謝銳兵

（浙江廣廈建設(shè)職業(yè)技術(shù)大學(xué)，東陽(yáng)322100）

0 引言

智慧校園伴隨著互聯(lián)網(wǎng)科技、通信技術(shù)特別是5G技術(shù)以及人工智能、大數(shù)據(jù)等科技的不斷發(fā)展，越來(lái)越受各個(gè)高校的重視，其技術(shù)和應(yīng)用日趨完善，特別是在黨的十九大明確提出教育現(xiàn)代化后。當(dāng)前，已經(jīng)有不少針對(duì)高校教學(xué)、教務(wù)、考務(wù)、學(xué)籍、檔案、一卡通等應(yīng)用的智慧校園管理數(shù)據(jù)系統(tǒng)案例［1］。黨的政治建設(shè)的作為統(tǒng)領(lǐng)和工作首位，是高校的育人工作中的重要組成部分，如何在信息化大潮流中，利用互聯(lián)網(wǎng)、5G、人工智能等科技手段，改進(jìn)高校黨建的管理和工作模式，打造高校智慧黨建模式，是一個(gè)重大命題。隨著智慧校園應(yīng)用的不斷深入，越來(lái)越多的學(xué)者和高校已經(jīng)將目光投入到高校的智慧黨建的研究和應(yīng)用中。

目前，在高校智慧黨建研究中主要集中在智慧平臺(tái)的建設(shè)、數(shù)據(jù)管理機(jī)制、互聯(lián)網(wǎng)背景下黨建機(jī)制等方面，其機(jī)能主要體現(xiàn)在工作流程的信息化、學(xué)習(xí)過(guò)程的信息化、數(shù)據(jù)管理的信息化等層面。然而，在高校的黨建過(guò)程中，對(duì)學(xué)生發(fā)展對(duì)象以及學(xué)生黨員的考察、監(jiān)督、評(píng)判是非常重要的環(huán)節(jié)。在傳統(tǒng)的黨建工作過(guò)程中，往往依托于基層黨支部以及入黨介紹人在日常的學(xué)習(xí)、生活、實(shí)習(xí)過(guò)程中，通過(guò)學(xué)習(xí)成績(jī)、活動(dòng)的積極性、思想?yún)R報(bào)等環(huán)節(jié)對(duì)其進(jìn)行人為的考察、監(jiān)督和評(píng)判，由于關(guān)注力度的不確定性、信息獲得的片面性和滯后性、感情因素的隨意性等，會(huì)造成考察的不全面及監(jiān)督教育的不及時(shí)，對(duì)可能影響考察結(jié)果的因素?zé)o法做出合理的預(yù)判，進(jìn)而提前進(jìn)行干預(yù)和引導(dǎo)，特別是針對(duì)校外實(shí)習(xí)的學(xué)生考察對(duì)象。在智慧校園平臺(tái)和智慧黨建平臺(tái)的基礎(chǔ)上，我們可以通過(guò)數(shù)據(jù)挖掘技術(shù)，獲得學(xué)生發(fā)展對(duì)象以及學(xué)生黨員的成績(jī)、考評(píng)、黨校學(xué)習(xí)效果、行為表現(xiàn)、思想動(dòng)態(tài)等影響因素的量化參數(shù)，利用智能算法構(gòu)建預(yù)警機(jī)制，對(duì)考察對(duì)象進(jìn)行科學(xué)合理的預(yù)判，以幫助組織加強(qiáng)監(jiān)督要教育。

