【技术实现步骤摘要】
本专利技术涉及志愿填报
，具体涉及一种高考志愿人工智能填报系统及方法。
技术介绍
根据教育部公布的2016年具有招生资格的院校名单，具有高等学历教育资格的院校数量为：844所本科院校、1288所高职(专科)院校、298所独立学院、62个分校办学点。包括507个本科专业、790个专科专业。由于在每个省录取的高校较多，所有高校不可能同时录取，将不同类型高校分批分期录取，由此形成批次。有提前批，本科一批，本科二批，本科三批，专科一批，专科二批等。批次录取控制分数线是根据各省(直辖市、自治区)考生高考成绩水平和招生计划，按一定的比例确定的录取新生的各批次、各科类最低成绩标准。各批次、各科类的批次线都会不同，科类一般常分为文史类、理工类、艺术类和体育类等，文史类和理工类又分为第一批、第二批、第三批等。有这样一句话来形容高考志愿填报的重要性，“三分成绩，七分志愿。”志愿填写比高考本身更重要。科学的升学决策绝不仅仅是比照分数选择一个好学校，更重要的是根据自身的特点、未来人才市场的趋势及高考(课程)成绩等因素，选择最合适的专业与学校，如果决策正确，就不会出现考不进分数匹配...
【技术保护点】
一种高考志愿人工智能填报系统，其特征在于，由以下部分组成：自动化数据采集器EADH、高考大数据知识库CDKB、深度卷积神经网络感知组件DCNA、深度卷积神经网络权重组件、深度卷积神经网络分析组件DCNS、快速蒙特卡罗搜索树优化MROP、高考策略优化模型CSOM、高考志愿表单自动化生成器AFAG、用户操作界面、后台管理模块、高校及专业信息查询模块、分数线及招生计划查询模块、模拟填报及精准填报模块、用户志愿评估模块、院校及专业智能推荐模块、以职业就业推荐志愿模块、用户特征测评模块和高考政策新闻及招生动态模块。
【技术特征摘要】
1.一种高考志愿人工智能填报系统，其特征在于，由以下部分组成：自动化数据采集器EADH、高考大数据知识库CDKB、深度卷积神经网络感知组件DCNA、深度卷积神经网络权重组件、深度卷积神经网络分析组件DCNS、快速蒙特卡罗搜索树优化MROP、高考策略优化模型CSOM、高考志愿表单自动化生成器AFAG、用户操作界面、后台管理模块、高校及专业信息查询模块、分数线及招生计划查询模块、模拟填报及精准填报模块、用户志愿评估模块、院校及专业智能推荐模块、以职业就业推荐志愿模块、用户特征测评模块和高考政策新闻及招生动态模块。2.根据权利要求1所述的一种高考志愿人工智能填报系统，其特征在于，所述外部自动化数据采集器EADH，用于按指定的轮询时间对网上全国高考信息、高校及专业信息、高校招生信息进行自动化外部数据采集；EADH支持各信息来源的格式和数据提取配置，高考大数据知识库CDKB接收EADH更新的数据，与管理员配置数据，往年高考招生录取信息，本年度高考各方面信息，以及专业及职业方向、就业信息等相结合和校验，建立了精准的高考信息大数据。3.根据权利要求1所述的一种高考志愿人工智能填报系统，其特征在于，还包括深度卷积神经网络组件DCNN及快速蒙特卡罗搜索树优化MROP，上述深度卷积神经网络DCNN组件是多层感知机的一个优化模型；DCNN组件采用了前向传播计算输出值，反向传播调整权重和偏置；所述深度卷积神经网络感知组件DCNA从高考大数据知识库CDKB中获取知识，结合用户特征，输出深度用户相关高考数据；所述深度卷积神经网络权重组件DCNW接收DCNA信息，利用先进的人工智能算法，对符合用户数据的高校、专业相关志愿表单进行快速、精准运算、赋权；所述深度卷积神经网络分析组件DCNS接收DCNW信息，对志愿表单的完整性、一致性、梯度、合理性等进行有效分析；快速蒙特卡罗搜索树优化MROP组件是蒙特卡罗树搜索方法与快速动作值估计方法的结合，它是将蒙特卡罗搜索方法和强化学习方法结合为一体的一种人工智能搜索算法，RAVE收集并评价MCTS搜索中产生的状态动作对，并在下一次MCTS搜索时加以引导，使MCTS能够更大概率地搜索 到更好的分支，MROP组件接收CSOM的信息，联合用户特征数据，采用马尔可夫决策过程与模型无关的强化学习算法，对志愿表单的就读率、高校和专业匹配度、分数利用率做出价值判断和快速搜索。4.根据权利要求1所述的一种高考志愿人工智能填报系统，其特征在于，高考策略优化模型CSOM与DCNA、DCNW、DCNS、MROP利用信息快速通道相互交流信息，通过高效建模、精准模式匹配、策略机器思维用类似于大脑的方法来学习和识别各种高考志愿表单的区别和策略。5.根据权利要求1所述的一种高考志愿人工智能填报系统，其特征在于，所述高考志愿表单自动化生成器AFAG与CSOM7利用信息快速通道相互交流信息，自动化快速生产CSOM所指定的高考志愿表单，志愿表单包括...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。