基于孤立森林的高校虛假貧困生辨識(shí)算法

褚蕾蕾 孟利霞 鄭健 夏光峰 劉年生

摘 要：在高等院校的不斷擴(kuò)招形勢(shì)下，貧困生已經(jīng)成為一類典型的大學(xué)生群體。為促進(jìn)高校教育的公平公正發(fā)展，保證大學(xué)生身心發(fā)展的健康，對(duì)貧困生的資助已經(jīng)成為國(guó)家的一項(xiàng)重要政策，同時(shí)，如何進(jìn)行高校貧困學(xué)生的精準(zhǔn)資助已經(jīng)成為貧困生資助的熱點(diǎn)問(wèn)題。本文研究了一種高校虛假貧困生的辨識(shí)算法，通過(guò)采集貧困生的校園卡消費(fèi)數(shù)據(jù)，提取其中關(guān)鍵指標(biāo)，再采用孤立森林異常點(diǎn)檢測(cè)法對(duì)其中的異常數(shù)據(jù)進(jìn)行監(jiān)測(cè)，從而辨識(shí)出虛假貧困。采用實(shí)際算例進(jìn)行分析，其結(jié)果表明了本文提出方法的有效性。

關(guān)鍵詞：高校;虛假貧困;精準(zhǔn)資助;孤立森林

中圖分類號(hào)：TP393.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2019）06-0044-02

0 引言

隨著中國(guó)高等教育普及化，以及高等學(xué)校不斷擴(kuò)招的形勢(shì)下，一種典型的大學(xué)生群體：貧困生群體已經(jīng)越來(lái)越受到人們的關(guān)注。為保證高等教育公平公正的原則，國(guó)家出臺(tái)了一系列政策，建立了完善的貧困生資助體系，保障了貧困生順利的完成學(xué)業(yè)和研究。然而，現(xiàn)有的條件下，仍然在少數(shù)場(chǎng)合存在著資助準(zhǔn)確性不高的問(wèn)題，即少數(shù)貧困生未能獲得國(guó)家資助，反而少數(shù)非貧困生卻受到了資助。因此，如何實(shí)現(xiàn)精準(zhǔn)資助一直是貧困生認(rèn)定和資助領(lǐng)域的重點(diǎn)和難點(diǎn)問(wèn)題。

近年來(lái)，人工智能理論的發(fā)展為貧困生的精準(zhǔn)資助提供了一種基于實(shí)際消費(fèi)數(shù)據(jù)的新思路。與傳統(tǒng)的走訪或調(diào)查問(wèn)卷的方法不同，基于數(shù)據(jù)的方法完全依賴于大學(xué)生的實(shí)際消費(fèi)數(shù)據(jù)，提高了資助認(rèn)定的客觀性和可靠性，已成為新的研究熱點(diǎn)。例如，文獻(xiàn)[1]基于校園一卡通數(shù)據(jù)，采用支持向量機(jī)（SVM）算法，歸納了高校大學(xué)生消費(fèi)的兩種消費(fèi)模式;文獻(xiàn)[2]基于校園一卡通、宿舍門(mén)禁、圖書(shū)館借閱信息，結(jié)合k-means聚類方法，對(duì)大學(xué)生的貧困程度進(jìn)行預(yù)測(cè)。文獻(xiàn)[3]基于高校學(xué)生消費(fèi)數(shù)據(jù)，采用描述性統(tǒng)計(jì)和非參數(shù)檢驗(yàn)的方法，描述了貧困生和非貧困生在消費(fèi)上的差異性。

本文采用孤立森林算法對(duì)高校虛假貧困現(xiàn)象進(jìn)行檢測(cè)與辨識(shí)，首先采集高校學(xué)生的校園一卡通數(shù)據(jù)，再抽取其中關(guān)鍵特征，使用孤立森林算法進(jìn)行異常數(shù)據(jù)檢測(cè)。對(duì)其異常數(shù)據(jù)進(jìn)行分析，便可精準(zhǔn)監(jiān)測(cè)到虛假貧困現(xiàn)象并對(duì)其預(yù)警。采用實(shí)際算例進(jìn)行算法論證，其結(jié)果表明了本文方法的有效性和實(shí)用性。

1 背景知識(shí)

1.1 虛假貧困

所謂虛假貧困現(xiàn)象是指某些非貧困生通過(guò)各種手段獲得國(guó)家貧困生資助的現(xiàn)象。雖然這類現(xiàn)象屬于極少數(shù)個(gè)例，但是卻嚴(yán)重影響了貧困生資助的公平公正性，在高校學(xué)生群體之間造成不良的影響。因此，如何對(duì)虛假貧困現(xiàn)象進(jìn)行辨識(shí)是精準(zhǔn)資助領(lǐng)域的重要子問(wèn)題。

1.2 高校一卡通數(shù)據(jù)

我國(guó)高校內(nèi)的消費(fèi)大多采用校園卡的方式進(jìn)行結(jié)算。消費(fèi)種類一般為：（1）食堂消費(fèi);（2）超市消費(fèi);（3）打水消費(fèi);（4）洗浴消費(fèi);（5）電費(fèi)，網(wǎng)費(fèi)，圖書(shū)償還費(fèi)用等其他消費(fèi)。其中，食堂和超市消費(fèi)的差異與學(xué)生的貧困水平成正相關(guān)，需著重監(jiān)測(cè)這兩類消費(fèi)數(shù)據(jù)。