1 預(yù)警機(jī)制模型分析

1.1 研究現(xiàn)狀

預(yù)警作為一種結(jié)果預(yù)測(cè)和評(píng)估的手段，在很多領(lǐng)域都廣為應(yīng)用，特別是在生產(chǎn)活動(dòng)、自然災(zāi)害以及醫(yī)療事故的風(fēng)險(xiǎn)預(yù)測(cè)和安全評(píng)估方面，研究和應(yīng)用更為廣泛，帶來(lái)了很大的社會(huì)效果和經(jīng)濟(jì)效益。將預(yù)警機(jī)制的原理應(yīng)用于高校教育，通過(guò)對(duì)學(xué)生的成績(jī)等進(jìn)行預(yù)測(cè)，從而對(duì)學(xué)生的學(xué)業(yè)發(fā)出預(yù)警，以便實(shí)現(xiàn)危機(jī)學(xué)生的有效關(guān)注、提前干預(yù)，已經(jīng)被廣為研究。在知網(wǎng)以“學(xué)業(yè)預(yù)警”為關(guān)鍵字查詢，獲得400余條期刊文獻(xiàn)記錄，最早可以追溯到2005年，近五年最為集中，文獻(xiàn)記錄數(shù)量超過(guò)70%。通過(guò)文獻(xiàn)查閱發(fā)現(xiàn)，當(dāng)前對(duì)學(xué)業(yè)預(yù)警研究的方向，主要體現(xiàn)在兩個(gè)方面，一是高校學(xué)業(yè)預(yù)警的管理模式、制度設(shè)計(jì)、指標(biāo)研究等機(jī)制研究，二是基于功能實(shí)現(xiàn)的平臺(tái)設(shè)計(jì)研究和算法研究。魏茜［2］提出建設(shè)院級(jí)預(yù)警指標(biāo)來(lái)補(bǔ)充校級(jí)預(yù)警指標(biāo)，以此來(lái)克服校級(jí)預(yù)警在以學(xué)業(yè)成績(jī)進(jìn)行預(yù)警處理的滯后性。何偉［3］認(rèn)為高校思想政治教育是大學(xué)生學(xué)業(yè)預(yù)警機(jī)制的重要部分，提出提高素質(zhì)、創(chuàng)新協(xié)同要素以及有序銜接來(lái)發(fā)揮其功能。尹建平等人［4］重點(diǎn)研究了學(xué)業(yè)預(yù)警后幫扶措施，從而改善學(xué)業(yè)效果，降低預(yù)警率。在算法和平臺(tái)開(kāi)發(fā)的研究方面，向東旭、薛夢(mèng)婷等人［5－6］提出的基于協(xié)同過(guò)濾推薦算法的高校預(yù)警功能實(shí)現(xiàn)；宋楚平等人［7］研究了改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法在學(xué)業(yè)預(yù)警的應(yīng)用；陶佰睿等人［8］在學(xué)業(yè)預(yù)警中采用了核函數(shù)的模糊均值聚類(lèi)（KFCM）改進(jìn)支持向量機(jī)（SVM）數(shù)據(jù)決策算法，取得了較好的效果。

當(dāng)前針對(duì)智慧黨建的研究和應(yīng)用比較多，研究主題涵蓋了智慧黨建的意義、要求、措施、機(jī)制、功能設(shè)計(jì)、平臺(tái)開(kāi)發(fā)、效果分析等，但是將預(yù)警機(jī)制引入到黨建工作中的研究，相對(duì)較少，知網(wǎng)中能查詢到的研究文獻(xiàn)寥寥無(wú)幾。除周鳴、楊芳菲等人［9］通過(guò)制度建設(shè)、隊(duì)伍建設(shè)、平臺(tái)建設(shè)當(dāng)方面分析了高校學(xué)生黨員考評(píng)與預(yù)警機(jī)制以及徐一凡［10］分析了“互聯(lián)網(wǎng)＋黨員預(yù)警機(jī)制”的可行性和平臺(tái)建設(shè)外，暫未查閱到其他有價(jià)值的文獻(xiàn)。高校黨建工作是高校育人的重要陣地，學(xué)生黨員發(fā)展和監(jiān)督教育是大學(xué)生學(xué)業(yè)的重要部分，在高校研究智慧黨建的過(guò)程中，將預(yù)警機(jī)制引入到高校黨建工作中，以創(chuàng)新高校黨建工作模式，提高高校黨建效果，是非常值得研究的課題。

