描述模块包括依次连接的习惯定义模块和数据描述模块
所述习惯定义模块，用于构建习惯进行外显行为要素化和形式化表达结构；
所述数据描述模块，用于对大学生日常生活习惯的网络结构模型输出数据进行描述，将输出数据结合习惯的表达与定义，获得习惯的准确描述。


6.一种发现大学生...

【专利技术属性】
技术研发人员：周东波，喻宏伟，余雅滢，王小梅，涂悦，
申请(专利权)人：华中师范大学，
类型：发明
国别省市：湖北;42