于昊卿

摘要：隨著社會(huì)經(jīng)濟(jì)的發(fā)展，教育資源不平衡的情況正在愈演愈烈。很多地區(qū)的適齡兒童因?yàn)闆]有合適的經(jīng)濟(jì)條件和物質(zhì)基礎(chǔ)，就難以享受到良好的教育資源。在這種背景下，教育眾籌平臺(tái)成了一個(gè)協(xié)調(diào)教育資料的渠道，眾多貧困地區(qū)的教師可以在平臺(tái)上發(fā)布申請(qǐng)書而獲得社會(huì)大眾的關(guān)注和支持。基于美國(guó)眾籌網(wǎng)站的18萬條申請(qǐng)記錄數(shù)據(jù)進(jìn)行了一系列分析，對(duì)教育眾籌成敗的影響因素做了深入討論。首先，基于TF-IDF算法，對(duì)申請(qǐng)書中的文本關(guān)鍵詞進(jìn)行了提取，使得大眾可以快速地了解到申請(qǐng)書的核心訴求?；赑ython計(jì)算了單詞的TF-IDF值，并統(tǒng)計(jì)出了最常出現(xiàn)的一些關(guān)鍵詞，并分析了關(guān)鍵詞對(duì)申請(qǐng)結(jié)果的影響因素。之后，建立了人工神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了對(duì)申請(qǐng)結(jié)果的精準(zhǔn)預(yù)測(cè)，并對(duì)項(xiàng)目的申請(qǐng)者和審核者提出了合理化的建議。

關(guān)鍵詞：TF-IDF算法;人工神經(jīng)網(wǎng)絡(luò);影響因素分析;教育眾籌

中圖分類號(hào)：F23文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.1672-3198.2019.10.051

1前言

眾籌網(wǎng)站www.donorschoose.org由一位美國(guó)人建立的，該眾籌平臺(tái)得到了世界各地人民的贊同與支持，K12學(xué)齡段的老師們都可在該眾籌平臺(tái)上發(fā)出請(qǐng)求書，申請(qǐng)社會(huì)上的幫助以改善學(xué)生的教學(xué)環(huán)境。因此，研究這些請(qǐng)求書能否被社會(huì)人士認(rèn)同并成功獲得相應(yīng)的教育資源成為了眾籌平臺(tái)和老師們迫切關(guān)注的問題。它既能幫助眾籌平臺(tái)更關(guān)注高質(zhì)量的請(qǐng)求，減少由于審核這些請(qǐng)求所帶來的人力成本，又能幫助老師更好的發(fā)布請(qǐng)求來獲得社會(huì)人士的支持。

對(duì)于眾籌影響因素的分析，國(guó)內(nèi)外學(xué)者進(jìn)行了諸多研究。Mollick分析了Kickstarter眾籌網(wǎng)的數(shù)據(jù)，給出項(xiàng)目質(zhì)量、項(xiàng)目目的以及項(xiàng)目發(fā)起人地理位置是重要因素。Colombo通過實(shí)證研究發(fā)現(xiàn)，項(xiàng)目發(fā)起人與項(xiàng)目支持者之間的聯(lián)系強(qiáng)度也是一個(gè)影響眾籌成功的關(guān)鍵因素。Frydrych在研究中指出目標(biāo)金額對(duì)眾籌融資成功具有反向的影響，Agrawal還指出地理位置也是影響項(xiàng)目成功的關(guān)鍵因素。在國(guó)內(nèi)學(xué)術(shù)界，黃健青通過對(duì)追夢(mèng)網(wǎng)的實(shí)證分析，指出目標(biāo)額度、支持者、最小投資額和最小投資額人數(shù)是影響項(xiàng)目成功的主要因素。鄭海超等指出融資額、融資時(shí)間和評(píng)論數(shù)是影響項(xiàng)目成功的關(guān)鍵因素。曾江紅等從社會(huì)資本對(duì)眾籌成功的影響因素研究中指出融資額與項(xiàng)目成功為負(fù)相關(guān)關(guān)系。

本文后續(xù)章節(jié)結(jié)構(gòu)為：第二章介紹了數(shù)據(jù)的來源、介紹和預(yù)處理過程;第三章展示了利用TF-IDF算法提取關(guān)鍵詞的步驟，以及優(yōu)化的流程和優(yōu)化前后的提取結(jié)果;第四章建立了人工神經(jīng)網(wǎng)絡(luò)模型，通過優(yōu)化得到了更加精準(zhǔn)的預(yù)測(cè)結(jié)果;第五章總結(jié)了全文內(nèi)容，并對(duì)未來發(fā)展提出了展望。

