基于学生偏好的宿舍分配系统的设计与构建

李镜焕 韩慧萍

基于学生偏好的宿舍分配系统的设计与构建

李镜焕 韩慧萍

[中国地质大学(北京)]

随着高校招生规模的扩大和大学生人数的增加，高校后勤的宿舍管理面临着严峻挑战。为了满足学生的多样化需求和缓解宿舍管理人员的工作压力，提高宿舍分配质量是一个可以从源头上解决宿舍管理难题的有效方法。因此，本文将对大学生宿舍关系的影响因素进行预调查与文献调研，针对学生自身住宿偏好，提出“生活习惯差异”等四类调查问题，以调查问卷的回收数据作为分析依据，采用基于信息增益原则的决策树分类算法作为宿舍分配的核心算法，确定基于学生自身偏好与决策树分类的偏好状态描述规则，得出最佳分类方法，以期满足学生对住宿分配的个性化需求，也为高校宿舍智能分配系统奠定基础。

宿舍分配；决策树分类；学生偏好；信息增益；规则描述

一、引言

大学的学生宿舍是我国大学生日常学习生活的主要场所之一，因此，良好的宿舍氛围建设是大学后勤建设的重要组成部分，并且对高校大学生的日后自身发展以及身心养成有着举足轻重的作用。[1]

随着高校招生规模的日益扩大，学生人数不断增加，传统的“一锅端”式宿舍分配方式不仅不能满足“建设高质量教育体系”的政策导向，也无法适应学生对信息化时代大学宿舍分配的基本要求，这容易导致学校后勤需要浪费大量的人力、物力、财力去解决学生宿舍内因不满学生宿舍分配而产生的各类问题，而这些无可估计的损失很大程度上能以对学生包括生活习惯、性格特征等自身偏好的预调查和信息收集的方式去避免。因而在大学信息化建设的时代背景下，宿舍管理工作需要逐渐转变意识、改变服务模式，进一步改革和加强后勤宿舍管理工作[2]，例如在学校新生正式入住校园前进行学生的自身住宿需求偏好的预调查与信息收集，这不仅能提高学校后勤的管理效率，也可以推动大学校园的信息化建设。故本文基于学生自身偏好建立大学宿舍智能分配系统。

二、大学宿舍分配系统设计分析

（一）需求分析

大学宿舍分配系统设计基于现代先进的信息化技术，融合学生提供的自身偏好数据，通过一定的数据收集整合和分析管理，建设一个有助于实现学生与后勤管理部门信息顺畅交换的信息化平台，实现高校学生的个性化宿舍分配与数据共享反馈。由此可见，实现高校学生宿舍管理数字化、信息化尤为重要[3]，在提高宿舍分配效率之余推进高校信息化建设，为智慧后勤体系的建立打下良好基础。大学宿舍分配系统的需求如下所示：

1.准确地向待调查大学生发布调查问卷，及时返回学生填写的自身偏好数据，并将其存入后勤服务宿舍分配数据库中，以保证宿舍分配的高效性与准确性；[4]

2.高效地对学校后勤宿舍资源以及宿舍分配工作进行统一管理，同时可以根据学生输入的住宿偏好进行宿舍分配，保证宿舍分配工作的有效性、针对性以及准确性；

3.在完成初始的宿舍分配后，能够接收学生的实时反馈，并根据反馈进一步优化宿舍分配，同时周期性发布宿舍分配质量管理等后勤报告，形成后勤服务管理的智慧反馈体系；

4.通过宿舍分配的信息化平台，可以对学生的宿舍资源分配情况进行实时增删查改等操作。

同时，为满足学校的管理要求和学生的个体发展，在进行宿舍分配时还要坚持以下原则：[5]

1.尽可能将相同年级、相同专业乃至相同班级的学生分配到相近的区域中，包括同一楼层或同一宿舍，方便学校进行统一管理；

2.尽可能将自身偏好匹配度最高的学生分配到同一宿舍中；

3.在学生对宿舍分配结果提出异议后，要充分考虑学生的住宿需求，在模型分类结果的前提下做到以人为本，统筹兼顾。[6]

（二）系统功能模块设计

根据以上系统需求，本文所设计的大学宿舍分配系统功能模块主要分为三大部分，具体分类如图1所示。

1.大学生自身偏好信息录入板块。在学生根据自身偏好填写完学校后勤部门发布的住宿偏好调查问卷后，该模块需要将已填写的住宿自身偏好调查问卷数据录入到学校的后勤数据库中，并进行数据预处理。

2.宿舍智能分配板块。在完整接收原始的大学生住宿偏好数据后，该模块会根据已有的数据，基于决策树分类算法，为已填写问卷的学生选择出整体和谐度最高的分配方案，以实现宿舍分配的个性化和自动化[7]，并展示具体的分配结果。

