区域教育资源满足度评价方法及系统技术方案

本发明专利技术提供一种区域教育资源满足度评价方法及系统，属于区域资源调研领域。所述区域教育资源满足度评价方法包括：获取关于调研区域的由搜索引擎所发生的历史检索关键词集合；对历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定历史检索关键词集合所对应的教育词汇检索量；根据所确定的教育词汇检索量和搜索引擎在调研区域内所拥有的用户数量，确定用户教育需求值；获取调研区域内的教育资源量；根据用户教育需求值和教育资源量，确定调研区域所对应的教育资源满足度。由此，在节约了调研成本的同时，还能方便且更精确地得出针对调研区域的教育资源满足度。

Evaluation Method and System of Satisfaction Degree of Regional Educational Resources

【技术实现步骤摘要】
区域教育资源满足度评价方法及系统
本专利技术涉及区域资源调研
，具体地涉及一种区域教育资源满足度评价方法及系统。
技术介绍
为了响应智慧城市和城市规划的需求，对于城市或区域的各种生活资源以及用户满意度的调研工作是必不可少的。目前相关技术中，为了实现对某一区域的教育资源满足度的调查，一般主要是通过以下两种方式来实现的：其一是调研问卷的方式，通过调查提问，获取居民对本区域(例如，所在的城市)的教育资源满足程度；其二是教育数据聚合来确定教育资源满足度，具体是通过搜集一个城市的教育机构相关数据，比如小学数量、高中数量或者大学数量等。但是，本申请的专利技术人在实践本申请的过程中发现上述目前相关技术中至少存在如下的缺陷：一方面，调研问卷方法的最主要的缺点是成本高，需要前往不同区域和城市手工搜集调研结果。同时该方法基于用户的主观感受，采集结果往往不够精确。同时要采集细粒度区域的教育资源满足程度往往比较困难，比如要了解一个城市每个乡镇的教育资源满意度，则需要走访每个乡镇，成本十分高昂。同时调研方法很难看到细粒度时间维度(例如每月的)的教育资源满足度的变化情况。另一方面，教育数据聚合方法的主要缺点是数据不能完全反应居民对教育资源的满意度。虽然我们可以衡量出每个区域的教育资源占有量(比如人均学校数量等)，但却无法得知用户对该教育资源的占有量是否满足。比如，发达地区对教育资源的占有具有更高的要求，而欠发达地区的教育资源的占有的需求相对薄弱。对于两个地区使用相同的教育资源占有指标(比如人均学校数量)显然不够合理。此外，详细教育资源数据的搜集也面临比较大的困难。
技术实现思路
本专利技术实施例的目的是提供一种区域教育资源满足度评价方法及系统，用以至少解决目前相关技术中因调研问卷调研成本过高和教育数据聚合方法执行困难且所得结果不合理的问题。为了实现上述目的，本专利技术实施例提供一种区域教育资源满足度评价方法，包括：获取关于调研区域的由搜索引擎所发生的历史检索关键词集合；对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量；根据所确定的教育词汇检索量和所述搜索引擎在所述调研区域内所拥有的用户数量，确定用户教育需求值；获取所述调研区域内的教育资源量；根据所述用户教育需求值和所述教育资源量，确定所述调研区域所对应的教育资源满足度。可选的，所述对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量包括：将所述各个历史检索关键词分别与教育关键词集进行匹配，并将与所述教育关键词集相匹配的历史检索关键词确定为目标教育关键词，其中所述教育关键词集中存储有具有教育属性的给定教育关键词；统计所述目标教育关键词的数量，并基于所统计的数量确定所述教育词汇检索量。可选的，该方法还包括：通过以下方式来从所述历史检索关键词集合中确定所述目标教育关键词：其中，k表示教育关键词集K中的给定教育关键词，q表示历史检索关键词集合Q中的历史检索关键词，以及，当f(q,k)＝1时表示所述目标教育关键词，且当f(q,k)＝0时表示所述历史检索关键词集合中不是所述目标教育关键词的历史检索关键词。可选的，该方法还包括：通过以下的方式来确定所述用户教育需求值：其中，d表示用户教育需求值，n表示所述用户数量。可选的，所述对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量包括：基于机器学习模型对所述历史检索关键词集合中的各个历史检索关键词进行语义推导，以确定所述各个历史检索关键词的教育相关度，其中所述机器学习模型是以将标注了教育相关度的真值关键词作为输入进行训练的；基于所确定的各个历史检索关键词的教育相关度，确定所述历史检索关键词集合所对应的教育词汇检索量。可选的，该方法还包括：通过以下的方式来确定所述用户教育需求值：其中，d表示用户教育需求值，n表示所述用户数量，M(q)表示所述机器学习模型的针对教育相关度的输出域，且M(q)∈[0,1]。可选的，所述获取所述调研区域内的教育资源量包括：统计所述调研区域内所具有的兴趣点集合，其中所述兴趣点集合中的每一兴趣点被标记上对应的兴趣点属性；从所述兴趣点集合中筛选标记有教育类兴趣点属性的目标兴趣点；统计所述目标兴趣点的数量，以确定对应的所述教育资源量。可选的，所述根据所述用户教育需求值和所述教育资源量，确定所述调研区域所对应的教育资源满足度包括：计算所述用户教育需求值相对于所述教育资源量的比重值；以及，根据所确定的比重值，确定所述教育资源满足度。本专利技术实施例另一方面提供一种区域教育资源满足度评价系统，包括：历史数据获取单元，用于获取关于调研区域的由搜索引擎所发生的历史检索关键词集合；检索量确定单元，用于对所述历史检索关键词集合中的各个历史检索关键词进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量；需求值确定单元，用于根据所确定的教育词汇检索量和所述搜索引擎在所述调研区域内所拥有的用户数量，确定用户教育需求值；资源量获取单元，用于获取所述调研区域内的教育资源量；满意度确定单元，用于根据所述用户教育需求值和所述教育资源量，确定所述调研区域所对应的教育资源满足度。可选的，所述检索量确定单元包括：目标关键词确定模块，用于将各个历史检索关键词分别与教育关键词集进行匹配，并将与所述教育关键词集相匹配的历史检索关键词确定为目标教育关键词，其中所述教育关键词集存储具有教育属性的给定教育关键词；第一检索量确定模块，用于统计所述目标教育关键词的数量，并基于所统计的数量确定所述教育词汇检索量。可选的，所述检索量确定单元包括：教育相关度推导模块，用于基于机器学习模型对所述历史检索关键词集合中的各个历史检索关键词进行词性推导，以确定所述各个历史检索关键词的教育相关度，其中所述机器学习模型是以将标注了教育相关度的真值关键词作为训练源输入进行训练的；第二检索量确定模块，用于基于所确定的各个历史检索关键词的教育相关度，确定所述历史检索关键词集合所对应的教育词汇检索量。可选的，所述资源量获取单元包括：兴趣点集合统计模块，用于统计所述调研区域内所具有的兴趣点集合，其中所述兴趣点集合中的每一兴趣点被标记上对应的兴趣点属性；兴趣点筛选模块，用于从所述兴趣点集合中筛选标记有教育类兴趣点属性的目标兴趣点；资源量确定模块，用于统计所述目标兴趣点的数量，以确定对应的所述教育资源量。可选的，所述满意度确定单元包括：比重计算模块，用于计算所述用户教育需求值相对于所述教育资源量的比重值；满意度确定模块，用于根据所确定的比重值，确定所述教育资源满足度。通过上述技术方案，基于用户教育需求值和教育资源量进行综合权衡考虑来确定教育资源满足度，相比于调查问卷和单独的依据教育数据聚合的估量，通过搜索引擎检索词分析区域用户对教育资源的需求，与用户数量进行数据融合计算调研区域内居民群体的教育资源满足度，在节约了调研成本的同时，还能方便且更精确地得出群众对调研区域的教育资源满足度。本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分本文档来自技高网...

