CN107169899A - 留学智能匹配与推荐方法及系统 - Google Patents
留学智能匹配与推荐方法及系统 Download PDFInfo
- Publication number
- CN107169899A CN107169899A CN201710342710.6A CN201710342710A CN107169899A CN 107169899 A CN107169899 A CN 107169899A CN 201710342710 A CN201710342710 A CN 201710342710A CN 107169899 A CN107169899 A CN 107169899A
- Authority
- CN
- China
- Prior art keywords
- teacher
- consultant
- abroad
- information
- good
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012216 screening Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract description 3
- 238000012356 Product development Methods 0.000 abstract description 2
- 238000009223 counseling Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及咨询服务信息技术领域,具体公开了一种留学智能匹配与推荐方法,包括S1‑S4,S1,提交学生留学期望信息,S2,系统进行匹配从而生成匹配信息,S3,对被匹配的顾问老师进行筛选,S4,被匹配的顾问老师与学生都被允许主动关联对方。本发明又公开了一种留学智能匹配与推荐系统,包括留学智能匹配与推荐子系统、规则引擎子系统、展示引擎子系统、用户属性子系统。本发明通过实时消息推送、高并发消息队列服务、数据缓存及负载均衡技术、高准确度的客户VS顾问智能匹配算法等信息技术,进行产品开发和研究,实现了学生与顾问的自主双向匹配,大大缩短了匹配时间,提升了双方的沟通效率,打造一个学生与老师互利双赢的开放平台。
Description
技术领域
本发明涉及咨询服务信息技术领域,具体涉及留学智能匹配与推荐方法及系统。
背景技术
每年中国有50万学生出国留学,如果算上准备出国的学生,将达到200万。留学咨询涉及海外大学及课程信息,传统留学顾问仅凭个人经验很难让工作变得标准化,也难以提供透明、完整的留学信息。这些学生在寻找机构协助申请时,会遇到一个痛点:不知道哪家好,最核心的是,无法辨别顾问的服务质量,仅能通过推荐,网络搜索。学生需挨家挨户寻找机构咨询,时间成本非常高,而且上门咨询的过程中,学生面对的是各家机构的市场销售人员,无法直观地考察机构真正做留学服务的顾问的服务水平。由于缴费前无法与真正做留学服务的顾问老师进行交流,学生作出选择的风险极高,容易出现前期咨询的承诺与后期服务的质量出现落差。留学服务本是一项高度个性化和智力密集型的服务,综上所述目前市面上的留学中介存在为学生申请留学埋下不可预测的服务隐患。
发明内容
有鉴于此,有必要针对上述的问题,提出一种留学智能匹配与推荐方法及系统。
为实现上述目的,本发明采取以下的技术方案:
一种留学智能匹配与推荐方法,包括以下步骤:
S1,一学生进入系统提交一学生留学期望信息;
S2,系统利用一匹配方式对所述学生留学期望信息与一顾问老师擅长服务类型信息进行匹配,从而生成一匹配信息;
S3,系统根据S2中所述的匹配信息对被匹配的顾问老师进行筛选,符合筛选条件的顾问老师自动关联所述学生进行服务;
S4,被匹配的顾问老师被允许主动关联所述学生进行服务;
同时所述学生被允许主动关联被匹配的顾问老师进行沟通。
进一步地,所述留学智能匹配与推荐方法还包括以下步骤:
S5,系统对顾问老师的历史表现进行评分;
S6,系统根据顾问老师的评分向学生推荐顾问老师。
进一步地,所述留学智能匹配与推荐方法的S3中,符合筛选条件的顾问老师自动关联所述学生后,系统采用短信或邮件或系统消息通知符合筛选条件的顾问老师,经被关联的学生确认后方能进行服务。
进一步地,所述留学智能匹配与推荐方法的S4中,被匹配的顾问老师若主动关联所述学生,则采用短信或邮件或系统消息通知被关联的学生,经被关联的学生确认后方能进行服务;
所述S4中,所述学生若主动关联被匹配的顾问老师,则采用短信或邮件或系统消息通知被学生主动关联的顾问老师。
进一步地,所述留学智能匹配与推荐方法的S2中的学生留学期望信息包括期望留学国家信息、期望留学专业信息、期望留学学位信息;
所述期望留学国家信息为学生在系统中录入的含优先排位顺序的包括至少一个国家的期望留学国家信息,用于与顾问老师所擅长服务的留学国家进行匹配;
