检索结果-南通市图书馆

检索条件"主题词=类关联分析"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

校园学生关系图谱构建方法的研究与应用

校园学生关系图谱构建方法的研究与应用

引用

作者：王玉民郑州大学

学位级别：硕士

随着数字化校园的不断建设,校园一卡通产生了海量的数据,如学生基本信息、消费、学业、借阅等数据,利用数据挖掘技术,对学生的多维特征数据进行分析,挖掘学生的社交行为,是智慧校园研究的热点问题之一。本文对学生多维数据进行分析,挖... 详细信息

随着数字化校园的不断建设,校园一卡通产生了海量的数据,如学生基本信息、消费、学业、借阅等数据,利用数据挖掘技术,对学生的多维特征数据进行分析,挖掘学生的社交行为,是智慧校园研究的热点问题之一。本文对学生多维数据进行分析,挖掘背后隐藏的社交行为,构建社交关系图谱,对高校智能化管理有重要的意义。主要研究内容如下:1.针对大学生社交行为中同质性问题,构建基于类关联分析的分组分层相遇模型,对学生的社会关系进行粗挖掘,消除同质性对跨群体社交挖掘的影响。首先,对消费数据预处理,提取学生时空数据,引入签到点权重,基于滑动时间窗获取学生的共现数据;其次,使用自适应阈值,基于类关联分析法挖掘相同群体内与不同群体间学生的社交关系,构建学生社交网络。最后,通过实验,从专业与年级两个层面验证模型跨群体社交粗挖掘的效果。实验表明,本模型可以提升跨群体的社交关系挖掘,消除同质性对跨群体社交挖掘的影响,对比多个模型的挖掘结果,在查全率与查准率两个指标上优于其他模型的挖掘效果。2.在基于时空消费数据进行社交关系粗挖掘基础上,针对可能存在部分共现行为是由偶然因素造成的问题,构建基于类关联分析的分组分层社交驱动相遇模型进行社交关系精挖掘。首先,在消费数据的基础上增加学业数据、借阅数据、基本信息数据等多维数据,计算学生多维度数据的相似性;其次,结合高斯核函数获取学生发生共现行为的社交驱动值,构建基于社交驱动的分组分层相遇模型,挖掘不同群体和相同群体的学生社交关系。最后,与粗挖掘模型进行实验对比,实验表明,精挖掘模型在查全率与查准率两个指标上优于第一种模型。3.构建基于多维数据挖掘的学生关系图谱。设计实现学生关系图谱系统,直观展示学生的社交关系,方便教师了解社交障碍学生的社交动态,及时引导帮助学生建立良好的社交关系,使学生积极健康的学习和生活。

关键词：关系图谱分组分层相遇模型滑动窗口类关联分析社交驱动值共现矩阵

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：