声明
第一章 绪 论
1.1 研究工作的背景与意义
1.2 国内外研究现状
1.2.1 教育数据挖掘研究历史与现状
1.2.2 行为分析研究现状
1.3 本文的结构安排
第二章 相关技术研究
2.1 位置预测与兴趣点预测
2.1.1 逻辑回归
2.1.2 梯度提升树
2.2 神经网络方法简介
2.2.1 神经网络与推荐系统
2.2.2 激活函数
2.2.3 循环神经网络
2.3 本章小结
第三章 数据处理与分析
3.1.1 数据概况
3.1.2 数据整理与清洗
3.1.3 数据的隐私处理与安全保障
3.2 学生各时间段的行为偏好
3.3 共同访问行为
3.4 学生消费行为
3.5 本章小结
第四章 学生行为活动预测模型
4.1 时序构造与特征嵌入
4.1.1 时间分片方案
4.1.2 嵌入向量表示
4.2 学生地点预测
4.2.1 模型输入
4.2.2 模型结构
4.2.3 损失函数
4.3 学生消费金额预测
4.3.1 模型整体结构
4.3.2 损失函数
4.4 模型融合
4.5 本章小结
第五章 实验结果及分析
5.1 评价指标与对比算法选择
5.2 学生地点预测的实验分析
5.2.1 模型微调的影响
5.2.2 非时间序列模型
5.2.3 模型冷启动问题
5.3 学生消费预测的实验分析
5.4 融合模型的实验结果
5.5 对未来第k次刷卡的预测
5.6 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献