[發明專利]基于心理測試及DNN算法的專業傾向分析方法及系統

有效

• 申請號: 201810523474.2
• 申請日: 2018-05-28
• 公開（公告）號: CN108763459B
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 王春寧;趙敏翔;官晨曄
• 申請（專利權）人: 王春寧
• 主分類號: G06F16/9035
• 分類號: G06F16/9035;G06F16/906;G06N3/08;G06Q10/06
• 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心理測試及DNN算法的專業傾向分析方法，包括：收集心理測試數據和高中成績數據，存入樣本數據庫；從樣本數據庫中提取出屬于該考生生源地的數據庫子集；訓練多標簽DNN分類器，將該考生的心理測試數據和高中成績數據輸入多標簽DNN分類器進行分類計算，得到初步專業傾向分析結果；根據該考生的設定的分析條件，對數據庫子集中的樣本數據進行篩選，篩選后訓練多標簽DNN分類器，將該考生心理測試數據和高中成績數據輸入多標簽DNN分類器進行分類計算，得出最終專業傾向分析結果。本發明還提供了一種基于心理測試及DNN算法的專業傾向分析系統。本發明的有益效果：去除人為主觀性影響，匹配度更高，選擇更為科學。

技術領域

本發明涉及數據分析技術領域，具體而言，涉及一種基于心理測試及DNN算法的專業傾向分析方法及系統。

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愈發逐年提高，學生的專業選擇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。由于家長及學生所掌握的相關信息存在著缺失及信息不對稱的問題，現階段的學生專業選擇主要包括以下幾種：

1)某些報考公司或組織的人為選擇；

2)學生及家長的主觀選擇；

3)利用霍蘭德職業興趣測驗結果作為參考，根據此結果進行人為選擇；

4)利用簡單的數據庫檢索系統進行相關數據的匹配。

總結來看，現有的專業選擇技術，絕大多數需要人工進行經驗性選擇，受主觀性影響較大，缺乏科學性，其選擇效果一般較差。而部分應用數據庫檢索的系統由于其采用的技術難以利用數據的深層次聯系及特征，僅僅是進行簡單的數據匹配，其精度較差，無法全面的利用數據來解決現有的專業選擇問題。再有利用霍蘭德職業興趣測驗進行專業選擇的系統，則存在不適用于我國國情及其存在測試結果為職業傾向，無法與現有大學專業進行較好的匹配的問題。

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心理測試及DNN算法的專業傾向分析方法及系統，去除人為主觀性影響，數據的匹配度更高，使得選擇更為科學。

本發明提供了一種基于心理測試及DNN算法的專業傾向分析方法，包括：

步驟1，收集各類別、各高校、各級別、各專業、各生源地、各年級、各成績水平、各畢業意向的高校生的心理測試數據和各科目、各題型的高中成績數據，存入專業傾向樣本數據庫；

步驟2，從專業傾向樣本數據庫中提取出屬于該考生生源地的數據庫子集，數據庫子集中所有的樣本數據作為多標簽DNN分類器的訓練數據；

步驟3，通過數據庫子集中所有的樣本數據訓練多標簽DNN分類器，并將該考生的心理測試數據和高中成績數據輸入多標簽DNN分類器進行分類計算，得到初步專業傾向分析結果；

步驟4，根據該考生的設定的分析條件，對數據庫子集中的樣本數據進行篩選，通過篩選后的樣本數據訓練多標簽DNN分類器，并將該考生的心理測試數據和高中成績數據輸入篩選訓練后的多標簽DNN分類器進行分類計算，得出最終專業傾向分析結果。

作為本發明進一步的改進，步驟3具體包括：

步驟301，根據數據庫子集中各年級樣本在專業傾向分析中的年級影響因子i_grade；

步驟302，根據數據庫子集中樣本的高中成績數據，計算得出其在專業傾向分析中的成績影響因子i_goal；

步驟303，計算年級影響因子與成績影響因子的乘積后，對其進行歸一化處理，得到樣本偏差：bias_sample＝Normal(i_grade*i_goal)；