一种基于深度矩阵分解的学生成绩预测方法

摘要

本发明提供的是一种基于深度矩阵分解的学生成绩预测方法。其特征是：将本科生某一门专业课程每个章节的测试成绩、每个章节的课堂作业成绩、课程最终成绩作为输入数据，通过矩阵分解法将输入数据分解成学生特征、项目特征，然后通过前向传播的全连接神经网络进行学习，将简单的特征组合成更加复杂的特征。本发明设计了一个带有注意力机制的全连接神经网络，通过构建学生、项目的特征向量，得到学生潜在特征向量和项目潜在特征向量，最后计算余弦相似度得到预测成绩，以此提高预测结果的准确度和可解释性。