[發(fā)明專利]基于圖神經(jīng)網(wǎng)絡(luò)的成績(jī)預(yù)測(cè)方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210415206.5
• 申請(qǐng)日: 2022-04-20
• 公開(kāi)（公告）號(hào): CN114819325A
• 公開(kāi)（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 李明;王湘薷;黃昌勤;陳雨婷;朱佳
• 申請(qǐng)（專利權(quán)）人: 浙江師范大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 黎揚(yáng)鵬

本發(fā)明公開(kāi)一種基于圖神經(jīng)網(wǎng)絡(luò)的成績(jī)預(yù)測(cè)方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)技術(shù)領(lǐng)域。其中，基于圖神經(jīng)網(wǎng)絡(luò)的成績(jī)預(yù)測(cè)方法包括以下步驟：獲取多個(gè)學(xué)習(xí)者的特征矩陣和成績(jī)標(biāo)簽；根據(jù)多個(gè)所述特征矩陣確定學(xué)習(xí)者之間的相似度，并根據(jù)所述相似度確定學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)，其中，所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)的學(xué)習(xí)者節(jié)點(diǎn)標(biāo)簽為成績(jī)標(biāo)簽；將所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)輸入圖神經(jīng)網(wǎng)絡(luò)模型得到學(xué)習(xí)者節(jié)點(diǎn)嵌入向量；將所述學(xué)習(xí)者節(jié)點(diǎn)嵌入向量輸入分類模型進(jìn)行訓(xùn)練和預(yù)測(cè)得到學(xué)習(xí)者的成績(jī)預(yù)測(cè)結(jié)果。本申請(qǐng)能夠提高預(yù)測(cè)學(xué)習(xí)者成績(jī)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的成績(jī)預(yù)測(cè)方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

成績(jī)預(yù)測(cè)作為教育大數(shù)據(jù)分析的應(yīng)用之一，通過(guò)構(gòu)建預(yù)測(cè)模型以識(shí)別學(xué)生未來(lái)的學(xué)習(xí)狀態(tài)和學(xué)習(xí)情況，以對(duì)存在的風(fēng)險(xiǎn)及時(shí)干預(yù)，提高教學(xué)效率。成績(jī)預(yù)測(cè)通過(guò)對(duì)學(xué)生過(guò)去的行為進(jìn)行建模從而來(lái)預(yù)測(cè)和評(píng)估學(xué)生們未來(lái)的學(xué)業(yè)表現(xiàn)或其他成就，可以幫助教師及時(shí)地提供有針對(duì)性的輔導(dǎo)和幫助。

目前關(guān)于成績(jī)預(yù)測(cè)方法的研究主要是利用學(xué)生歷史學(xué)業(yè)成績(jī)的訓(xùn)練數(shù)據(jù)訓(xùn)練得到一個(gè)分類函數(shù)或分類模型，并通過(guò)評(píng)估模型的性能構(gòu)建成績(jī)預(yù)測(cè)模型。傳統(tǒng)的成績(jī)預(yù)測(cè)模型以特征向量作為輸入，特征向量可以是學(xué)生在以前課程中的成績(jī)或者表現(xiàn)評(píng)分，然后輸出預(yù)測(cè)的成績(jī)，但是這些方法忽略了學(xué)生之間潛在的關(guān)系，沒(méi)有考慮學(xué)生關(guān)系對(duì)成績(jī)預(yù)測(cè)的影響，導(dǎo)致成績(jī)預(yù)測(cè)準(zhǔn)確性較低。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題之一。為此，本發(fā)明提出一種基于圖神經(jīng)網(wǎng)絡(luò)的成績(jī)預(yù)測(cè)方法、系統(tǒng)、裝置及存儲(chǔ)介質(zhì)，能夠提高預(yù)測(cè)學(xué)習(xí)者成績(jī)的準(zhǔn)確性。

一方面，本發(fā)明實(shí)施例提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的成績(jī)預(yù)測(cè)方法，包括以下步驟：

獲取多個(gè)學(xué)習(xí)者的特征矩陣和成績(jī)標(biāo)簽；

根據(jù)多個(gè)所述特征矩陣確定學(xué)習(xí)者之間的相似度，并根據(jù)所述相似度確定學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)，其中，所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)的學(xué)習(xí)者節(jié)點(diǎn)標(biāo)簽為成績(jī)標(biāo)簽；

將所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)輸入圖神經(jīng)網(wǎng)絡(luò)模型得到學(xué)習(xí)者節(jié)點(diǎn)嵌入向量；

將所述學(xué)習(xí)者節(jié)點(diǎn)嵌入向量輸入分類模型進(jìn)行訓(xùn)練和預(yù)測(cè)得到學(xué)習(xí)者的成績(jī)預(yù)測(cè)結(jié)果。

根據(jù)本發(fā)明一些實(shí)施例，所述根據(jù)多個(gè)所述特征矩陣確定學(xué)習(xí)者之間的相似度，并根據(jù)所述相似度確定學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)包括以下步驟：

采用不同的相似度算法，分別根據(jù)多個(gè)所述特征矩陣確定學(xué)習(xí)者之間的多種類型的相似度；

根據(jù)不同類型的相似度確定多種學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)。

根據(jù)本發(fā)明一些實(shí)施例，所述根據(jù)不同類型的相似度確定多種學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)包括以下步驟：

根據(jù)每一種類型的相似度構(gòu)建對(duì)應(yīng)的第一鄰接矩陣；

根據(jù)多個(gè)學(xué)習(xí)者的特征矩陣構(gòu)建學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)的學(xué)習(xí)者節(jié)點(diǎn)，將所述第一鄰接矩陣確定為對(duì)應(yīng)類型的學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)的邊；

通過(guò)自適應(yīng)學(xué)習(xí)模型，對(duì)所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)進(jìn)行平滑處理、連通和稀疏處理得到更新后的所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)，其中，更新后的所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)的邊表示為第二鄰接矩陣。

根據(jù)本發(fā)明一些實(shí)施例，所述圖神經(jīng)網(wǎng)絡(luò)模型包括特征提取單元、增強(qiáng)表示單元和特征融合單元，所述將所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)輸入圖神經(jīng)網(wǎng)絡(luò)模型得到學(xué)習(xí)者節(jié)點(diǎn)嵌入向量包括以下步驟：

將更新后的所述學(xué)習(xí)者節(jié)點(diǎn)關(guān)系圖結(jié)構(gòu)輸入所述特征提取單元得到第一節(jié)點(diǎn)嵌入向量；

根據(jù)所述第一節(jié)點(diǎn)嵌入向量和所述第二鄰接矩陣輸入所述增強(qiáng)表示單元得到第二節(jié)點(diǎn)嵌入向量；