一种高考志愿填报系统技术方案

一种高考志愿填报系统，属于志愿填报技术领域，用以解决现有的高考志愿填报方法不能准确地根据考生的需求为其推荐合适的院校和专业的问题。本发明专利技术系统包括管理员端和用户端，用户端包括智能推荐模块和模拟填报模块；其中，智能推荐模块包括兴趣测试子模块和推荐子模块，推荐子模块用于结合用户兴趣偏好和输入信息进行智能推荐；模拟填报模块用于根据输入信息进行高考志愿模拟填报，分析生成高考志愿填报结果；进一步地，推荐子模块中利用基于用户的协同过滤推荐和基于约束的过滤推荐的混合算法实现对用户准确的志愿推荐，并利用正态分布预测算法预测被院校专业录取的概率。本发明专利技术适用于高考志愿填报时根据用户需求为其推荐合适的院校专业。荐合适的院校专业。荐合适的院校专业。

【技术实现步骤摘要】
一种高考志愿填报系统


[0001]本专利技术涉及志愿填报
，具体涉及一种高考志愿填报系统。

技术介绍

[0002]填报高考志愿就是考生综合考虑自己的分数、专业意向、意向省份等因素，填报自己意向的学校和专业。对于高考志愿填报，有一种笼统的说法是“考得好，不如报得好”，由此可以看出高考志愿填报的重要性。志愿填报对每个考生和家庭来说意义深远，它也是高考中一个比较重要的环节。对成绩较好的考生来说，填报志愿得当，可以进入与自己分数匹配的院校深造，而不至于让努力付诸东流；对成绩较不理想的考生来说，有效得填报志愿，可以让每一分都发挥应有的价值，从而进入“性价比”最好的学府。盲目地填报高考志愿，不仅会出现高分低就的现象，使得考生与理想的院校、专业失之交臂，考生和家长抱憾终生；也会出现考生入学后，发现所报考的专业与自己的期望相差甚远，从而提不起学习兴趣的现象，这对考生未来的个人发展是非常不利的。
[0003]考生和家长通过现有的人工查阅高考志愿填报指南填报志愿的方法，并不能全面地分析各院校的信息，不能为考生和家长填报志愿带来满意的结果。所以在有数据依据的情况下，合理科学地填报志愿是考生和家长都需要关心的问题。面对全国几千所院校、每所院校若干种专业的情况下，虽然考生和家长可以通过搜索引擎查询自己想要了解的院校信息，但是面对搜索出的每所院校不同的院校等级、专业等级、校园环境、师资力量的评分情况，考生再一次进入了茫然的信息筛选之中。这样的过程不仅繁琐而且耗时，考生也很难根据自己的需求做出志愿填报的决策。

技术实现思路
<br/>[0004]鉴于以上问题，本专利技术提出一种高考志愿填报系统，用以解决现有的高考志愿填报方法不能准确地根据考生的需求为其推荐合适的院校和专业的问题。
[0005]一种高考志愿填报系统，包括管理员端和用户端，所述管理员端用于管理人员对用户和院校专业进行管理；所述用户端包括智能推荐模块和模拟填报模块；其中，
[0006]所述智能推荐模块包括兴趣测试子模块和推荐子模块；所述兴趣测试子模块用于对用户的兴趣进行测试，获取用户兴趣偏好；所述推荐子模块用于结合用户兴趣偏好和第一输入信息进行智能推荐，生成推荐志愿表；所述推荐志愿表中包括推荐填报的院校和专业；所述第一输入信息包括用户输入的高考成绩、成绩位次或向往城市；
[0007]所述模拟填报模块用于根据第一输入信息和第二输入信息进行高考志愿模拟填报，并分析生成高考志愿填报结果；所述高考志愿填报结果为填报的院校和专业被录取的概率；所述第二输入信息包括用户输入的院校和专业。
[0008]进一步地，所述管理员端包括院校信息管理模块、专业信息管理模块、历年录取信息管理模块和用户信息管理模块。
[0009]进一步地，所述用户端还包括信息输入模块、信息查询模块和录取概率查看模块，
所述信息输入模块用于用户输入第一输入信息和第二输入信息；所述信息查询模块用于对院校及院校排名信息、专业及专业排名信息进行查询并显示查询结果；所述录取概率查看模块用于查看高考志愿填报结果。
[0010]进一步地，所述推荐子模块中利用基于用户的协同过滤推荐算法和基于约束的过滤推荐算法生成推荐志愿表。
[0011]进一步地，所述推荐子模块中利用基于用户的协同过滤推荐算法生成推荐志愿表的具体步骤包括：
[0012]首先，构建目标用户的偏好信息特征向量表；所述偏好信息特征向量表包括通过霍兰德兴趣测评获取的兴趣偏好或第一输入信息中用户输入的兴趣偏好；
[0013]然后，计算目标用户与已经填报过志愿的老用户之间的相似性；
[0014]然后，根据余弦相似度进行降序排序，选择相似性最高的多个用户作为目标用户的相似用户群；
[0015]最后，把相似用户群中的用户填报的志愿推荐给目标用户。
[0016]进一步地，所述推荐子模块中利用基于约束的过滤推荐算法生成推荐志愿表的具体步骤包括：
[0017]首先，对于基于用户的协同过滤推荐算法推荐的院校专业，根据高考成绩和成绩位次约束淘汰部分院校专业，计算目标用户的成绩位次与BP神经网络位次预测模型预测的院校专业的录取位次的差值，若其差值大于预设数值，则滤除该院校专业，未被滤除的院校专业作为候选集；
[0018]然后，根据院校的地理位置和专业对候选集院校专业进行归类；
[0019]最后，根据目标用户输入的向往城市和专业，从候选集院校专业中选择一类最适合用户的院校专业进行推荐。
[0020]进一步地，所述模拟填报模块中利用正态分布特性预测录取概率，具体步骤包括：
[0021]首先，利用训练好的BP神经网络位次预测模型预测用户填报的院校的各个专业的录取位次；
[0022]然后，根据存储的各省份的高考分数和位次的对照信息把各个专业的预测录取位次转化为各个专业的预测平均录取分数线；
[0023]然后，获取用户填报的院校历年录取的最低分数线，计算院校最低录取线的平均线差值；
[0024]然后，根据上一年院校的最低录取线和平均线差值预测当年院校最低录取分数线；
[0025]然后，以各个专业的预测平均录取分数线作为样本数据，以预测的当年院校最低录取分数线作为样本均值，计算样本标准差；
[0026]然后，根据样本均值和样本标准差，确定正态分布公式的密度函数；
[0027]最后，根据高考成绩对正态分布的密度函数进行积分得出录取概率。
[0028]进一步地，所述BP神经网络位次预测模型的训练过程包括：
[0029]首先，采用Min－max标准化对训练数据进行归一化处理；
[0030]然后，设定BP神经网络位次预测模型输入层的节点数为3，输入数据分别为院校ID、专业ID、院校和专业的录取人数，隐含层的节点数为3，输出层的节点数为1，输出数据为
位次；神经元的输入为x1‑
院校ID、x2‑
专业ID、x3‑
院校和专业的录取人数；处理神经元的输出为：
[0031][0032]式中，f表示激励函数，使用Sigmoid函数作为激励函数；w
i
为输出层的隐含层的权重；x
i
为神经元的输入，θ为其阈值；具体包括：
[0033]隐含层输出数据的计算公式为：
[0034][0035]式中，H
j
表示隐含层第j个节点的输出值；n表示输入层的节点个数；x
i
表示输入层第i个节点的输入值；w
ij
表示输入层第i个节点与隐含层第j个节点之间的权重值；a
j
表示输入层到隐含层的偏置；
[0036]输出层输出数据的计算公式为：
[0037][0038]式中，O
k
表示输出层第k个结点的输出值；l表示隐含层的节点个数；w
jk
表示隐含层第j个节点与输出层第k个节点之间的权重值；b
k
表示隐含层到输出层的偏置；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高考志愿填报系统，其特征在于，包括管理员端和用户端，所述管理员端用于管理人员对用户和院校专业进行管理；所述用户端包括智能推荐模块和模拟填报模块；其中，所述智能推荐模块包括兴趣测试子模块和推荐子模块；所述兴趣测试子模块用于对用户的兴趣进行测试，获取用户兴趣偏好；所述推荐子模块用于结合用户兴趣偏好和第一输入信息进行智能推荐，生成推荐志愿表，所述推荐志愿表中包括推荐填报的院校和专业，所述第一输入信息包括用户输入的高考成绩、成绩位次或向往城市；所述模拟填报模块用于根据第一输入信息和第二输入信息进行高考志愿模拟填报，并分析生成高考志愿填报结果，所述高考志愿填报结果为填报的院校和专业被录取的概率，所述第二输入信息包括用户输入的院校和专业。2.根据权利要求1所述的一种高考志愿填报系统，其特征在于，所述管理员端包括院校信息管理模块、专业信息管理模块、历年录取信息管理模块和用户信息管理模块。3.根据权利要求2所述的一种高考志愿填报系统，其特征在于，所述用户端还包括信息输入模块、信息查询模块和录取概率查看模块，所述信息输入模块用于用户输入第一输入信息和第二输入信息；所述信息查询模块用于对院校及院校排名信息、专业及专业排名信息进行查询并显示查询结果；所述录取概率查看模块用于查看高考志愿填报结果。4.根据权利要求3所述的一种高考志愿填报系统，其特征在于，所述推荐子模块中利用基于用户的协同过滤推荐算法和基于约束的过滤推荐算法生成推荐志愿表。5.根据权利要求4所述的一种高考志愿填报系统，其特征在于，所述推荐子模块中利用基于用户的协同过滤推荐算法生成推荐志愿表的具体步骤包括：首先，构建目标用户的偏好信息特征向量表；所述偏好信息特征向量表包括通过霍兰德兴趣测评获取的兴趣偏好或第一输入信息中用户输入的兴趣偏好；然后，计算目标用户与已经填报过志愿的老用户之间的相似性；然后，根据余弦相似度进行降序排序，选择相似性最高的多个用户作为目标用户的相似用户群；最后，把相似用户群中的用户填报的志愿推荐给目标用户。6.根据权利要求5所述的一种高考志愿填报系统，其特征在于，所述推荐子模块中利用基于约束的过滤推荐算法生成推荐志愿表的具体步骤包括：首先，对于基于用户的协同过滤推荐算法推荐的院校专业，根据高考成绩和成绩位次约束淘汰部分院校专业，计算目标用户的成绩位次与BP神经网络位次预测模型预测的院校专业的录取位次的差值，若其差值大于预设数值，则滤除该院校专业，未被滤除的院校专业作为候选集；然后，根据院校的地理位置和专业对候选集院校专业进行归类；最后，根据目标用户输入的向往城市和专业，从候选集院校专业中选择一类最适合用户的院校专业进行推荐。7.根据权利要求6所述的一种高考志愿填报系统，其特征在于，所述模拟填报模块中利用正态分布特性预测录取概率，具体步骤包括：首先，利用训练好的BP神经网络位次预测模...

【专利技术属性】
技术研发人员：曾祥伟，刘甜甜，冯昌军，郭勇，张旭，谢姝玫，迟慧芳，
申请(专利权)人：量子决策教育信息科技哈尔滨有限公司，
类型：发明
国别省市：