基于深度学习的高校贫困生精准资助模型的构建

陈建敏，徐苏丽，马晓松，程茜宇

关键字：深度学习；精准资助；深度神经网络；贫困生

当代社会各个领域都在向着智能化迈进，高校精准扶贫方面也不例外。利用深度学习的有关技术进行预测和分类评定，实现精准分类识别贫困生，以解决贫困资助评定标准单一化、不一致以及诸多人为因素，可见智能化在解决贫困生资助问题上已经越来越重要。本文通过对深度神经网络算法的研究，利用TensorFlow框架，通过研究分析数据，精准识别高校贫困生及精准评估，并结合智慧校园建设，实现动态监管，实现学生资助的实时更新，从而高效、科学、公平地实现贫困生资助。

一、研究背景及存在问题

九十年代中期，高校贫困资助才开始研究，并于二十世纪初期才形成较完整成熟的理论体系。国家精准扶贫的战略布局，使得社会也非常关注高校贫困生的精准资助问题。《高校贫困生发展性资助理念及管理体系研究》高度总结和概括了现行的高校资助工作[1]。直至2004年6月，才建立了风险补偿机制，并且调整了助学贷款政策，使得贷款风险降低。2007年5月，国家在高等教育阶段设立师范生免费教育、学费减免、励志奖学金等多种资助体系，给很多家庭贫困的学生带去了上大学的机会和保障。但目前贫困生认定工作还是存在着以下问题。

（一）贫困生认定材料单一、过程简单

高校都是从申请人填写的各种情况调查表中认定困难学生，这些表中涉及的“年收入”这一项主要是学生自己估计数字填写，当地民政等相关部门难以全面细致掌握本地全部家庭经济情况，又出于各种因素考虑，只要学生申请就予以盖章，从而就会出现各种问题，比如说学生填报的经济情况不真实，分不清学生填写的家庭困难情况的真假[2]。

（二）无法实现高校贫困生资助的动态管理

目前，高校资助工作中对贫困生的认定，都是在每年九月份进行并录入资助平台。录入平台的贫困生，高校就不会从贫困生库中去移除某个贫困生，但是现实中，有些学生在认定为贫困生时确实是贫困的，但是随着时间推移，该学生家庭收入增加，各方面已经不属于贫困生行列。不能及时掌握每位贫困生家庭经济变化情况，也就无法动态管理贫困生并做到精准资助[3]，这是精准资助动态管理亟待解决的问题。

二、高校贫困生的界定与精准资助

（一）高校贫困生等级界定情况

精准识别贫困生是高校资助工作的关键，高校资助工作的公平取决于是否能精准识别贫困生的等级。现阶段，界定高校贫困生的办法主要是依据学生提供的申请表，对于提出申请的学生，学校成立评议小组并进行评议。一般评议小组根据贫困生的申请，根据申请表内容、消费水平或者是居民最低生活保障线比照等方法界定贫困生等级，这些方法仅限于学生申请表的内容，很难真实反映学生的实际贫困情况，同时更难发现不提交申请但确实属于贫困的学生[4]。

本文提取学校各大系统平台中的学生的基本信息、家庭信息、各类消费信息以及学习、生活情况。以现存的大量贫困生基础信息为依据，通过深度学习，形成一个稳定的贫困等级分类认定模型，从而实现精准资助的目的。

（二）精准资助

精准资助，不仅要完成对高校贫困生资助，还要求让每一个贫困学生都享受到相对应等级的资助，以达到助学的目的。除此之外，还要实现动态监测，实时监控贫困学生家庭经济变化情况，动态生成贫困学生贫困等级，深度分析出潜在贫困对象，提供相关数据，使得有关部门能有针对地做好资助工作。

高校困难学生资助工作中，精准资助工作的关键在于界定贫困生，掌握真实的贫困生需求，动态地管理贫困生。立足于大数据，借助于深度学习技术，建立动态的、精准的资助管理平台，从而实现精准资助。

三、相关技术

（一）Python

Python既支持面向过程编程又完全支持面向对象编程，通俗易懂，并且拥有大量的几乎支持所有领域的应用开发的成熟扩展库；Python具有开源、可移植性高、解释性语言、丰富的扩展库和规范的代码格式等特点。Python常用开发工具很多，本文使用的是Anaconda，Anaconda包含了大量的Python和conda的科学包。