所述期望留学专业信息为学生在系统中录入的含优先排位顺序的包括至少一个专业的期望留学专业信息,用于与顾问老师所擅长服务的留学专业进行匹配;
所述期望留学学位信息为学生在系统中录入的含优先排位顺序的包括至少一个学位的期望留学学位信息,用于与顾问老师所擅长服务的留学学位进行匹配;
所述S2中,顾问老师擅长服务类型信息包括擅长服务不同国家信息、擅长服务不同专业信息、擅长服务不同学位信息;
所述擅长服务不同国家信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个国家的擅长服务不同国家信息,用于给学生提供留学国家的匹配范围;
所述擅长服务不同专业信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个专业的擅长服务不同专业信息,用于给学生提供留学专业的匹配范围;
所述擅长服务不同学位信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个学位的擅长服务不同学位信息,用于给学生提供留学学位的匹配范围。
进一步地,所述留学智能匹配与推荐方法的S2中的匹配方式包括如下步骤:
S21,对与期望留学国家信息进行匹配的每个顾问老师的擅长服务不同国家信息进行单独排序,得到符合留学国家期望的擅长排序结果Am;
对与期望留学专业信息进行匹配的每个顾问老师的擅长服务不同专业信息进行单独排序,得到符合留学专业期望的擅长排序结果Bm;
对与期望留学学位信息进行匹配的每个顾问老师的擅长服务不同学位信息进行单独排序,得到符合留学学位期望的擅长排序结果Cm;
S22,根据所述符合留学国家期望的擅长排序结果Am,对被匹配的顾问老师进行排序,得到符合留学国家期望的顾问老师位次ma;
根据所述符合留学专业期望的擅长排序结果Bm,对被匹配的顾问老师进行排序,得到符合留学专业期望的顾问老师位次mb;
根据所述符合留学学位期望的擅长排序结果Cm,对被匹配的顾问老师进行排序,得到符合留学学位期望的顾问老师位次mc。
进一步地,所述留学智能匹配与推荐方法的S2中的所述匹配信息的生成包括以下步骤:
S23,系统根据所述符合留学国家期望的顾问老师位次ma、所述符合留学专业期望的顾问老师位次mb、所述符合留学学位期望的顾问老师位次mc对顾问老师擅长服务类型信息进行单独吻合度计算;
S24,系统根据单独吻合度的计算结果对顾问老师擅长服务类型信息进行综合吻合度计算。
进一步地,所述留学智能匹配与推荐方法的S23中包括以下步骤:
S231,统计被匹配的顾问老师总数M;
S232,将被匹配的顾问老师总数M与所述符合留学国家期望的顾问老师位次ma代入一公式Ama=[(M+I)-ma]/M×100 (1)
得出符合留学国家期望的顾问老师吻合度Ama;
将被匹配的顾问老师总数M与所述符合留学专业期望的顾问老师位次mb代入一公式Bmb=[(M+1)-mb]/M×100 (2)
得出符合留学专业期望的顾问老师吻合度Bmb;
将被匹配的顾问老师总数M与所述符合留学学位期望的顾问老师位次mc代入一公式Cmc=[(M+1)-mc]/M×100 (3)
得出符合留学学位期望的顾问老师吻合度Cmc。
进一步地,所述留学智能匹配与推荐方法的S24中包括以下步骤:
S241,将所述符合留学国家期望的顾问老师吻合度Ama、所述符合留学专业期望的顾问老师吻合度Bmb、符合留学学位期望的顾问老师吻合度Cmc代入一公式K=0.4Ama+0.4Bmb+0.2Cmc (4)
得出符合留学期望的顾问老师综合吻合度K;
所述符合留学期望的顾问老师综合吻合度K作为匹配信息用于对顾问老师与学生的匹配情况进行量化,并与系统对顾问老师进行筛选的条件进行对比。
一种留学智能匹配与推荐系统包括留学智能匹配与推荐子系统、规则引擎子系统、展示引擎子系统、用户属性子系统;
所述留学智能匹配与推荐子系统用于存储学生留学期望信息以及顾问老师擅长服务类型信息,并结合所述规则引擎子系统分析所述学生留学期望信息与所述顾问老师擅长服务类型信息之间的吻合度,同时结合所述展示引擎子系统确认双方的选择;
所述规则引擎子系统用于分析所述学生留学期望信息与所述顾问老师擅长服务类型信息之间的吻合度,并反馈给所述留学智能匹配与推荐子系统;
所述展示引擎子系统用于处理学生用户端与顾问老师用户端的展示列表与信息;
所述用户属性子系统用于存储学生和顾问老师的用户属性。
本发明的有益效果为:
本发明通过实时消息推送、高并发消息队列服务、数据缓存及负载均衡技术、高准确度的客户VS顾问智能匹配算法等信息技术,进行产品开发和研究,实现了学生与顾问的自主双向匹配,大大缩短了匹配时间,提升了双方的沟通效率,打造一个学生与老师互利双赢的开放平台。
附图说明
图1为本发明的留学智能匹配与推荐方法的工作流程图;
图2为本发明的S2中的匹配方式的工作流程图;
