[发明专利]一种识别方法、装置、设备及可读存储介质

说明书

本申请公开了一种识别方法、装置、设备及可读存储介质，可应用于人工智能领域或金融领域。获取待识别学生的识别数据集，识别数据集包括在预设的识别时间段内的多个目标特征的特征值。将待识别学生的识别数据集输入至预设的识别模型，得到识别模型输出的识别结果。识别模型包括融合模型和多个不同类型的判定模型，判定模型用于基于待识别学生的识别数据集预测得到用于指示待识别学生是否是经济困难学生的判定结果，融合模型用于融合各个判定模型输出的判定结果得到识别结果。可见，通过结合不同类型的判定模型的判定效果，融合得到的识别结果准确性高。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种识别方法、装置、设备及可读存储介质。

背景技术

随着国家对贫困学生资助金额的不断增长、资助范围的不断扩大，经济困难学生的通用认定流程多经过学生自主申报、系统核实、学校民主评议以及学校复核认定这几个阶段，这种认定流程主观性较强、人为因素较多，缺乏统一的判定标准与科学的认定模式，如何在认定过程中有效识别真实的经济困难学生，已经成为如今学生资助工作的一个重难点。

发明内容

本申请提供了一种识别方法、装置、设备及可读存储介质，目的在于提高经济困难学生的识别准确性和客观性，如下：

一种识别方法，包括：

获取待识别学生的识别数据集，所述识别数据集包括在预设的识别时间段内的多个目标特征的特征值；

将所述待识别学生的识别数据集输入至预设的识别模型，得到所述识别模型输出的识别结果，所述识别结果指示所述待识别学生是否是经济困难学生；

其中，所述识别模型包括融合模型和多个不同类型的判定模型，所述判定模型用于基于所述待识别学生的识别数据集预测得到用于指示所述待识别学生是否是经济困难学生的判定结果，所述融合模型用于融合各个所述判定模型输出的判定结果得到所述识别结果。

可选地，识别模型的训练方法包括：

获取目标样本集，所述目标样本集包括多条添加标签的目标样本，目标样本包括学生在预设的历史时间段内各个所述目标特征的特征值，所述模板样本的标签用于指示所述目标样本对应的学生是否是经济困难学生；

以所述目标样本为输入，以所述目标样本的标签为目标输出，训练多个不同类型的基学习器，将训练好的基学习器作为所述判定模型；

以各个所述判定模型输出的判定结果为输入，以所述目标样本的标签为目标输出，训练元学习器，将训练好的元学习器作为所述融合模型；

可选地，多个不同类型的基学习器包括：梯度提升决策树、残差神经网络、随机森林、和支持向量机中任意多个；

以所述目标样本为输入，以所述目标样本的标签为目标输出，训练目标基学习器，所述目标基学习器为任意一个基学习器，包括：

划分所述目标样本集得到训练集和测试集；

将所述训练集等分得到m个子训练集；

执行m次第一训练流程，得到训练后的所述目标基学习器，所述m为预设数值；

任一次第一训练流程包括：

提取m-1个子训练集，以所述m-1个子训练集为训练数据训练所述目标基学习器后，将目标子训练集输入至所述目标基学习器，依据所述目标基学习器输出的所述目标子训练集的判定结果以及所述目标子训练集的标签，验证所述目标基学习器是否达到预设的第一训练条件，其中，所述目标子训练集为所述m-1个子训练集之外的子训练集，每一次所述第一训练流程提取的m-1个子训练集不完全相同。