计算机研究与发展 ›› 2020, Vol. 57 ›› Issue (11): 2442-2455.doi: 10.7544/issn1000-1239.2020.20190649
王新澳1,段磊1,崔丁山1,卢莉1,顿毅杰2,秦蕊琦1
Wang Xin’ao1, Duan Lei1, Cui Dingshan1, Lu Li1, Dun Yijie2, Qin Ruiqi1
摘要: 利用大数据分析、深度学习等新一代信息技术,通过掌握学生的兴趣、爱好、生活习惯等,提高人才培养质量已成为当前重要的科学研究问题.寻找具有相似生活习惯的学生对于心理状况及学业状况预警都有着积极的作用.已有的相似生活习惯学生搜索算法无法解释学生之间相似的原因,并且无法拓展性地融合更多数据源.为此提出了基于校园行为信息网络的生活习惯相似学生搜索算法SCALE(similar campus lifestyle miner).SCALE算法通过带约束的元路径计算相似度.SCALE不仅能保留原始数据中的相似语义,同时可以在此基础上拓展性地融合更多数据源.进一步对算法各部分解耦,为SCALE算法设计了并行化策略以提高执行效率.通过真实校园环境数据集上的实验,验证了SCALE算法的有效性和执行效率.
中图分类号: