基于异构图卷积网络的小样本短文本分类方法

针对小样本短文本分类过程中出现的语义稀疏与过拟合问题,在异构图卷积网络中利用双重注意力机制学习不同相邻节点的重要性和不同节点类型对当前节点的重要性,构建小样本短文本分类模型HGCN-RN。利用BTM主题模型在短文本数据集中提取主题信息,构造一个集成实体和主题信息的短文本异构信息网络,用于解决短文本语义稀疏问题。在此基础上,构造基于随机去邻法和双重注意力机制的异构图卷积网络,提取短文本异构信息网络中的语义信息,同时利用随机去邻法进行数据增强,用于缓解过拟合问题。在3个短文本数据集上的实验结果表明,与LSTM、Text GCN、HGAT等基准模型相比,该模型在每个类别只有10个标记样本的情况下仍能达到最优性能。

大数据时代下高校数据治理体系研究

该文从当前高校信息化建设中数据管理的问题出发,指出数据治理的必要性,通过文献研究法,分析数据治理体系的研究现状,提出一个涉及多个层面的高校数据治理体系架构,以综合、全面地解决高校在数据治理过程中存在的问题。基于提出的数据治理体系框架,结合学校的信息化建设工作实际,从数据与信息、策略与机制、管理与决策、技术与平台等方面,完成学校数据管理体系的变革,完善学校数据治理管理办法,建设智慧融合数据管理与服务平台,实现对学校数据的有效治理。

基于机器学习的高校学生学业成绩预警方法

随着高校信息化建设的发展,学生学业预警成为当前教育研究应用的一个热点领域。从当前高校信息化建设学生管理的问题出发,突出高校学业预警的必要性。为了提升高校学生的学业水平,提出了一种基于机器学习的学生学业成绩预警方法,针对多异构学生行为数据,采用数据预处理技术,对样本数据进行预处理,挖掘基于知识点和题型的数据特征,构建了基于知识点特征和题型特征的成绩预警模型(K-DNN),设计并实现了学生学业成绩预警模型,以期待解决高校学生管理的实际问题,提供更精细化学生管理服务,促进学生的个性化成长,提升高校信息化建设水平。