基于注意力的R-GCN-GRU的在线学生绩效预测

来源：电子测量技术杂志2021年第19期北京时间：

作者：崔立志，何泽彬，李璇

单位：1.河南理工大学电气工程与自动化学院, 2.河南省智能装备直驱技术与控制国际联合实验室(河南理工大学), 河南 焦作 454003

摘要：针对传统的绩效预测方法没有区别性地对待各属性特征对学生成绩的重要程度、学生在线学习的低完成率的问题，提出了一种融入注意力机制的关系图卷积神经网络和门控循环单元（AR-GCN-GRU）的学生绩效预测方法。其融入的注意力机制用于捕获学生之间的关系属性特征，同时提取学生重要属性特征并进行可视化，且该方法综合了关系图卷积神经网络(R-GCN)和门控循环单元(GRU)的优点，既能捕捉节点之间的内部关联、又能很好地抽取最具代表性的学生行为属性特征信息。在公开数据集上对模型进行了对比验证和消融实验，模型F值和精确率分别达到了99.00%，99.73%，实验结果表明所提方法较其它算法有明显提升，验证了注意力机制的有效性。

关键词：绩效预测;注意力机制;属性特征;R-GCN;GRU

基金资助：国家自然科学基金(61573129)、河南理工大学教改项目（2019JG033）资助