[发明专利]针对学生序列化行为的贫困生预测方法

权利要求书

1.一种针对学生序列化行为的贫困生预测方法，其特征在于：

所述针对学生序列化行为的贫困生预测方法包括如下步骤：

采集学生在校行为数据，以学生个体作为分类标签，以固定周期作为数据统计内容的时长，形成固定周期内的一组数据，并以矩阵形式表示，记为单组数据；

对同一个学生的单组数据中的同一维度数据进行最大值与最小值差值的归一化处理后，对单组数据的所有特征进行重要度的构建并进行筛选，得到有效特征数据矩阵；

构建many2one形式的长短时记忆网络模型，将同一学生当前时间段之前的连续的若干个有效特征数据带入模型，得到学生的贫困类别。

2.根据权利要求1所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述学生在校行为数据包括：

上网行为数据、一卡通数据、宿舍出入数据、图书馆出入与借阅数据、课堂数据、校园活动数据、基本信息数据、贫困标签。

3.根据权利要求2所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述上网行为数据包括：

上网内容，上网行为流量，上网时长；

所述一卡通数据包括：食堂消费金额，食堂消费类目，食堂消费时间；超市消费金额，超市消费类目，超市消费时间；打水时间；淋浴消费金额，淋浴消费时间；一卡通卡内余额；

所述宿舍出入数据包括：

宿舍出入时间，宿舍出入地点；

所述图书馆出入与借阅数据包括：

图书馆出入时间，图书借阅名称，图书借阅时间；

所述课堂相关数据包括：

每学期课程成绩，课堂打卡时间；

所述校园活动数据包括：

校内组织任职情况，班级任职情况；勤工俭学时间，勤工俭学工资；每学期奖惩情况；课外活动积分值；实习单位，实习工资，实习时间；

所述基本信息数据包括：

家庭所在地、性别、专业、年龄、籍贯、兴趣爱好；

所述贫困标签按照学生的贫困等级分成：

无贫困、一般贫困，中度贫困，严重贫困。

4.根据权利要求1所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述单组数据以矩阵形式表示，每个固定周期形成一个矩阵形式的数据；

每个学生的贫困标签形成列向量矩阵。

5.根据权利要求1所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述对单组数据的所有特征进行重要度的构建并进行筛选包括：

构建随机森林模型，获取每个特征的重要性，通过交叉验证的方式给定删除比例与最终剩余特征数量dim_r，对特征矩阵中的每个固定周期的特征进行特征选择。

6.根据权利要求5所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述对单组数据的所有特征进行重要度的构建并进行筛选包括如下步骤：

对特征矩阵中的每个特征进行重要性计算；

依据每个特征重要性的数值进行降序排列；

根据实现设定的比例进行特征的筛选，形成新的特征数据集。

7.根据权利要求6所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述特征的筛选采用循环方式，以实现设定的比例不断地进行筛选，直到所剩下的特征个数与实现设定的目标个数一致。

8.根据权利要求1所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述长短时记忆网络模型以有效特征数据矩阵作为输入，所述列向量矩阵作为输出，训练模型；

所述长短时记忆网络模型中的损失函数采用交叉熵损失函数，优化器采用随机梯度下降算法，并且在输入与输出处加入dropout层，获取LSTM的隐层单元值。

9.根据权利要求1所述的针对学生序列化行为的贫困生预测方法，其特征在于：

所述固定周期以月为单位。

10.根据权利要求1所述的针对学生序列化行为的贫困生预测方法，其特征在于：

对同一学生的贫困类别进行认定时，采集该学生当前时间段之前的连续6组单组数据作为分析数据。