【技术保护点】
1.一种区域教育资源满足度评价方法，包括：获取关于调研区域的由搜索引擎所发生的历史检索关键词集合；对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量；根据所确定的教育词汇检索量和所述搜索引擎在所述调研区域内所拥有的用户数量，确定用户教育需求值；获取所述调研区域内的教育资源量；根据所述用户教育需求值和所述教育资源量，确定所述调研区域所对应的教育资源满足度。

【技术特征摘要】
1.一种区域教育资源满足度评价方法，包括：获取关于调研区域的由搜索引擎所发生的历史检索关键词集合；对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量；根据所确定的教育词汇检索量和所述搜索引擎在所述调研区域内所拥有的用户数量，确定用户教育需求值；获取所述调研区域内的教育资源量；根据所述用户教育需求值和所述教育资源量，确定所述调研区域所对应的教育资源满足度。2.根据权利要求1所述的方法，其中，所述对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量包括：将所述各个历史检索关键词分别与教育关键词集进行匹配，并将与所述教育关键词集相匹配的历史检索关键词确定为目标教育关键词，其中所述教育关键词集中存储有具有教育属性的给定教育关键词；统计所述目标教育关键词的数量，并基于所统计的数量确定所述教育词汇检索量。3.根据权利要求2所述的方法，其中，该方法还包括：通过以下方式来从所述历史检索关键词集合中确定所述目标教育关键词：其中，k表示教育关键词集K中的给定教育关键词，q表示历史检索关键词集合Q中的历史检索关键词，以及，当f(q,k)＝1时表示所述目标教育关键词，且当f(q,k)＝0时表示所述历史检索关键词集合中不是所述目标教育关键词的历史检索关键词。4.根据权利要求3所述的方法，其中，该方法还包括：通过以下的方式来确定所述用户教育需求值：其中，d表示用户教育需求值，n表示所述用户数量。5.根据权利要求1所述的方法，其中，所述对所述历史检索关键词集合中的各个历史检索关键词的进行语义分析，以确定所述历史检索关键词集合所对应的教育词汇检索量包括：基于机器学习模型对所述历史检索关键词集合中的各个历史检索关键词进行语义推导，以确定所述各个历史检索关键词的教育相关度，其中所述机器学习模型是以将标注了教育相关度的真值关键词作为输入进行训练的；基于所确定的各个历史检索关键词的教育相关度，确定所述历史检索关键词集合所对应的教育词汇检索量。6.根据权利要求5所述的方法，其中，该方法还包括：通过以下的方式来确定所述用户教育需求值：其中，d表示用户教育需求值，n表示所述用户数量，M(q)表示所述机器学习模型的针对教育相关度的输出域，且M(q)∈[0,1]。7.根据权利要求1所述的方法，其中，所述获取所述调研区域内的教育资源量包括：统计所述调研区域内所具有的兴趣点集合，其中所述兴趣点集合中的每一兴趣点被标记上对应的兴趣点属性...

【专利技术属性】
技术研发人员：周景博，姜爱荣，路新江，李岩岩，熊辉，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11