2數(shù)據(jù)簡(jiǎn)介和數(shù)據(jù)預(yù)處理

本文應(yīng)用的數(shù)據(jù)，主要是來自于美國(guó)教育眾籌網(wǎng)站（www.donorschoose.org）的申請(qǐng)記錄。該網(wǎng)站始建于2000年，由一名紐約的老師創(chuàng)建。數(shù)據(jù)整體分為兩個(gè)部分：

Data.csv 文件：包含了一個(gè)申請(qǐng)書填寫的主題內(nèi)容，包括項(xiàng)目ID、教師ID、教師稱謂、申請(qǐng)年級(jí)、申請(qǐng)地區(qū)、申請(qǐng)時(shí)間、申請(qǐng)類別、申請(qǐng)書標(biāo)題、申請(qǐng)書文本、資源需求概述、教師申請(qǐng)過的項(xiàng)目數(shù)和項(xiàng)目申請(qǐng)是否通過。

Resource.csv 文件：包含了項(xiàng)目申請(qǐng)的所有資源，包括項(xiàng)目ID、申請(qǐng)物品的名稱、申請(qǐng)物品的數(shù)量和申請(qǐng)物品的單價(jià)。

通過對(duì)數(shù)據(jù)的瀏覽和分析，首先對(duì)數(shù)據(jù)進(jìn)行了如下幾步的預(yù)處理工作：

（1）將項(xiàng)目的申請(qǐng)時(shí)間、教師曾經(jīng)的申請(qǐng)數(shù)量進(jìn)行離散化處理。

由于所有的18萬條數(shù)據(jù)基本集中在同一年，因此我們將“申請(qǐng)時(shí)間”數(shù)據(jù)轉(zhuǎn)化為“所在月份”，成為一個(gè)具有12個(gè)離散屬性的特征變量;同時(shí)為了應(yīng)用后續(xù)的分類預(yù)測(cè)模型，本文將“教師曾經(jīng)的申請(qǐng)數(shù)量”進(jìn)行離散化處理，根據(jù)數(shù)據(jù)的分布情況將該屬性分為8個(gè)間隔不等的區(qū)間段，轉(zhuǎn)化為具有8個(gè)離散屬性的特征變量。

（2）將申請(qǐng)書中有所“project_essay”字段進(jìn)行合并。

由于申請(qǐng)網(wǎng)站于2016年5月17日進(jìn)行過改版，因此該時(shí)間前后的文本數(shù)據(jù)存在不一致性。經(jīng)過分析可知，改版前的前兩個(gè)文本信息“project_essay1”和“project_essay2”的內(nèi)容基本與改版后的“project_essay1”一致，而改版前的“project_essay3”、“project_essay4”基本與改版后的“project_essay2”一致。因此，考慮到一個(gè)申請(qǐng)書全文的內(nèi)容，本文將每個(gè)申請(qǐng)書的2-4個(gè)字段的文本信息進(jìn)行合并，合并后的文字包含了一個(gè)申請(qǐng)書的核心文本信息，可以為關(guān)鍵詞提取和預(yù)測(cè)模型建立做好準(zhǔn)備。

3基于TF-IDF算法提取文本關(guān)鍵信息

3.1利用TF-IDF算法進(jìn)行關(guān)鍵詞初篩

本文基于Python實(shí)現(xiàn)了完整的關(guān)鍵詞提取和結(jié)果統(tǒng)計(jì)過程。首先針對(duì)18萬條申請(qǐng)數(shù)據(jù)的申請(qǐng)書文本進(jìn)行分詞和詞性標(biāo)注，利用NLTK自然語言處理工具包實(shí)現(xiàn)該功能。之后進(jìn)一步利用NLTK的語料庫去除文本中包含的停用詞以及一些亂碼文字，從而有了標(biāo)注好不同詞性的單詞列表，以供后面TF-IDF算法應(yīng)用。

單詞的TF-IDF值的計(jì)算分兩個(gè)步驟，首先是根據(jù)該單詞在本文中出現(xiàn)的次數(shù)，計(jì)算詞頻即 TF 部分：

TF=詞語在本文出現(xiàn)次數(shù)/本文單詞總數(shù)

詞頻部分利用 sklearn 工具包中的 CountVectorizer（） 函數(shù)來計(jì)算，該函數(shù)可以得到每個(gè)單詞在每篇文章中出現(xiàn)的詞頻，即形成所有單詞的“詞頻矩陣”。

第二步是計(jì)算該單詞在其他文本中出現(xiàn)的情況，利用“逆文本頻率”即“IDF”來衡量：

IDF=lg （本文庫總文檔數(shù)/包含本單詞的文檔數(shù)+1）

這部分利用sklearn 工具包中的 TfidfTransformer（） 函數(shù)來計(jì)算，該函數(shù)能夠基于詞頻矩陣來計(jì)算出每個(gè)單詞在每篇文章中的TF-IDF值。進(jìn)一步地，根據(jù)一篇文章中所有單詞TF-IDF值排序，可以找到該文章的幾個(gè)關(guān)鍵詞。這里展示某篇文章的內(nèi)容和關(guān)鍵詞提取結(jié)果：

"My seventh graders dream big.They can't wait to go to college and they dream of college and careers in healthcare and engineering and law……My students love that they have a choice about where to sit，and thinking about what type of seat helps them learn the most helps them develop self awareness and be better advocates for their own education."

