[发明专利]一种基于深度学习的在校大学生信用评估方法及装置

说明书

本发明公开了一种基于深度学习的在校大学生信用评估方法及装置，方法包括：A：获取待评估学生的信用数据；B：使用word2vec框架将信用数据样本中的文本信息转换为词向量，再使用预先训练好的LSTM模型针对待评估学生对应的词向量进行处理得到文本特征指标数据；C：将待评估学生的信用数据中除文本信息以外的其他信用数据进行特征赋值并进行归一化处理，得到非文本特征指标数据；D：利用预先训练的BP神经网络将学生文本特征指标数据和非文本特征指标数据作为连续性输入映射到连续性输出，得到待评估学生的目标信用评估结果。应用本发明实施例，可以提高针对学生的信用评估的效率及准确性。

技术领域

本发明涉及一种基于深度学习的在校大学生信用评估方法及装置，更具体涉及一种基于深度学习的在校大学生信用评估方法及装置。

背景技术

近些年来，大学生在学业、学术、就业中失信事件频发，如学术造假，毕业生助学贷款拖欠等，大学生信用的缺失不仅损害了大学生的整体形象，不利于大学生自身的健康成长，而且也给社会造成了不良的影响，使社会公众对大学教育产生了诸多的质疑。通过对在校大学生的学习和生活方面的信息进行分析，有助于形成较为完善的符合大学生群体特点的信用评定方法，因此大学生信用评定方法的研究对于约束大学生行为，引导学生发展具有重要的科研价值和应用价值。

现有的信用评定方法大多基于个体的经济行为即履约情况，然而大学生群体存在特殊性，其在校期间活动以学习技能为主，独立完成的与社会群体间的经济活动较少，采用以往的信用评定方法无法对在校大学生的信用水平进行准确评定。此外，在校大学生的日常活动中也包含着类似于经济活动中的履约行为，如按时上课，合理通过考试，按时缴纳学费等，这些信息都可以作为学生信用评定的辅助信息，而目前高校学生的信用水平判定对这些信息未进行充分利用，其判定手段主要可分为人工评定的方法和基于多属性权重分析的方法两种。基于人工判定的方法依赖于同学之间的相互评定以及辅导员和任课老师的综合评定结果，这种方法以个体之间的直接交互主观感受为依据，致使评定结果难以表现真实的信用水平，进而导致得到的评定结果与真实结果之间存在偏差。多属性权重的分析方法基于学生成绩信息库，以学生成绩与学分的加权平均作为学生信用评定结果，这种方法仅以学生成绩作为信用评定的依据过于片面，对学生的其它行为信息利用不足，评定效果不佳。

综上，现有技术存在针对学生的信用评估结果不够准确的技术问题。

发明内容

本发明所要解决的技术问题在于提供了一种基于深度学习的在校大学生信用评估方法及装置，以提高针对学生的信用评估结果的准确性。

本发明是通过以下技术方案解决上述技术问题的：

本发明实施例提供了一种基于深度学习的在校大学生信用评估方法，所述方法包括：

A：获取待评估学生的信用数据，所述信用数据包括：所述学生的上课考勤数据、所述学生的考试成绩数据、所述学生的学费数据、所述学生的助学贷款数据中的一种或组合；

B：使用word2vec框架将所述信用数据样本中的文本信息转换为词向量，再使用预先训练好的LSTM模型针对所述待评估学生对应的词向量进行处理得到文本特征指标数据；

C：将待评估学生的信用数据中除文本信息以外的其他信用数据进行特征赋值并进行归一化处理，得到非文本特征指标数据；

D：利用预先训练的BP神经网络将学生文本特征指标数据和非文本特征指标数据作为连续性输入映射到连续性输出，得到所述待评估学生的目标信用评估结果。

可选的，所述B步骤，包括：

B1：针对每一个待评估学生，获取待评估学生的同学和老师针对所述待评估学生的非结构化文本的评价信息；