[发明专利]一种基于条件密度估计模型的成绩分布预测方法及系统

权利要求书

1.一种基于条件密度估计模型的成绩分布预测方法，其特征在于，包括：

根据预测目标，采集学生数据，存储到第一服务器的数据库中；

对数据库中存储的学生数据进行预处理，剔除缺失严重或特征值分布异常的特征，并用条件掩码机制进行特征融合，得到数据集；

构建条件密度估计模型，并利用数据集进行训练；

将待预测的学生数据输入到训练好的条件密度估计模型中，得到预测目标的成绩概率密度分布。

2.如权利要求1所述的一种基于条件密度估计模型的成绩分布预测方法，其特征在于，所述预测目标，包括单门课程成绩、中考成绩、高考成绩、考研成绩、培训机构毕业成绩；

学生数据，包括学生基本信息、学生课程相关数据、教师课程相关数据及学生行为数据，其中，其他信息，包括图书馆进出记录、图书借阅次数、获奖情况。

3.如权利要求1所述的一种基于条件密度估计模型的成绩分布预测方法，其特征在于，从学校的教务系统、数字化校园、智慧校园中通过数据接口或者爬虫抓取的方式采集数据，并存储在第一服务器的数据库中。

4.如权利要求1所述的一种基于条件密度估计模型的成绩分布预测方法，其特征在于，所述特征融合采用条件掩码机制，尤其针对特征不同导致无法统一建模的弊端，引入掩码mask机制，通过将mask与特征关联，标识出元素的缺失。

5.如权利要求1所述的一种基于条件密度估计模型的成绩分布预测方法，其特征在于，所述条件密度估计模型，通过参数化或非参数化方法根据输入条件拟合预测目标的分布，分布拟合过程中，采用似然估计来优化分布误差。

6.如权利要求1所述的一种基于条件密度估计模型的成绩分布预测方法，其特征在于，根据年级，将数据集划分为训练集、验证集和测试集，分别用于条件密度估计模型的学习、检验和测试。

7.如权利要求1所述的一种基于条件密度估计模型的成绩分布预测方法，其特征在于，所述条件密度估计模型，采用反卷积密度网络DDN、条件流模型CNFs、核混合网络KMN、混合密度网络MDN、分位数回归随机森林QRFCDF中的一种。

8.一种基于条件密度估计模型的成绩分布预测系统，其特征在于，包括数据采集模块、特征处理模块、模型训练模块和成绩预测模块；

数据采集模块，被配置为：根据预测目标，采集学生数据，存储到第一服务器的数据库中；

数据处理模块，被配置为：对数据库中存储的学生数据进行预处理，剔除缺失严重或特征值分布异常的特征，并用条件掩码机制进行特征融合，得到数据集；

模型训练模块，被配置为：构建条件密度估计模型，并利用数据集进行训练；

成绩预测模块，被配置为：将待预测的学生数据输入到训练好的条件密度估计模型中，得到预测目标的成绩概率密度分布。

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于条件密度估计模型的成绩分布预测方法中的步骤。

10.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1-7任一项所述的一种基于条件密度估计模型的成绩分布预测方法中的步骤。