CN107610009A

CN107610009A - 一种基于神经网络的三位一体招生录取概率预测方法

Info

Publication number: CN107610009A
Application number: CN201710717432.8A
Authority: CN
Inventors: 徐俊; 项倩红; 朱书苗; 吴浅; 肖刚
Original assignee: Zhejiang University of Technology ZJUT
Current assignee: Zhejiang University of Technology ZJUT
Priority date: 2017-08-21
Filing date: 2017-08-21
Publication date: 2018-01-19
Anticipated expiration: 2037-08-21
Also published as: CN107610009B

Abstract

一种基于神经网络的三位一体招生录取概率预测方法，包括以下步骤：1)关联分析，在这六门科目中选择其中的三门课参加考试，在考生对这6门课的选择中进行关联度分析的步骤如下：1.1)收集、准备数据；1.2)问题描述；1.3)使用Apriori算法简化计算；1.4)使用Apriori算法发现频繁集；1.5)挖掘关联规则；2)神经网络的预测模型；4)录取概率：根据会考成绩、选考成绩以及上述神经网络预测得出的复试成绩，由高校的计分标准得出考生的综合成绩，并对所有考生的综合成绩进行排名，根据排名以及高校的预录取人数确定考生在该校“三位一体”招生中的录取概率。本发明有效实现三位一体招生录取概率预测。

Description

一种基于神经网络的三位一体招生录取概率预测方法

技术领域

本发明专利涉及浙江省三位一体招生考试学生的选考、学考成绩以及专项特长等数据的预处理，考生的复试成绩与其平时成绩存在某种关系，对此基于这些数据运用神经网络对每位学生在某高校的复试成绩加以预测，再根据高校的计分标准计算其总成绩，最后得出考生在该高校的综合排名，从而得知其“三位一体”考试的录取通过率。

背景技术

三位一体招生考试是浙江省对新高考、新改革后推出的一项重要举措。2017年浙江省共43所高校启动三位一体招生工作：所谓的“三位一体”招生指的是将成长性评价和综合性评价相结合。以学业水平考试成绩、高考成绩和学校综合测试成绩三种成绩以一定的比例形成综合成绩后择优录取考生的录取形式。“三位一体”综合评价招生制度旨在建立学业水平测试、综合素质评价和统一选拔考试的多元化招生考试评价体系，从而有利于选拔适合高校培养目标的学生，有利于引导中学实施素质教育。“三位一体”综合评价招生制度弥补了单纯以高考分数选拔学生的不足，拓宽高考选拔多元化途径，强化学业水平测试和高校综合素质评价在招生录取中的作用。然而，对于高校而言，通过与统一高考相结合，体现其招生自主权，有助于高校选拔、挖掘到有潜质的学生；对于中学而言，在一定程度上避免了仅强调素质教育而又无法落实“不再一考定终身”的尴尬。同样，对于考生而言，“三位一体”招生考试满足了高考的选择性要求，即使在高考中“小有失常”，未能达到理想的分数和批次，只要你在高校自行组织的综合测试中表现良好，仍有机会在提前批次中被心仪的学校录取。

符合浙江省当年报考条件和有关规定的高中毕业生，均可报名“三位一体”综合评价招生，具体报考条件由高校自主确定备案公布，学生满足报考高校条件的均可报名。

报名参加“三位一体”综合评价招生的考生在完成学业水平测试，即学考和选考后，再参加高校组织的综合素质测试。综合素质测试的内容、标准和办法由高校的学科专业要求具体确定，对专业素养、专业潜质的考核一般采用笔试、面试和操作等考试。

在成绩预测方面，陆丛林等(苏州大学硕士论文，2016)提出了根据学生的模拟考试成绩运用支持向量机来预测高考特征分，并运用模拟成绩和高考特征分来预测高考录取批次。刘小菊等(杭州电子科技大学，2016)提出了运用BP神经网络对学生的耐力成绩预测办法，该算法采集了大量的学生实时长跑成绩和学生的BMI指数以及期末耐力成绩进行建模分析，建立其间的非线性对应关系，并预测学生最终的耐力成绩。崔仁桀等(软件，2016)结合国内教育现状和现有教育数据成果以weka作为实验平台，应用C4.5算法对本科生的专业数据做建模分析和成绩预测，通过采集到的实际数据作为实验验证，找到成绩信息之中潜在的学生行为规律。谢星宇等(计算机与现代化，2016)提出了基于改进的TrAdaboost算法进行学生成绩排名的预测，在一定程度上解决了不同分布数据的预测问题。

发明内容

为了克服已有技术中无法实现三位一体招生录取概率预测的不足，本发明提供一种有效的基于神经网络的三位一体招生录取概率预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于神经网络的三位一体招生录取概率预测方法，包括以下步骤：

