高校学生信用评价系统关键技术研究
发布时间：2021-01-14 20:57
高校学生的信用评价和诚信水平是社会信用体系建设的重要组成部分,也是学校开展诚信教育及评价的重要内容。由于高校学生具有无稳定收入、学历较高、信用数据来源多样等特点,与借贷个人信用评价指标体系具有较大差异。本文针对高校学生在校学习、生活数据及个人社交数据,在已有信用评价指标的基础上,对高校学生的信用数据融合、信用评价指标体系、评价模型等技术进行了研究,并研制了相应系统。主要工作如下:1.针对高校学生信用数据来源于学工系统、教务处、图书馆、财务处等多个系统,存在数据结构多样、重复、冲突、缺失等问题,利用改进D-S证据理论算法和知识图谱中的知识融合相关技术,解决具有时间属性的数据冲突问题,并实现了高校学生的多源信用数据的融合。2.针对高校学生信用数据的特点,利用学生在校的基本身份信息、图书馆借阅记录、奖惩记录、学费缴纳记录、一卡通消费记录、社交数据等信用数据,同时考虑到信用状况的动态变化性,以及高校学期学年的周期性,构建了针对高校学生的信用评价指标体系,并建立相应的信用评分模型。3.针对高校对学生信用评价的需求,实现了高校学生信用评价系统。该系统由信用数据采集与融合、信用评分、信用查询三个子系...
【文章来源】：西南科技大学四川省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
文第一章：绪论，介绍本文的研究背景，根缺乏针对性的问题，说明了本文的研究意义
2高校学生信用评价系统需求与解决方案11支持平台Windows、Unix、Linux2.2解决方案针对上节高校对信用评价系统的需求，本节将从系统的整体架构、权限控制阐述系统的整体设计方案，最后实现过程中所遇到的问题和涉及到的关键技术。2.2.1整体架构为了提高系统的处理速度、吞吐量、可维护性和可扩充性，以及故障的快速定位、数据安全等目的，本文将高校学生信用评分系统解耦为信用数据采集与融合系统、信用评价系统、信用查询系统三个相互独立的子系统。三个子系统的技术路线为：①信用数据采集与融合系统：Python+Scrapy+Mongodb；②信用评价系统：Python+Shell脚本；③信用查询系统：Java+Ant-desgin+Mysql；高校学生信用评价系统的整体架构如图2-3所示：图2-3系统架构如上图所示，高校学生信用评价系统主要由三个子系统组成：信用数据采集与融合系统：从高校教务处、财务处、学工系统、助学贷款平台和图书馆等多处来源采集信用基础数据。利用在数据采集过程中注重个人数据的隐私性保护，在存储前需要经过数据脱敏等技术处理，不存储与个人信用无关或法律法规禁止存储的信息。信用信息只能由信用主体自己或征得信用主体授权的他人查看，以及相关部门依法依规查看，其他任何人或部门不得以任何方式违规查阅。信用评价系统：将信用数据采集与融合系统采集到的信用数据作为输入，经过高校学生信用评分模型的计算，最后得到每个学生的信用评分，并将分数等结果存储在信用查询数据系统的数据库，信用评价有定时触发和被动触发两种触发情况，即一个是系统管理员可以设置定时更新信用评分的周期，另一个是当有新的信用数据存入信
3多源信用数据融合17图3-1知识融合的流程3.4融合实验知识融合的主要研究方向是实体对齐或者链路预测，很少有研究者使用两个完整的知识图谱进行融合实验。而高校各部门的信用数据，又相当于一个个完整的知识图谱。故本文通过爬虫技术，构建了实验数据集，验证基于知识图谱的知识融合的有效性。（1）实验环境和数据通过爬虫技术从LinkOpenData上采集并构建了融合实验数据集DbpLinkGeo，它是由两个图谱数据和一个link数据组合而成。实验环境为一台拥有24核的E5-2678CPU，32G内存，GPU为拥有11G显存的GeForceGTX1080Ti，系统为Ubuntu18.04。软件环境为PyTorch0.4.1。