摘要
本发明提出基于深度学习的学生学习成果预测方法，该方法首先通过合规的授权机制采集学生的学习行为数据、评估数据、互动数据及属性数据，经匿名化与预处理后生成标准化数据；其次，利用双向LSTM、全连接网络、预训练语言模型（BERT）及嵌入网络分别提取行为特征向量、评估特征向量、互动特征向量和属性特征向量；最后，通过成果预测模型生成预测结果，该模型包含特征融合层、主特征提取层、记忆增强层、注意力决策层及输出层。本发明通过多源数据融合与外部记忆增强机制，实现了对学生学习成果的精准预测，同时保障数据处理过程的合规性与隐私安全性。
