基于 Graph-VAE 模型的学生成绩预测
机器学习
2019-03-12 v1 计算机与社会
摘要
OECD 指出，让学生留在学校的最佳方式是尽早干预[1]。利用教育大数据和深度学习预测学生成绩为早期干预提供了新资源和视角。以往的预测方案往往需要人工筛选特征、大量先验知识和专家知识。深度学习可自动提取特征而无需人工干预，从而获得更好的预测性能。本文中，基于深度学习的图神经网络矩阵填充模型 (Graph-VAE) 可在无需大量先验知识的情况下自动提取特征。实验证明，我们的模型在学生成绩数据集上优于传统方案，且更好地描述了学生与课程之间的相关性与差异性，并将编码结果向量降维可视化，其聚类效果与真实数据分布聚类一致。此外，我们使用基于梯度的归因方法分析了影响成绩预测的关键因素。
引用
@article{arxiv.1903.03609,
title = {Based on Graph-VAE Model to Predict Student's Score},
author = {Yang Zhang and Mingming Lu},
journal= {arXiv preprint arXiv:1903.03609},
year = {2019}
}