高校學(xué)生的扶貧助困工作一直是教育各界關(guān)注的重點,如何利用有效的大數(shù)據(jù)分析手段減輕評審工作量和公平化評審流程,從而實現(xiàn)高校精準(zhǔn)扶貧的目標(biāo),是一項值得深入研究的問題。該文以高校學(xué)生行為數(shù)據(jù)為基礎(chǔ),結(jié)合高校數(shù)據(jù)的時序性特點,抽取學(xué)生基本信息和行為數(shù)據(jù)的多維特征,提出基于深度學(xué)習(xí)理論的CW-LSTM算法進(jìn)行預(yù)測。最后使用真實數(shù)據(jù)對模型進(jìn)行驗證,結(jié)果顯示,該方法優(yōu)于樸素貝葉斯算法和決策樹算法。 

【文章來源】：電子科技大學(xué)學(xué)報. 2020,49(05)北大核心EICSCD

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)、大數(shù)據(jù)與教育大數(shù)據(jù)[J]. 羅清紅.  教育科學(xué)論壇. 2016(10)
[2]推薦系統(tǒng)評價指標(biāo)綜述[J]. 朱郁筱,呂琳媛.  電子科技大學(xué)學(xué)報. 2012(02)
[3]個性化推薦系統(tǒng)評價方法綜述[J]. 劉建國,周濤,郭強(qiáng),汪秉宏.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2009(03)



本文編號：3240557