基于學生偏好的宿舍分配系統的設計與構建

李鏡煥 韓慧萍

基于學生偏好的宿舍分配系統的設計與構建

李鏡煥 韓慧萍

[中國地質大學(北京)]

隨著高校招生規模的擴大和大學生人數的增加，高校后勤的宿舍管理面臨著嚴峻挑戰。為了滿足學生的多樣化需求和緩解宿舍管理人員的工作壓力，提高宿舍分配質量是一個可以從源頭上解決宿舍管理難題的有效方法。因此，本文將對大學生宿舍關系的影響因素進行預調查與文獻調研，針對學生自身住宿偏好，提出“生活習慣差異”等四類調查問題，以調查問卷的回收數據作為分析依據，采用基于信息增益原則的決策樹分類算法作為宿舍分配的核心算法，確定基于學生自身偏好與決策樹分類的偏好狀態描述規則，得出最佳分類方法，以期滿足學生對住宿分配的個性化需求，也為高校宿舍智能分配系統奠定基礎。

宿舍分配；決策樹分類；學生偏好；信息增益；規則描述

一、引言

大學的學生宿舍是我國大學生日常學習生活的主要場所之一，因此，良好的宿舍氛圍建設是大學后勤建設的重要組成部分，并且對高校大學生的日后自身發展以及身心養成有著舉足輕重的作用。[1]

隨著高校招生規模的日益擴大，學生人數不斷增加，傳統的“一鍋端”式宿舍分配方式不僅不能滿足“建設高質量教育體系”的政策導向，也無法適應學生對信息化時代大學宿舍分配的基本要求，這容易導致學校后勤需要浪費大量的人力、物力、財力去解決學生宿舍內因不滿學生宿舍分配而產生的各類問題，而這些無可估計的損失很大程度上能以對學生包括生活習慣、性格特征等自身偏好的預調查和信息收集的方式去避免。因而在大學信息化建設的時代背景下，宿舍管理工作需要逐漸轉變意識、改變服務模式，進一步改革和加強后勤宿舍管理工作[2]，例如在學校新生正式入住校園前進行學生的自身住宿需求偏好的預調查與信息收集，這不僅能提高學校后勤的管理效率，也可以推動大學校園的信息化建設。故本文基于學生自身偏好建立大學宿舍智能分配系統。

二、大學宿舍分配系統設計分析

（一）需求分析

大學宿舍分配系統設計基于現代先進的信息化技術，融合學生提供的自身偏好數據，通過一定的數據收集整合和分析管理，建設一個有助于實現學生與后勤管理部門信息順暢交換的信息化平臺，實現高校學生的個性化宿舍分配與數據共享反饋。由此可見，實現高校學生宿舍管理數字化、信息化尤為重要[3]，在提高宿舍分配效率之余推進高校信息化建設，為智慧后勤體系的建立打下良好基礎。大學宿舍分配系統的需求如下所示：

1.準確地向待調查大學生發布調查問卷，及時返回學生填寫的自身偏好數據，并將其存入后勤服務宿舍分配數據庫中，以保證宿舍分配的高效性與準確性；[4]

2.高效地對學校后勤宿舍資源以及宿舍分配工作進行統一管理，同時可以根據學生輸入的住宿偏好進行宿舍分配，保證宿舍分配工作的有效性、針對性以及準確性；

3.在完成初始的宿舍分配后，能夠接收學生的實時反饋，并根據反饋進一步優化宿舍分配，同時周期性發布宿舍分配質量管理等后勤報告，形成后勤服務管理的智慧反饋體系；

4.通過宿舍分配的信息化平臺，可以對學生的宿舍資源分配情況進行實時增刪查改等操作。

同時，為滿足學校的管理要求和學生的個體發展，在進行宿舍分配時還要堅持以下原則：[5]

1.盡可能將相同年級、相同專業乃至相同班級的學生分配到相近的區域中，包括同一樓層或同一宿舍，方便學校進行統一管理；

2.盡可能將自身偏好匹配度最高的學生分配到同一宿舍中；

3.在學生對宿舍分配結果提出異議后，要充分考慮學生的住宿需求，在模型分類結果的前提下做到以人為本，統籌兼顧。[6]

（二）系統功能模塊設計

根據以上系統需求，本文所設計的大學宿舍分配系統功能模塊主要分為三大部分，具體分類如圖1所示。

1.大學生自身偏好信息錄入板塊。在學生根據自身偏好填寫完學校后勤部門發布的住宿偏好調查問卷后，該模塊需要將已填寫的住宿自身偏好調查問卷數據錄入到學校的后勤數據庫中，并進行數據預處理。

2.宿舍智能分配板塊。在完整接收原始的大學生住宿偏好數據后，該模塊會根據已有的數據，基于決策樹分類算法，為已填寫問卷的學生選擇出整體和諧度最高的分配方案，以實現宿舍分配的個性化和自動化[7]，并展示具體的分配結果。

