[發明專利]基于深度學習算法的高考分數預估及志愿選擇方法、系統

有效

• 申請號: 201810523472.3
• 申請日: 2018-05-28
• 公開（公告）號: CN108764718B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 王春寧;官晨曄
• 申請（專利權）人: 王春寧
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/20;G06N3/04;G06N3/08
• 代理公司: 北京君泊知識產權代理有限公司 11496
• 代理人: 王程遠

本發明公開了一種基于深度學習算法的高考分數預估及志愿選擇方法，包括：根據往年各高校各專業各生源地的分數線和線差，通過LSTM神經網絡算法預測當前年度各高校各專業各生源地的線差；根據預測出的當前年度各高校各專業各生源地的線差，確定考生生源地當前年度各級別高校分數線；根據考生生源地，對其當前年度成績值進行判斷，并采用DNN神經網絡算法計算得出相關的高校專業結果；根據匹配出的高校專業結果，得到初步報考方案；將初步報考方案與高校政策類信息結合分析，得到最終報考方案。本發明還提供了一種基于深度學習算法的高考分數預估及志愿選擇系統。本發明的有益效果：去除人為主觀性影響，使得專業選擇更具備科學性，更為準確。

技術領域

本發明涉及數據分析技術領域，具體而言，涉及一種基于深度學習算法的高考分數預估及志愿選擇方法、系統。

背景技術

隨著國內社會對于青少年教育領域的重視程度及投入逐年提高，學生的志愿報考問題作為在一定意義上決定學生未來發展方向的決定性因素也受到了越來越多的重視。但現有的志愿報考輔助系統多為簡單的數據庫篩選、排序，并且其數據庫多為往年高校專業的分數線、線差等數據，存在原理性的誤差，忽略了相關數據的變化趨勢，缺乏科學性的體系進行專業選擇的指導，進而導致了很多學生高考志愿選擇失敗，對其未來的大學學習生活及就業產生了極大的不利影響。

發明內容

為解決上述問題，本發明的目的在于提供一種基于深度學習算法的高考分數預估及志愿選擇方法、系統，去除人為主觀性影響，使得專業選擇更具備科學性，更為準確。

本發明提供了一種基于深度學習算法的高考分數預估及志愿選擇方法，包括：

步驟1，根據往年各高校各專業各生源地的歷史分數線和線差數據，通過LSTM神經網絡算法預測當前年度各高校各專業各生源地的線差數據，并對預測出來的各高校各專業各生源地的線差值進行分組；

步驟2，根據預測出的當前年度各高校各專業各生源地的線差數據，確定考生生源地當前年度各級別高校分數線，包括一本、二本、三本和專科分數線；

步驟3，考生輸入當前年度的成績值，根據所在生源地，對其輸入的成績值進行判斷：

當輸入的成績值為其實際考取的成績時，采用DNN神經網絡算法訓練得出該考生成績所對應的線差，與步驟1中所得的各高校各專業的線差值分組進行匹配，得出相關的高校專業結果；

當輸入的成績值為其預估的成績時，對輸入的預估成績進行模糊化處理，得到該考生的預估分數區間，并結合考生的高中數據，采用DNN神經網絡算法聯合訓練后，得出相關的高校專業結果；

步驟4，根據匹配出的高校專業結果，得到初步報考方案；

步驟5，將初步報考方案與高校政策類信息結合分析，得到最終報考方案。

作為本發明進一步的改進，步驟1中，采用LSTM神經網絡算法預測當前年度各高校各專業的線差數據的方法為：

以往年各高校各專業的線差的時間序列數據作為樣本輸入，采用LSTM神經網絡訓練這些樣本數據，獲取當前年度各高校各專業各生源地的線差模擬器，得到當前年度各高校各專業各生源地的線差值；

其中，采用的LSTM神經網絡由輸入門、忘記門、輸出門以及細胞單元組成：

輸入門，其用于對輸入的成績值進行篩選，采用的公示為：

i_t＝σ_g(W_ix_t+U_ih_t-1+b_i)；

忘記門，其用于歷史信息在單元中的繼承問題，采用的公示為：