（二）机器学习及深度学习

人工智能（Artificial Intelligence），英文缩写是AI，研究关键着眼于人的思维、意识，并将人的这些行为通过数学工具运算与分析让机器模拟实现。人工智能运用范围很广泛，其中包括了虹膜识别、人脸识别、智能搜索、博弈、遗传编程等。

人工智能的核心是机器学习。机器学习，即Machine Learning，简写ML。就是让机器像人一样有学习能力，或者说让机器模拟人类实现学习的一种行为。

深度学习，即Deep Learning，是机器学习的分支，类似于仿生学，只是仿生的对象是人，而学习者是机器。深度学习就是让机器依照人类大脑的思考方式和神经接收、反馈信息的方式进行学习。

（三）深度神经网络

深度学习过程是训练多层神经网络的过程。神经网络，即Deep Neural Network，缩写是DNN。DNN指的是全连接的神经元结构，包括输入层、隐藏层和输出层。DNN的不断优化，其主要优势是将神经网络的隐藏层成功地推动到七层甚至更多，从而解决之前对稍复杂的函数都无能为力的状况。

神经网络就是一个前向计算，反向传播的过程。每一层都在计算z=wx+b，a=g（z）。算出最后输出层的时候，使用方向传播，更新权重值w。更新的方式就是求梯度，也就是方向导数，w赋予新值w=w-梯度值，如此循环下去，不断迭代。DNN中Relu函数代替了原有Sigmoid函数，Relu函数是一个分段函数，当“x＞0”时，“y=x”，当“x≤0 ”时，“y=0 ”。反向传播函数也就是对该函数分段求导。

（四）Tensorflow

TensorFlow框架是在Python语言的基础上，一种深度学习的工具。Tensor Flow是Google公司2015年年底发布的机器学习平台，为神经网络学习提供服务。整个系统主要分为七层，分别是设备层、网络层、数值计算层、高维计算层、计算图层、工作流层、视图层。

四、构建基于深度学习的高校贫困生精准资助模型

（一）基于深度学习的高校精准资助模型的构建

借助于高校已有的系统平台和云服务器，从高校各大系统平台提取相应的数据信息，构建样本库，并对样本库中数据进行预处理，以原有贫困资助数据为基础，利用DNN算法，利用随机梯度下降算法优化，构造出能动态监测和预测出贫困生等级分类的高校精准资助模型，如图1所示。

图1 基于深度学习的高校精准资助模型

（二）模型分析

构建的基于深度学习的高校精准资助模型，按照数据采集、数据分析、预测分类三个层次构建，每层都与各大系统平台通过云服务器进行交互，动态训练数据集，动态地得出最精准的贫困预测分类信息。

1.数据采集

利用高校中的高招、教务教学、学生管理、一卡通等系统平台，通过云服务平台收集所需的数据信息，构建样本库。收集的数据包括学生姓名，生源地信息，家庭人数、家庭年收入，家庭是否有重大疾病患者，学生在校的基础信息，食堂、超市消费，上网费用及消费，学习成绩，旷课信息，课堂表现信息，教师评价，门禁信息等数据。

2.数据分析

数据采集来自于不同系统，数据是否有不规范、是否有缺失不得而知，数据样本分布不均衡，数据分析和预处理也就是解决这些问题。首先，进行数据抽取，所有采集的数据并不是都有利用价值，也不需要全部加入模型预测的维度中，有些数据需要进行整合形成新的维度。其次，进行数据清洗，分析出数据的基本情况，并将缺失、不规范等数据“清洗干净”，本文利用平均值法填充缺失数据。最后，清洗完成的数据还需要进行处理，对于非数值型信息需要数值化和归一化处理，因为有些数值之间不存在大小关系，比如说学生的生源地信息，取其生源地代码，但生源地之间没有大小之分，必须弱化数值的大小带来的负面影响，采取归一化处理方式。

3.预测分类

在Tensor Flow框架中，使用深度神经网络DNN模型，引入随机梯度下降算法，对样本数据集进行训练。将样本数据处理为矩阵和标签，并创建新的数据集，对数据集进行洗牌，并且重复50次，对每个批次50个样本进行训练，这样保证了样本的随机性，同时也保证了模型训练时数据能源源不断供应。训练完成后需要调用模型评估方法利用测试集去测试模型的准确率，随后才能投入到数据的预测中去，准确率达不到理想状态的，需要调整维度和优化算法。

样本数据越齐全和丰富，训练出来的模型就越精准。除此之外，构建验证集来验证其分类准确率。本文中的模型不仅仅实现了对高校贫困生的精准分类预测，实时交互，将结果反馈给系统平台，系统平台实时更新数据，贫困生等级也是根据数据的变化而变化的。