1.2 智慧黨建預(yù)警機(jī)制模型

在高校黨建工作中，對(duì)學(xué)生發(fā)展對(duì)象以及學(xué)生黨員的考察監(jiān)督涵蓋的面較多，不同的學(xué)校、支部評(píng)價(jià)的因素權(quán)重也有所區(qū)別。預(yù)警機(jī)制的建立，首先必須充分考慮能影響預(yù)警結(jié)果的各個(gè)特征因素，并且能進(jìn)行量化對(duì)比，才能有效推測(cè)出預(yù)警結(jié)果。然而在預(yù)警機(jī)制的實(shí)際量化分析過(guò)程中，部分特征因素受個(gè)體主觀影響等，很難比較科學(xué)客觀地通過(guò)量化來(lái)體現(xiàn)，還有部分要素對(duì)預(yù)警結(jié)果影響較小但原始數(shù)據(jù)收集較困難，因此在預(yù)警機(jī)制建立的過(guò)程中，如何科學(xué)地選取影響因素、準(zhǔn)確的參數(shù)量化，是影響預(yù)警功能實(shí)現(xiàn)和效果的關(guān)鍵。通過(guò)查閱黨建相關(guān)文件資料，并對(duì)黨建專(zhuān)家、思政教育專(zhuān)家、教育管理專(zhuān)家以及基層黨務(wù)工作者的訪問(wèn)調(diào)研，預(yù)警機(jī)制選取了高校黨建中對(duì)學(xué)生發(fā)展對(duì)象以及學(xué)生黨員進(jìn)行監(jiān)督考察的主要特征因素：課程平均成績(jī)、教師綜合評(píng)價(jià)、組織生活評(píng)價(jià)、黨的理論學(xué)習(xí)評(píng)價(jià)、群眾反饋評(píng)價(jià)、支部黨員評(píng)價(jià)、思想動(dòng)態(tài)評(píng)價(jià)等7大項(xiàng)。

在智慧校園和智慧黨建平臺(tái)應(yīng)用的基礎(chǔ)上，預(yù)警機(jī)制中的特征因素?cái)?shù)據(jù)獲得途徑比較規(guī)范和容易，例如在智慧校園的教務(wù)、考務(wù)、學(xué)籍等大數(shù)據(jù)平臺(tái)中，可以獲得課程平均成績(jī)、教師綜合評(píng)價(jià)等相關(guān)權(quán)威數(shù)據(jù)，在智慧黨建的管理、學(xué)習(xí)、宣傳等數(shù)據(jù)平臺(tái)中，可以獲得組織生活評(píng)價(jià)、黨的理論學(xué)習(xí)評(píng)價(jià)、群眾反饋評(píng)價(jià)、支部黨員評(píng)價(jià)、思想動(dòng)態(tài)評(píng)價(jià)等有效數(shù)據(jù)，這對(duì)預(yù)警機(jī)制的功能實(shí)現(xiàn)，提供了前提。通過(guò)調(diào)查發(fā)現(xiàn)，在高校學(xué)生黨員發(fā)展對(duì)象和學(xué)生黨員的考察監(jiān)督過(guò)程中，不同的因素對(duì)考察的結(jié)果的影響也有區(qū)別，因此在預(yù)警機(jī)制中，按其重要性對(duì)各個(gè)特征因素進(jìn)行加權(quán)，根據(jù)權(quán)值的不同，來(lái)代表其占的比重。

在本預(yù)警機(jī)制中，特征因素的總權(quán)值為1，各個(gè)因素的權(quán)值分配如表1所示。

表1 特征因素權(quán)值分配

在智慧黨建的預(yù)警系統(tǒng)中，通過(guò)基于用戶的協(xié)同過(guò)濾推薦算法來(lái)實(shí)現(xiàn)預(yù)警機(jī)制。系統(tǒng)將學(xué)生黨員和發(fā)展對(duì)象作為一個(gè)項(xiàng)目，將課程平均成績(jī)、教師綜合評(píng)價(jià)、組織生活評(píng)價(jià)、黨的理論學(xué)習(xí)評(píng)價(jià)、群眾反饋評(píng)價(jià)、支部黨員評(píng)價(jià)、思想動(dòng)態(tài)評(píng)價(jià)作為計(jì)算相似度的特征向量。利用特征向量，計(jì)算項(xiàng)目之間的相似度，再將達(dá)到一定相似度的項(xiàng)目的各個(gè)特征向量進(jìn)行推薦計(jì)算，從而達(dá)到預(yù)測(cè)結(jié)果，實(shí)現(xiàn)預(yù)警效果。預(yù)警機(jī)制流程圖如圖1所示。

