成绩的预测方法、装置、电子设备及存储介质与流程

本发明涉及数据处理，尤其涉及一种成绩的预测方法、装置、电子设备及存储介质。

背景技术：

1、随着文化教育的逐渐普及，家长对于学生的学习成绩越发关注。在升学等考试中，学生往往需要通过对学生自身的考试成绩进行预测，然后根据其预测的成绩选择其合适的学校。由此，若学生所预测的学习成绩极大地偏离其实际的成绩，则会使得学生在选择学校的时候陷入两难。因此，如何对学生的学习成绩进行合理化的预测，成为了亟需解决的问题。

2、在现有技术中，对于学习成绩的预测，主要采用基于人工的预测方法。此方法中，需要由教师或学生家长手动收集学生的相关数据，并根据其所收集到的数据以及其自身的经验对学生的成绩进行评估以及预测。但是，这种纯人工的方法其实现过程过于冗杂，并且基于人工的预测以及计算过程还会消耗大量的时间，增加了人工成本。

技术实现思路

1、有鉴于此，本公开的目的在于提出一种成绩的预测方法、装置、电子设备及存储介质。

2、作为本公开的一个方面，提供了一种成绩的预测方法，包括：

3、获取目标用户的用户信息，其中所述用户信息包括若干实体信息和所述若干实体信息间的关系信息；

4、基于所述若干实体信息和所述关系信息生成知识图谱；

5、基于所述知识图谱确定所述目标用户的实体向量以及成绩向量；

6、基于所述实体向量以及所述成绩向量对所述目标用户的成绩进行预测，并得到预测结果。

7、可选的，所述基于所述若干实体信息和所述关系信息生成知识图谱，包括：

8、确定所述若干实体信息中每一个实体信息的属性信息；

9、基于所述若干实体信息、所述属性信息以及所述关系信息生成所述知识图谱。

10、可选的，所述基于所述知识图谱确定所述目标用户的实体向量以及成绩向量，包括：

11、对所述知识图谱进行嵌入化处理并得到嵌入向量；

12、对所述嵌入向量进行过滤处理，得到所述目标用户的实体向量；

13、确定所述实体向量的属性信息，并基于所述属性信息确定所述目标用户的成绩向量。

14、可选的，所述对所述知识图谱进行嵌入化处理并得到嵌入向量，包括：

15、确定所述知识图谱中的三元组，其中所述三元组用于表示所述若干实体信息和所述关系信息的对应关系；

16、遍历所述三元组，并确定预设数值的正样本；

17、基于所述正样本生成与所述正样本数量相同的负样本；

18、基于所述正样本以及所述负样本确定得分函数以及损失函数；

19、基于所述得分函数以及所述损失函数对所述知识图谱进行嵌入化处理并得到嵌入向量。

20、可选的，所述得分函数表示为：

21、

22、其中，fr(h,t)表示得分函数，h表示正负样本中的头实体向量，r表示正负样本中的关系向量，t表示正负样本中的尾实体向量，表示元素乘积。

23、可选的，所述基于所述实体向量以及所述成绩向量对所述目标用户的成绩进行预测，并得到预测结果，包括：

24、对所述实体向量以及所述成绩向量进行拼接处理，得到特征向量；

25、对所述特征向量进行归一化处理，得到归一化处理后的特征向量；

26、基于所述归一化处理后的特征向量对所述目标用户的成绩进行预测，并得到预测结果。

27、可选的，所述基于所述归一化处理后的特征向量对所述目标用户的成绩进行预测，并得到预测结果，包括：

28、基于归一化处理后的特征向量更新所述神经网络模型的权重和偏置，并得到更新后的神经网络模型；

29、将所述归一化处理后的特征向量输入所述更新后的神经网络模型中进行成绩预测，并得到预测结果。

30、作为本公开的第二个方面，本公开还提供了一种成绩的预测装置，包括：

31、用户信息获取模块，被配置为：获取目标用户的用户信息，其中所述用户信息包括若干实体信息和所述若干实体信息间的关系信息；

32、知识图谱生成模块，被配置为：基于所述若干实体信息和所述关系信息生成知识图谱；

33、向量信息确定模块，被配置为：基于所述知识图谱确定所述目标用户的实体向量以及成绩向量；

34、考试成绩预测模块，被配置为：基于所述实体向量以及所述成绩向量对所述目标用户的成绩进行预测，并得到预测结果。

35、作为本公开的第三个方面，本公开还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本公开所提供的上述的成绩的预测方法。

36、作为本公开的第四个方面，本公开还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上任意一项所述的方法。

37、如上所述，本公开中，首先获取了用户的实体信息以及实体间的关系信息，之后基于此实体信息以及关系信息生成了知识图谱，然后又在此知识图谱中确定了用户的实体向量以及成绩向量，最后通过实体向量以及成绩向量，并使用预设的神经网络模型对用户的成绩进行了预测，并得到了预测结果。

技术特征：

1.一种成绩的预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述若干实体信息和所述关系信息生成知识图谱，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述知识图谱确定所述目标用户的实体向量以及成绩向量，包括：

4.根据权利要求3所述的方法，其特征在于，所述对所述知识图谱进行嵌入化处理并得到嵌入向量，包括：

5.根据权利要求4所述的方法，其特征在于，所述得分函数表示为：

6.根据权利要求1所述的方法，其特征在于，所述基于所述实体向量以及所述成绩向量对所述目标用户的成绩进行预测，并得到预测结果，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述归一化处理后的特征向量对所述目标用户的成绩进行预测，并得到预测结果，包括：

8.一种成绩的预测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的方法。

10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行权利要求1至7任一所述方法。

技术总结
本公开提供一种成绩的预测方法、装置、电子设备及存储介质，包括：获取目标用户的用户信息，其中所述用户信息包括若干实体信息和所述若干实体信息间的关系信息；基于所述若干实体信息和所述关系信息生成知识图谱；基于所述知识图谱确定所述目标用户的实体向量以及成绩向量；基于所述实体向量以及所述成绩向量对所述目标用户的成绩进行预测，并得到预测结果。本公开中，首先获取了用户的实体信息以及实体间的关系信息，之后基于此实体信息以及关系信息生成了知识图谱，然后又在此知识图谱中确定了用户的实体向量以及成绩向量，最后通过实体向量以及成绩向量，并使用预设的神经网络模型对用户的成绩进行了预测，并得到了预测结果。

技术研发人员：陈晋鹏,贺健翔,段曼妮,王永恒,金雄男
受保护的技术使用者：之江实验室
技术研发日：
技术公布日：2024/3/27