图3为本发明的S2中的生成所述匹配信息的工作流程图;
图4为本发明的一种留学智能匹配与推荐系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明的技术方案作进一步清楚、完整地描述。需要说明的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
实施例1
如图1所示,一种留学智能匹配与推荐方法,包括以下步骤:
S1,一学生进入系统提交一学生留学期望信息;
S2,系统利用一匹配方式对所述学生留学期望信息与一顾问老师擅长服务类型信息进行匹配,从而生成一匹配信息;
S3,系统根据S2中所述的匹配信息对被匹配的顾问老师进行筛选,符合筛选条件的顾问老师自动关联所述学生进行服务;
S4,被匹配的顾问老师被允许主动关联所述学生进行服务;
同时所述学生被允许主动关联被匹配的顾问老师进行沟通;
所述留学智能匹配与推荐方法还包括以下步骤:
S5,系统对顾问老师的历史表现进行评分;
S6,系统根据顾问老师的评分向学生推荐顾问老师。
所述留学智能匹配与推荐方法的S3中,符合筛选条件的顾问老师自动关联所述学生后,系统采用短信或邮件或系统消息通知符合筛选条件的顾问老师,经被关联的学生确认后方能进行服务。
所述留学智能匹配与推荐方法的S4中,被匹配的顾问老师若主动关联所述学生,则采用短信或邮件或系统消息通知被关联的学生,经被关联的学生确认后方能进行服务;
所述S4中,所述学生若主动关联被匹配的顾问老师,则采用短信或邮件或系统消息通知被学生主动关联的顾问老师。
所述留学智能匹配与推荐方法的S2中的学生留学期望信息包括期望留学国家信息、期望留学专业信息、期望留学学位信息;
所述期望留学国家信息为学生在系统中录入的含优先排位顺序的包括至少一个国家的期望留学国家信息,用于与顾问老师所擅长服务的留学国家进行匹配;
所述期望留学专业信息为学生在系统中录入的含优先排位顺序的包括至少一个专业的期望留学专业信息,用于与顾问老师所擅长服务的留学专业进行匹配;
所述期望留学学位信息为学生在系统中录入的含优先排位顺序的包括至少一个学位的期望留学学位信息,用于与顾问老师所擅长服务的留学学位进行匹配;
所述S2中,顾问老师擅长服务类型信息包括擅长服务不同国家信息、擅长服务不同专业信息、擅长服务不同学位信息;
所述擅长服务不同国家信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个国家的擅长服务不同国家信息,用于给学生提供留学国家的匹配范围;
所述擅长服务不同专业信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个专业的擅长服务不同专业信息,用于给学生提供留学专业的匹配范围;
所述擅长服务不同学位信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个学位的擅长服务不同学位信息,用于给学生提供留学学位的匹配范围。
如图2所示,所述留学智能匹配与推荐方法的S2中的匹配方式包括如下步骤:
S21,对与期望留学国家信息进行匹配的每个顾问老师的擅长服务不同国家信息进行单独排序,得到符合留学国家期望的擅长排序结果Am;
对与期望留学专业信息进行匹配的每个顾问老师的擅长服务不同专业信息进行单独排序,得到符合留学专业期望的擅长排序结果Bm;
对与期望留学学位信息进行匹配的每个顾问老师的擅长服务不同学位信息进行单独排序,得到符合留学学位期望的擅长排序结果Cm;
S22,根据所述符合留学国家期望的擅长排序结果Am,对被匹配的顾问老师进行排序,得到符合留学国家期望的顾问老师位次ma;
根据所述符合留学专业期望的擅长排序结果Bm,对被匹配的顾问老师进行排序,得到符合留学专业期望的顾问老师位次mb;
根据所述符合留学学位期望的擅长排序结果Cm,对被匹配的顾问老师进行排序,得到符合留学学位期望的顾问老师位次mc。
如图3所示,所述留学智能匹配与推荐方法的S2中的所述匹配信息的生成包括以下步骤:
S23,系统根据所述符合留学国家期望的顾问老师位次ma、所述符合留学专业期望的顾问老师位次mb、所述符合留学学位期望的顾问老师位次mc对顾问老师擅长服务类型信息进行单独吻合度计算;
S24,系统根据单独吻合度的计算结果对顾问老师擅长服务类型信息进行综合吻合度计算。
所述留学智能匹配与推荐方法的S23中包括以下步骤:
S231,统计被匹配的顾问老师总数M;
S232,将被匹配的顾问老师总数M与所述符合留学国家期望的顾问老师位次ma代入一公式Ama=[(M+1)-ma]/M×100 (1)
得出符合留学国家期望的顾问老师吻合度Ama;
将被匹配的顾问老师总数M与所述符合留学专业期望的顾问老师位次mb代入一公式Bmb=[(M+1)-mb]/M×100 (2)
得出符合留学专业期望的顾问老师吻合度Bmb;
