考务信息匹配方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种考务信息匹配方法、装置、计算机设备和存储介质。所述方法包括：获取考生信息，所述考生信息包括考生标识和考试科目信息；获取考场信息，所述考场信息包括实验台信息；利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。采用本方法能够对每个考生的考务信息进行自动化的智能编排，简化了考务编排工作的繁琐流程，有效的提高了考务信息编排的效率，实现了智能化的考务编排。

Matching method, device, computer equipment and storage medium of examination information

【技术实现步骤摘要】
考务信息匹配方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种考务信息匹配方法、装置、计算机设备和存储介质。
技术介绍
随着计算机技术的发展，越来越多的考生可以通过使用电脑进行在线考试，考试之前需要工作人员对不同类型的考试进行考务安排，目前的考务安排信息主要通过工作人员结合实际考场的使用情况进行编排发布，这种考务信息编排的弊端在于需要花费大量的人力、物力资源进行考务安排。由于考务安排工作变得愈来愈复杂和繁重，需要花费大量的人力、精力去处理和安排，尤其是涉及实验操作的考务编排流程繁杂，容易导致考务信息编排的效率较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高考务信息编排效率的考务信息匹配方法、装置、计算机设备和存储介质。一种考务信息匹配方法，所述方法包括：获取考生信息，所述考生信息包括考生标识和考试科目信息；获取考场信息，所述考场信息包括实验台信息；利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。在其中一个实施例中，所述利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量包括：将所述考生信息分别转换成对应的词向量，对所述词向量进行合并，得到与所述考生标识对应的特征向量。在其中一个实施例中，所述将多个所述类别特征信息与所述考场信息进行匹配包括：从数据库中获取多个考场信息；将多个所述类别特征信息与多个所述考场信息进行相似度匹配；将相似度大于阈值的考场信息标记为待推荐考场。在其中一个实施例中，所述将多个所述类别特征信息与多个所述考场信息进行相似度匹配包括：获取多个所述类别特征信息中每个类别特征标签的权重等级；利用散列函数对多个所述类别特征信息、多个所述考场信息进行转换，得到对应的多个类别特征信息序列、多个考场信息序列；根据每个所述类别特征标签的权重等级，对所述类别特征信息序列进行加权计算，得到对应的加权类别特征信息序列；将所述加权类别特征信息序列与多个所述考场信息序列进行匹配。在其中一个实施例中，所述方法还包括：根据所述考生标识查找对应的历史考务信息，所述历史考务信息包括与所述考生标识对应的历史考场信息；对所述历史考场信息进行筛选，得到对应的实验台信息；将所述实验台信息与所述考试科目信息进行匹配，若匹配成功，则将所述历史考场信息标记为待推荐考场。一种考务信息匹配装置，所述装置包括：获取模块，用于获取考生信息，所述考生信息包括考生标识和考试科目信息；获取考场信息，所述考场信息包括实验台信息；特征提取模块，用于利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；分类模块，用于将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；匹配模块，用于将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取考生信息，所述考生信息包括考生标识和考试科目信息；获取考场信息，所述考场信息包括实验台信息；利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取考生信息，所述考生信息包括考生标识和考试科目信息；获取考场信息，所述考场信息包括实验台信息；利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。上述考务信息匹配方法、装置、计算机设备和存储介质，通过获取考生信息，考生信息包括考生标识和考试科目信息。获取考场信息，考场信息包括实验台信息。利用词库模型对考生信息进行特征提取，得到与考生标识对应的特征向量。将特征向量输入分类模型，得到与考生标识对应的多个类别特征信息。将多个类别特征信息与考场信息进行匹配，得到与考生标识匹配的考务信息。相对于传统的人工编排方式，通过获取与考生标识对应的特征向量，将特征向量输入分类模型，得到与考生标识对应的多个类别特征信息，由此使得能够根据多个类别特征信息与多个考场信息进行匹配，得到与考生标识匹配的考务信息，可以对每个考生的考务信息进行自动化的智能编排，简化了考务编排工作的繁琐流程，有效的提高了考务信息编排的效率，实现了智能化的考务编排。附图说明图1为一个实施例中考务信息匹配方法的应用环境图；图2为一个实施例中考务信息匹配方法的流程示意图；图3为一个实施例中标记待推荐考场步骤的流程示意图；图4为一个实施例中考务信息匹配装置的结构框图；图5为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的考务信息匹配方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。终端102可以通过向服务器104发送请求，从服务器104获取对应的考生信息以及与考生相关的考场信息。终端102从服务器104获取考生信息，考生信息包括考生标识和考试科目信息。终端102从服务器104获取考场信息，考场信息包括实验台信息。终端102利用词库模型对考生信息进行特征提取，得到与考生标识对应的特征向量。终端102将特征向量输入分类模型，得到与考生标识对应的多个类别特征信息。终端102将多个类别特征信息与考场信息进行匹配，得到与考生标识匹配的考务信息。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种考务信息匹配方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：步骤202，获取考生信息，考生信息包括考生标识和考试科目信息。终端可以通过向服务器104发送请求，从服务器104获取考生信息。终端也可以在不同类型的考试场景下，通过不同的方式获取考生信息本文档来自技高网...

【技术保护点】
1.一种考务信息匹配方法，所述方法包括：/n获取考生信息，所述考生信息包括考生标识和考试科目信息；/n获取考场信息，所述考场信息包括实验台信息；/n利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；/n将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；/n将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。/n

【技术特征摘要】
1.一种考务信息匹配方法，所述方法包括：
获取考生信息，所述考生信息包括考生标识和考试科目信息；
获取考场信息，所述考场信息包括实验台信息；
利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量；
将所述特征向量输入分类模型，得到与所述考生标识对应的多个类别特征信息；
将多个所述类别特征信息与所述考场信息进行匹配，得到与所述考生标识匹配的考务信息。


2.根据权利要求1所述的方法，其特征在于，所述利用词库模型对所述考生信息进行特征提取，得到与所述考生标识对应的特征向量包括：
将所述考生信息分别转换成对应的词向量，对所述词向量进行合并，得到与所述考生标识对应的特征向量。


3.根据权利要求1所述的方法，其特征在于，所述将多个所述类别特征信息与所述考场信息进行匹配包括：
从数据库中获取多个考场信息；
将多个所述类别特征信息与多个所述考场信息进行相似度匹配；
将相似度大于阈值的考场信息标记为待推荐考场。


4.根据权利要求3所述的方法，其特征在于，所述将多个所述类别特征信息与多个所述考场信息进行相似度匹配包括：
获取多个所述类别特征信息中每个类别特征标签的权重等级；
利用散列函数对多个所述类别特征信息、多个所述考场信息进行转换，得到对应的多个类别特征信息序列、多个考场信息序列；
根据每个所述类别特征标签的权重等级，对所述类别特征信息序列进行加权计算，得到对应的加权类别特征信息序列；
将所述加权类别特征信息序列与多个所述考场信息序列进行匹配。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述考生标识查找对应的历史考务信息，所述历史考务信息包括与所述考生标识对应的历史考场...

【专利技术属性】
技术研发人员：喻志翀，陈婷鑫，李泽龙，龙美霖，胡永松，杨林峰，
申请(专利权)人：广东德诚科教有限公司，
类型：发明
国别省市：广东;44