摘要：以校園一考通系統(tǒng)為依托，對學生消費數(shù)據(jù)記錄開展分析和研究。首先對學生基礎消費進行數(shù)據(jù)處理，通過數(shù)據(jù)清洗和集成，完成歸約，然后再利用Kmeans算法對學生消費行為聚類分析，分析系統(tǒng)內(nèi)數(shù)據(jù)的隱含特征規(guī)律，為今后的貧困生資助管理工作中進行數(shù)據(jù)分析與輔助決策有一定的指導意義。

關鍵詞：數(shù)據(jù)挖掘;Kmeans算法;消費記錄;校園卡

中圖分類號：TP301

文獻標志碼：A

ResearchandAnalysisofStudentConsumingBehavior

BasedonCampusCardsofStudents

ZHANGLiang

（

NetworkInformationCenter，ChinaUniversityofPetroleum（EastChina），Qingdao266500，China

）

Abstract：Thepaperresearchesstudentconsumptiondatabasedoncampuscards.Consumptionrecordsarepreprocessed，includingdatacleaning，dataintegrationandtransformation，datareduction.ThroughtheKmeanscluster，studentconsumptionbehaviorsareanalyzed，andthehiddencharacteristicsofdatainthesystemarediscovered.Thepaperhasimportantguidingsignificancefordataanalysisandauxiliarydecisionmakingofthesepoorstudents.

Keywords：datamining;Kmeansalgorithm;consumptionrecords;campuscard

0引言

隨著大型數(shù)據(jù)庫的技術成熟以及普及應用，數(shù)據(jù)挖掘是當前學術界的熱點話題。近年來，基于卡片應用的校園一卡通[13]（以下簡稱校園卡）系統(tǒng)的得到快速的發(fā)展，并廣泛應用于各大高校，生成了的大量的信息數(shù)據(jù)，用戶的用卡痕跡通過這些數(shù)據(jù)被記錄下來，用戶的行為習慣可以通過分析這些數(shù)據(jù)被反映出來。

在各高校，國家每年通過勤工儉學崗位、貧困生補助等方式，為困難學生提供大量的助學金、貸款和工作崗位。由于認定涉及到多方面的無法衡量的因素，學校僅僅通過學生提交的相關貧困證明等非量化方式進行判定，貧困生的鑒別在各高校都是一個難題。如果鑒別不準確，會造成國家資助工作不到位，教育資源分配出現(xiàn)偏差。通過數(shù)據(jù)分析算法，對大學生校內(nèi)消費記錄進行整理、分類、預測，從而整體反應學生在校消費情況，形成量化的評判標準，為今后的貧困生資助管理工作提供可靠的數(shù)據(jù)支持，輔助完成貧困生的相關工作。

1校園卡消費數(shù)據(jù)預處理

在進行數(shù)據(jù)挖掘或者數(shù)據(jù)分析之前，需要對“臟數(shù)據(jù)”數(shù)據(jù)進行數(shù)據(jù)預處理，一般采用數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約等方式[46]，已獲得更高的挖掘效率和更好的挖掘效果。

1.1數(shù)據(jù)清洗

最初獲得的原始數(shù)據(jù)往往存在很多冗余、含噪聲、不一致或者不完整的數(shù)據(jù)，也就是常說的“臟數(shù)據(jù)”，因此需要對數(shù)據(jù)進行清洗。數(shù)據(jù)預處理主要去處可忽略的字段、忽略空缺記錄、可處理噪聲的數(shù)據(jù)、可刪除的數(shù)據(jù)等。由于部分校園卡用戶，如教職工、研究生等，消費時具有很強的隨機性和離散型，因此，本文選取計算機科學與技術專業(yè)在校本科生2017年6月1日2019年6月1日兩年的校園卡消費流水記錄作為樣本。結合校園卡系統(tǒng)的后臺數(shù)據(jù)庫表導出校園卡消費數(shù)據(jù)表，表中包含的字段有學號、姓名、卡號、專業(yè)、余額、交易額、交易時間、對方帳號、POS號，系統(tǒng)代碼。為了保護隱私，對部分屬性做了脫敏和隱私處理。

通過對數(shù)據(jù)進行分析，由于一些學生休學、退學、服兵役、開出等原因，這些數(shù)據(jù)的清理對不會對整體造成影響。經(jīng)過預處理，一共得到227538條有效數(shù)據(jù)。

1.2數(shù)據(jù)集成和變換

預處理后的數(shù)據(jù)不一定適合數(shù)據(jù)挖掘的使用，因此需要對數(shù)據(jù)進行集成和變換，以便能夠直接為數(shù)據(jù)挖掘所使用。本文研究數(shù)據(jù)主要涉及教務系統(tǒng)數(shù)據(jù)庫和校園卡消費流水數(shù)據(jù)庫，因此需要將兩個數(shù)據(jù)庫中提取出的數(shù)據(jù)項整合到一起，組成新的數(shù)據(jù)集環(huán)境，并經(jīng)過詳細對比和篩選解決數(shù)據(jù)不一致和數(shù)據(jù)冗余等問題。

本文對數(shù)據(jù)變換主要側重對消費總金額進行離散化處理，把來自不同源的數(shù)據(jù)統(tǒng)一為標準格式，進行數(shù)據(jù)泛化，將不同的消費記錄對應相當?shù)牡燃?。例如將消費記錄日期格式轉換成數(shù)值型的日期格式。

1.3數(shù)據(jù)歸約

數(shù)據(jù)歸約是指將數(shù)據(jù)庫中的海量數(shù)據(jù)進行歸約，本文是對校園卡的消費數(shù)據(jù)進行數(shù)據(jù)歸約。通過分析，數(shù)據(jù)存儲表中很多屬性與本文的研究沒有關聯(lián)，可以通過刪除與挖掘目標不相關的屬性減少數(shù)據(jù)量，還有一些屬性可以被少量屬性替代。數(shù)據(jù)歸約前后的對比，如表1、表2所示。