關(guān)鍵詞提取結(jié)果：Dream，Love，Wait，help，better

可以看出，關(guān)鍵詞的提取具有一定的效果，能反映出文章的思想和主要用詞。進(jìn)一步地對(duì)所有文章提取出的關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)，發(fā)現(xiàn)最高頻的關(guān)鍵詞統(tǒng)計(jì)結(jié)果為：

Student，School，Classroom，Learn，Need，Work，Learn

由此可見，在所有的申請(qǐng)書中，Student和School作為關(guān)鍵詞出現(xiàn)的次數(shù)最多，這也與教育眾籌的大背景有很大關(guān)系。另外在申請(qǐng)書中，表示需求、愿望的詞也會(huì)經(jīng)常出現(xiàn)且提取為關(guān)鍵詞，說明很多申請(qǐng)書的寫作都是以描述需求、表達(dá)愿望為主。

3.2基于改進(jìn)的TF-IDF算法進(jìn)行文本分析

由于目前提取出的高頻關(guān)鍵詞中，Student和School等單詞代表性不強(qiáng)、并不能很好地反應(yīng)文章的特殊需求;同時(shí)缺乏對(duì)比分析，難以得到非常有價(jià)值的結(jié)論。因此，進(jìn)一步做以下兩個(gè)方面的優(yōu)化：

（1）篩除所有文本中的“常用詞”：本文對(duì)所有單詞在整個(gè)文本庫中出現(xiàn)的次數(shù)進(jìn)行了統(tǒng)計(jì)。對(duì)于在超過半數(shù)的文章中都出現(xiàn)過的單詞（例如Student、School等），將其定義為本類文章的“常用詞”。在進(jìn)行TF-IDF分析之前，先把每一篇文章詞語中的“常用詞”統(tǒng)一篩除，然后對(duì)剩余的詞語進(jìn)行分析和提取。

（2）根據(jù)申請(qǐng)書的申請(qǐng)結(jié)果，本文將所有數(shù)據(jù)分為“通過”和“不通過”的兩個(gè)部分，并對(duì)兩個(gè)部分分別進(jìn)行關(guān)鍵詞提取。根據(jù)兩個(gè)部分的關(guān)鍵詞提取結(jié)果的差異，來分析一下文本因素對(duì)于申請(qǐng)書是否通過的影響。

在進(jìn)行以上兩步的處理之后，本文選取Literacy&Language，Music & The Arts類別的所有申請(qǐng)，應(yīng)用TF-IDF方法進(jìn)行兩個(gè)部分的關(guān)鍵詞提取。得到結(jié)果為“通過”和“不通過”的高頻關(guān)鍵詞分別如表1。

通過對(duì)比兩類申請(qǐng)書的最高頻出現(xiàn)的5個(gè)關(guān)鍵詞，一方面可以看出本文的處理是很有成效的，一些常見的、很普適性的詞語沒有再出現(xiàn)于高頻的關(guān)鍵詞中。另一方面，通過對(duì)比兩類申請(qǐng)書最常出現(xiàn)的5個(gè)關(guān)鍵詞可以看出，能夠申請(qǐng)通過的申請(qǐng)書，普遍的用詞都更加客觀、精準(zhǔn)，對(duì)需求的表述也更加清晰;然而不通過的申請(qǐng)書，描述往往都比較抽象、籠統(tǒng)，沒有精準(zhǔn)地將需求表述清楚，也很難得到投資人的認(rèn)可和支持。

4申請(qǐng)結(jié)果預(yù)測(cè)模型的建立與求解

人工神經(jīng)網(wǎng)絡(luò)無需事先確定輸入輸出之間映射關(guān)系的數(shù)學(xué)方程，僅通過自身的訓(xùn)練，學(xué)習(xí)某種規(guī)則，在給定輸入值時(shí)得到最接近期望輸出值的結(jié)果。作為一種智能信息處理系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)其功能的核心是算法。BP神經(jīng)網(wǎng)絡(luò)是一種按誤差反向傳播（簡(jiǎn)稱誤差反傳）訓(xùn)練的多層前饋網(wǎng)絡(luò)，其算法稱為BP算法，它的基本思想是梯度下降法，利用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值和期望輸出值的誤差均方差為最小。

