为解决通过智慧校园隐式用户行为信息构建学生画像的数据挖掘问题,提出一种聚类分析与神经网络相结合的方法.以学生账号为关键字分析提取用户行为数据中的上网总时长、总流量和上下线时间点的映射扩展分别作为密度聚类和谱聚类的特征,通过数据预处理得到用户的上网行为标签;采用遗传算法优化的神经网络实现用户个性化兴趣偏好的判别预测;通过词云图的形式实现学生个人画像的可视化.研究结果表明:该方法的挖掘效果优于传统的神经网络.研究结论进一步完善了学生画像的构建和分析汇总,能够有效地支撑学生管理和服务.
科研之友
微信
新浪微博
Facebook
分享链接
