声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：喻宏伟, 周东波, 徐雯慧, 余雅滢, 王小梅, 涂悦
单位：华中师范大学 人工智能教育学部, 武汉 430079
关键词：校园活动数据,图卷积网络,时空数据挖掘,行为预测,异常行为,行为习惯
基金：科技创新2030新一代人工智能重大项目（2020AAA0108804）；国家自然科学基金资助项目（62177017）
当前大学生校园日常行为预测与挖掘研究中，一般采用统计、聚类、关联关系等浅层挖掘和学习算法，对学生校园行为的时序性、空间位置及其相关性缺乏深层与高阶应用分析。该文基于时空图网络结构，提出考虑校园活动时间序列与层次相关性和空间语义特征相关的多片段语义时空图卷积网络（MFSTGCN）模型。通过构建大学生校园行为数据集并进行实验，该模型达到了90.4%行为预测准确率，优于典型预测模型。最后，以学生个体成长监测为目标，预警日常行为异常的学生；挖掘学生行为习惯等高阶信息，为构建个性化培养提供有意义的参考。
来源：2022年第1期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。