BP網(wǎng)絡(luò)是在輸入層與輸出層之間增加若干層（一層或多層）神經(jīng)元，這些神經(jīng)元稱為隱單元，它們與外界沒有直接的聯(lián)系，但其狀態(tài)的改變，則能影響輸入與輸出之間的關(guān)系，每一層可以有若干個(gè)節(jié)點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)的計(jì)算過程由正向計(jì)算過程和反向計(jì)算過程組成。正向傳播過程，輸入模式從輸入層經(jīng)隱單元層逐層處理，并轉(zhuǎn)向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，將誤差信號(hào)沿原來的連接通路返回，通過修改各神經(jīng)元的權(quán)值，使得誤差信號(hào)最小。

本文所使用的所有BP神經(jīng)網(wǎng)絡(luò)模型通過調(diào)用python中的sklearn機(jī)器學(xué)習(xí)庫來實(shí)現(xiàn)，在該模型中，考慮了如前兩個(gè)模型一致的特征。利用train_test_split（）函數(shù)將訓(xùn)練集和測(cè)試集劃分為4：1的比例，并將特征和類別分開，產(chǎn)生了 X_train、Y_train、X_train、X-test四個(gè)變量用于訓(xùn)練和測(cè)試。

為了便于神經(jīng)網(wǎng)絡(luò)的擬合，本文還針對(duì)每個(gè)特征進(jìn)行了歸一化處理，防止數(shù)字過大或過小對(duì)結(jié)果產(chǎn)生影響。訓(xùn)練后的模型在測(cè)試集上的結(jié)果如表2。

可以看出，與其他模型相比，人工神經(jīng)網(wǎng)絡(luò)對(duì)模型的預(yù)測(cè)結(jié)果更加準(zhǔn)確，而且對(duì)“通過”和“不通過”樣本的預(yù)測(cè)性能比較平均。這也體現(xiàn)出了人工神經(jīng)網(wǎng)絡(luò)更強(qiáng)的非線性運(yùn)算能力。

5結(jié)論與展望

本文基于美國(guó)眾籌網(wǎng)站的18萬條申請(qǐng)記錄數(shù)據(jù)進(jìn)行了一系列分析，對(duì)教育眾籌成敗的影響因素做了深入討論。首先，本文基于TF-IDF算法，對(duì)申請(qǐng)書中的文本關(guān)鍵詞進(jìn)行了提取，使得大眾可以快速地了解到申請(qǐng)書的核心訴求。基于Python計(jì)算了單詞的TF-IDF值，并統(tǒng)計(jì)出了最常出現(xiàn)的一些關(guān)鍵詞。為了進(jìn)一步提高關(guān)鍵詞提取的代表性，我們一方面通過篩選排除了在半數(shù)以上文章中都出現(xiàn)過的“常用詞”，另一方面將所有申請(qǐng)書分為“通過”和“不通過”兩個(gè)部分，進(jìn)行分別的關(guān)鍵詞提取，從而分析了關(guān)鍵詞對(duì)申請(qǐng)結(jié)果的影響因素。之后本文建立了人工神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)了對(duì)申請(qǐng)結(jié)果的精準(zhǔn)預(yù)測(cè)，并對(duì)項(xiàng)目的申請(qǐng)者和審核者提出了合理化的建議。

參考文獻(xiàn)

[1]Mollick.The dynamics of crowdfunding：An exploratory study[J].Journal of Business Venturing，2013，59（4）：1805-1844.

[2]Colombo S.Product differentiation，price discrimination and collusion[J].Research in Economics，2014，64（1）：18-27.

[3]Frydrych D，Bock A J，Kinder T，Koech B.Exploring entrepreneurial legitimacy in reward-based crowdfunding[J].Venture Capital，2014，16（3）：247-269.

[4]Agrawal A K，Catalini C，Goldfarb A.The geography of crowdfunding[R].National bureau of economic research，2011.

[5]黃健青，劉雪霏，鄭建明.眾籌項(xiàng)目成功的關(guān)鍵因素基于KIA與AON融資模式的實(shí)證研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2015，（9）：74-84.

[6]鄭海超，楊婷婷，陳冬宇，萬能.創(chuàng)新項(xiàng)目股權(quán)眾籌融資績(jī)效的影響因素研究[J].中國(guó)軟科學(xué)，2015，（1）：130-138.

[7]曾江紅，甘信禹.社會(huì)資本對(duì)眾籌項(xiàng)目融資成功率影響的實(shí)證研究[J].技術(shù)經(jīng)濟(jì)，2015，33（11）：90-95.