2 數(shù)據(jù)預(yù)處理與特征抽取

采集校園一卡通的食堂消費(fèi)數(shù)據(jù)和超市消費(fèi)數(shù)據(jù)，進(jìn)行預(yù)處理和特征提取。提取的特征為：（1）30天日消費(fèi)均值Maverage;（2）30天日消費(fèi)總額Msum;（3）30天食堂消費(fèi)總額Mshitang;（4）30天超市消費(fèi)總額Mchaoshi。將Maverage、Msum、Mshitang、Mchaoshi分別進(jìn)行歸一化處理作為算法的輸入數(shù)據(jù)。則最后的輸入數(shù)據(jù)X為：X={X∈R4|Maverage、Msum、Mshitang、Mchaoshi}[4]。

3 孤立森林法

本文所用的孤立森林模型是基于隔離思想的異常點(diǎn)檢測(cè)算法，其檢測(cè)流程如圖1所示，將采集到的數(shù)據(jù)做為總數(shù)據(jù)集X，從X中隨機(jī)采樣得到子數(shù)據(jù)集（X1，X2…Xm），進(jìn)而進(jìn)行隔離樹(shù)和孤立森林的構(gòu)建，再通過(guò)計(jì)算路徑的長(zhǎng)度得到各個(gè)點(diǎn)的異常分值，最后，根據(jù)其分值的大小進(jìn)行異常數(shù)據(jù)的辨識(shí)。

3.1 孤立樹(shù)

圖2所示為隔離樹(shù)的建立方法。主要步驟為：（1）隨機(jī)選取子數(shù)據(jù)集X中的某一列數(shù)據(jù)作為主要維度q，在其取值范圍[qmin，qmax]內(nèi)，選取一隨機(jī)值p，并基于是否qp將總數(shù)據(jù)分為左子集Xl和右子集Xr，同時(shí)隨機(jī)產(chǎn)生一個(gè)子結(jié)點(diǎn);（2）需對(duì)其結(jié)點(diǎn)進(jìn)行判斷，判斷其是否為內(nèi)部結(jié)點(diǎn)還是葉結(jié)點(diǎn)，并循環(huán)重復(fù)1步驟，除非內(nèi)部結(jié)點(diǎn)滿足其葉結(jié)點(diǎn)的條件：對(duì)于子采樣數(shù)據(jù)X={x1，…，xn}，通過(guò)選取隨機(jī)特性q和分割值p，直到樹(shù)高h(yuǎn)達(dá)到高度限制hlim，或者分割后的子采樣集只剩下唯一數(shù)據(jù)為止。

4 算例分析

以某學(xué)校為例，采集該校大一至大四學(xué)生的一卡通消費(fèi)數(shù)據(jù)共十萬(wàn)條。使用第3章所述的數(shù)據(jù)類別作為算法輸入數(shù)據(jù)，并將其數(shù)據(jù)輸入至第四章所述的孤立森林算法中。算法計(jì)算完成后，對(duì)每個(gè)學(xué)生的異常分?jǐn)?shù)進(jìn)行排序，選擇異常分?jǐn)?shù)靠前的400名同學(xué)進(jìn)行分析。同時(shí)，對(duì)這400名同學(xué)的家庭進(jìn)行摸查，以確認(rèn)真實(shí)情況。使用本文方法與異常因子（LOF）以及單類支持向量機(jī)（one-class SVM）進(jìn)行比較，檢測(cè)精度如表1所示。正確率為被檢測(cè)出的異常點(diǎn)占總數(shù)的比例;誤測(cè)率為正常點(diǎn)被檢測(cè)為異常的比例?？梢钥闯?，孤立森林法較其他方法檢測(cè)準(zhǔn)確度更高。

5 結(jié)語(yǔ)

本文研究了一種高校虛假貧困生的辨識(shí)算法，通過(guò)采集貧困生的校園卡消費(fèi)數(shù)據(jù)，提取其中關(guān)鍵指標(biāo)，再采用孤立森林異常點(diǎn)檢測(cè)法對(duì)其中的異常數(shù)據(jù)進(jìn)行監(jiān)測(cè)，從而辨識(shí)出虛假貧困。采用實(shí)際算例進(jìn)行分析，其結(jié)果表明了本文提出方法的有效性。

參考文獻(xiàn)

[1] 唐穎，李明江.數(shù)據(jù)挖掘在高校貧困生消費(fèi)信息管理中的應(yīng)用研究[J].湖南商學(xué)院學(xué)報(bào)，2011，18（6）：45-49.

[2] 李明君.基于數(shù)據(jù)挖掘的貧困助學(xué)金認(rèn)定方法研究[D].華中師范大學(xué)，2017.

[3] 李珊娜.基于校園一卡通平臺(tái)的數(shù)據(jù)挖掘應(yīng)用研究[J].鐵路計(jì)算機(jī)應(yīng)用，2010，19（6）：55-58.

[4] 費(fèi)小丹，董新科，張暉.基于校園一卡通消費(fèi)數(shù)據(jù)的高校貧困生分析[J].電腦知識(shí)與技術(shù)，2014（20）：4934-4936.