利用基本信息和行为数据发现高校贫困学生
高校学生的扶贫助困工作一直是教育各界关注的重点,如何利用有效的大数据分析手段减轻评审工作量和公平化评审流程,从而实现高校精准扶贫的目标,是一项值得深入研究的问题.该文以高校学生行为数据为基础,结合高校数据的时序性特点,抽取学生基本信息和行为数据的多维特征,提出基于深度学习理论的CW-LSTM算法进行预测.最后使用真实数据对模型进行验证,结果显示,该方法优于朴素贝叶斯算法和决策树算法.
大数据、数据挖掘、家庭贫困学生、学生行为数据
49
TP391(计算技术、计算机技术)
国家自然科学基金11975071,61433014
2020-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
795-800