3.宿舍分配结果智慧反馈模块。在宿舍智能分配功能完成后，该模块会汇总并展示所有已填写调查问卷的学生的宿舍智能分配结果，并允许学生根据已有的宿舍分配结果与学校后勤部门（系统管理员）进行信息交流。依托于信息交流的结果，系统形成宿舍智能分配结果满意度反馈报告，并根据该反馈报告进行功能板块的改进与优化，实现后勤业务信息互联共享、全局决策控制、系统整合联动[8]。

三、 基于学生自身偏好的宿舍分配模型

（一） 问卷设定

在预调查与参考文献的查阅后，笔者发现，早在2017年中国青年网就已经发起过对全国共计958名大学生的大学宿舍关系问题的调查，调查的结果显示，超过四成的学生与舍友曾经发生过纠纷与矛盾，近三成的大学生有过更换宿舍的想法，其中生活习惯是主要诱因。

在综合已有的对基于学生自身偏好的大学宿舍分配调查问卷的研究后，我们可以得到引发大学生对目前住宿情况不满的原因主要有生活习惯上的差异、性格特征的差异、兴趣爱好的差异、经济情况的差异等，为了实现高校学生宿舍分配管理的个性化和自动化[9]，以更好地促进公寓内学生之间的相互促进、共同成长[10]，在经过对本校学生的访谈和调查后，本文将问卷调查问题设定如下：

1.对自己与舍友之间生活习惯[11]差异的接受程度；

2.对自己与舍友之间性格特征差异的接受程度；

3.对自己与舍友之间兴趣爱好差异的接受程度；

4.对自己与舍友之间经济情况差异的接受程度。

（二） 算法的选择——决策树算法

由于在宿舍分配过程中，我们希望对分类结果进行评估，以此改进现有模型，故在此选择监督分类算法。而在监督分类算法中，决策树算法易理解，且可用于小数据集，适用于离散数据的分类——这些都符合学生住宿偏好数据集的特点，因此选择决策树算法作为本模型算法。

决策树是一种基本的分类与回归方法，此处主要针对分类决策树进行讨论。决策树的经典决策过程可描述为：从整棵决策树的根节点开始，根据各节点的特征，判断应该向哪棵子树进行进一步的决策与分解，在每次决策过程中均采用新特征，此时选择恰当的决策阈值可以将分类的错误率减至较低水平，直到指向叶子结点或者已经不再需要进行决策,从而在相对较大的数据量中尽可能地提高数据价值密度。[12]

（三）模型建立

根据决策树分类算法以及信息增益方法，定义分配模型的组成元素为：待分配学生的偏好状态集P，决策属性集D，决策属性值集V，决策属性排序集S以及偏好状态描述规则f。[13]在学生宿舍智能分配模型中，对以上模型元素作如下设定。

1.待分配学生的偏好状态集P。表示由待分配学生的偏好状态构成的总体集合。如待分配学生的偏好可以表现为“非常介意自己与舍友之间的生活习惯差异”“不介意自己与舍友之间的经济情况差异”等。设偏好状态个数为n，即：

5.偏好状态描述规则f。表示待分配学生的偏好状态与各决策属性取值间的关系。即：

（四）算法流程

step1：设定模型组成集合

分析待分配学生的自身偏好，得出其偏好状态集P，并确定决策属性集以及其相对应的取值范畴，得出决策属性集D与决策属性值集V。

step2：排序分配决策属性

鉴于信息增益原则的决策树分类，得出精确的决策属性排序结果，并确定决策属性排序集S。

step3：决策树的设定与可视化

进行决策树训练，得出学生宿舍智能分配决策树模型，并将决策树分类结果可视化,为管理者提供真实可靠的决策支持。[14]

step4：形成偏好状态描述规则

根据已生成的决策树，归纳出偏好状态的形成规则。具体的基于决策树分类模型的学校宿舍智能分配的步骤如图2所示。

图2 基于决策树分类模型的学校宿舍智能分配步骤图

（五）模型应用分析

在对基于决策树分类模型的学校宿舍智能分配模型进行分析前，先对调查问卷数据进行预处理，即将数据集中的四种定性变量的分类采用数值进行编码，但数值型变量一般不能被模型识别为不同类别的划分，而是将其识别为存在大小关系，因此引入虚拟变量将定性变量的不同类别替换成一个或多个取值为整数(如1,2,3,4)的定性变量。[15]

对于定性变量“生活习惯”，将选项不清楚、非常介意、比较介意、一般、比较不介意、不介意分别设置为0、1、2、3、4、5，即{不清楚：0，非常介意：1，比较介意：2，一般：3，比较不介意：4，不介意：5}。分值的高低表示调查主体对住宿环境的适应程度的高低，对于不清楚自身住宿偏好的，设置分值为0。

