一种基于GBDT的学生人格倾向预测方法技术

本发明专利技术公开了一种基于GBDT的学生人格倾向预测方法，涉及学生人格倾向预测技术领域，包括以下步骤：预先基于MBTI评估模型，采集学生心理状态信息作为标签数据信息，并基于日志服务器数据库，采集学生网络访问日志数据信息；将采集的心理状态信息和网络访问日志数据信息进行数据建模，将获取的特征数据信息进行降维处理，并进行分成训练数据和测试数据，基于训练数据使用GBDT回归算法训练GBDT模型，并将训练好的GBDT模型作为预测模型，对学生进行性格倾向进行预测。本发明专利技术实现能对学生心理状态进行预测，不仅适应性广，而且减少了创建量表和分发量表以及收集量表的时间，预测成本低且效率高。

【技术实现步骤摘要】
一种基于GBDT的学生人格倾向预测方法
本专利技术涉及学生人格倾向预测
，具体来说，涉及一种基于GBDT的学生人格倾向预测方法。
技术介绍
现阶段国内结合数据挖掘模型的方法对学生心理状态进行研究工作主要有两个方面：一是基于社交网络数据的心理分析研究，其中比较主流的研究是通过新浪微博数据对用户的人格进行预测；另一方面是通过影响心理状态的因素入手，例如青少年感恩量表(AGS)和自评抑郁量表(SDS)等。对人格心理方面的研究集中于抑郁焦虑等心理状态与个体性格之间的关联性上。总的来说现阶段的研究主要局限于某类特定群体的行为分析以及就影响因素方面的心理学分析与阐释，而大数据时代的到来，高效信息化平台的建设越来越完善，获取学生全天24小时的在校上网行为数据更是极大量的数据，研究价值也更高，此前却很少或者几乎没有使用高校计算方法来研究这种数据。故基于这种数据，运用数据处理技术以及机器学习中的算法与模型，胃实现对学生心理状态的预测带来了可能。因此亟需一种基于GBDT的学生人格倾向预测方法，尽可能不造成学生心理负担的情况下，去分析出学生心理本文档来自技高网...

【技术保护点】
1.一种基于GBDT的学生人格倾向预测方法，其特征在于，包括以下步骤：/n预先基于MBTI评估模型，采集学生心理状态信息作为标签数据信息，并基于日志服务器数据库，采集学生网络访问日志数据信息；/n将采集的心理状态信息和网络访问日志数据信息进行数据建模，其中包括获取特征数据信息和采集的标签数据信息合并；/n将获取的特征数据信息进行降维处理，并进行分成训练数据和测试数据；/n基于训练数据使用GBDT回归算法训练GBDT模型，并将训练好的GBDT模型作为预测模型，对学生进行性格倾向进行预测。/n

【技术特征摘要】
1.一种基于GBDT的学生人格倾向预测方法，其特征在于，包括以下步骤：
预先基于MBTI评估模型，采集学生心理状态信息作为标签数据信息，并基于日志服务器数据库，采集学生网络访问日志数据信息；
将采集的心理状态信息和网络访问日志数据信息进行数据建模，其中包括获取特征数据信息和采集的标签数据信息合并；
将获取的特征数据信息进行降维处理，并进行分成训练数据和测试数据；
基于训练数据使用GBDT回归算法训练GBDT模型，并将训练好的GBDT模型作为预测模型，对学生进行性格倾向进行预测。


2.根据权利要求1所述的基于GBDT的学生人格倾向预测方法，其特征在于，步骤所述将采集的心理状态信息和网络访问日志数据信息进行数据建模，包括以下步骤：
预先按照访问网址统计每个学生的访问次数，其中包括标定学生ID；
将访问网址进行分类，确定不同分类标签的学生访问次数；
对同分类标签的学生访问次数进行筛选，包括分别标定没有心理问题的学生IDY和有问题的学生记为IDN。


3.根据权利要求1所述的基于GBDT的学生人格倾向预测方法，其特征在于，步骤所述获取的特征数据信息进行降维处理，包括对特征数据信息基于主成分分析法进行...

【专利技术属性】
技术研发人员：张晗，秦勇，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东;44