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：北京长亭科技有限公司

摘要：本发明公开了一种基于MOOC综合特征融合的辍学预测方法及装置，涉及数据预测识别技术领域，该方法包括：获取学习行为日志、基本属性信息和课程结构数据；从学习行为信息序列、学习者属性信息序列和课程信息序列中分别提取序列特征，将每个序列特征转换为统一维度的特征向量；计算不同特征向量间的互信息，将所述互信息与原始的特征融合为综合特征向量；分析各综合特征向量之间的内部关系权重，根据权重对每个综合特征向量进行加权求和，得到融合特征向量；对融合特征向量进行辍学风险二分类预测，输出预测结果。本发明构建了一个更为精准和全面的辍学风险预测模型，显著提高了辍学预测的准确性、可靠性和预测效率。

主权项：1.一种基于MOOC综合特征融合的辍学预测方法，其特征在于，包括如下步骤：获取MOOC平台上学习者的学习行为日志、基本属性信息和课程结构数据，从中提取学习行为信息、学习者属性信息和课程信息；针对学习者待检测的MOOC平台的课程实例，对学习行为信息序列、学习者属性信息序列和课程信息序列进行嵌入操作，得到学习行为信息、学习者属性信息和课程信息三个视角的嵌入向量；通过三组并行的Transform网络捕获每个视角的特定信息，并将所述嵌入向量转换为细化的特征向量；其中，每组Transform网络包含多头自注意力机制和位置前馈网络，所述自注意力机制通过层归一化和残差细化每层的输出；计算每一对不同特征向量之间的交叉相关矩阵，以获取互信息；利用压缩网络将每一对不同特征向量之间的交叉相关矩阵从嵌入空间映射到较低维度空间；将压缩网络获得的特征向量和原始特征向量进行拼接，形成综合特征向量；计算每个综合特征向量的注意力得分；使用Softmax函数对所有综合特征向量的注意力得分进行归一化处理，得到每个综合特征向量的最终注意力权重；其中，所有综合特征向量的权重之和等于1，且重要性越高的综合特征向量权重越大；根据得到的综合特征向量的注意力权重，对每个综合特征向量进行加权求和，得到融合后的综合特征向量；将融合后的综合特征向量输入至一个或多个全连接层中，将处理后的特征通过SoftMax分类器映射为学习者辍学的概率分布，选择概率最高的类别作为MOOC学习者的辍学预测结果。

全文数据：

权利要求：

百度查询： 北京长亭科技有限公司 基于MOOC综合特征融合的辍学预测方法及装置