圖1 預(yù)警機(jī)制流程圖

2 基于協(xié)同過(guò)濾推薦算法的預(yù)警實(shí)現(xiàn)

2.1 協(xié)同過(guò)濾推薦算法

協(xié)同過(guò)濾推薦算法是一種資源推薦類(lèi)算法，其主要思想是通過(guò)用戶的行為信息，計(jì)算用戶對(duì)資源的興趣度，并將不同用戶、不同資源的興趣度建立矩陣關(guān)系，通過(guò)矩陣關(guān)系，來(lái)計(jì)算和選擇達(dá)到一定相似度的用戶群體，然后將某些相似用戶已經(jīng)訪問(wèn)過(guò)的資源推薦給其他還未訪問(wèn)這些資料的相似用戶［11］。系統(tǒng)認(rèn)為，具有一定相似度的用戶群，其對(duì)資源的興趣度也可能相似，這樣通過(guò)群體對(duì)比實(shí)現(xiàn)的資源推薦，具有較高的準(zhǔn)確性。協(xié)同過(guò)濾推薦算法在很多資源、產(chǎn)品推薦類(lèi)平臺(tái)已經(jīng)廣為應(yīng)用，如郵件推薦系統(tǒng)、電子商務(wù)平臺(tái)、個(gè)性化學(xué)習(xí)平臺(tái)等，通過(guò)實(shí)際體驗(yàn)和查閱相關(guān)研究文獻(xiàn)發(fā)現(xiàn)，協(xié)同過(guò)濾推薦算法的應(yīng)用的確能實(shí)現(xiàn)資源的有效推薦，提升用戶的個(gè)性化需求度。

協(xié)同過(guò)濾推薦算法經(jīng)過(guò)不斷的發(fā)展，目前存在不同的分類(lèi)，其中主要包括基于用戶的協(xié)同過(guò)濾推薦算法和基于項(xiàng)目的協(xié)同過(guò)濾推薦算法［12］。基于用戶的協(xié)同過(guò)濾推薦算法是目前應(yīng)用相對(duì)更為廣泛的一種類(lèi)型?；谟脩舻膮f(xié)同過(guò)濾推薦算法繼承了協(xié)同過(guò)濾算法的主要思想，即通過(guò)用戶行為計(jì)算相似用戶，并選擇相似用戶使用過(guò)的而用戶還未使用過(guò)的資源推薦給用戶?；谟脩舻膮f(xié)同過(guò)濾推薦算法需要依賴(lài)于足夠多的用戶行為數(shù)據(jù)作為分析基礎(chǔ)，因此在實(shí)際使用過(guò)程中，特別是新系統(tǒng)中，往往會(huì)出現(xiàn)數(shù)據(jù)稀缺等問(wèn)題，影響推薦效果?；陧?xiàng)目的協(xié)同過(guò)濾推薦算法有別于基于用戶的協(xié)同過(guò)濾推薦算法，它是先獲取項(xiàng)目的信息，并對(duì)這些基本信息進(jìn)行一定的特征化，再將這些特征與用戶設(shè)定的喜好特征進(jìn)行相似度匹配，并按相似度排序，達(dá)到某個(gè)相似度節(jié)點(diǎn)的項(xiàng)目，則推薦給用戶，相似度越高的項(xiàng)目，推薦優(yōu)先級(jí)則越高。

2.2 建立初始預(yù)警特征矩陣

在智慧校園平臺(tái)和智慧黨建平臺(tái)中，對(duì)預(yù)警對(duì)象的特征因素進(jìn)行量化評(píng)價(jià)，評(píng)價(jià)方式用百分制，即對(duì)系統(tǒng)中學(xué)生黨員發(fā)展對(duì)象以及學(xué)生黨員以往已經(jīng)形成的課程平均成績(jī)、綜合評(píng)價(jià)、黨的理論學(xué)習(xí)、群眾評(píng)價(jià)等通過(guò)0－100分的形式進(jìn)行評(píng)價(jià)保存。利用這些量化的特征因素，建立初始預(yù)警特征矩陣（以學(xué)期為單位）：

