买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种异常行为敏感的学生行为时序建模及学业预警方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116720098B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310300117.0，技术领域涉及：G06F18/24；该发明授权一种异常行为敏感的学生行为时序建模及学业预警方法是由贾熹滨;魏心岚设计研发完成，并于2023-03-26向国家知识产权局提交的专利申请。

本一种异常行为敏感的学生行为时序建模及学业预警方法在说明书摘要公布了：一种异常行为敏感的学生行为时序建模及学业预警方法属于大数据挖掘中教育数据挖掘领域。该方法利用移动设备收集的学生在校行为数据，构建学生校园行为异质信息网络，抽取可揭示学生校园行为的元路径示例进行编码，并通过注意力机制聚合各元路径示例表示，学习学生校园行为模式表示，提升基于移动设备数据的学生行为模式嵌入的可判别性。同时，为提升对于异常行为早期感知的及时性，提出基于注意力机制的异常行为敏感的门控模块，有效融合学生长短期行为，建立更具语义信息的学生校园时序行为表示，提升学生学业等级预测的准确性。

本发明授权一种异常行为敏感的学生行为时序建模及学业预警方法在权利要求书中公布了：1.一种异常行为敏感的学生行为时序建模及学业预警方法，其特征在于： 包括以下步骤： 步骤1，将移动设备收集到的学生校园行为数据进行数据预处理，输入至模型中； 步骤2，基于单日校园行为数据构建学生校园短期行为异质信息网络； 步骤2.1，利用词嵌入算法表示对异质信息网络中各节点属性进行表示，作为节点的初始表示； 步骤2.2，构建学生校园短期行为异质信息网络； 步骤3，基于元路径进行学生校园短期行为模式表示学习； 步骤3.1，设计可揭示学生校园轨迹行为的元路径； 步骤3.2，基于元路径提取学生校园短期行为异质信息网络中的实例，并利用元路径实例编码器对行为实例进行编码； 步骤3.3，利用注意力机制聚合各元路径实例表示，得到学生校园短期行为模式表示； 步骤4，以学期行为作为学生长期行为，构建基于注意力机制的长期行为建模模块；利用注意力机制提取时序行为中与学生学业最相关的重要行为模式，以关注历史行为数据中的异常行为； 步骤5，构建基于门控机制的融合模块；利用门控机制对学生短期行为和长期行为信息进行特征融合，学习对异常行为充分感知的学生时序行为表示； 步骤6，将学生时序行为表示输入至全连接层，实现学生学业成绩的预测； 具体包括以下步骤： 步骤1，将移动设备收集的学生加速度传感器数据、声音传感器数据、WI-FI数据进行数据预处理，去除缺失值较多的学生样本，将学生行为发生的时间添加凌晨、早饭、上午、午饭、下午、晚饭、深夜七个时间语义，将学生行为发生的地点从经纬度替换为具体的地点名称，并至少添加食堂、运动场、教学楼这些具体地点语义；并利用滑动窗口对学生行为数据进行划分，窗口大小为一天，将按天划分后的学生行为数据作为模型的输入，将单日行为设定为学生的短期行为； 步骤2，基于预处理后的学生单日校园行为数据构建学生校园短期行为异质信息网络； 步骤2.1，利用词嵌入算法表示对异质信息网络中各节点属性进行表示，作为节点的初始表示； 学生校园短期行为异质信息网络中包括四类节点：学生节点、加速传感器数据节点、声音传感器数据节点、WI-FI数据节点；各类节点有其相应的基本属性，学生节点包括学生的性别、专业、年级，WI-FI数据节点包括其发生的时间和地点，利用词嵌入领域的Glove算法对各类节点属性进行表征，作为节点的初始表示； 步骤2.2，构建学生校园短期行为异质信息网络； 学生校园短期行为异质信息网络中共包括四类节点及三类链接关系；四类节点为步骤2.1提及的学生节点、加速传感器数据、声音传感器数据节点、WI-FI数据节点；三种链接关系包括学生节点与加速传感器数据之间由学生运动记录连接的关系、学生节点与声音传感器数据之间由学生周围声音环境记录连接的关系、学生节点与WI-FI数据之间由学生上网记录连接的关系； 