对于定性变量“性格特征”“兴趣爱好”以及“经济情况”的预处理与上同理。

step1：设定模型组成集合

在问卷设定中，将调查问题设置为“生活习惯”“性格特征”“兴趣爱好”以及“经济情况”四部分，即待分配学生的偏好状态集P可定义为：

由此，定义相应决策属性值集V为：

由数据预处理中对虚拟变量的设定，可以将相应决策属性值集简化为：

step2：排序分配决策属性

在此主要采用基于决策树分类算法的决策属性排序，以专家分析法为辅，以信息增益原则为主，根据决策树算法对决策属性进行排序，得到决策属性重要度结果如表1所示：

表1 决策属性重要度

决策属性生活习惯性格特征兴趣爱好经济情况 重要度0.290157530.300276340.160033440.24953269

因此有决策属性排序集

由上得经排序的决策属性集为：

step3：决策树的设定与可视化

根据待分配学生的偏好状态集P，决策属性集D，决策属性值集V，决策属性排序集S，对学生宿舍智能分配的决策树算法进行参数设置，并进行决策树训练，得到图3分类结果。

图3 决策树分类图

step4：形成偏好状态描述规则

根据决策树分类算法的性质，容易知道，从根节点到任意叶子结点之间的路径即为某个样本的分类过程，包括了基于各参数值的大小关系的分类途径，由此可以提取出偏好状态描述规则，具体的偏好状态描述规则f如下表2所示：

表2 偏好状态描述规则（部分）

|--- Hobby <= 3.50| |--- Habit <= 1.50| | |--- Character <= 1.50| | | |--- Consumption <= 2.50| | | | |--- class: 1| | | |--- Consumption > 2.50| | | | |--- class: 2| | |--- Character > 1.50

其中，“Hobby”表示兴趣爱好差异接受度，“Character”表示性格特征差异接受度，“Habit”表示生活习惯差异接受度，“Consumption”表示经济情况差异接受度。

因此，我们可以通过该决策树分类模型，根据以上的偏好状态描述规则，将不同的学生分配到不同的宿舍中，该分类结果也在算法与模型上较大程度地实现了宿舍分配的个性化和自动化。

四、结语

学生宿舍智能分配是目前高校后勤管理的重要工作，也是建成智慧后勤的重要组成成分之一，良好的宿舍分配有利于提高学校后勤管理的效率，可以有效地节省大量的人力物力[16]、降低后勤宿舍管理的损耗，目前主要由学校自动分配以及学生自主选择两种宿舍分配方式组成。本文致力基于学生自身偏好的大学宿舍分配系统的研究，采用决策树分类算法作为住宿智能分配的核心算法，为大学生宿舍分配作出了一些有益的思考和尝试，同时也希望为高校后勤的宿舍分配研究领域贡献一份绵薄之力。

[1]范宁,初相如,薛美薇.近十年高校后勤研究发展趋势及共性问题探讨[J].高校后勤研究, 2022(01):10-16.

[2]谢沣.当前高校学生宿舍管理的问题和对策分析[J].成都大学学报(教育科学版), 2007(08): 14-16.

[3]王晓薇,马佳宁,龚雪莹等.基于回溯算法的多约束宿舍分配方法[J].沈阳师范大学学报(自然科学版),2021,39(02):164-168.

[4]王巧巧,韦澍芃.基于贪心算法的学生宿舍分配系统设计与实现[J].计算机光盘软件与应用,2013,16(10):147-148.

[5]刘珺,易静.基于改进贪心算法的大学生个性化宿舍分配方法[J].信息通信,2019(05):35-37.

[6]赵相彬.数字化迎新系统宿舍分配模块的设计与实现[J].电脑知识与技术,2016,12(25):92-94.

[7]郝鹃,路美秀.大学生个性化宿舍分配算法研究[J].信息通信,2016(05):153-154.

[8]于会松.智慧后勤平台建设研究[J].计算机仿真,2022,39(03):459-461.

[9]余启林.考虑学生偏好的高校公寓分配管理系统研究[D].北京交通大学,2017.

[10]王伟,左臣婕.高校学生住宿分配工作研究[J].高校后勤研究,2018(11):21-24.

[11]李涵,傅文鸿,范昱煊等.基于数据挖掘技术的宿舍智能分配系统[J].微处理机,2021,42(03): 31-34.

[12]董楠楠，牟有静，刘洋．基于大数据时代的数字化校园建设[J].电子技术与软件工程，2019 (21)：163-164.

[13]尹星,孙鹏,韩冰.基于决策树的作战实体行为规则建模[J].指挥控制与仿真,2020,42(01):15 -19.

[14]舒攀,陈金刚.数字化校园建设中宿舍管理系统的设计与实现[J].武汉工程大学学报,2008,30 (4): 108-111.

[15]葛志金,李燕.基于整数规划和0-1背包问题的宿舍集中化管理分配方案——以桂林电子科技大学为例[J].信息与电脑(理论版),2020,32(17):3-5.

[16]盛雪丰．智慧校园框架下的智能宿舍管理产品设计与实现[J]．计算机应用与软件，2018，35(8)：170-174.

（责任编辑：胡新龙）