【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)推薦，尤其涉及一種基于波動風(fēng)險的高考志愿推薦方法及系統(tǒng)。
技術(shù)介紹
1、高考志愿選擇是每位考生在人生道路上關(guān)鍵的決策節(jié)點，其影響涉及到個體未來學(xué)習(xí)環(huán)境、專業(yè)方向、職業(yè)發(fā)展和人生軌跡。在現(xiàn)代信息化社會背景下，高考志愿選擇不僅是一項個人決策，更是技術(shù)與人文交融的復(fù)雜系統(tǒng)工程。考生在選擇志愿時，需要綜合考慮自身興趣、特長、職業(yè)規(guī)劃和未來發(fā)展方向，這種決策過程既受到心理學(xué)、教育學(xué)等人文科學(xué)的影響，也受到數(shù)據(jù)科學(xué)、人工智能等技術(shù)手段的支持。
2、過度追求熱門專業(yè)或知名學(xué)府聲譽，而忽視個人實際情況和興趣所在，可能導(dǎo)致學(xué)習(xí)動力不足和職業(yè)迷茫，這種現(xiàn)象在數(shù)據(jù)分析和行為經(jīng)濟學(xué)角度下呈現(xiàn)出信息不對稱和決策偏差的特征。不同專業(yè)、不同學(xué)校的培養(yǎng)模式和就業(yè)前景存在著巨大差異，因此選擇符合個人特點的志愿能更好地發(fā)揮個人優(yōu)勢，為未來成功打下堅實基礎(chǔ)。
3、傳統(tǒng)高考志愿推薦產(chǎn)品主要以信息共享和歷史錄取情況為基礎(chǔ)，通過考生實際分數(shù)排名推薦院校和專業(yè)。然而，這種方式仍以分數(shù)為導(dǎo)向，興趣偏好主要限于地理位置和院校大類，無法提供充分支持對院校、專業(yè)選擇的依據(jù)。由于高考生缺乏社會經(jīng)驗，往往難以提供符合個人情況的興趣偏好選擇。
4、因此，在高考志愿選擇過程中，如何充分利用技術(shù)手段和數(shù)據(jù)分析方法，為考生提供更準確、個性化的志愿推薦服務(wù)，是當前亟待解決的技術(shù)和教育挑戰(zhàn)。
技術(shù)實現(xiàn)思路
1、有鑒于此，本專利技術(shù)提供一種基于波動風(fēng)險的高考志愿推薦方法及系統(tǒng)，基于錄取排名和一對一專
2、本專利技術(shù)的技術(shù)目的是這樣實現(xiàn)的：
3、一方面，本專利技術(shù)提供一種基于波動風(fēng)險的高考志愿推薦方法，包括以下步驟：
4、s1：獲取學(xué)生實際分數(shù)并確定院校集合，將院校集合進行分組，得到院校組，根據(jù)院校組分別統(tǒng)計各個院校近6年的歷史分數(shù)線，利用歷史分數(shù)線訓(xùn)練回歸模型，基于訓(xùn)練后的回歸模型預(yù)測得到各個院校的預(yù)測分數(shù)線，將預(yù)測分數(shù)線引入院校組中，形成院校分數(shù)表；
5、s2：按照院校組，統(tǒng)計每個院校的近5年的歷史錄取分數(shù)和歷史錄取率，根據(jù)歷史錄取分數(shù)計算波動標準差；
6、s3：遍歷院校分數(shù)表，計算學(xué)生實際分數(shù)與預(yù)測分數(shù)線的差值，根據(jù)學(xué)生實際分數(shù)與預(yù)測分數(shù)線的差值和波動標準差計算錄取風(fēng)險概率，結(jié)合錄取風(fēng)險概率和歷史錄取率計算得到最終錄取概率；
7、s4：根據(jù)每個院校的最終錄取概率對院校集合進行篩選，得到第一院校列表；
8、s5：構(gòu)建第一院校列表中各院校的院校專業(yè)畫像和學(xué)生意向畫像；
9、s6：根據(jù)關(guān)聯(lián)映射規(guī)則對學(xué)生意向畫像和第一院校列表中各院校的院校專業(yè)畫像進行關(guān)聯(lián)分析，計算得到第一院校列表中各院校的推薦指數(shù)，按照推薦指數(shù)對第一院校列表進行重排，得到第二院校列表，根據(jù)第二院校列表向?qū)W生進行推薦。
10、進一步的，步驟s1包括：
11、s11：獲取學(xué)生實際分數(shù)和院校集合；
12、s12：將院校按照省份、批次、文理科分別進行分組，得到院校組，包括省份組別、批次組別和文理科組別；
13、s13：分別統(tǒng)計省份組別、批次組別和文理科組別的近6年的歷史分數(shù)線，其中，歷史分數(shù)線為各個院校針對不同省份、不同批次或不同文理科的分數(shù)線；
14、s14：以當前年份為起始年份，將歷史分數(shù)線按照其年份與起始年份的相隔年數(shù)從小到大進行劃分，記為s1、s2、s3、s4、s5和s6，其中，s1為去年的歷史分數(shù)線；
15、s15：將s2、s3、s4、s5和s6作為輸入特征值，將s1作為預(yù)測結(jié)果，以此訓(xùn)練回歸模型，直至回歸模型收斂；
16、s16：基于訓(xùn)練后的回歸模型預(yù)測各個院校針對不同省份、不同批次或不同文理科的預(yù)測分數(shù)線；
17、s17：將各個院校針對不同省份、不同批次或不同文理科的預(yù)測分數(shù)線分別引入省份組別、批次組別和文理科組別中，得到省份分數(shù)表、批次分數(shù)表和文理科分數(shù)表。
18、進一步的，波動標準差的計算公式為：
19、；
20、式中，σ為波動標準差；i表示歷史年份；start表示當前年份；start+1表示從當前年份開始往前+1年份；start+5表示從當前年份開始往前+5年份；wi表示第i年的歷史錄取分數(shù)的波動值；表示近5年的歷史錄取分數(shù)的波動值的平均值；n表示歷史錄取分數(shù)的數(shù)量。
21、進一步的，步驟s3包括：
22、s31：遍歷院校分數(shù)表中的批次分數(shù)表，計算學(xué)生實際分數(shù)與預(yù)測分數(shù)線的差值，記為gap，將gap作為概率密度累計函數(shù)的輸入，結(jié)合波動標準差σ計算錄取風(fēng)險概率prisk：