将被匹配的顾问老师总数M与所述符合留学学位期望的顾问老师位次mc代入一公式Cmc=[(M+1)-mc]/M×100 (3)
得出符合留学学位期望的顾问老师吻合度Cmc。
所述留学智能匹配与推荐方法的S24中包括以下步骤:
S241,将所述符合留学国家期望的顾问老师吻合度Ama、所述符合留学专业期望的顾问老师吻合度Bmb、符合留学学位期望的顾问老师吻合度Cmc代入
一公式K=0.4Ama+0.4Bmb+0.2Cmc (4)
得出符合留学期望的顾问老师综合吻合度K;
所述符合留学期望的顾问老师综合吻合度K作为匹配信息用于对顾问老师与学生的匹配情况进行量化,并与系统对顾问老师进行筛选的条件进行对比。
如图4所示,一种留学智能匹配与推荐系统包括留学智能匹配与推荐子系统、规则引擎子系统、展示引擎子系统、用户属性子系统;
所述留学智能匹配与推荐子系统用于存储学生留学期望信息以及顾问老师擅长服务类型信息,并结合所述规则引擎子系统分析所述学生留学期望信息与所述顾问老师擅长服务类型信息之间的吻合度,同时结合所述展示引擎子系统确认双方的选择;
所述规则引擎子系统用于分析所述学生留学期望信息与所述顾问老师擅长服务类型信息之间的吻合度,并反馈给所述留学智能匹配与推荐子系统;
所述展示引擎子系统用于处理学生用户端与顾问老师用户端的展示列表与信息;
所述用户属性子系统用于存储学生和顾问老师的用户属性。
实施例2
在某一实施案例中,一种留学智能匹配与推荐方法的S21-S24的具体流程如下所述:
参照段尾所示的表1、表2、表3与表4,对某同学要申请德国硕士、房地产专业的案例进行分析:系统给该同学匹配了F、G、H、I、J……等10个顾问老师,按照相对算法,需要进行三步操作:
第一步:对顾问老师的擅长服务不同国家信息进行排序:
F顾问老师擅长申请5个国家,在擅长申请的5个国家里面德国排在擅长申请的第3位;
G顾问老师擅长申请6个国家,在擅长申请的6个国家里面德国排在擅长申请的第4位;
H顾问老师擅长申请3个国家,在擅长申请的3个国家里面德国排在擅长申请的第2位;
I顾问老师擅长申请4个国家,在擅长申请的4个国家里面德国排在擅长申请的第3位;
J顾问老师擅长申请6个国家,在擅长申请的6个国家里面德国排在擅长申请的第2位;
K顾问老师擅长申请9个国家,在擅长申请的9个国家里面德国排在擅长申请的第1位;
L顾问老师擅长申请15个国家,在擅长申请的15个国家里面德国排在擅长申请的第11位;
M顾问老师擅长申请7个国家,在擅长申请的7个国家里面德国排在擅长申请的第6位;
N顾问老师擅长申请2个国家,在擅长申请的2个国家里面德国排在擅长申请的第1位;
O顾问老师擅长申请6个国家,在擅长申请的6个国家里面德国排在擅长申请的第4位;
P顾问老师擅长申请6个国家,在擅长申请的6个国家里面德国排在擅长申请的第0位;
第二步:对擅长申请留学德国的顾问老师的排序结果是:
第一位:K、N顾问老师;
第二位:H、J顾问老师;
第三位:F、I顾问老师;
第四位:G、O顾问老师;
第五位:M顾问老师;
第六位:L顾问老师;
第三步,按照第一、二步的方法,对擅长申请房地产专业的顾问老师的排序结果是:
第一位:H、I顾问老师;
第二位:G、M顾问老师;
第三位:K顾问老师;
第四位:F、N顾问老师;
第五位:L顾问老师;
第六位:J顾问老师;
第七位:O顾问老师;
第四步,按照第一、二步的方法,对擅长申请硕士学位的顾问老师的排序结果是:
第一位:F、J、K、L、M、O顾问老师;
第二位:G、I、N顾问顾问老师;
第三位:H顾问老师;
第五步:进行吻合度计算;
数据库中“每个顾问老师”“擅长领域排序”与“该名学生填写信息”吻合度值为K;
K=0.4Ama+0.4Bmb+0.2Cmc,M为匹配到的顾问老师的总数量;
当学生选择了单个国家/专业/学位的情况;
学生填写的国家在上面第二步顾问老师擅长申请国家的排序中顾问老师的位次为ma;
Ama=[(M+1)-ma]/M×100 ma∈[1,M];
若学生填写的国家不在顾问老师擅长申请的国家之列,即排在第0位时(如P顾问老师),则Ama=0;
学生填写的专业在上面第二步顾问老师擅长申请专业的排序中顾问老师的位次为mb;
Bmb=[(M+1)-mb]/M×100 mb∈[1,M];
若学生填写的专业不在顾问老师擅长申请的专业之列,即排在第0位时(如P顾问老师),则Bmb=0;
学生填写的学位在上面第二步顾问老师擅长申请学位的排序中顾问老师的位次为mc;
Cmc=[(M+1)-mc]/M×100 mc∈[1,M];
若学生填写的学位不在顾问老师擅长申请的学位之列,即排在第0位时(如P顾问老师),则Cmc=0;
假设学生选择了n个专业,则顾问老师针对各个专业排序的位次为mc1、mc2、mc3……mcn;
Cmcn=[(M+1)-(mc1+mc2+mc3+……+mcn)/n]/M×100;
