[发明专利]一种利用机器学习模型实时预估学生成绩的方法及系统

权利要求书

1.一种利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法包括：

获取学生的历史学习数据及考试成绩；

将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；

当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。

2.根据权利要求1所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法还包括：

当获取到新的考试成绩时，根据学生的历史学系数据及新的考试成绩，对机器学习模型进行迭代训练。

3.根据权利要求1所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，获取的学生的历史学习数据至少包括：课后练习题的正确率、对知识点的复习程度及学生上课认真程度；

获取的学生的考试成绩至少包括：学生对每个科目的每次月考、期中考试及期末考试的考试成绩。

4.根据权利要求3所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法还包括：

将所述考试成绩进行归一化处理，将考试成绩对应的分数按照预设分数段进行划分；

将划分结果进行累加处理，根据累加处理结果将考试成绩分布在0~1范围内，得到成绩分布关系。

5.根据权利要求4所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果，包括：

获取待预估成绩的学生的学习行为数据，其中，所述学习行为数据与所述机器学习模型训练时输入特征的种类相同；

根据学习行为数据，利用学生的成绩预估模型对学生的考试成绩进行实时预估，得到预估结果；

根据所述成绩分布关系及预估结果，计算得到预估分数，并将所述预估分数反馈给学生、家长及老师。

6.根据权利要求1所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，该方法还包括：

获取学生的自身特征，其中，自身特征至少包括：学生做题速度及学生临场发挥的程度；

获取学生做题的题目特征至少包括：试卷考察的知识点及试卷的题目类型分布特征。

7.根据权利要求6所述的利用机器学习模型实时预估学生成绩的方法，其特征在于，将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型，包括：

将所述历史学习数据、学生的自身特征及学生做题的题目特征作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；其中，所述机器学习模型采用LR模型或DNN模型；

当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果，还包括：

当获取到待预估成绩的学生的学习行为数据时，若还获取到学生的自身特征及学生做题的题目特征，根据学习行为数据、学生的自身特征及学生做题的题目特征，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果；其中，所述学习行为数据、学生的自身特征及学生做题的题目特征与所述机器学习模型训练时输入特征的种类相同。

8.一种利用机器学习模型实时预估学生成绩的系统，其特征在于，该系统包括：

数据获取模块，用于获取学生的历史学习数据及考试成绩；

机器学习模块，用于将所述历史学习数据作为输入特征，将考试成绩作为目标进行机器学习模型训练，训练输入特征与目标之间的关系，构建学生的成绩预估模型；

成绩预估模块，用于当获取到待预估成绩的学生的学习行为数据时，根据学习行为数据，利用学生的成绩预估模型进行考试成绩的实时预估，得到考试成绩预估结果。