2核心算法

2.1基于Kmeans的聚類分析

Kmeans聚類算法一種動態(tài)硬聚類算法，是一種基于靜態(tài)數(shù)據(jù)對象間相似度的，以實現(xiàn)類間獨立、類內(nèi)緊湊的目的。本節(jié)將使用Kmeans算法進行聚類分析[78]，聚類結果受到隨機選取初始聚類中心點的影響，有可能導致出現(xiàn)局部最小的情況，因此本文通過加權兩個數(shù)據(jù)點間的歐式距離，來衡量數(shù)據(jù)點的相似性，初始聚類中心通過目標價值函數(shù)的大小排序得到，聚類算法的具體過程如下：

（1）聚類初始中心數(shù)據(jù)點有系統(tǒng)隨機選擇選定

數(shù)目k′（k′>k）個;

（2）讀取并各自計算數(shù)據(jù)集中的其余數(shù)據(jù)點與k′個初始聚類中心的賦權歐式距離，按照距離的不同從大的開始排列，把距離最小值點分割到相應類別;

（3）對k′個類別的賦權目標價值函數(shù)值δi進行計算，δi值按照越來越大的層級排序，取前k個δi值對應的聚類中心歸納為初始聚類中心;

（4）依據(jù)最小相似度的原則，將每個對象與這k個對象進行相似度的比較，并分別分配到以這k個對象為中心所代表的類中;

（5）采用算法選取非中心點Orand;

（6）用Orand作為Ok替換，形成總代價S;

（7）對于每個類，假如，S<0，用Ok被Orand代替，該類的中心在進行重新計算;

（8）依照步驟（4）（5）的迭代N次，若收斂或中心點數(shù)據(jù)一致無波動，結束過程;

（9）聚類算法結束，獲得最終模型，明確聚類中心。

開始時規(guī)定準則函數(shù)、迭代次數(shù)，考慮算法的成本，迭代次數(shù)等于5。為了判斷函數(shù)收斂性，確定準則函數(shù)為均方差方法，作以下規(guī)定如式（1）。

E=∑ki=1∑x∈Cix-x2

（1）

其中誤差總和做平均即是E，x是已知的對象。x是類Ci的平均值。

3數(shù)據(jù)分析

本文將利用Kmeans算法對消費總金額進行聚集[910]，通過5次的迭代聚類3個簇的聚類結果，如圖1所示。

依據(jù)消費金額以年為單位將學生聚集為三類，即高消費、中等消費、低消費，此時得到的聚類中心為586.32、372.75、203.65。

根據(jù)聚類效果圖繪制圓餅圖，如圖2所示。

依據(jù)Kmeans算法分析的結果，可以將所有樣本分成三簇，具體分布如表3所示。

根據(jù)對計算機科學與技術專業(yè)2016級本科生校園卡聚類情況進行分析，可以得出處于低消費水平的學生占29%。

依據(jù)校園卡的學生消費水平的分析情況，學院老師可以了解一些低消費水平學生的情況，在發(fā)放助學貸款、助學金或者申請勤工儉學等助學崗位時給予優(yōu)選考慮。

4總結

本文完成了計算機科學與技術專業(yè)本科生的刷卡消費數(shù)據(jù)進行挖掘的初步探索，首先對校園卡中的消費記錄進行預處理，包括數(shù)據(jù)清洗、數(shù)據(jù)集成和變換、數(shù)據(jù)歸約，然后再利用Kmeans算法對學生消費行為聚類分析，分析系統(tǒng)內(nèi)數(shù)據(jù)的隱含特征規(guī)律，依據(jù)學生的消費水平為學院貧困生量化評定與資助、貧困等級的界限劃分提供科學的、可靠的數(shù)據(jù)支持。

參考文獻

[1]

劉志宏，喻曉旭.基于數(shù)據(jù)挖掘的校園一卡通消費行為分析[J].信息記錄材料，2018，19（12）：8990.

[2]陳鋒.基于校園一卡通系統(tǒng)的高校用戶就餐消費行為分析與數(shù)據(jù)挖掘[J].中國教育信息化，2014（9）：4749.

[3]ADutt，MAIsmail，THerawan.Asystematicreviewoneducationdatamining[J].IEEEAccess，2017，5（99）：1599116005.

[4]紀系禹，韓秋明，李微，等.數(shù)據(jù)挖掘技術應用實例[M].北京：機械工業(yè)出版社，2009.

[5]胡秀.數(shù)據(jù)挖掘中數(shù)據(jù)預處理的研究[J].赤峰學院學報（自然科學版），2015，31（3）：56.

[6]于琦.Web日志挖掘中的數(shù)據(jù)預處理研究[J].河南科技，2018（7）：1820.

[7]陳艷紅.高校信息系統(tǒng)中的數(shù)據(jù)挖掘與學生行為預警分析研究[D].武漢：湖北民族大學，2019：2930.

[8]張亮，趙娜.高校新生社團推薦系統(tǒng)的開發(fā)及設計[J].計算技術與自動化，2016，35（2）：8184.

[9]郭鵬.基于校園一卡通數(shù)據(jù)的學生消費行為與成績的關聯(lián)性研究[D].西安：西北農(nóng)林科技大學，2019：3134.

[10]張四海，李珊珊.校園一卡通消費行為數(shù)據(jù)分析與研究[J].北京聯(lián)合大學學報，2019，33（1）：4749.

（收稿日期：2020.01.20）