基于校园行为信息网络的生活习惯相似学生搜索

发布时间：2023-10-27 19:39

　　利用大数据分析、深度学习等新一代信息技术,通过掌握学生的兴趣、爱好、生活习惯等,提高人才培养质量已成为当前重要的科学研究问题.寻找具有相似生活习惯的学生对于心理状况及学业状况预警都有着积极的作用.已有的相似生活习惯学生搜索算法无法解释学生之间相似的原因,并且无法拓展性地融合更多数据源.为此提出了基于校园行为信息网络的生活习惯相似学生搜索算法SCALE(similar campus lifestyle miner).SCALE算法通过带约束的元路径计算相似度.SCALE不仅能保留原始数据中的相似语义,同时可以在此基础上拓展性地融合更多数据源.进一步对算法各部分解耦,为SCALE算法设计了并行化策略以提高执行效率.通过真实校园环境数据集上的实验,验证了SCALE算法的有效性和执行效率.

【文章页数】：14 页

【文章目录】：
1 问题定义
2 相关工作
    2.1 基于异构信息网络的相似性度量
    2.2 教育数据挖掘
3 SCALE—生活习惯相似学生搜索
    3.1 单层学生相似子网络的构建
    3.2 学生相似网络的构建
    3.3 基于网络嵌入的相似学生搜索
    3.4 并行化
4 实 验
    4.1 数据集介绍及实验设置
    4.2 SCALE有效性测试
    4.3 模型简化测试
    4.4 应用实例
    4.5 SCALE执行效率
5 结 论



本文编号：3857142