步骤3，基于元路径进行学生校园短期行为模式表示学习； 步骤3.1，设计可揭示学生校园轨迹行为的元路径； 不同的元路径表达着不同的语义关系，根据学生校内活动场景，在学生校园短期行为异质信息网络上定义了三种揭示学生校园行为的元路径，分别为S-A-S、S-M-S、S-W-S，其中S表示学生类型的节点，A表示加速传感器数据类型的节点，M表示麦克风传感器数据类型的节点，W表示WI-FI数据类型的节点；元路径S-A-S的语义为两个学生在相同的时间段内有相同的动作行为，元路径S-M-S的语义为两个学生在相同的时间段内有相同的声音环境，元路径S-W-S的语义为两个学生在相同时间段内使用了同一地点的WI-FI； 步骤3.2，基于元路径提取学生校园短期行为异质信息网络中的实例，并利用元路径实例编码器对行为实例进行编码； 利用步骤3.1设计的学生校园行为元路径进行异质信息网络中的实例提取，得到体现学生校园行为的多个实例，并利用元路径实例编码器对实例进行编码，编码过程如下式： 其中，为平均数编码器，为基于元路径提取到的起始节点为v、终止节点为u的实例，为得到的元路径实例表示，为起始节点表示，为终止表示，为元路径实例中除起始节点及终止节点外的中间节点，t属于中间节点之一，为中间节点表示； 步骤3.3，利用注意力机制计算各元路径实例表示对于目标学生节点的影响，计算其注意力得分，并加权聚合各元路径实例表示，得到目标学生节点的短期行为模式表示； 步骤4，构建基于注意力机制的长期行为建模模块；长期行为为学生一学期的整体行为；利用注意力机制提取单日行为中与学生学业最相关的重要行为模式，并关注历史行为数据中的异常行为，从而进行聚合得到学生整学期的行为表示； 通过学业预警任务，通过训练注意力机制的权重得到感知学生早期异常行为的学生长期行为模式表示，即根据生成的行为模式表征对预测结果的重要性来计算不同日期的短期行为的注意力得分，公式如下： 其中，为学生u第k天的短期行为表示，W为可学习的参数，为学生u第k天的短期行为注意力得分；并利用Softmax函数对注意力分数进行归一化，归一化后的结果便是长期行为模式聚合时在各个短期行为输入上的注意力分布，其中每项数值和原始的输入相对应，公式如下： 其中，为各短期行为的归一化后的注意力权重，n为学生短期行为总数，为学生u第j天的短期行为注意力得分；将注意力权重与各短期行为表示进行加权求和，以获得学生的长期行为表示，公式如下所示： 其中，n为学生u的短期行为总数，为归一化后的学生u第j天的短期行为注意力权重，为学生u第j天的短期行为表示； 步骤5，构建基于门控机制的融合模块；利用门控机制对学生短期行为和长期行为信息进行特征融合，学习对异常行为充分感知的学生时序行为表示； 在融合模块中，引入了门控机制平衡学生当前行为与过往行为对行为表示的影响，使用了一个可学习的门控计算短期行为和长期行为对最终用于学业预测的学生整体行为的重要性；数学公式如下： 其中，代表激活函数，使用sigmoid函数；和为可训练的参数，为学生u的当前短期行为表示，为学生长期行为模式表示；为生成的门控权重；利用学习到的门控权重，将学生短期与长期行为表示相融合，得到最终的学生时序行为表示，公式如下： 步骤6，将学生时序行为表示输入至全连接层，实现学生学业成绩的预测； 将学生学业状况分为优、良、中、差四个等级，使用全连接层实现学生学业等级的预测；在训练过程中，利用交叉熵损失函数来优化模型，改善学生学业等级分布的不平衡性，加快训练的收敛速度，损失函数的数学公式如下： 其中，N是用于训练的所有样本数目，T为类别数量，为符号函数，如果样本i的真实类别等于c取1，否则取0；为样本i属于类别c的预测概率； 通过最小化损失函数，即可确定模型中、、参数的最优值； 最后在测试阶段，将测试的学生样本输入已训练好的模型，通过全连接层输出学生学业等级预测的结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。