详细配置如下表3-2所示:表3-2实验环境配置参数CPUIntelXeon(R)E-5-2678v3@2.50GHzx24内存32GGPUGeForceGTX1080Ti/Pcle/SSE2显存11G软件PyTorch0.4.1系统Ubuntu18.04.3LTS实验数据如下表3-3所示，表中DBpeida代表从维基百科（Wikipedia）抽取结构化的知识，GeoNames代表一个全球地理数据库，Node表示知识图谱中的节点，Statements是知识图谱中的三元组，Relations是图谱中有多少种关系，Rsame表示两个图谱中共有多少种相同的关系，SameAs是两个数据库中在现实世界中具有相同含义或者代表同一个事物，Size表示是数据的存储大校数据集主要通过DBpedia和GeoNames
【参考文献】：
期刊论文
[1]高校学生信用评分系统关键技术研究[J]. 段光强,杨春明,张晖. 中国教育网络. 2018(11)
[2]一种改进过采样算法在类别不平衡信用评分中的应用[J]. 邵良杉,周玉. 计算机应用研究. 2019(06)
[3]一种基于众信度函数的相关证据合成方法[J]. 柯小路,马荔瑶,王晶晶,王永. 控制与决策. 2017(07)
[4]基于相关系数与相关距离的证据合成方法[J]. 魏永超. 计算技术与自动化. 2017(01)
[5]基于Ext-GBDT集成的类别不平衡信用评分模型[J]. 陈启伟,王伟,马迪,毛伟. 计算机应用研究. 2018(02)
[6]面向网络大数据的知识融合方法综述[J]. 林海伦,王元卓,贾岩涛,张鹏,王伟平. 计算机学报. 2017(01)
[7]“互联网+”时代的个人信用分析与应用研究[J]. 王达山. 西南金融. 2016(08)
[8]个人信用评估组合模型选择方案研究[J]. 任潇,姜明辉,车凯,王尚. 哈尔滨工业大学学报. 2016(05)
[9]贝叶斯网络个人信用评估模型[J]. 郭春香,李旭升. 系统管理学报. 2009(03)
[10]基于支持向量机的个人信用评估模型及最优参数选择研究[J]. 肖文兵,费奇. 系统工程理论与实践. 2006(10)
博士论文
[1]中小企业信用评级指标体系研究[D]. 姚静.中国社会科学院研究生院 2016
硕士论文
[1]大数据下的芝麻信用公司个人信用评估研究[D]. 肖凯文.西北民族大学 2019
[2]随机森林在个人信用评估中的应用研究[D]. 李泉.江西财经大学 2016
[3]基于用户互联网行为数据的个人征信评估体系建设分析[D]. 王冠.北京交通大学 2015
[4]高校学生个人信用评价方法及应用研究[D]. 王勤.重庆大学 2006
本文编号：2977534
【文章来源】：西南科技大学四川省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
文第一章：绪论，介绍本文的研究背景，根缺乏针对性的问题，说明了本文的研究意义
2高校学生信用评价系统需求与解决方案11支持平台Windows、Unix、Linux2.2解决方案针对上节高校对信用评价系统的需求，本节将从系统的整体架构、权限控制阐述系统的整体设计方案，最后实现过程中所遇到的问题和涉及到的关键技术。2.2.1整体架构为了提高系统的处理速度、吞吐量、可维护性和可扩充性，以及故障的快速定位、数据安全等目的，本文将高校学生信用评分系统解耦为信用数据采集与融合系统、信用评价系统、信用查询系统三个相互独立的子系统。三个子系统的技术路线为：①信用数据采集与融合系统：Python+Scrapy+Mongodb；②信用评价系统：Python+Shell脚本；③信用查询系统：Java+Ant-desgin+Mysql；高校学生信用评价系统的整体架构如图2-3所示：图2-3系统架构如上图所示，高校学生信用评价系统主要由三个子系统组成：信用数据采集与融合系统：从高校教务处、财务处、学工系统、助学贷款平台和图书馆等多处来源采集信用基础数据。利用在数据采集过程中注重个人数据的隐私性保护，在存储前需要经过数据脱敏等技术处理，不存储与个人信用无关或法律法规禁止存储的信息。信用信息只能由信用主体自己或征得信用主体授权的他人查看，以及相关部门依法依规查看，其他任何人或部门不得以任何方式违规查阅。信用评价系统：将信用数据采集与融合系统采集到的信用数据作为输入，经过高校学生信用评分模型的计算，最后得到每个学生的信用评分，并将分数等结果存储在信用查询数据系统的数据库，信用评价有定时触发和被动触发两种触发情况，即一个是系统管理员可以设置定时更新信用评分的周期，另一个是当有新的信用数据存入信
