刘建华，常发财

(1.西安邮电大学 信息中心，陕西 西安 710121；2.西安邮电大学 计算机学院，陕西 西安 710121)

近年来，随着第五代移动网络(5th Generation Mobile Networks,5G)、大数据和物联网技术在校园领域的普及应用，学校成了产生海量数据的重要场所。为了充分研究学生行为背后隐藏的信息，将来源多样和结构复杂的学生行为数据在大数据平台上构建成具有自动推理功能的知识库，通过异常检测和预警分析对存在异常行为的数据进行可视化展示[1]。这种利用构建知识库分析数据的方式也可以很好地应用到其他各个领域，具有很强的推广价值。

目前，已有多位研究者对学生行为分析模型进行了分析研究。基于神经网络、朴素贝叶斯算法组合模型[2]，构建了分析预测平台对学生行为进行预测。文献[3]通过研究学生社会情感发展的规范趋势解释学生的自我报告随时间的变化，并根据报告预防学生情感异常现象发生。文献[4]把基于大数据的决策支持系统基本原理和图书馆专业特点相结合，设计了基于大数据的知识库存储系统。知识库的构建在世界各国的研究均比较广泛，如基于维基百科知识构建的KnowItAll、Probase和DBpedia知识库[5]等。但是，以上研究仅限于对学生行为的分析处理和单一的知识库构建，没有运用大数据的相关技术将学生行为和知识库建立相结合并分析数据。

为了实现对学生异常行为的预测，拟提出了一种在Hadoop大数据平台上构建知识库的模型，对学生的结构化、半结构化和非结构化的一卡通数据进行分析，在知识库中通过对TextRank算法的改进和随机游走技术实现知识库的自动推理功能，根据异常指标判定，对海量学生行为数据进行异常检测，并做相应的预警提示。……