楊 超，文 展，那晏禾，張宇杰

（成都信息工程大學(xué) 通信工程學(xué)院，四川 成都 610225）

0 引言

國家的扶貧政策對幫助貧困人群有著重要意義，我國高度重視扶貧攻堅(jiān)的問題。如何精準(zhǔn)識別出農(nóng)村貧困人口是進(jìn)行精準(zhǔn)扶貧的基礎(chǔ)性工作, 決定著精準(zhǔn)扶貧在資金、措施、駐村幫扶和脫貧成效方面目標(biāo)精準(zhǔn)。然而，在實(shí)踐中還存在一些問題，如遭遇農(nóng)村熟人社會(huì)的關(guān)系網(wǎng)絡(luò)、不規(guī)則的鄉(xiāng)土社會(huì)，導(dǎo)致扶貧資源的冒領(lǐng)，在一定程度上制約了扶貧工作的有效開展[1-2]。因此，有必要開發(fā)一款扶貧輔助測評系統(tǒng)，幫助扶貧工作人員鑒別申請人所處的經(jīng)濟(jì)水平，判斷申請人是否有冒充貧困戶領(lǐng)取福利的嫌疑，更好地為扶貧戰(zhàn)略服務(wù)。

1 系統(tǒng)設(shè)計(jì)思路

心理學(xué)家表示，貧富差距產(chǎn)生的原因可能是個(gè)體某種能力的缺失或者個(gè)性缺陷。具體來說，貧窮與富裕之間的差距除了財(cái)富之外，還有認(rèn)知層面的差距。該系統(tǒng)將心理學(xué)領(lǐng)域的研究方法與機(jī)器學(xué)習(xí)算法進(jìn)行結(jié)合，以心理學(xué)背景下可能造成個(gè)體經(jīng)濟(jì)水平差異的個(gè)體心理特征為背景，使用多種機(jī)器學(xué)習(xí)模型對不同經(jīng)濟(jì)水平個(gè)體的文本數(shù)據(jù)進(jìn)行分類，得到個(gè)人經(jīng)濟(jì)水平分類最優(yōu)模型，通過文本識別經(jīng)濟(jì)水平。

首先，采集大量不同經(jīng)濟(jì)水平人群的文本。然后，對不同的經(jīng)濟(jì)階層進(jìn)行分類，按照其關(guān)鍵詞頻率來建立不同經(jīng)濟(jì)水平人群的特征詞庫。接下來，通過研究機(jī)器學(xué)習(xí)算法并實(shí)現(xiàn)，得到最優(yōu)個(gè)人經(jīng)濟(jì)水平模型。最后，開發(fā)軟件提供用戶接口。

2 精準(zhǔn)扶貧輔助測評系統(tǒng)設(shè)計(jì)方案

根據(jù)設(shè)計(jì)思路，可以得到精準(zhǔn)扶貧輔助測評系統(tǒng)的設(shè)計(jì)方案，如圖1所示。

由圖1可知，本系統(tǒng)主要分為數(shù)據(jù)采集、數(shù)據(jù)處理、特征詞庫構(gòu)建、建立個(gè)人經(jīng)濟(jì)水平分類模型、手機(jī)APP開發(fā)這幾個(gè)步驟，下面分別進(jìn)行闡述。

2.1 數(shù)據(jù)采集

通過編寫爬蟲程序采集網(wǎng)絡(luò)上大量不同經(jīng)濟(jì)水平人群的文本數(shù)據(jù)，并將爬取到的數(shù)據(jù)存入文本文件。本方案將經(jīng)濟(jì)水平人群分為3類：富裕人口、普通收入人口、貧困人口。其中，富裕人口主要采集對象為大V的微博數(shù)據(jù)、名人新聞、富人傳記、書籍。普通收入人群可以采集普通新聞、小說等文本。貧困人口主要采集扶貧網(wǎng)上的新聞、貧困戶訪談等。將這3類數(shù)據(jù)分類存入不同的文本文件。

2.2 數(shù)據(jù)處理

將采集到的富裕、普通和貧窮3類經(jīng)濟(jì)水平的原始數(shù)據(jù)文本，通過中文分詞工具進(jìn)行分詞。并設(shè)計(jì)高效實(shí)用的文本數(shù)據(jù)清洗算法，計(jì)算每一類經(jīng)濟(jì)水平文本的詞頻逆文本頻率指數(shù)（ Term Frequency-Inverse Document Frequency，TFIDF），該指數(shù)值越大，則表明該詞匯在文本中的重要性越高，由此可以獲取對應(yīng)案例文本的關(guān)鍵詞[3]。

