邢文娜，宁睿

（西安航空职业技术学院，陕西西安 710089）

随着我国经济的发展，人们的生活水平逐渐提高，然而仍有相当一部分群体处于生活较为贫困的状态[1-3]。在高校中同样存在一定数量的贫困学生，尤其是高等教育体制改革、高校扩招后，贫困生所面临的问题进一步凸显。为了改善贫困学生的生活水平，国家开展了多种形式的助学计划。

然而，高校扶贫对象的确认主要依靠学生申请、班级成员与辅导员评估的模式，存在编造虚假申请材料与舞弊的现象。同时由于部分贫困学生害怕受到歧视，申请积极性较低[4-7]。这些具体情况均会导致助学金无法真正惠及需要帮助的学生，因此，开展高效、合理、智能的贫困生确认方法成为当前高校扶贫工作的重点之一[8]。

随着大数据技术与深度学习技术的不断发展，深度挖掘学生的在校消费数据成为了可能[9-11]。利用经过人工标注的、有监督训练的模型，可自动识别与判断该学生是否具有贫困生的特征。文中利用深度学习的RBF 神经网络技术与分布式强化学习技术，分别将预处理过的学习消费数据聚类和分析，构建基于分布式强化学习的精准助学数据分析算法。

1 精准助学数据分析方法框架

为精准识别学生的贫困程度，文中通过对学生在校园内产生的各项消费数据进行采集与分析，并通过分布式强化学习来深层次挖掘学生的消费习惯。进而对学生的消费能力进行排序，以此为依据进行助学金的分配。……