一种基于自训练-半监督学习的在线学习平台学生学业表现的早预测办法

专利主权项内容

1.一种基于自训练-半监督学习的在线学习平台学生学业表现的早预测办法，其特征在于：包括如下步骤：Step1：收集已完结课程中，学生“行为特征T1-学业表现Y”标签数据；Step2：收集未完结课程中，学业表现待预测的学生行为特征T2；Step3：在GAN模型基础上加上了一个分类器C，形成修订后的模型CTAB-GAN，针对Step1中的学生“行为特征T1-学业表现Y”标签数据，利用CTAB-GAN生成一组带标签的辅助数据集；Step4：设计自训练编码器，实现Step2中学生行为特征T2的语义表征；Step5：利用Step3得到的带标签的辅助数据集及Step4得到的语义表征，设计半监督学习模型，实现学生学业表现早预测；Step1和Step2可先后进行也可以同时进行；Step3中利用CTAB-GAN生成一组带标签的辅助数据集的具体步骤如下：Step3.1：数据转化：学生的学习行为特征T1包括连续型特征和离散型特征；对于连续型特征而言，将其视作一个包含了多个高斯分布、且每一个分布都具备其独特的平均值和标准差的连续变量；随后，该变量的概率分布便可利用混合高斯分布GMM来进行拟合，记第i个连续变量为F，假设其由m个独立的高斯分布构成，且这m个分布的平均值和标准差分别为和/>那么，当连续变量F取值为F时，其概率便可通过EM算法来求出，且F的每一个概率取值结果被分别记为：/>接下来，通过公式/>将F的取值归一化后，使其服从正态分布N～(0, 1)，由此完成连续特征数据的转化，而对于离散型特征F，则通过独热编码的方式直接将其进行转化，并记最终的转化结果为γ，最终，学生行为特征T1的转化结果被记为g，且其被用公式表示为：/>其中n表示特征T1的总个数；iiijijijjixzStep3.2：生成器G和判别器D的优化：G和D均采用卷积神经网CNN来进行构建与优化，其中，G由一个双层的CNN构成，其输入为Step3.1中特征数据转化的结果g，以及一个随机采样的噪声向量，该噪声向量的概率分布被记为g；而G的输出则作为D的输入，G的损失函数如公式(1)：xz其中，x1表示从g中采样的任一结果向量，z1表示从g中采样的任一结果向量，p(x)和P(z)是原有数据和噪声数据的先验分布，E[·]和SD[·]分别为两个分布之间的期望和方差，其结果通过L2范数来计算；xzreal对于D而言，其包含一个4层CNN，且每一层的卷积核大小为3×3，每一层的连接包含一个LeakyReLU函数，而最后一层的激活函数为Sigmoid，D采取反向传播的优化方式，且其损失函数如公式(2)所示：L＝(E[D(x2′)-E[D(x2)])+λE(|ΔD(x2′)|-1) (2)Dx2′～P(G)x2～P(r)x2′～P(x2′)x2′22其中，P(G)表示根据生成器G所生成的一个概率分布，P(r)表示根据随机向量r所生成的一个概率分布，x2′表示从概率分布P(G)中采样的一个结果向量，x2表示从概率分布P(r)中采样的一个结果向量，D(·)是D的输出，而P(x2′)是从概率分布P(G)中通过均匀采样所得出的概率分布，(E[D(x2′)]-E[D(x2)])度量了D的损失；x2'～P(G)x2～P(r)Step3.3：分类器C的优化：C的输入为带标签的学生行为特征T1与学业表现Y的原始数据集，其通过一个4层多层感知机MLP来实现，C的损失函数如公式(3)所示：其中，定义从学生行为特征T1中所选取的任意一个特征为F，而l(x1)为特征F的取值，remove(·)则表示从特征F中删除特定取值，C(·)则表示MLP的输出，即为：学生学业表现Y的预测结果，分类器C的输入与生成器G的输入一致，因此公式(3)中的x1和p(x)同公式(1)中含义一致；xxxrealStep3.4：重复Step3.2-Step3.3中步骤，不断进行数据的生成、判别与分类，直至判别器D根据公式(2)所计算的损失函数值小于判别收敛阈值η，则CTAB-GAN的优化结束，此时，CTAB-GAN的输出即为与原始的学生“行为特征T1-学业表现Y”标签数据呈一致性的高斯分布的带标签的辅助数据集。D （来 自 马 克 数 据 网）