来源：期刊VIP网 时间：
作者：熊红林;董明;陈宏民;孙琦;贺远珍;
单位：上海健康医学院协同科研中心;上海交通大学安泰经济与管理学院;上海理工大学管理学院;
摘要：社会救助是保障社会公平的重要民生工程之一。为了解决社会救助业务中被救助对象类型的精准识别问题，本文基于数据要素驱动民生服务视角进行研究。首先，通过K-means聚类对救助指标进行等级划分；其次，基于互信息理论定义家庭贫困指数以量化家庭贫困程度；然后，运用互信息与相关性原理，选取救助类型判定关键特征，加入贫困指数完成特征重建，提出一种基于关键特征和贫困指数的KM-WRF(K-means mutual information-weighted random forest)社会救助预测模型方法；最后，以上海社会救助历史业务数据为例，验证该模型对社会救助分类的有效性与可行性。实验结果表明：KM-WRF模型与多种常用模型相比在社会救助的精准识别应用中有更高的预测精度和更强的稳定性；家庭贫困指数能有效评估家庭困难程度，为数据要素视角下精准社会救助提供了科学且有效的辅助决策手段。
关键词：数据要素;;数据驱动;;互信息;;随机森林;;精准社会救助
基金资助：国家自然科学基金项目（72271161,72241431,72031006）;; 教育部哲学社会科学研究重大课题攻关项目（20JZD010）;; 上海市哲学社会科学规划项目（2021EJB006）;; 上海交通大学新进青年教师启动计划（SFYF at SJTU）;; 2023年度“科技智库青年人才计划”（20230504ZZ07240053）