（三）算法实现

基于深度学习的高校精准资助模型，以Python语言为基础，算法伪代码实现如下。

（1）从各大系统平台中提取数据，汇总抽取所需的数据，利用Python中的Numpy和Pandas包对数据进行分析，并清洗预处理数据。

（2）对清洗后的数据，利用One-Hot编码进行归一化处理。ohe=OneHotEncoder（），X=pd.DataFrame[ohe.fit_transform（X）.toarray（）]，X.columns=X.columns.map（lambda x：f"c{x}"）。

（3）利用“with...open”设置函数poverty_level_result（path，data）保存预测结果。

（4）定义训练方法和评估方法。使用参数传递过来的特征矩阵与标签，创建数据集：dataset=tf.data.Dataset.from_tensor_slices（（dict（features），labels））。对数据集进行洗牌，并重复50次，每批次50个样本，进行训练：dataset=dataset.shuffle（10000，seed=0）.repeat（50）.batch（50）。

（5）定义深度神经网络，加载数据并进行训练和预测。

classifier=tf.estimator.DNNClassifier（feature_columns=my_feature_columns，hidden_units=[700]*2，n_classes=6，config=config，optimizer="SGD"），给出定义，用来进行分类，采用随机梯度下降算法，隐藏层为700*2。

对模型进行训练定义，classifier.train（input_fn=lambda：train_input_fn（train_X，train_y））。调用测试方法预测数据，predictions=classifier.predict（input_fn=lambda：eval_input_fn（test_X））。

（四）算法调优

神经网络不是隐藏层层次越多越好，也不是神经元个数越多越理想。多个隐藏层其实是对输入特征多层次的抽象，最终的目的就是为了更好地线性划分不同类型的数据。隐藏层次是从1屋至5层逐层递增，每一层神经元个数也是以50涨幅从50个增至1000个。测试结果是2层700个神经元最佳。

除此之外，增加L1与L2正则化，调整权重，避免过度拟合；增加动量学习因子，基于上一轮的梯度，加快权重更新的学习；使用自适应学习率来代替传统的固定学习率，自适应学习率是随着时间的增长，学习率会逐渐减少，以便于更好地收敛。

五、样本检验

（一）样本检验运行环境

鉴于此模型依赖于深度神经网络DNN算法，模型的运行环境除了最基本的操作系统外，还需要配置Python、导入涉及的tensor Flow、Pandas、Numpy等数据包及配置其相关工具的运行环境。

（1）官网下载Anaconda并进行安装。安装完成后已经集成了Python，如使用Pycham开发工具，则需要先到官网下载Python数据包，可以下载Python3.6.4以满足模型算法实现，安装完后需要配置环境变量。

（2）配置Tensor Flow（CPU版）框架。以Windows10为例，进入到Anaconda Prompt模式（可以通过cmd进入），首先，利用conda—version语句回车监测Anaconda是否安装成功。其次，在Anaconda Prompt中利用conda create-n tensorflow Python=3.5命令创建一个Python3.5的环境，环境名称为Tensor Flow。完成后，利用pip install Tensor Flow安装Tensor Flow（CPU版）框架。如使用的是Pycham工具，则在Pycham中直接借助于豆瓣网站资源安装Tensor Flow框架，命令如：pip install tensorflow-i http：//pypi.douban.com/simple/。

（二）样本检验结果

本文采用的结果标签是贫困等级，共有5万个样本。包含六类，学生的贫困等级样本集为S={0，1，2，3，4，5}，0表示非贫困等级，1表示一般贫困等级，2表示贫困等级，3表示重点贫困等级，4表示特殊贫困等级，5表示潜在困难等级。从各个等级分析来看，整个贫困生的分布相差还是比较均衡的，潜在贫困生的人数最少，非贫困生人数最多，符合实际情况。

通过模型训练，贫困生分类的结果精准度高达99.95%以上，同时损失率也有效保障了贫困生认定，允许将个别非贫困生纳入贫困等级中，尽可能避免贫困生被排除到非贫困等级。

六、结束语

随着人工智能技术的不断发展，胶囊网络（Capsule Network）、联合学习（Federated Learning）和强化学习（Reinforcement Learning）的不断深入研究和应用，高校精准资助需求也越来越个性化，在确定贫困分类的基础上，下一步将深入对每个贫困学生的最适合需求进行研究。