买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东建筑大学

摘要：本公开提供了一种基于多粒度任务联合建模的学生学业预警方法及系统，包括：基于学校教务管理系统获取学生学业相关数据，并进行数据预处理；对预处理后的数据进行特征提取，基于所述特征对学生进行表示，并基于构造性聚类算法将学生样本映射到新的特征空间，获得学生表征向量；构建分别以课程和专业为粒度的多任务数据集；基于最小化所有专业全部课程对应的经验损失为目标，确定多粒度任务联合模型，并采用构建的多任务数据集进行模型训练；其中，所述模型的目标函数包括在课程粒度和专业粒度上的约束；将待预测的学生表征向量输入训练好的多粒度任务联合模型，获得学生的学业预测向量，进而生成其预警结果。

主权项：1.一种基于多粒度任务联合建模的学生学业预警方法，其特征在于，包括：基于学校教务管理系统获取学生学业相关数据，并进行数据预处理；对预处理后的数据进行特征提取，基于所述特征对学生进行表示，并基于构造性聚类算法将学生样本映射到新的特征空间，获得学生表征向量；构建分别以课程和专业为粒度的多任务数据集，具体为：基于每个课程的特征表示，将不同的课程作为不同的预测任务，形成以课程为粒度的多任务数据集；基于不同学科的多个相关专业，将以课程为粒度的多任务数据集进行整合，形成以专业为粒度的多任务数据集；基于最小化所有专业全部课程对应的经验损失为目标，确定多粒度任务联合模型，并采用构建的多任务数据集进行模型训练；其中，所述模型的目标函数包括在课程粒度和专业粒度上的约束；具体包括：给定学生样本Si和某一门课程成绩上的成绩y，假定模型对该课程的成绩预测结果为：则均方差为这门课程数据集中所有学生的平均损失构成下式所示的经验误差： 其中，n_stu表示该专业中课程对应的学生人数，w为该课程对应的模型参数向量，其物理含义为学生表征向量每一维数据所对应的权重；为学生样本Si的投影，φ·为构造性聚类函数，那么所有专业所有课程对应的经验损失之和如下式所示： 其中，n_major表示不同专业个数，n_course表示给定专业中有待预测的课程数量，E_courseij为第i个专业第j个课程对应的预测误差；按照下式所示的两项正则化约束来对上述模型参数w进行学习： Loss3＝||W||*其中，Loss2在课程级粒度任务上对各个模型的w进行约束，Loss3在专业级粒度任务上对各模型参数w进行约束；所述多粒度任务联合模型的目标函数如下：MinLoss＝λ1Loss1+λ2Loss2+λ3Loss3其中，Loss1为所有专业所有课程对应的经验损失，Loss2为基于课程粒度的正则化约束，Loss3为基于专业粒度的正则化约束，λ1、λ2和λ3为调节参数；将待预测的学生表征向量输入训练好的多粒度任务联合模型，获得学生的学业预测向量，进而生成其预警结果；根据对学生学业的预测结果，生成其预警结果，具体方案为，首先对预测成绩进行升序排序，处于序列前10％的学生预警等级为高风险，序列前10％～20％的学生为中高风险，序列前20％～30％的学生为低风险，其余学生为较低风险。

全文数据：

权利要求：

百度查询： 山东建筑大学 基于多粒度任务联合建模的学生学业预警方法及系统