[发明专利]一种学生综合成绩的多标签预测方法及系统

说明书

本发明公开了一种学生综合成绩的多标签预测方法及系统，通过构建多组注意力机制，计算每组过往考试成绩与每组学习行为标签数据之间的注意力权重值，根据注意力权重值计算每组过往考试成绩与多组学习行为标签数据之间的特征向量，直至得到多组特征向量，每一组特征向量充分体现出多组学习行为标签与一组过往考试成绩之间的关联关系，实现了过往考试成绩与学习行为标签数据之间关键信息的互补；融合后的特征向量中充分考虑了不同的学习行为标签对于下次学生考试成绩的作用程度和不同过往考试成绩对学生下次考试成绩的作用程度，最后将融合后的特征向量输入至已经训练完成的BP神经网络中，提升BP神经网络预测学生考试成绩的准确度和合理性。

技术领域

本发明涉及学生成绩预测技术领域，特别涉及一种学生综合成绩的多标签预测方法及系统。

背景技术

目前我国大部分的高等院校中的各项教学任务中，其工作的核心都是围绕着教学的管理工作进行的。在教学管理工作中，比较核心的内容是针对学生成绩的管理。

在相关方案中，已有通过构建神经网络模型，然后将学期内的过往考试成绩和影响考试成绩的学习行为标签输入至已经训练完成的神经网络模型中，得到模型输出对学生下次考试的预测成绩，虽然相关方案能够对学生的下次考试成绩进行预测，但是该方案是将无规律的离散数据输入至神经网络模型中，忽略了不同的学习行为标签对于下次学生考试成绩的不同作用程度和不同过往考试成绩对学生下次考试成绩的不同作用程度，还忽略了不同过往考试成绩与不同的学习行为标签之间的关联关系，使得预测准确度较低。

发明内容

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明提出一种学生综合成绩的多标签预测方法及系统，能够提高预测准确度和预测合理性。

本发明的第一方面，提供了一种学生综合成绩的多标签预测方法，所述学生综合成绩的多标签预测方法包括如下步骤：

获取目标对象在当前学期内的m组过往考试成绩和由n种学习行为标签构成的n组学习行为标签数据，其中，一种所述学习行为标签构成的一组所述学习行为标签数据；

构建基于m组所述过往考试成绩对应的m个第一特征向量矩阵和基于n组所述学习行为标签数据的第二特征向量矩阵；

根据所述第二特征向量矩阵和m个所述第一特征向量矩阵，计算每组所述过往考试成绩与每组所述学习行为标签数据之间的注意力权重值；

根据所述注意力权重值计算每组所述过往考试成绩与n组所述学习行为标签数据之间的特征向量，直至得到m组所述特征向量；

融合m组所述特征向量，得到融合后的特征向量；

将所述融合后的特征向量输入至已经训练完成的BP神经网络中，得到所述BP神经网络输出的学生下一次考试的考试成绩。

根据本发明的一些实施例，所述学习行为标签包括上课时间标签、网课学习时间标签、课后习题分数标签以及课后习题分数标签。

根据本发明的一些实施例，在所述构建基于m组所述过往考试成绩对应的m个第一特征向量矩阵和基于n组所述学习行为标签数据的第二特征向量矩阵之前，还包括步骤：

对n组所述学习行为标签数据进行数值转换和归一化处理。

根据本发明的一些实施例，所述根据所述第二特征向量矩阵和m个所述第一特征向量矩阵，计算每组所述过往考试成绩与每组所述学习行为标签数据之间的注意力权重值的计算公式包括：

r_ij＝MLP([A_i；B_j])