【技术实现步骤摘要】
本专利技术涉及在线教育辍学预测，尤其涉及一种慕课学生辍学预测方法及装置。
技术介绍
1、随着大规模开放在线课程(massive open online courses，简称mooc)的普及，它们为学生提供了前所未有的学习机会，同时，mooc)作为能够保障学生受教育权、促进终身学习的有效方式，已经成为了传统教育的有益补充。
2、虽然mooc正在逐渐成为高等教育学习过程中不可或缺的一部分，但围绕mooc目前尚未解决的主要问题之一——学生辍学问题仍有许多问题需要解决。与传统的面对面教学相比，mooc由于缺乏约束和师生面对面的交流，辍学率较高，因此制定有效的预测方案可以预测学生何时辍学。
3、现有的慕课学生辍学预测技术大多采用简单的调查问卷以及简单分析的方法分析一些浅显的mooc辍学现象，不能深层次的对辍学问题进行预测和分析，导致预测结果精度不佳。
技术实现思路
1、本专利技术提供了一种慕课学生辍学预测方法及装置，用于解决现有的慕课学生辍学预测技术导致预测结果精度不佳的技术
本文档来自技高网...
【技术保护点】
1.一种慕课学生辍学预测方法，其特征在于，包括：
2.根据权利要求1所述的慕课学生辍学预测方法，其特征在于，所述卷积模块包括卷积层和池化层；所述通过所述卷积模块对所述待预测学生行为序列数据进行局部特征提取，输出局部目标特征的步骤，包括：
3.根据权利要求1所述的慕课学生辍学预测方法，其特征在于，所述注意力机制记忆网络包括双向长短期记忆模块和全连接层；所述采用所述注意力机制记忆网络对所述局部目标特征进行特征选择，生成行为特征变量的步骤，包括：
4.根据权利要求3所述的慕课学生辍学预测方法，其特征在于，所述双向长短期记忆模块包括遗忘门、...
【技术特征摘要】
1.一种慕课学生辍学预测方法，其特征在于，包括：
2.根据权利要求1所述的慕课学生辍学预测方法，其特征在于，所述卷积模块包括卷积层和池化层；所述通过所述卷积模块对所述待预测学生行为序列数据进行局部特征提取，输出局部目标特征的步骤，包括：
3.根据权利要求1所述的慕课学生辍学预测方法，其特征在于，所述注意力机制记忆网络包括双向长短期记忆模块和全连接层；所述采用所述注意力机制记忆网络对所述局部目标特征进行特征选择，生成行为特征变量的步骤，包括：
4.根据权利要求3所述的慕课学生辍学预测方法，其特征在于，所述双向长短期记忆模块包括遗忘门、输入门、输出门和激活函数层；所述采用所述双向长短期记忆模块对所述局部目标特征进行状态特征提取，输出目标细胞隐藏状态向量的步骤，包括：
5.根据权利要求3所述的慕课学生辍学预测方法，其特征在于，所述采用注意力机制根据所述查询矩...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。