王小梅
- 作品数:9 被引量:11H指数:2
- 供职机构:华中师范大学更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术文化科学文学语言文字更多>>
- 爱德华·赛义德后殖民主义文化观探析
- 20世纪80年代末、90年代初,后现代主义理论思潮在西方世界逐渐衰落之际,后殖民主义理论思潮崛起,一度成为西方文学、政治、哲学等领域关注的热点。后殖民文化理论属于后殖民理论中的一部分,美籍巴勒斯坦裔后殖民理论家爱德华·赛...
- 王小梅
- 关键词:东方主义
- 文献传递
- 基于条件随机场的校园日常活动行为自动分类研究
- 人工智能时代的到来与智慧校园的广泛建设,已经积累了越来越多的校园数据,如何合理充分地利用大学生校园大数据是一大研究热点。构建高质量、高可用性的大学生校园日常行为活动数据集是充分利用大学生校园数据的基本前提。对大学生校园日...
- 王小梅
- 关键词:条件随机场
- 基于多片段语义时空图卷积网络的大学生校园日常行为预测被引量:6
- 2022年
- 当前大学生校园日常行为预测与挖掘研究中,一般采用统计、聚类、关联关系等浅层挖掘和学习算法,对学生校园行为的时序性、空间位置及其相关性缺乏深层与高阶应用分析。该文基于时空图网络结构,提出考虑校园活动时间序列与层次相关性和空间语义特征相关的多片段语义时空图卷积网络(MFSTGCN)模型。通过构建大学生校园行为数据集并进行实验,该模型达到了90.4%行为预测准确率,优于典型预测模型。最后,以学生个体成长监测为目标,预警日常行为异常的学生;挖掘学生行为习惯等高阶信息,为构建个性化培养提供有意义的参考。
- 喻宏伟周东波徐雯慧余雅滢王小梅涂悦
- 关键词:时空数据挖掘
- 一种发现大学生日常生活习惯的神经网络结构与方法
- 本发明公开了一种发现大学生日常行为习惯的神经网络结构与方法,包括:获取大学生校园生活基本数据并存入数据库;对生活基本数据预处理工作,将数据分为不同数据集;针对所采集数据,构建基于特征的行为分类,获取数据分类结果;根据数据...
- 周东波喻宏伟余雅滢王小梅涂悦
- 一种发现大学生日常生活习惯的神经网络结构与方法
- 本发明公开了一种发现大学生日常行为习惯的神经网络结构与方法,包括:获取大学生校园生活基本数据并存入数据库;对生活基本数据预处理工作,将数据分为不同数据集;针对所采集数据,构建基于特征的行为分类,获取数据分类结果;根据数据...
- 周东波喻宏伟余雅滢王小梅涂悦
- 一种数据驱动的大学生个性化学习行为预测与干预方法
- 本发明公开了一种数据驱动的大学生个性化学习行为预测与干预方法,包括:采集大学生日常校园活动数据,形成反应大学生日常学习行为过程的标准数据集,通过时空图神经网络模型,以自适应学习方法获取日常学习行为习惯;应用习惯模型进行日...
- 周东波余雅滢喻宏伟涂悦王小梅
- 文献传递
- 一种数据驱动的大学生个性化学习行为预测与干预方法
- 本发明公开了一种数据驱动的大学生个性化学习行为预测与干预方法,包括:采集大学生日常校园活动数据,形成反应大学生日常学习行为过程的标准数据集,通过时空图神经网络模型,以自适应学习方法获取日常学习行为习惯;应用习惯模型进行日...
- 周东波余雅滢喻宏伟涂悦王小梅
- 基于校园WiFi大数据的学生时空模型与数据清洗方法
- 本发明提供一种基于校园WiFi大数据的学生行为时空模型与数据清洗方法:获取WiFi路由器的源日志文件,建立编目管理;提取用户的身份信息,通过注册信息,提取与学生相关的记录;解析时间信息、位置的空间信息;判断学生的行为,构...
- 毕警予周东波张炘余雅滢王小梅喻宏伟
- 文献传递
- 大学生日常行为习惯的可发现、可计算与可干预研究框架被引量:4
- 2021年
- 习惯常指规律性周期重复的行为方式,是个性化教育研究的重要内容。当前大学生不恰当、多变的日常行为活动,使原本的好习惯负向发展,因而,如何挖掘分析大学生的校园日常行为活动,发现导致其学业失败、成才受阻的习惯并进行相应干预,意义重大且十分迫切。基于校园大数据,提出数据驱动的大学生日常行为习惯可发现、可计算和可干预研究框架。首先,定义“活动-行为-习惯”的层次化表达结构,构建活动的时空语义约束模型,从校园大数据中提取日常活动数据,构建双层条件随机场模型,对活动数据进行自监督分类,从而得到行为信息,进一步构建多片段语义时空图卷积神经网络模型,通过行为的时空卷积预测来发现习惯;其次,提出习惯强度量化计算方法,构建习惯强度与评价要素的多元关联模型来评价习惯好坏,并建立习惯变化的时空演化分析方法;最后,对导致习惯负向变化的行为进行预警并实施多层次干预,形成基于“活动数据-行为信息-习惯知识-活动数据”思路的习惯“可发现-可计算-可干预”研究闭环。
- 周东波徐雯慧喻宏伟王小梅余雅滢涂悦
- 关键词:数据驱动