Aman和Bmbn的计算方式和Cmcn的计算方式一致;
K=0.4Aman+0.4Bmbn+0.2Cmcn;
Aman的比重为40%;
Bmbn的比重为40%;
Cmcn的比重为20%;
以下表格与实施例2的具体案例对应:
表1
表2
表3
表4;
表1为本发明涉及的实施例2中顾问老师的关于擅长排序结果的列举表格;
表2为本发明涉及的实施例2中符合留学国家期望的关于顾问老师位次的列举表格;
表3为本发明涉及的实施例2中符合留学专业期望的关于顾问老师位次的列举表格;
表4为本发明涉及的实施例2中符合留学学位期望的关于顾问老师位次的列举表格。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种留学智能匹配与推荐方法,其特征在于,包括以下步骤:
S1,一学生进入系统提交一学生留学期望信息;
S2,系统利用一匹配方式对所述学生留学期望信息与一顾问老师擅长服务类型信息进行匹配,从而生成一匹配信息;
S3,系统根据S2中所述的匹配信息对被匹配的顾问老师进行筛选,符合筛选条件的顾问老师自动关联所述学生进行服务;
S4,被匹配的顾问老师被允许主动关联所述学生进行服务;
同时所述学生被允许主动关联被匹配的顾问老师进行沟通。
2.根据权利要求1所述的留学智能匹配与推荐方法,其特征在于,还包括以下步骤:
S5,系统对顾问老师的历史表现进行评分;
S6,系统根据顾问老师的评分向学生推荐顾问老师。
3.根据权利要求1所述的留学智能匹配与推荐方法,其特征在于,S3中,符合筛选条件的顾问老师自动关联所述学生后,系统采用短信或邮件或系统消息通知符合筛选条件的顾问老师,经被关联的学生确认后方能进行服务。
4.根据权利要求1所述的留学智能匹配与推荐方法,其特征在于,S4中,被匹配的顾问老师若主动关联所述学生,则采用短信或邮件或系统消息通知被关联的学生,经被关联的学生确认后方能进行服务;
所述S4中,所述学生若主动关联被匹配的顾问老师,则采用短信或邮件或系统消息通知被学生主动关联的顾问老师。
5.根据权利要求1所述的留学智能匹配与推荐方法,其特征在于,S2中的学生留学期望信息包括期望留学国家信息、期望留学专业信息、期望留学学位信息;
所述期望留学国家信息为学生在系统中录入的含优先排位顺序的包括至少一个国家的期望留学国家信息,用于与顾问老师所擅长服务的留学国家进行匹配;
所述期望留学专业信息为学生在系统中录入的含优先排位顺序的包括至少一个专业的期望留学专业信息,用于与顾问老师所擅长服务的留学专业进行匹配;
所述期望留学学位信息为学生在系统中录入的含优先排位顺序的包括至少一个学位的期望留学学位信息,用于与顾问老师所擅长服务的留学学位进行匹配;
所述S2中,顾问老师擅长服务类型信息包括擅长服务不同国家信息、擅长服务不同专业信息、擅长服务不同学位信息;
所述擅长服务不同国家信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个国家的擅长服务不同国家信息,用于给学生提供留学国家的匹配范围;
所述擅长服务不同专业信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个专业的擅长服务不同专业信息,用于给学生提供留学专业的匹配范围;
所述擅长服务不同学位信息为顾问老师在系统中录入的含优先排位顺序的包括至少一个学位的擅长服务不同学位信息,用于给学生提供留学学位的匹配范围。
6.根据权利要求5所述的留学智能匹配与推荐方法,其特征在于,S2中的匹配方式包括如下步骤:
S21,对与期望留学国家信息进行匹配的每个顾问老师的擅长服务不同国家信息进行单独排序,得到符合留学国家期望的擅长排序结果Am;
对与期望留学专业信息进行匹配的每个顾问老师的擅长服务不同专业信息进行单独排序,得到符合留学专业期望的擅长排序结果Bm;
对与期望留学学位信息进行匹配的每个顾问老师的擅长服务不同学位信息进行单独排序,得到符合留学学位期望的擅长排序结果Cm;
S22,根据所述符合留学国家期望的擅长排序结果Am,对被匹配的顾问老师进行排序,得到符合留学国家期望的顾问老师位次ma;
根据所述符合留学专业期望的擅长排序结果Bm,对被匹配的顾问老师进行排序,得到符合留学专业期望的顾问老师位次mb;
根据所述符合留学学位期望的擅长排序结果Cm,对被匹配的顾问老师进行排序,得到符合留学学位期望的顾问老师位次mc。
7.根据权利要求6所述的留学智能匹配与推荐方法,其特征在于,S2中的所述匹配信息的生成包括以下步骤:
S23,系统根据所述符合留学国家期望的顾问老师位次ma、所述符合留学专业期望的顾问老师位次mb、所述符合留学学位期望的顾问老师位次mc对顾问老师擅长服务类型信息进行单独吻合度计算;
S24,系统根据单独吻合度的计算结果对顾问老师擅长服务类型信息进行综合吻合度计算。
8.根据权利要求7所述的留学智能匹配与推荐方法,其特征在于,S23中包括以下步骤:
S231,统计被匹配的顾问老师总数M;
S232,将被匹配的顾问老师总数M与所述符合留学国家期望的顾问老师位次ma代入一公式Ama=[(M+1)-ma]/M×100 (1)
得出符合留学国家期望的顾问老师吻合度Ama;
将被匹配的顾问老师总数M与所述符合留学专业期望的顾问老师位次mb代入一公式Bmb=[(M+1)-mb]/M×100 (2)
得出符合留学专业期望的顾问老师吻合度Bmb;
将被匹配的顾问老师总数M与所述符合留学学位期望的顾问老师位次mc代入一公式Cmc=[(M+1)-mc]/M×100 (3)
得出符合留学学位期望的顾问老师吻合度Cmc。
9.根据权利要求8所述的留学智能匹配与推荐方法,其特征在于,S24中包括以下步骤:
S241,将所述符合留学国家期望的顾问老师吻合度Ama、所述符合留学专业期望的顾问老师吻合度Bmb、符合留学学位期望的顾问老师吻合度Cmc代入一公式K=0.4Ama+0.4Bmb+0.2Cmc (4)
得出符合留学期望的顾问老师综合吻合度K;
所述符合留学期望的顾问老师综合吻合度K作为匹配信息用于对顾问老师与学生的匹配情况进行量化,并与系统对顾问老师进行筛选的条件进行对比。
10.一种留学智能匹配与推荐系统,其特征在于,包括留学智能匹配与推荐子系统、规则引擎子系统、展示引擎子系统、用户属性子系统;
所述留学智能匹配与推荐子系统用于存储学生留学期望信息以及顾问老师擅长服务类型信息,并结合所述规则引擎子系统分析所述学生留学期望信息与所述顾问老师擅长服务类型信息之间的吻合度,同时结合所述展示引擎子系统确认双方的选择;
所述规则引擎子系统用于分析所述学生留学期望信息与所述顾问老师擅长服务类型信息之间的吻合度,并反馈给所述留学智能匹配与推荐子系统;
所述展示引擎子系统用于处理学生用户端与顾问老师用户端的展示列表与信息;
所述用户属性子系统用于存储学生和顾问老师的用户属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710342710.6A CN107169899A (zh) | 2017-05-12 | 2017-05-12 | 留学智能匹配与推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710342710.6A CN107169899A (zh) | 2017-05-12 | 2017-05-12 | 留学智能匹配与推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107169899A true CN107169899A (zh) | 2017-09-15 |
Family
ID=59816129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710342710.6A Pending CN107169899A (zh) | 2017-05-12 | 2017-05-12 | 留学智能匹配与推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107169899A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943931A (zh) * | 2017-11-22 | 2018-04-20 | 上海心灵伙伴览育信息技术有限公司 | 来访者与咨询师的匹配方法及系统 |
CN108090805A (zh) * | 2017-12-08 | 2018-05-29 | 五八有限公司 | 一种信息推送方法、终端及存储介质 |
CN108829752A (zh) * | 2018-05-25 | 2018-11-16 | 南京邮电大学 | 基于个性化的导师推荐算法 |
CN109658296A (zh) * | 2018-08-31 | 2019-04-19 | 北京沃达新创国际教育科技有限公司 | 一种智能留学服务平台 |
WO2020001031A1 (zh) * | 2018-06-29 | 2020-01-02 | 藕丝科技(深圳)有限公司 | 学校及专业推荐方法及系统 |
CN111506561A (zh) * | 2019-11-25 | 2020-08-07 | 马里奥·兰扎 | 一种学生和教授精准互选和高效沟通平台的搭建方法 |
CN113190591A (zh) * | 2021-04-20 | 2021-07-30 | 北京异乡旅行网络科技有限公司 | 商机分配方法、装置、设备和存储介质 |
CN113344389A (zh) * | 2021-06-08 | 2021-09-03 | 恒基文化信息科技(深圳)有限公司 | 一种基于人工智能算法技术的在线继续教育资源分配和管理方法 |