此特征矩陣中的ti1－ti7分別表示第i個(gè)學(xué)生的課程平均成績(jī)、教師綜合評(píng)價(jià)、組織生活評(píng)價(jià)、黨的理論學(xué)習(xí)評(píng)價(jià)、群眾反饋評(píng)價(jià)、支部黨員評(píng)價(jià)、思想動(dòng)態(tài)評(píng)價(jià)等7個(gè)主要特征因素量化評(píng)價(jià)值。

對(duì)7個(gè)特征因素分別加權(quán)，分別用Z1－Z7表示，其權(quán)的具體值見(jiàn)上文中的表1。依據(jù)特征因素量化評(píng)價(jià)值和權(quán)值，計(jì)算出學(xué)生i的第j個(gè)特征因素的權(quán)化值：

2.3 計(jì)算相似群體

協(xié)同過(guò)濾推薦算法的核心思想是基于相似群體的推薦，其前提是通過(guò)計(jì)算彼此間的相似程度，并通過(guò)相似程度來(lái)推斷用戶之間的偏好是否接近，相似度越高，則認(rèn)為對(duì)相同資源的偏好度就越接近，推薦度就越高。因此協(xié)同過(guò)濾推薦算法中的相似度計(jì)算方法至關(guān)重要。協(xié)同過(guò)濾推薦算法目前的主要相似度計(jì)算方法有余弦相似度計(jì)算方法、調(diào)整余弦相似度計(jì)算方法、基于條件概率相似性計(jì)算方法、皮爾遜相關(guān)性計(jì)算方法等［12］。相對(duì)最簡(jiǎn)單的余弦相似度計(jì)算方法而言，調(diào)整余弦相似度計(jì)算方法、基于條件概率相似性計(jì)算方法、皮爾遜相關(guān)性計(jì)算方法更具合理和科學(xué)性，因?yàn)橛嘞蚁嗨贫扔?jì)算方法未考慮不同用戶評(píng)分范圍和評(píng)分標(biāo)準(zhǔn)的差異性問(wèn)題，調(diào)整余弦相似度計(jì)算方法、皮爾遜相關(guān)性計(jì)算方法則將不同用戶的評(píng)分差異性的影響有了最大程度的降低［12］。智慧黨建預(yù)警系統(tǒng)中，采用調(diào)整余弦相似度計(jì)算方法來(lái)計(jì)算相關(guān)相似度。

利用初始預(yù)警特征權(quán)化矩陣和平均權(quán)化矩陣，通過(guò)學(xué)生a和b的各個(gè)特征因素權(quán)化值和所有因素平均權(quán)化值，采用的調(diào)整余弦相似度計(jì)算公式如下：

設(shè)定Sim（a，b）的閾值，認(rèn)為相似度大于設(shè)定閾值的群體為高相似群體，建立用戶a的高相似矩陣：

2.4 生成預(yù)警結(jié)果

預(yù)警結(jié)果生成的原理是：需要對(duì)學(xué)生黨員或發(fā)展對(duì)象a的當(dāng)前學(xué)期考察情況進(jìn)行預(yù)警，先判斷學(xué)生a當(dāng)前處于高校學(xué)歷的第幾學(xué)期，再通過(guò)學(xué)生a的高相似矩陣S′，從初始預(yù)警特征矩陣中挑選出高相似學(xué)生的該學(xué)期相關(guān)特征因素值，建立相似預(yù)警特征矩陣，再對(duì)預(yù)警特征矩陣中的特征值乘相似度求和，再求平均后與平均相似度相除，得出預(yù)警結(jié)果特征矩陣，生成預(yù)警結(jié)果。

