一种基于混合深度神经网络的学生辍课预测方法

摘要

本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及一种基于混合深度神经网络的学生辍课预测方法。本发明考虑到时间序列数据，进行了细粒度划分，并使用One‑hot编码规则和特征工程相结合，构建行为特征矩阵，有助于提高预测的准确性，并且使用一种新建的卷积神经网络(CNN)，进行局部关系特征提取。考虑到行为之间的序列关系，以及模型本身的影响，最后通过门控循环单元(GRU)网络进行时间序列关系特征提取，通过softmax层进行最后的预测任务，以此提高辍课预测的精确度。本发明使用三层的GRU提取行为矩阵之间存在的潜在具有时序关系的行为特征。