3多源信用数据融合17图3-1知识融合的流程3.4融合实验知识融合的主要研究方向是实体对齐或者链路预测，很少有研究者使用两个完整的知识图谱进行融合实验。而高校各部门的信用数据，又相当于一个个完整的知识图谱。故本文通过爬虫技术，构建了实验数据集，验证基于知识图谱的知识融合的有效性。（1）实验环境和数据通过爬虫技术从LinkOpenData上采集并构建了融合实验数据集DbpLinkGeo，它是由两个图谱数据和一个link数据组合而成。实验环境为一台拥有24核的E5-2678CPU，32G内存，GPU为拥有11G显存的GeForceGTX1080Ti，系统为Ubuntu18.04。软件环境为PyTorch0.4.1。详细配置如下表3-2所示:表3-2实验环境配置参数CPUIntelXeon(R)E-5-2678v3@2.50GHzx24内存32GGPUGeForceGTX1080Ti/Pcle/SSE2显存11G软件PyTorch0.4.1系统Ubuntu18.04.3LTS实验数据如下表3-3所示，表中DBpeida代表从维基百科（Wikipedia）抽取结构化的知识，GeoNames代表一个全球地理数据库，Node表示知识图谱中的节点，Statements是知识图谱中的三元组，Relations是图谱中有多少种关系，Rsame表示两个图谱中共有多少种相同的关系，SameAs是两个数据库中在现实世界中具有相同含义或者代表同一个事物，Size表示是数据的存储大校数据集主要通过DBpedia和GeoNames
【参考文献】：
期刊论文
[1]高校学生信用评分系统关键技术研究[J]. 段光强,杨春明,张晖. 中国教育网络. 2018(11)
[2]一种改进过采样算法在类别不平衡信用评分中的应用[J]. 邵良杉,周玉. 计算机应用研究. 2019(06)
[3]一种基于众信度函数的相关证据合成方法[J]. 柯小路,马荔瑶,王晶晶,王永. 控制与决策. 2017(07)
[4]基于相关系数与相关距离的证据合成方法[J]. 魏永超. 计算技术与自动化. 2017(01)
[5]基于Ext-GBDT集成的类别不平衡信用评分模型[J]. 陈启伟,王伟,马迪,毛伟. 计算机应用研究. 2018(02)
[6]面向网络大数据的知识融合方法综述[J]. 林海伦,王元卓,贾岩涛,张鹏,王伟平. 计算机学报. 2017(01)
[7]“互联网+”时代的个人信用分析与应用研究[J]. 王达山. 西南金融. 2016(08)
[8]个人信用评估组合模型选择方案研究[J]. 任潇,姜明辉,车凯,王尚. 哈尔滨工业大学学报. 2016(05)
[9]贝叶斯网络个人信用评估模型[J]. 郭春香,李旭升. 系统管理学报. 2009(03)
[10]基于支持向量机的个人信用评估模型及最优参数选择研究[J]. 肖文兵,费奇. 系统工程理论与实践. 2006(10)
博士论文
[1]中小企业信用评级指标体系研究[D]. 姚静.中国社会科学院研究生院 2016
硕士论文
[1]大数据下的芝麻信用公司个人信用评估研究[D]. 肖凯文.西北民族大学 2019
[2]随机森林在个人信用评估中的应用研究[D]. 李泉.江西财经大学 2016
[3]基于用户互联网行为数据的个人征信评估体系建设分析[D]. 王冠.北京交通大学 2015
[4]高校学生个人信用评价方法及应用研究[D]. 王勤.重庆大学 2006
本文编号：2977534
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2977534.html