相似預(yù)警特征矩陣為：

n代表的是某個(gè)學(xué)期。特征因素J的預(yù)警結(jié)果生成公式為：

3 實(shí)驗(yàn)結(jié)果分析

系統(tǒng)選擇浙江某職業(yè)技術(shù)大學(xué)20年秋季學(xué)期的50名學(xué)生黨員和學(xué)生發(fā)展對(duì)象作為預(yù)警對(duì)象，在選擇預(yù)警對(duì)象時(shí)，考慮到高校學(xué)生入黨的考察規(guī)則和流程，以及避免協(xié)同過(guò)濾推薦算法使用中出現(xiàn)數(shù)據(jù)稀缺問(wèn)題，50名學(xué)生黨員和學(xué)生發(fā)展對(duì)象全部來(lái)自大二、大三的學(xué)生對(duì)象。同時(shí)選擇了該職業(yè)技術(shù)大學(xué)2015年到2020年的500名學(xué)生黨員和學(xué)生發(fā)展對(duì)象，對(duì)其進(jìn)行特征因素量化，作為預(yù)警系統(tǒng)的原始數(shù)據(jù)。

預(yù)警結(jié)果的準(zhǔn)確率和有效性，是判斷預(yù)警機(jī)制是否有效的關(guān)鍵，受事務(wù)發(fā)展不確定性影響，任何預(yù)警機(jī)制的預(yù)警結(jié)果都不可能和實(shí)際結(jié)果完全一致，因此通過(guò)直觀的比對(duì)特征因素的實(shí)際結(jié)果和預(yù)警結(jié)果是否一致來(lái)分析實(shí)驗(yàn)結(jié)果并作出判斷是不合理的。為了更為合理地判斷預(yù)警機(jī)制的效果，采用允許偏差內(nèi)占比率和絕對(duì)誤差平均值兩個(gè)評(píng)價(jià)指標(biāo)［6］來(lái)對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。

允許偏差內(nèi)占比率指預(yù)警結(jié)果和實(shí)際結(jié)果比較誤差小于允許偏差值的特征因素個(gè)數(shù)在總的特征因素中的占比，其值越接近1，則預(yù)警結(jié)果越準(zhǔn)確。實(shí)驗(yàn)中允許偏差為［－5，＋5］，其公式表示如下：

絕對(duì)誤差平均值指預(yù)警結(jié)果Pi和實(shí)際結(jié)果ti的誤差絕對(duì)值的平均值，其值越小，則預(yù)警結(jié)果越準(zhǔn)確。公式表示如下：

分別取相似度閾值0.6、0.7、0.8、0.9，0.95，實(shí)驗(yàn)結(jié)果的允許偏差內(nèi)占比率和絕對(duì)誤差平均值如圖2和圖3所示。

圖2 允許偏差內(nèi)占比率

圖3 絕對(duì)誤差平均值

通過(guò)實(shí)驗(yàn)結(jié)果分析可以看出，選擇不同的相似度閾值時(shí)，預(yù)警結(jié)果的準(zhǔn)確性不同，原理上相似度閾值越高，相似群體的相似度越高，其生成的預(yù)警結(jié)果應(yīng)該也越高，但從實(shí)驗(yàn)結(jié)果來(lái)看，相似度閾值在0.8～0.9之間，準(zhǔn)確度最高，再往上，則出現(xiàn)下降趨勢(shì)，其原因在于相似度越高，則生成的相似群體越少，當(dāng)數(shù)量降低到一定程度時(shí)，由于計(jì)算數(shù)據(jù)太少影響了個(gè)體差異的消除度，使得預(yù)警結(jié)果偏差較大。因此在選擇相似度閾值時(shí)，要充分考慮系統(tǒng)中用戶群體數(shù)量。

為了驗(yàn)證預(yù)警機(jī)制的功能可行性和有效性，在設(shè)置實(shí)驗(yàn)數(shù)據(jù)時(shí)，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了一定的優(yōu)化和過(guò)濾，使得實(shí)驗(yàn)數(shù)據(jù)在結(jié)構(gòu)上和屬性上都更加規(guī)范和有序，然而，在真實(shí)的高校智慧黨建預(yù)警機(jī)制運(yùn)用中，需要面對(duì)更加復(fù)雜、更加無(wú)序、大量非結(jié)構(gòu)化的數(shù)據(jù)，因此，要讓預(yù)警機(jī)制更加有效，還要解決如下問(wèn)題：

