基于孤立森林的高校虛假貧困生辨識算法

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招形勢下，貧困生已經成為一類典型的大學生群體。為促進高校教育的公平公正發展，保證大學生身心發展的健康，對貧困生的資助已經成為國家的一項重要政策，同時，如何進行高校貧困學生的精準資助已經成為貧困生資助的熱點問題。本文研究了一種高校虛假貧困生的辨識算法，通過采集貧困生的校園卡消費數據，提取其中關鍵指標，再采用孤立森林異常點檢測法對其中的異常數據進行監測，從而辨識出虛假貧困。采用實際算例進行分析，其結果表明了本文提出方法的有效性。

關鍵詞：高校;虛假貧困;精準資助;孤立森林

中圖分類號：TP393.1 文獻標識碼：A 文章編號：1671-2064（2019）06-0044-02

0 引言

隨著中國高等教育普及化，以及高等學校不斷擴招的形勢下，一種典型的大學生群體：貧困生群體已經越來越受到人們的關注。為保證高等教育公平公正的原則，國家出臺了一系列政策，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業和研究。然而，現有的條件下，仍然在少數場合存在著資助準確性不高的問題，即少數貧困生未能獲得國家資助，反而少數非貧困生卻受到了資助。因此，如何實現精準資助一直是貧困生認定和資助領域的重點和難點問題。

近年來，人工智能理論的發展為貧困生的精準資助提供了一種基于實際消費數據的新思路。與傳統的走訪或調查問卷的方法不同，基于數據的方法完全依賴于大學生的實際消費數據，提高了資助認定的客觀性和可靠性，已成為新的研究熱點。例如，文獻[1]基于校園一卡通數據，采用支持向量機（SVM）算法，歸納了高校大學生消費的兩種消費模式;文獻[2]基于校園一卡通、宿舍門禁、圖書館借閱信息，結合k-means聚類方法，對大學生的貧困程度進行預測。文獻[3]基于高校學生消費數據，采用描述性統計和非參數檢驗的方法，描述了貧困生和非貧困生在消費上的差異性。

本文采用孤立森林算法對高校虛假貧困現象進行檢測與辨識，首先采集高校學生的校園一卡通數據，再抽取其中關鍵特征，使用孤立森林算法進行異常數據檢測。對其異常數據進行分析，便可精準監測到虛假貧困現象并對其預警。采用實際算例進行算法論證，其結果表明了本文方法的有效性和實用性。

1 背景知識

1.1 虛假貧困

所謂虛假貧困現象是指某些非貧困生通過各種手段獲得國家貧困生資助的現象。雖然這類現象屬于極少數個例，但是卻嚴重影響了貧困生資助的公平公正性，在高校學生群體之間造成不良的影響。因此，如何對虛假貧困現象進行辨識是精準資助領域的重要子問題。

1.2 高校一卡通數據

我國高校內的消費大多采用校園卡的方式進行結算。消費種類一般為：（1）食堂消費;（2）超市消費;（3）打水消費;（4）洗浴消費;（5）電費，網費，圖書償還費用等其他消費。其中，食堂和超市消費的差異與學生的貧困水平成正相關，需著重監測這兩類消費數據。

2 數據預處理與特征抽取

采集校園一卡通的食堂消費數據和超市消費數據，進行預處理和特征提取。提取的特征為：（1）30天日消費均值Maverage;（2）30天日消費總額Msum;（3）30天食堂消費總額Mshitang;（4）30天超市消費總額Mchaoshi。將Maverage、Msum、Mshitang、Mchaoshi分別進行歸一化處理作為算法的輸入數據。則最后的輸入數據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檢測算法，其檢測流程如圖1所示，將采集到的數據做為總數據集X，從X中隨機采樣得到子數據集（X1，X2…Xm），進而進行隔離樹和孤立森林的構建，再通過計算路徑的長度得到各個點的異常分值，最后，根據其分值的大小進行異常數據的辨識。

3.1 孤立樹

圖2所示為隔離樹的建立方法。主要步驟為：（1）隨機選取子數據集X中的某一列數據作為主要維度q，在其取值范圍[qmin，qmax]內，選取一隨機值p，并基于是否qp將總數據分為左子集Xl和右子集Xr，同時隨機產生一個子結點;（2）需對其結點進行判斷，判斷其是否為內部結點還是葉結點，并循環重復1步驟，除非內部結點滿足其葉結點的條件：對于子采樣數據X={x1，…，xn}，通過選取隨機特性q和分割值p，直到樹高h達到高度限制hlim，或者分割后的子采樣集只剩下唯一數據為止。

4 算例分析

以某學校為例，采集該校大一至大四學生的一卡通消費數據共十萬條。使用第3章所述的數據類別作為算法輸入數據，并將其數據輸入至第四章所述的孤立森林算法中。算法計算完成后，對每個學生的異常分數進行排序，選擇異常分數靠前的400名同學進行分析。同時，對這400名同學的家庭進行摸查，以確認真實情況。使用本文方法與異常因子（LOF）以及單類支持向量機（one-class SVM）進行比較，檢測精度如表1所示。正確率為被檢測出的異常點占總數的比例;誤測率為正常點被檢測為異常的比例。可以看出，孤立森林法較其他方法檢測準確度更高。

5 結語

本文研究了一種高校虛假貧困生的辨識算法，通過采集貧困生的校園卡消費數據，提取其中關鍵指標，再采用孤立森林異常點檢測法對其中的異常數據進行監測，從而辨識出虛假貧困。采用實際算例進行分析，其結果表明了本文提出方法的有效性。

參考文獻

[1] 唐穎，李明江.數據挖掘在高校貧困生消費信息管理中的應用研究[J].湖南商學院學報，2011，18（6）：45-49.

[2] 李明君.基于數據挖掘的貧困助學金認定方法研究[D].華中師范大學，2017.

[3] 李珊娜.基于校園一卡通平臺的數據挖掘應用研究[J].鐵路計算機應用，2010，19（6）：55-58.

[4] 費小丹，董新科，張暉.基于校園一卡通消費數據的高校貧困生分析[J].電腦知識與技術，2014（20）：4934-4936.