2.3 建立特征詞庫

在關(guān)鍵詞基礎(chǔ)上，進(jìn)行特征選擇、特征構(gòu)建和特征提取。特征選擇的過程需要由專家基于貧困人口的社會(huì)認(rèn)知模式相關(guān)背景知識，篩選最有可能影響到個(gè)體社會(huì)認(rèn)知的關(guān)鍵詞，并對篩選出的關(guān)鍵詞按照影響程度的大小進(jìn)行優(yōu)先級排序。特征構(gòu)建與提取是將可能屬于同一類簇的關(guān)鍵詞進(jìn)行整合，以免特征過多造成信息冗余。該過程可以利用TF-IDF值計(jì)算關(guān)鍵詞之間的相似度劃分類簇，也可以利用無監(jiān)督學(xué)習(xí)技術(shù)如主成分分析，K-means算法等進(jìn)行關(guān)鍵詞降維和自動(dòng)聚類[4]。上述步驟可以進(jìn)一步提高特征的準(zhǔn)確性，確保特征的低冗余度，最終得到個(gè)人經(jīng)濟(jì)水平特征詞庫。

最后根據(jù)富裕、普通和貧困人口3種分類，給不同案例獲得的特征詞打上相應(yīng)標(biāo)簽，代表不同的個(gè)人經(jīng)濟(jì)水平，便于下一步進(jìn)行有監(jiān)督的機(jī)器學(xué)習(xí)。

2.4 構(gòu)建個(gè)人經(jīng)濟(jì)水平模型

在有了不同經(jīng)濟(jì)水平人群的特征詞庫后，便可設(shè)計(jì)一種高效實(shí)用的文本數(shù)據(jù)分析算法，對申請人輸入的文本進(jìn)行分析，與特征詞庫進(jìn)行對比分析，利用多種機(jī)器學(xué)習(xí)模型，如邏輯回歸、支持向量機(jī)、最近鄰算法等，對不同經(jīng)濟(jì)水平個(gè)體的文本進(jìn)行分類，根據(jù)精確性、實(shí)用性等關(guān)鍵指標(biāo)，獲得針對此項(xiàng)目的分類準(zhǔn)確性最高、誤差值最小的模型。

2.5 手機(jī)APP開發(fā)

開發(fā)手機(jī)APP提供界面，輸入貧困補(bǔ)助申請者的文本數(shù)據(jù)。通過個(gè)人經(jīng)濟(jì)水平模型，得到申請人所處的經(jīng)濟(jì)水平，并生成個(gè)人經(jīng)濟(jì)水平報(bào)告，供扶貧工作人員輔助進(jìn)行扶貧對象識別。

本系統(tǒng)完成后，可以廣泛應(yīng)用到扶貧工作中，幫助扶貧工作人員對貧困補(bǔ)助申請人所處的經(jīng)濟(jì)水平進(jìn)行判斷，助力精準(zhǔn)扶貧工作。

圖1 精準(zhǔn)扶貧輔助測評系統(tǒng)的設(shè)計(jì)方案

3 結(jié)語

本文中提出一種結(jié)合心理學(xué)與機(jī)器學(xué)習(xí)算法設(shè)計(jì)的精準(zhǔn)扶貧輔助測評系統(tǒng)。該系統(tǒng)采用網(wǎng)絡(luò)爬蟲收集各個(gè)經(jīng)濟(jì)水平人群在網(wǎng)上的文本數(shù)據(jù)，通過中文分詞、關(guān)鍵詞提取、文本向量化等方法進(jìn)行文本處理，構(gòu)建特征詞庫，建立機(jī)器學(xué)習(xí)模型，最后開發(fā)手機(jī)APP提供輸入界面。當(dāng)輸入貧困人口相關(guān)文本數(shù)據(jù)，本系統(tǒng)能得到該貧困戶對應(yīng)的經(jīng)濟(jì)水平分析報(bào)告，輔助扶貧工作人員核實(shí)扶貧對象的身份，更好地推進(jìn)精準(zhǔn)扶貧工作。