【技术实现步骤摘要】
集群环境下的学生智助方法和系统
本专利技术集群环境下的学生智助方法和系统，属于大数据应用
技术介绍
贫困大学生一直以来都是我国民生关注的重点，帮扶是高校和相关部门的一项人文关怀政策，如何落地最考验这份人文关怀的诚意与智慧。虽说目前各高校的认定标准已充分细化，可以体现认定的严格，但现有的贫困生判别方法较少考虑属性重要性对判别的影响，准确性较低，由此带来的“误伤”却不容忽视。如今既有学生的家庭信息档案，又有校园卡的消费记录，如何通过学生在校的客观数据和表现对学生的贫困状态进行综合考量，避免在学生贫困状态评定中出现的主观性和随机性，提供一种结构简单、准确性较高、性能优越的智助系统是值得研究和探索的新的应用领域。
技术实现思路
为解决现有技术存在的不足，本专利技术公开了集群环境下的学生智助方法和系统，该智助方法和系统结构简单、准确性较高、性能优越，避免在学生贫困评定中出现的主观性和随机性，具有受人为因素小、伸缩性强和精度高等优点，进而使学校能够更加科学、公平、方便、高效地评判贫困生。本专利技术通过以下技术方案实现：集群环境下的学生智助方法，包括以下步骤：a)以学校为...
【技术保护点】
1.集群环境下的学生智助方法，其特征在于，包括以下步骤：a)以学校为单位，根据学生自愿申请原则，将学生数据集分为贫困生候选集DSC和非贫困生数据集DSN；b)利用学校确定的贫困生名额与非贫困生名额比例，计算TOP‑N的值；c)数据特征量的提取，根据数据库包含的字段名称，抽取数据特征量及特征个数，提取待分析学生行为数据的维度特征，并将每维特征归一化；d)采用信息熵自动获取每维特征的属性权值wl；e)集群环境下，引入属性权值wl，针对候选集DSC中的每个对象，利用map‑reduce框架并行计算候选集DSC中每个对象与数据集DSN中每个对象间的权值欧式距离dij，形成距离矩阵D...
【技术特征摘要】
1.集群环境下的学生智助方法，其特征在于，包括以下步骤：a)以学校为单位，根据学生自愿申请原则，将学生数据集分为贫困生候选集DSC和非贫困生数据集DSN；b)利用学校确定的贫困生名额与非贫困生名额比例，计算TOP-N的值；c)数据特征量的提取，根据数据库包含的字段名称，抽取数据特征量及特征个数，提取待分析学生行为数据的维度特征，并将每维特征归一化；d)采用信息熵自动获取每维特征的属性权值wl；e)集群环境下，引入属性权值wl，针对候选集DSC中的每个对象，利用map-reduce框架并行计算候选集DSC中每个对象与数据集DSN中每个对象间的权值欧式距离dij，形成距离矩阵D；f)通过对距离矩阵D进行累加和分析并排序，得出前Top-N名学生数据，定义为贫困生。2.根据权利要求1所述的集群环境下的学生智助方法，其特征在于，所述特征归一化的计算公式为：式中，xil表示第i个对象xi在第l维属性上的取值，min(xil)表示数据集中xil的最小值，max(xil)表示数据集中xil的最大值，xi′l表示标准化后的结果，该方法实现对原始数据的等比例缩放。3.根据权利要求1所述的集群环境下的学生智助方法，其特征在于，所述特征量为学号，生源地，家庭成员数，餐均消费额，消费总额，刷卡次数，学生成绩相对排名，图书馆进出次数。4.根据权利要求1所述的集群环境下的学生智助方法，其特征在于，所述信息熵自动获取每维特征的属性权值的方法，包括以下步骤：设属性集xi＝{xi1,xi2,xi1,…,xiL}假设xil是第i个对象xi的第l维属性上的取值，wl是第l维属性的权值，且0≤wl≤1，1)首先对数据集中每维属性取均值，低于均值的就视为没有发生，高于均值的视为发生，根据样本发生个数与样本总数的频度比值依次计算属性集xi中各属性的概率值p(xil)；2)设U是论域，X1，X2…，XL是论域U的一个划分，其上有概率分布：则称为信息源X的信息熵，其中对数取2为底，而某个pi为零时，...
【专利技术属性】
技术研发人员：朱晓军，吕士钦，娄圣金，
申请(专利权)人：太原太工天宇教育科技有限公司，
类型：发明
国别省市：山西,14
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。