[發明專利]一種精準資助認定方法、系統、計算機設備及存儲介質

在審

• 申請號: 202010894745.2
• 申請日: 2020-08-31
• 公開（公告）號: CN112132415A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 麥嘉麗;羅龍;韓高強;陳國鎮
• 申請（專利權）人: 三盟科技股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/20
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 胡楓;曹萬菊

本發明公開了一種精準資助認定方法，包括：采集學生的校園行為信息；對所述校園行為信息進行特征提取以獲得行為評價指標；將所述行為評價指標輸入預先構建的基模型進行訓練以獲得初級基模型，將訓練后的初級基模型串行組合得到精準資助認定模型；將待預測學生的校園行為信息進行特征提取以獲得待預測學生的行為評價指標；將所述待預測學生的行為評價指標輸入所述精準資助認定模型，獲得資助認定結果。本發明還公開了一種精準資助認定系統、計算機設備以及存儲介質。采用本發明，可發現需要關愛的學生，即符合貧困生統計特征但又沒接受資助的學生，可發現異常貧困生，即接受資助，但行為特征與貧困生有明顯差異的學生。

技術領域

本發明涉及大數據領域，尤其涉及一種精準資助認定方法、系統、計算機設備及存儲介質。

背景技術

在各大高校里，貧困生人數占總學生人數大約25％-30％，這些貧困生大部分來自于經濟落后的地區，城市里面的下崗失業的職工家庭。貧困生認定工作關鍵在于貧困生的認定過程和方法時候可靠、是否科學合理，但由于貧困生認定工作的復雜性、艱巨性，在實踐上往往難以把握，各高校在認定貧困生時都會難以取舍。

目前，高校貧困生認定流程主要為：1、由學校發起；2、學生主動填寫申請；3、班級評定；4、國家評定。從流程上可以看出，認定過程涉及諸多主觀因素，其中，會有不少礙于面子或過于內斂羞澀不敢去申請的學生，也有不少實際上生活并不困難，也遞交申請的學生。這類問題每年在高校認定貧困生時都會出現。

針對上述問題，傳統的解決方案時增設投訴機制，結合學校的主動調研。但是，傳統的投訴機制與主動調研具有巨大的困難，一方面主動調研全校學生是一個非常耗費時間且難以實現的過程，第二，無法主動獲知異常信息。

發明內容

本發明所要解決的技術問題在于，提供一種精準資助認定方法、系統、計算機設備及存儲介質，可發現需要關愛的學生，即符合貧困生統計特征但又沒接受資助的學生，可發現異常貧困生，即接受資助，但行為特征與貧困生有明顯差異的學生。

為了解決上述技術問題，本發明提供了一種精準資助認定方法，包括：采集學生的校園行為信息；對所述校園行為信息進行特征提取以獲得行為評價指標，并根據所述行為評價指標構建學生行為評價指標庫；將所述行為評價指標輸入預先構建的基模型進行訓練，將訓練后的基模型串行組合得到精準資助認定模型；將待預測學生的校園行為信息進行特征提取以獲得待預測學生的行為評價指標；將所述待預測學生的行為評價指標輸入所述精準資助認定模型，獲得資助認定結果。

優選地，在所述采集學生的校園行為信息的步驟之后還包括：對所述校園行為信息進行預處理。

優選地，在所述對所述校園行為信息進行特征提取以獲得行為評價指標的步驟之后還包括：在所述行為評價指標庫中，通過主基底算法篩選出方差解釋度最大的行為評價指標作為顯著行為特征指標。優選地，所述將所述行為評價指標輸入預先構建的基模型進行訓練，將訓練后的基模型串行組合得到精準資助認定模型的步驟包括：將所述行為評價指標庫化分為大類非貧困生數據集與少類貧困生數據集；隨機將所述大類非貧困生數據集分到不同的桶內，并通過欠采樣的方式抽取第一次基模型訓練用到的大類非貧困生數據子集；將所述少類貧困生數據集和上步抽取的所述大類非貧困生數據子集組合形成基模型的訓練數據集，并進行基模型訓練，得到第一個基模型；根據上一次訓練后的基模型，計算每個大類非貧困生數據集的自步因子；根據每個大類非貧困生數據集的自步因子大小，將大類非貧困生數據集分箱到不同的桶內，每個桶賦予不同的權重，優質的訓練樣本所在桶具有更高的抽樣權重，并按權重從不同桶之間抽取下一次基模型訓練用到的大類非貧困生數據子集；將所述少類貧困生數據集和下一次基模型訓練用到的大類非貧困生數據子集組合形成下一個基模型的訓練數據集，并進行下一次基模型訓練；將每次訓練所得的基模型串行組合得到精準資助認定模型。