[发明专利]学生学习时长预测方法和装置

权利要求书

1.一种学生学习时长预测方法，其特征在于，包括：

获取学生的历史上网数据，以及获取所述学生的历史位置信息；

根据所述历史上网数据和所述历史位置信息得到所述学生的历史日常行为数据，以及根据所述历史位置信息得到所述学生的历史学习时长；

根据所述历史日常行为数据和所述历史学习时长采用深度学习算法构建学习时长预测模型；

根据所述学习时长预测模型对所述学生的未来学习时长进行预测。

2.根据权利要求1所述的方法，其特征在于，根据所述历史日常行为数据和所述历史学习时长采用深度学习算法构建学习时长预测模型，包括：

根据所述历史日常行为数据和所述历史学习时长采用LSTM深度学习算法构建学习时长预测模型。

3.根据权利要求1所述的方法，其特征在于，所述历史日常行为数据包括如下至少之一：访问不同类型网站的次数、上网设备类型、访问第三方应用程序的次数和在学校内非学习场所的停留时间。

4.根据权利要求3所述的方法，其特征在于，根据所述历史上网数据和所述历史位置信息得到所述学生的历史日常行为数据，包括：

将所述历史上网数据与预设数据库进行比对，得到如下至少之一：所述学生访问不同类型网站的次数、上网设备类型和访问第三方应用程序的次数，其中，所述预设数据库包括如下至少之一：不同类型网站的数据信息、上网设备类型的数据信息和第三方应用程序的数据信息。

5.根据权利要求1-4中任意一项所述的方法，其特征在于，根据所述历史位置信息得到所述学生的历史学习时长，包括：

根据所述历史位置信息确定所述学生在学校内学习场所的停留时间，并将所述学生在学校内学习场所的停留时间确定为所述历史学习时长。

6.一种学生学习时长预测装置，其特征在于，包括：

获取模块，用于获取学生的历史上网数据，以及获取所述学生的历史位置信息；

生成模块，用于根据所述历史上网数据和所述历史位置信息得到所述学生的历史日常行为数据，以及根据所述历史位置信息得到所述学生的历史学习时长；

构建模块，用于根据所述历史日常行为数据和所述历史学习时长采用深度学习算法构建学习时长预测模型；

预测模块，用于根据所述学习时长预测模型对所述学生的未来学习时长进行预测。

7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的学生学习时长预测方法。

8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的学生学习时长预测方法。

9.一种终端，其特征在于，包括：

获取模块，用于获取学生的历史上网数据，以及获取所述学生的历史位置信息；

生成模块，用于根据所述历史上网数据和所述历史位置信息得到所述学生的历史日常行为数据，以及根据所述历史位置信息得到所述学生的历史学习时长；

构建模块，用于根据所述历史日常行为数据和所述历史学习时长采用深度学习算法构建学习时长预测模型；

预测模块，用于根据所述学习时长预测模型对所述学生的未来学习时长进行预测；

处理器，所述处理器运行程序，其中，所述程序运行时对于从所述获取模块、所述生成模块、所述构建模块和所述预测模块输出的数据执行权利要求1至5中任意一项所述的学生学习时长预测方法。

10.一种终端，其特征在于，包括：

获取模块，用于获取学生的历史上网数据，以及获取所述学生的历史位置信息；

生成模块，用于根据所述历史上网数据和所述历史位置信息得到所述学生的历史日常行为数据，以及根据所述历史位置信息得到所述学生的历史学习时长；

构建模块，用于根据所述历史日常行为数据和所述历史学习时长采用深度学习算法构建学习时长预测模型；

预测模块，用于根据所述学习时长预测模型对所述学生的未来学习时长进行预测；

存储介质，用于存储程序，其中，所述程序在运行时对于从所述获取模块、所述生成模块、所述构建模块和所述预测模块输出的数据执行权利要求1至5中任意一项所述的学生学习时长预测方法。