基于成绩变化趋势的多任务成绩预测模型

目前成绩预测模型只是简单利用学生历史绩点、消费以及上网数据进行学习,并且基于同一参数进行预测,具有一定的同质性,忽略了学习状态和学生社交关系相互影响的特性对成绩预测的影响,无法对每个学生进行个性化预测。针对上述问题,提出了一种基于成绩变化趋势的多任务逻辑回归成绩预测模型。该模型按学期和课程类别对课程成绩变化趋势进行定义,用于表达学生对每类课程的学习状态,与历史绩点、学生行为数据共同构建初始变量集。根据学生朋友关系的相互影响的特点,引入多任务学习(MTL),以逻辑回归为基准模型,采用一种权重聚类分组方法,将相关任务分为一组,使多个学生成绩预测的任务共同训练预测模型。实验表明,该模型能够有效进行个性化成绩预测,与传统方法相比预测精度更高。