首页 | 本学科首页   官方微博 | 高级检索  
     检索      

结合CNN和GCN的在线学习平台辍学预测方法
引用本文:孟涛,王晓勇,胡胜利.结合CNN和GCN的在线学习平台辍学预测方法[J].哈尔滨师范大学自然科学学报,2023(4):58-64.
作者姓名:孟涛  王晓勇  胡胜利
作者单位:1. 淮南联合大学;2. 安徽理工大学
基金项目:安徽省重点科研项目(KJ2021A1306);
摘    要:针对在线学习平台的高辍学率问题,提出了基于图卷积模型的在线学习辍学预测方法,通过分析学习者在不同时间尺度上的行为特征,及时发现学习者的辍学倾向,采取预防或补足措施.首先,将学习平台采集到的行为数据作为时间序列数据,使用ResNet-50作为局部特征提取的卷积神经网络(CNN),构建包含时间信息的特征向量.其后,将多维特征向量作为图卷积网络(GCN)的节点特征,通过两个GCN网络层建立相关特征的内在联系,并通过数据扁平化尽量保留更多的信息.大规模在线开放课程(MOCC)公开数据集上的实验结果表明,所提方法的预测准确度高于其他先进方法.

关 键 词:图卷积网络  RestNet-50  辍学预测  卷积神经网络  数据扁平化
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号