23、；
24、式中，prisk為錄取風(fēng)險概率，gap為學(xué)生實際分數(shù)與預(yù)測分數(shù)線的差值，x表示學(xué)生實際分數(shù)，σ為波動標準差，μ為波動系數(shù)；
25、s32：引入歷史錄取率對異常波動進行矯正，根據(jù)歷史錄取率和錄取風(fēng)險概率計算得到最終錄取概率p：
26、；
27、式中，p為最終錄取概率，prisk為錄取風(fēng)險概率，phis為歷史錄取率，λ為調(diào)節(jié)參數(shù)。
28、進一步的，波動系數(shù)μ根據(jù)院校的歷史錄取分數(shù)的波動情況進行設(shè)置，調(diào)節(jié)參數(shù)λ根據(jù)各個院校的歷史分數(shù)線和歷史錄取率進行訓(xùn)練得到。
29、進一步的，步驟s4包括：
30、s41：設(shè)置集合函數(shù)，以最終錄取概率為輸入?yún)?shù)，根據(jù)最終錄取概率將院校分為不同的組別，返回值為0、1或2，其中，0表示沖刺，1表示穩(wěn)妥，2表示保底；
31、s42：設(shè)置列表函數(shù)，以學(xué)生實際分數(shù)和最終錄取概率為輸入?yún)?shù)，用于生成包含院校信息的院校列表；
32、s43：針對每個學(xué)生，獲取各個院校對于該學(xué)生的最終錄取概率，根據(jù)該學(xué)生的學(xué)生實際分數(shù)和最終錄取概率，為每個院校創(chuàng)建一個字典，字典中包括院校名稱、最終錄取概率、預(yù)測分數(shù)線和返回值，將字典添加至院校列表中；
33、s44：返回院校列表，并調(diào)用列表分割函數(shù)，按照返回值將院校列表分割為沖刺院校表、穩(wěn)妥院校表和保底院校表；
34、s45：將沖刺院校表、穩(wěn)妥院校表和保底院校表作為第一院校列表。
35、進一步的，步驟s5包括：
36、s51：一對一咨詢并收集學(xué)生的背景數(shù)據(jù)和個人意向數(shù)據(jù)，背景數(shù)據(jù)包括家庭信息數(shù)據(jù)、教育計劃成本投入數(shù)據(jù)，個人意向數(shù)據(jù)包括學(xué)業(yè)規(guī)劃數(shù)據(jù)、地域選擇數(shù)據(jù)、專業(yè)偏好數(shù)據(jù)、偏好理由數(shù)據(jù)和職業(yè)規(guī)劃數(shù)據(jù)；
37、s52：對收集的背景數(shù)據(jù)和個人意向數(shù)據(jù)進行清洗和標準化處理；
38、s53：對背景數(shù)據(jù)和個人意向數(shù)據(jù)進行特征提取和分析，得到背景特征和個人意向特征，其中，背景特征為m維特征，個人意向特征為n維特征；
39、s54：將背景特征和個人意向特征組成學(xué)生意向特征本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟S1包括：
3.如權(quán)利要求1所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，波動標準差的計算公式為：
4.如權(quán)利要求2所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟S3包括：
5.如權(quán)利要求4所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，波動系數(shù)μ根據(jù)院校的歷史錄取分數(shù)的波動情況進行設(shè)置，調(diào)節(jié)參數(shù)λ根據(jù)各個院校的歷史分數(shù)線和歷史錄取率進行訓(xùn)練得到。
6.如權(quán)利要求2所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟S4包括：
7.如權(quán)利要求2所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟S5包括：
8.如權(quán)利要求7所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟S6包括：
9.如權(quán)利要求8所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟S63中，相似度值的計算公式為：
...
【技術(shù)特征摘要】
1.一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，包括以下步驟：
2.如權(quán)利要求1所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟s1包括：
3.如權(quán)利要求1所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，波動標準差的計算公式為：
4.如權(quán)利要求2所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，步驟s3包括：
5.如權(quán)利要求4所述的一種基于波動風(fēng)險的高考志愿推薦方法，其特征在于，波動系數(shù)μ根據(jù)院校的歷史錄取分數(shù)的波動情況進行設(shè)置，調(diào)節(jié)參數(shù)λ根據(jù)各個院校的歷史分數(shù)線和歷史錄取率進行...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李舵文，嚴鶴，王俊，吳柯，
申請(專利權(quán))人：云啟智慧科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。