（1）預(yù)警特征因素不全的問(wèn)題。目前預(yù)警機(jī)制中只考慮了課程平均成績(jī)、教師評(píng)價(jià)等7個(gè)特征因素，在高校黨建工作中，對(duì)學(xué)生黨員和考察對(duì)象進(jìn)行監(jiān)督考察的范圍遠(yuǎn)不止這7個(gè)，例如學(xué)生的獎(jiǎng)勵(lì)情況、懲罰情況、興趣愛(ài)好情況、心理活動(dòng)情況等等。后續(xù)要進(jìn)一步對(duì)黨建工作的工作機(jī)制和考察范圍進(jìn)行研究，健全預(yù)警機(jī)制的預(yù)警因素。

（2）預(yù)警信息數(shù)據(jù)初始化問(wèn)題。預(yù)警實(shí)驗(yàn)過(guò)程中，直接對(duì)數(shù)據(jù)進(jìn)行百分制初始化，初始化過(guò)程中，花費(fèi)了大量的人力和時(shí)間，而且初始化過(guò)程中，由于缺少評(píng)價(jià)轉(zhuǎn)化的標(biāo)準(zhǔn)化，類(lèi)似教師評(píng)價(jià)、思想動(dòng)態(tài)評(píng)價(jià)等因素在量化時(shí)存在偏差。在智慧黨建預(yù)警應(yīng)用中，數(shù)據(jù)初始化應(yīng)該交由系統(tǒng)自動(dòng)收集和統(tǒng)一標(biāo)準(zhǔn)量化，這需要在數(shù)據(jù)挖掘和處理上加大研究和應(yīng)用，讓預(yù)警機(jī)制的信息更科學(xué)、標(biāo)準(zhǔn)。

（3）基于協(xié)同過(guò)濾推薦算法的數(shù)據(jù)稀缺和冷啟動(dòng)問(wèn)題。基于協(xié)同過(guò)濾推薦算法需要基于一定基礎(chǔ)的用戶數(shù)據(jù)才能進(jìn)行有效的預(yù)測(cè)和推薦，高校智慧黨建預(yù)警機(jī)制中，對(duì)于大一的學(xué)生黨員和發(fā)展對(duì)象，學(xué)生數(shù)據(jù)稀缺，不利于算法的有效運(yùn)算，在后續(xù)的研究中，可以通過(guò)改進(jìn)算法和引入其前置學(xué)歷過(guò)程中的數(shù)據(jù)和高考成績(jī)的方法來(lái)進(jìn)行改善。

4 結(jié)語(yǔ)

高校黨建工作是高校育人工作的重要部分，預(yù)警機(jī)制的引入和應(yīng)用，能更及時(shí)、更有效地發(fā)現(xiàn)問(wèn)題解決問(wèn)題，能提高高校黨建工作中的教育考察和監(jiān)督的效果。智慧校園和智慧黨建的研究與應(yīng)用，為預(yù)警機(jī)制的實(shí)現(xiàn)提供了數(shù)據(jù)基礎(chǔ)，依托于智慧校園和智慧黨建平臺(tái)的功能和數(shù)據(jù)，可以通過(guò)大數(shù)據(jù)分析和智能算法進(jìn)行科學(xué)的預(yù)測(cè)分析?；趨f(xié)同過(guò)濾推薦算法利用相似度原理可以實(shí)現(xiàn)結(jié)果的預(yù)測(cè)，從而達(dá)到預(yù)警的效果。通過(guò)實(shí)驗(yàn)數(shù)據(jù)分析，基于協(xié)同過(guò)濾推薦算法實(shí)現(xiàn)的預(yù)警機(jī)制，其預(yù)測(cè)結(jié)果具有一定準(zhǔn)確性，預(yù)警結(jié)果有一定的代表性。同時(shí)也可以看出，由于預(yù)警機(jī)制的復(fù)雜性和算法本身的缺陷，預(yù)警機(jī)制還存在不足，在接下來(lái)的研究中，重點(diǎn)要加大大數(shù)據(jù)的挖掘分析，算法的改進(jìn)，提高預(yù)警效果。