郭佳君，杨波，朱剑林，朱连淼，余辉

（中南民族大学 计算机科学学院，武汉 430074）

学生资助是教育领域中一项不可或缺的重要工作.我国相关政府部门非常重视贫困生的问题.《2020年中国学生资助发展报告》指出，2020年全国累计资助学生14617.50万人次，增幅38.02%，资助资金2408.20亿元，增幅13.27%［1］.但由于传统助学金评定方式存在贫困生认定依据片面、部分困难学生隐瞒不报、助学金分配名额不合理等问题，高校难以主动识别贫困学生.本文针对高校学生资助的问题，基于数据挖掘技术分析学生的在校行为，量化学生的人格特征，在高校学生资助样本不平衡的情况下实现精准资助，为高校学生资助工作提供参考.

1 相关工作

目前数据挖掘技术广泛应用于教育领域中.CHUI等人提出一种改进的基于条件生成对抗网络的深度支持向量机算法，为解决样本数据量较小的问题，结合CGAN，InfoGAN，ACGAN提出ICGAN生成更多训练数据，同时采用DSVM进行学生成绩的预测［2］；郭鹏等人优化了K-means算法，去除离群点后基于样本分布密度选取初始聚类中心，采用改进的K-means算法对学生成绩离散化；后引入兴趣度，通过考虑兴趣度阈值的方式优化Apriori算法；通过挖掘分析得到课程之间的相关性以及不同课程的重要程度，进一步指导个性化教学工作［3］.

在教育数据挖掘领域，有关学生资助的研究主要集中在我国，依据我国的资助政策，许多研究学者提出将大数据技术应用到高校精准资助工作中［4-5］.

针对判断贫困生的特征指标，GUAN等人通过学生的校园卡使用行为、互联网使用行为和数字轨迹提取特征，结合学生之间的相关性和标签之间的相关性，预测学生应获得的助学金组合［6］；……