[发明专利]一种基于校园数据的学生经济状况预测方法

说明书

本发明公开了一种基于校园数据的学生经济状况预测方法，其特征在于，包括以下步骤：S1：采集所有在校学生的行为数据；S2：对采集到的学生数据进行数据清洗，将清洗后的数据存放在数据存储模块中；S3：提取每个学生的行为特征向量；S4：构建深度学习Encoder‑Decoder模型，并分开进行训练；S5：根据训练的模型预测学生的校园行为；S6：训练集数据训练分类模型；S7：基于分类模型预测学生经济状况。本发明基于LSTM Encoder‑Decoder模型预测学生的校园行为，并建立分类模型预测学生经济状况，其中标注数据需求少，训练数据充分，预测效果更好。

技术领域

本发明涉及大数据分析挖掘技术领域，尤其是一种基于校园数据的学生经济状况预测方法。

背景技术

随着社会的不断发展，国民对教育的重视程度也正不断提高，对学生的教育不仅依赖于教育资源和水平，也需要对学生的身心健康以及生活环境进行重视。基于国内现有的基本国情，仍然存在较大的贫富差距，导致无论在中学阶段还是在大学阶段，依然有一部分学生属于贫困范畴，为保证此类学生身心健康发展及学业稳定发展，需要对此类学生进行重点关注。

由于在校学生大部分的日常生活、学习等活动大多依赖校园一卡通，包括食堂就餐、日常用水、用电、校内超市购物、门禁、图书馆借阅、网上缴费和校内医疗等；因此，本发明提出一种基于一卡通消费的重点关注学生经济状况，通过对学生一卡通消费记录进行分析，预测学生的经济状况，寻找重点关注学生，有利于学校对上述学生关注和帮助。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于校园数据的学生经济状况预测方法，通过对学生一卡通消费记录进行分析，基于LSTM Encoder-Decoder模型预测学生的经济状况。

本发明采用的技术方案如下：

本发明一种基于校园数据的学生经济状况预测方法，包括以下步骤：

S1：采集所有在校学生的行为数据，行为数据包括学生在校园内各个地点使用校园一卡通的记录；

S2：对采集到的学生数据进行数据清洗，完成数据的过滤以及规范化，将清洗后的数据存放在数据存储模块中；

S3：调用数据存储模块的数据，提取每个学生的行为特征向量；

S4：构建深度学习Encoder-Decoder模型，并对该模型的Encoder编码器和Decoder解码器分开进行训练；

S5：根据训练的模型预测学生的校园行为；

S6：将Encoder-Decoder模型中的编码向量作为学生的特征，学生经济状况标注数据作为label，得到训练集，利用训练集数据训练分类模型；

S7：基于分类模型预测学生经济状况。

进一步，所述S2中数据清理包括：数据预处理、数据关联和补全，以及数据过滤；所述数据关联和补全，将不同业务系统的数据进行关联，整合到统一的数据库中，对缺失的数据进行补全；所述数据预处理，对基础数据进行规制校验，去除不符合规则的数据，对于不同业务系统的同一字段不一致的进行校验；所述数据过滤，将分散在不同业务系统中的大量冗余数据去除。

进一步，所述S3中的学生行为特征包括：持卡人信息维度、消费流水维度和消费终端类别维度；持卡人信息维度包括校园卡号、姓名和学院；消费流水维度包括消费的校园卡号、交易卡号、终端号、消费金额、消费类型、时间信息；消费终端类别维度包括消费终端名称、代码、类别；基于上述行为数据，得到行为特征向量。