3.宿舍分配結果智慧反饋模塊。在宿舍智能分配功能完成后，該模塊會匯總并展示所有已填寫調查問卷的學生的宿舍智能分配結果，并允許學生根據已有的宿舍分配結果與學校后勤部門（系統管理員）進行信息交流。依托于信息交流的結果，系統形成宿舍智能分配結果滿意度反饋報告，并根據該反饋報告進行功能板塊的改進與優化，實現后勤業務信息互聯共享、全局決策控制、系統整合聯動[8]。

三、 基于學生自身偏好的宿舍分配模型

（一） 問卷設定

在預調查與參考文獻的查閱后，筆者發現，早在2017年中國青年網就已經發起過對全國共計958名大學生的大學宿舍關系問題的調查，調查的結果顯示，超過四成的學生與舍友曾經發生過糾紛與矛盾，近三成的大學生有過更換宿舍的想法，其中生活習慣是主要誘因。

在綜合已有的對基于學生自身偏好的大學宿舍分配調查問卷的研究后，我們可以得到引發大學生對目前住宿情況不滿的原因主要有生活習慣上的差異、性格特征的差異、興趣愛好的差異、經濟情況的差異等，為了實現高校學生宿舍分配管理的個性化和自動化[9]，以更好地促進公寓內學生之間的相互促進、共同成長[10]，在經過對本校學生的訪談和調查后，本文將問卷調查問題設定如下：

1.對自己與舍友之間生活習慣[11]差異的接受程度；

2.對自己與舍友之間性格特征差異的接受程度；

3.對自己與舍友之間興趣愛好差異的接受程度；

4.對自己與舍友之間經濟情況差異的接受程度。

（二） 算法的選擇——決策樹算法

由于在宿舍分配過程中，我們希望對分類結果進行評估，以此改進現有模型，故在此選擇監督分類算法。而在監督分類算法中，決策樹算法易理解，且可用于小數據集，適用于離散數據的分類——這些都符合學生住宿偏好數據集的特點，因此選擇決策樹算法作為本模型算法。

決策樹是一種基本的分類與回歸方法，此處主要針對分類決策樹進行討論。決策樹的經典決策過程可描述為：從整棵決策樹的根節點開始，根據各節點的特征，判斷應該向哪棵子樹進行進一步的決策與分解，在每次決策過程中均采用新特征，此時選擇恰當的決策閾值可以將分類的錯誤率減至較低水平，直到指向葉子結點或者已經不再需要進行決策,從而在相對較大的數據量中盡可能地提高數據價值密度。[12]

（三）模型建立

根據決策樹分類算法以及信息增益方法，定義分配模型的組成元素為：待分配學生的偏好狀態集P，決策屬性集D，決策屬性值集V，決策屬性排序集S以及偏好狀態描述規則f。[13]在學生宿舍智能分配模型中，對以上模型元素作如下設定。

1.待分配學生的偏好狀態集P。表示由待分配學生的偏好狀態構成的總體集合。如待分配學生的偏好可以表現為“非常介意自己與舍友之間的生活習慣差異”“不介意自己與舍友之間的經濟情況差異”等。設偏好狀態個數為n，即：

5.偏好狀態描述規則f。表示待分配學生的偏好狀態與各決策屬性取值間的關系。即：

（四）算法流程

step1：設定模型組成集合

分析待分配學生的自身偏好，得出其偏好狀態集P，并確定決策屬性集以及其相對應的取值范疇，得出決策屬性集D與決策屬性值集V。

step2：排序分配決策屬性

鑒于信息增益原則的決策樹分類，得出精確的決策屬性排序結果，并確定決策屬性排序集S。

step3：決策樹的設定與可視化

進行決策樹訓練，得出學生宿舍智能分配決策樹模型，并將決策樹分類結果可視化,為管理者提供真實可靠的決策支持。[14]

step4：形成偏好狀態描述規則

根據已生成的決策樹，歸納出偏好狀態的形成規則。具體的基于決策樹分類模型的學校宿舍智能分配的步驟如圖2所示。

圖2 基于決策樹分類模型的學校宿舍智能分配步驟圖

（五）模型應用分析

在對基于決策樹分類模型的學校宿舍智能分配模型進行分析前，先對調查問卷數據進行預處理，即將數據集中的四種定性變量的分類采用數值進行編碼，但數值型變量一般不能被模型識別為不同類別的劃分，而是將其識別為存在大小關系，因此引入虛擬變量將定性變量的不同類別替換成一個或多個取值為整數(如1,2,3,4)的定性變量。[15]

對于定性變量“生活習慣”，將選項不清楚、非常介意、比較介意、一般、比較不介意、不介意分別設置為0、1、2、3、4、5，即{不清楚：0，非常介意：1，比較介意：2，一般：3，比較不介意：4，不介意：5}。分值的高低表示調查主體對住宿環境的適應程度的高低，對于不清楚自身住宿偏好的，設置分值為0。

