运用多任务排序学习算法预测学业成绩

• 作者: 张华 刘颖
• 来源期刊: 扬州大学学报（自然科学版）
• 关键词: 大数据 学业预测 排序学习 RankNet
• 年，卷（期）: 2020,（5）
• 页码范围: 63-67
• 页数: 5页
• 分类号: TP391.77
• 语种: 中文
• DOI: 10.19411/j.1007-824x.2020.05.012

摘要

通过分析学生在学习、生活过程中产生的校园行为数据,如一卡通、图书借阅、学业成绩等,在RankNet算法基础上提出一种基于专业与学期的多任务排序学习算法(a multi-task learning RankNet based on major and semester,MSRN).此算法在构建大数据分析模型的基础上,探究学生学习勤奋度、生活规律性与学业表现之间的相关性.仿真结果表明,本文算法较之其他算法可更好地用于预测学生在校期间的学业表现.