CN113516372A (zh) * | 2021-06-18 | 2021-10-19 | 广州启德教育科技有限公司 | 辅助留学选校的信息匹配方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1475954A (zh) * | 2003-07-01 | 2004-02-18 | 黄伟斌 | 资讯配对服务交流方法 |
CN101689175A (zh) * | 2007-04-02 | 2010-03-31 | 林权德 | 国外教育招生代理中介系统和方法 |
CN102710773A (zh) * | 2012-05-30 | 2012-10-03 | 杭州遥指科技有限公司 | 一种网络信息的推荐方法及系统 |
-
2017
- 2017-05-12 CN CN201710342710.6A patent/CN107169899A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1475954A (zh) * | 2003-07-01 | 2004-02-18 | 黄伟斌 | 资讯配对服务交流方法 |
CN101689175A (zh) * | 2007-04-02 | 2010-03-31 | 林权德 | 国外教育招生代理中介系统和方法 |
CN102710773A (zh) * | 2012-05-30 | 2012-10-03 | 杭州遥指科技有限公司 | 一种网络信息的推荐方法及系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107943931A (zh) * | 2017-11-22 | 2018-04-20 | 上海心灵伙伴览育信息技术有限公司 | 来访者与咨询师的匹配方法及系统 |
CN108090805A (zh) * | 2017-12-08 | 2018-05-29 | 五八有限公司 | 一种信息推送方法、终端及存储介质 |
CN108829752A (zh) * | 2018-05-25 | 2018-11-16 | 南京邮电大学 | 基于个性化的导师推荐算法 |
WO2020001031A1 (zh) * | 2018-06-29 | 2020-01-02 | 藕丝科技(深圳)有限公司 | 学校及专业推荐方法及系统 |
CN109658296A (zh) * | 2018-08-31 | 2019-04-19 | 北京沃达新创国际教育科技有限公司 | 一种智能留学服务平台 |
CN111506561A (zh) * | 2019-11-25 | 2020-08-07 | 马里奥·兰扎 | 一种学生和教授精准互选和高效沟通平台的搭建方法 |
CN113190591A (zh) * | 2021-04-20 | 2021-07-30 | 北京异乡旅行网络科技有限公司 | 商机分配方法、装置、设备和存储介质 |
CN113344389A (zh) * | 2021-06-08 | 2021-09-03 | 恒基文化信息科技(深圳)有限公司 | 一种基于人工智能算法技术的在线继续教育资源分配和管理方法 |
CN113516372A (zh) * | 2021-06-18 | 2021-10-19 | 广州启德教育科技有限公司 | 辅助留学选校的信息匹配方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107169899A (zh) | 留学智能匹配与推荐方法及系统 | |
So et al. | The role of customer engagement in building consumer loyalty to tourism brands | |
Choo Huang et al. | An evidence‐based taxonomy of intellectual capital | |
Sheppard | Participatory decision support for sustainable forest management: a framework for planning with local communities at the landscape level in Canada | |
Serre et al. | For a relational approach to cultural capital: A concept tested by changes in the French social space | |
Nguyen | A Cross‑Cultural Study on e‑Government Services Delivery | |