對于定性變量“性格特征”“興趣愛好”以及“經濟情況”的預處理與上同理。

step1：設定模型組成集合

在問卷設定中，將調查問題設置為“生活習慣”“性格特征”“興趣愛好”以及“經濟情況”四部分，即待分配學生的偏好狀態集P可定義為：

由此，定義相應決策屬性值集V為：

由數據預處理中對虛擬變量的設定，可以將相應決策屬性值集簡化為：

step2：排序分配決策屬性

在此主要采用基于決策樹分類算法的決策屬性排序，以專家分析法為輔，以信息增益原則為主，根據決策樹算法對決策屬性進行排序，得到決策屬性重要度結果如表1所示：

表1 決策屬性重要度

決策屬性生活習慣性格特征興趣愛好經濟情況 重要度0.290157530.300276340.160033440.24953269

因此有決策屬性排序集

由上得經排序的決策屬性集為：

step3：決策樹的設定與可視化

根據待分配學生的偏好狀態集P，決策屬性集D，決策屬性值集V，決策屬性排序集S，對學生宿舍智能分配的決策樹算法進行參數設置，并進行決策樹訓練，得到圖3分類結果。

圖3 決策樹分類圖

step4：形成偏好狀態描述規則

根據決策樹分類算法的性質，容易知道，從根節點到任意葉子結點之間的路徑即為某個樣本的分類過程，包括了基于各參數值的大小關系的分類途徑，由此可以提取出偏好狀態描述規則，具體的偏好狀態描述規則f如下表2所示：

表2 偏好狀態描述規則（部分）

|--- Hobby <= 3.50| |--- Habit <= 1.50| | |--- Character <= 1.50| | | |--- Consumption <= 2.50| | | | |--- class: 1| | | |--- Consumption > 2.50| | | | |--- class: 2| | |--- Character > 1.50

其中，“Hobby”表示興趣愛好差異接受度，“Character”表示性格特征差異接受度，“Habit”表示生活習慣差異接受度，“Consumption”表示經濟情況差異接受度。

因此，我們可以通過該決策樹分類模型，根據以上的偏好狀態描述規則，將不同的學生分配到不同的宿舍中，該分類結果也在算法與模型上較大程度地實現了宿舍分配的個性化和自動化。

四、結語

學生宿舍智能分配是目前高校后勤管理的重要工作，也是建成智慧后勤的重要組成成分之一，良好的宿舍分配有利于提高學校后勤管理的效率，可以有效地節省大量的人力物力[16]、降低后勤宿舍管理的損耗，目前主要由學校自動分配以及學生自主選擇兩種宿舍分配方式組成。本文致力基于學生自身偏好的大學宿舍分配系統的研究，采用決策樹分類算法作為住宿智能分配的核心算法，為大學生宿舍分配作出了一些有益的思考和嘗試，同時也希望為高校后勤的宿舍分配研究領域貢獻一份綿薄之力。

[1]范寧,初相如,薛美薇.近十年高校后勤研究發展趨勢及共性問題探討[J].高校后勤研究, 2022(01):10-16.

[2]謝灃.當前高校學生宿舍管理的問題和對策分析[J].成都大學學報(教育科學版), 2007(08): 14-16.

[3]王曉薇,馬佳寧,龔雪瑩等.基于回溯算法的多約束宿舍分配方法[J].沈陽師范大學學報(自然科學版),2021,39(02):164-168.

[4]王巧巧,韋澍芃.基于貪心算法的學生宿舍分配系統設計與實現[J].計算機光盤軟件與應用,2013,16(10):147-148.

[5]劉珺,易靜.基于改進貪心算法的大學生個性化宿舍分配方法[J].信息通信,2019(05):35-37.

[6]趙相彬.數字化迎新系統宿舍分配模塊的設計與實現[J].電腦知識與技術,2016,12(25):92-94.

[7]郝鵑,路美秀.大學生個性化宿舍分配算法研究[J].信息通信,2016(05):153-154.

[8]于會松.智慧后勤平臺建設研究[J].計算機仿真,2022,39(03):459-461.

[9]余啟林.考慮學生偏好的高校公寓分配管理系統研究[D].北京交通大學,2017.

[10]王偉,左臣婕.高校學生住宿分配工作研究[J].高校后勤研究,2018(11):21-24.

[11]李涵,傅文鴻,范昱煊等.基于數據挖掘技術的宿舍智能分配系統[J].微處理機,2021,42(03): 31-34.

[12]董楠楠，牟有靜，劉洋．基于大數據時代的數字化校園建設[J].電子技術與軟件工程，2019 (21)：163-164.

[13]尹星,孫鵬,韓冰.基于決策樹的作戰實體行為規則建模[J].指揮控制與仿真,2020,42(01):15 -19.

[14]舒攀,陳金剛.數字化校園建設中宿舍管理系統的設計與實現[J].武漢工程大學學報,2008,30 (4): 108-111.

[15]葛志金,李燕.基于整數規劃和0-1背包問題的宿舍集中化管理分配方案——以桂林電子科技大學為例[J].信息與電腦(理論版),2020,32(17):3-5.

[16]盛雪豐．智慧校園框架下的智能宿舍管理產品設計與實現[J]．計算機應用與軟件，2018，35(8)：170-174.

（責任編輯：胡新龍）