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 |
|
|