一种精准资助认定方法、系统、计算机设备及存储介质技术方案

本发明专利技术公开了一种精准资助认定方法，包括：采集学生的校园行为信息；对所述校园行为信息进行特征提取以获得行为评价指标；将所述行为评价指标输入预先构建的基模型进行训练以获得初级基模型，将训练后的初级基模型串行组合得到精准资助认定模型；将待预测学生的校园行为信息进行特征提取以获得待预测学生的行为评价指标；将所述待预测学生的行为评价指标输入所述精准资助认定模型，获得资助认定结果。本发明专利技术还公开了一种精准资助认定系统、计算机设备以及存储介质。采用本发明专利技术，可发现需要关爱的学生，即符合贫困生统计特征但又没接受资助的学生，可发现异常贫困生，即接受资助，但行为特征与贫困生有明显差异的学生。

【技术实现步骤摘要】
一种精准资助认定方法、系统、计算机设备及存储介质
本专利技术涉及大数据领域，尤其涉及一种精准资助认定方法、系统、计算机设备及存储介质。
技术介绍
在各大高校里，贫困生人数占总学生人数大约25％-30％，这些贫困生大部分来自于经济落后的地区，城市里面的下岗失业的职工家庭。贫困生认定工作关键在于贫困生的认定过程和方法时候可靠、是否科学合理，但由于贫困生认定工作的复杂性、艰巨性，在实践上往往难以把握，各高校在认定贫困生时都会难以取舍。目前，高校贫困生认定流程主要为：1、由学校发起；2、学生主动填写申请；3、班级评定；4、国家评定。从流程上可以看出，认定过程涉及诸多主观因素，其中，会有不少碍于面子或过于内敛羞涩不敢去申请的学生，也有不少实际上生活并不困难，也递交申请的学生。这类问题每年在高校认定贫困生时都会出现。针对上述问题，传统的解决方案时增设投诉机制，结合学校的主动调研。但是，传统的投诉机制与主动调研具有巨大的困难，一方面主动调研全校学生是一个非常耗费时间且难以实现的过程，第二，无法主动获知异常信息。r>
技术实现思路
...

【技术保护点】
1.一种精准资助认定方法，其特征在于，包括：/n采集学生的校园行为信息；/n对所述校园行为信息进行特征提取以获得行为评价指标，并根据所述行为评价指标构建学生行为评价指标库；/n将所述行为评价指标输入预先构建的基模型进行训练，将训练后的基模型串行组合得到精准资助认定模型；/n将待预测学生的校园行为信息进行特征提取以获得待预测学生的行为评价指标；/n将所述待预测学生的行为评价指标输入所述精准资助认定模型，获得资助认定结果。/n

【技术特征摘要】
1.一种精准资助认定方法，其特征在于，包括：
采集学生的校园行为信息；
对所述校园行为信息进行特征提取以获得行为评价指标，并根据所述行为评价指标构建学生行为评价指标库；
将所述行为评价指标输入预先构建的基模型进行训练，将训练后的基模型串行组合得到精准资助认定模型；
将待预测学生的校园行为信息进行特征提取以获得待预测学生的行为评价指标；
将所述待预测学生的行为评价指标输入所述精准资助认定模型，获得资助认定结果。


2.如权利要求1所述的精准资助认定方法，其特征在于，在所述采集学生的校园行为信息的步骤之后还包括：对所述校园行为信息进行预处理。


3.如权利要求2所述的精准资助认定方法，其特征在于，在所述对所述校园行为信息进行特征提取以获得行为评价指标的步骤之后还包括：
在所述行为评价指标库中，通过主基底算法筛选出方差解释度最大的行为评价指标作为显著行为特征指标。


4.如权利要求3所述的精准资助认定方法，其特征在于，所述将所述行为评价指标输入预先构建的基模型进行训练，将训练后的基模型串行组合得到精准资助认定模型的步骤包括：
将所述行为评价指标库化分为大类非贫困生数据集与少类贫困生数据集；
随机将所述大类非贫困生数据集分到不同的桶内，并通过欠采样的方式抽取第一次基模型训练用到的大类非贫困生数据子集；
将所述少类贫困生数据集和上步抽取的所述大类非贫困生数据子集组合形成基模型的训练数据集，并进行基模型训练，得到第一个基模型；
根据上一次训练后的基模型，计算每个大类非贫困生数据集的自步因子；
根据每个大类非贫困生数据集的自步因子大小，将大类非贫困生数据集分箱到不同的桶内，每个桶赋予不同的权重，优质的训练样本所在桶具有更高的抽样权重，并按权重从不同桶之间抽取下一次基模型训练用到的大类非贫困生数据子集；
将所述少类贫困生数据集和下一次基模型训练用到的大类非贫困生数据子集组合形成下一个基模型的训练数据集，并进行下一次基模型训练；
将每次训练所得的基模型串行组合得到精准资助认定模型。


5.如权利要求...

【专利技术属性】
技术研发人员：麦嘉丽，罗龙，韩高强，陈国镇，
申请(专利权)人：三盟科技股份有限公司，
类型：发明
国别省市：广东;44