基于一卡通的学生行为活动预测

摘要

随着校园数据的不断增长，教育行业能够更加智能的利用数据培养学生、教育学生。作为高校的管理部门，提升学生服务、优化管理方法是其工作的重点，例如学校食堂需要能预估多少人在饭点就餐，校内交通需要规划学生活动路线，心理健康部门需要关注性格孤僻的学生等。对学生行为活动进行精准预测，是解决这些问题的有效途径。 利用校园一卡通，校方能比较方便的定位学生位置，获取学生历史的状态信息，例如学生在图书馆的进出记录，各食堂、校园超市的消费情况等，这些信息为学生行为活动预测提供了基础。同时，在传统位置预测任务中，往往将单条学生的行为数据作为一个样本，而没有考虑到学生数据的时间序列关系。本文利用学生一卡通为媒介，收集了学生的门禁数据与消费数据。并在此基础上构建了学生行为的时序特征，提出了学生未来位置预测模型与消费预测模型。主要的工作有： （1）基于时间序列的学生位置预测方法。利用学生的一卡通数据，提取学生历史刷卡的时间序列特征，建立RNN模型，并基于Focalloss优化模型的损失函数。该模型能对学生未来某一时间（包括短期与长期）出现的地点进行预测。同时利用神经网络的嵌入方法，对每个用户生成一组向量，该向量能够从一定程度上反映学生的行为模式。 （2）通过时间序列特征，进一步预测学生未来的消费情况。与地点预测类似，对学生一卡通数据进行扩充，将学生的消费信息添加到RNN网络中，修改了网络的结构与损失函数，使得能够利用RNN模型对学生未来某一时间的消费金额进行预测。 （3）将位置预测与消费金额预测模型融合。由于学生未来出现的位置与其消费金额存在相关性，单个模型中无法感知。本文将以上两个模型进行了融合，使得模型能更好的对学生的位置与消费金额进行预测，完成学生行为预测任务的统一。 在实验结果中，与传统位置预测任务相比，本文提出的学生行为活动的预测模型效果更优。在某高校食堂流量预测中，本模型也提供了较为准确的预测数值。对校园服务优化，学生流量监控，本模型具有切实可行的意义。

目录

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