Dawley et al. | Continuity and evolution in an old industrial region: the labour market dynamics of the rise and fall of Northern Rock | |
Hawking et al. | Business intelligence strategy: A utilities company case study | |
Mugobi et al. | The impact of external factors on ICT usage practices at UNESCO World Heritage Sites | |
Smith | The sequential college application process | |
Su et al. | Improving cloud computing service in fuzzy environment—combining fuzzy DANP and fuzzy VIKOR with a new hybrid FMCDM model | |
Alnusairat et al. | Information system, geography, information management system and tourism planning: a geographical perspective from Malaysia | |
Aly et al. | Prioritizing faculty of engineering education performance by using AHP-TOPSIS and Balanced Scorecard Approach | |
Ncube et al. | The making of middle class in Africa: Evidence from DHS data | |
Newell et al. | The increasing importance of the alternate real estate sectors for institutional investors | |
Memon et al. | IT capability, capital availability and firm performance | |
US20130339205A1 (en) | Asset Valuation and Quantifying Personal Worth | |
Padhi et al. | A Study on the analysis of training and retention strategies in some selected IT sectors at odisha | |
Zafar et al. | Dynamic stakeholder salience mapping framework for highway route alignment decisions: China–Pakistan Economic Corridor as a case study | |
Hindle et al. | An entrepreneurship policy framework for high-growth firms: Navigating between policies for picking winners and market failure | |
Hsu | Impact of energy resources on sustainable economic development: Evidence from the Chinese economy | |
Sarkis | The toxics release inventory (TRI) and online database resources | |
Schwabe et al. | Designing the Tourist Agency of the Future | |
Migdadi et al. | The impact of collaborative technology on organisational performance through intranet use orientations | |
Mantikayan et al. | Conceptualizing E-government Readiness of the Philippine Using Different Stages Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |