长江信息通信杂志

摘要：随着校园智能化管理需求的日益增长,精准的校园行为分析成为保障校园安全、优化教学管理的关键。该文针对校园多模态行为数据存在的质量问题及复杂特征,提出了一种基于全变分、图卷积神经网络与交叉注意力模型的校园行为分析方法。首先,利用全变分模型对多模态数据进行质量提升,有效解决数据错误与缺失问题;其次,借助图卷积神经网络将各类行为数据转化为图结构,提取其中复杂的时空关系与实体交互特征;最后,基于交叉注意力模型实现多模态数据特征的高效融合,使模型聚焦关键信息,准确理解校园行为。实验结果表明,相较于传统单模态模型和简单拼接多模态特征的融合模型,该文方法在准确率、精确率、召回率和F1值上都有提升,显著提高了校园行为分析的准确性和可靠性,为校园安全与管理提供了有效解决方案,具有重要的实际意义。

关键词： 行为分析;图卷积;注意力机制;全变分;多模态;

DOI： 10.20153/j.issn.2096-9759.2026.08.003

专辑： 信息科技;社会科学Ⅱ辑

专题： 教育理论与教育管理;自动化技术

分类号： G47;TP183