1)关联分析

在“三位一体”招生考试中，学生的成绩分为三大部分：学业水平测试成绩、高考成绩和专项特长成绩，其中，学业水平测试指的是会考：即学生需参加语文、数学、外语、物理、化学、地理、政治、历史、生物和通用技术10门课程的会考测试；选考指的是考生需要在政治、历史、地理、物理、化学、生物六门课中选择其中的三门课程参加考试；而专项特长成绩指的是额外加分；

在这六门课中选择其中的三门课参加考试，考生对这6门课程中所选的课程进行关联度分析的步骤如下：

1.1)收集、准备数据

收集了浙江省13所高校所有报名的“三位一体”考生的数据，删除一些缺失和无效数据；

1.2)问题描述

使用集合的支持度来度量其出现的频率，扫描所有数据，将统计得到的总数除以所有的数据，即可得到支持度；

1.3)使用Apriori算法简化计算

1.4)使用Apriori算法发现频繁集

使用Apriori算法的两个输入参数：最小支持度和数据集，首先，生成所有单个科目的项集列表，接着扫描哪些项集满足最小支持度要求，删除不满足最小支持度要求的集合；然后，对剩下的集合进行组合生成包含两个元素的项集，再重新扫描交易记录，去除不满足最小支持度的项集；

1.5)从频繁项集中挖掘关联规则

要找到关联规则，需先从频繁项集开始，通过某个元素或者某个元素集合推导出另一个元素；引入量化指标“可信度”，为找到感兴趣的规则，先生成一个可能的规则列表，然后测试每条规则的可信度，若可信度不满足要求，则去掉该规则；

2)神经网络的预测模型

采用BP神经网络对考生针对某一具体高校的复试成绩进行预测，ω_ij是输入层和隐藏层间的连接权值，ω_jk是隐层和输出节点的连接权值，隐层和输出节点的输入是前一层节点的输出加权和，每一节点的激励程度由它的激励函数确定；

假定某一样本的输入X_p和输出O_k对网络进行训练，输出层第k节点的输入为：

实际网络的输出为:

O_k＝f(n_k).(2)

式中，f(n_k)为激励函数。在本发明中设置了两个隐含层，激励函数选择sigmoid函数，其定义为：

3)预测模型的训练与评估

神经网络训练完成后，要采用样本进行训练，训练时对所有的样本正向进行一轮并反向修改权值一次称为一次训练，通常一个网络需要进行多次训练。

3.1)样本的选取

3.2)训练样本的数据预处理

在对神经网络进行训练之前需要先对数据进行预处理，以消除原始数据形式不同所带来的不准确性，为此，对其进行归一化处理，将所有的输入和输出数据都落在[0,1]之间，归一化公式为：

式中，P_n，n_n——为原始目标，输入数据；P_min,P_max,n_min,n_max——p和n中的最小值和最大值，P_n，N_n归一化后的目标、输入数据；

3.3)输入层节点的确定

输入层节点对应模型的输入变量；

3.4)输出层节点的确定

神经网络的输出为考生针对某一高校的复试成绩，因此，输出端采用1个节点；设置了两个隐含层，激励函数选择sigmoid函数，其定义为：

采用均方误差来衡量其性能；

4)录取概率

考生的会考、选考成绩与其最终的复试成绩存在着某种关联关系。根据会考成绩、选考成绩以及上述神经网络预测得出的复试成绩，并由高校的计分标准得出考生的综合成绩，并对所有考生的综合成绩进行排名，根据排名以及高校的预录取人数确定考生在该校“三位一体”招生中的录取概率。

本发明的技术构思为：关联分析是在大数据集中寻找有趣的关系任务，即频繁项集和关联规则。频繁项集表示经常出现在一块的物品的集合，而关联规则暗示两物品之间可能会存在很强的关系。频繁项集，如{葡萄酒、尿布、豆奶}就是频繁项集的一个例子；从数据集中找到诸如尿布→葡萄酒的关联规则，这就意味着有人买了尿布也很有可能买了葡萄酒。频繁项集和关联规则在零售业、网站流量分析以及医药行业都有广泛的应用。

一个项集的支持度被定义为数据集中包含该项集的记录所占的比例。假如{豆奶}的支持度为4/5，而在5条交易记录中有三条包含{豆奶、尿布}，因此{豆奶，尿布}的支持度为3/5。支持度是针对项集来说，可以定义一个最小支持度，只保留满足最小支持度的项集。

针对一条诸如{尿布}→{葡萄酒}的关联规则来定义，其规则的定义为“支持度{尿布，葡萄酒}/支持度{尿布}”，{尿布，葡萄酒}的支持度为3/5，尿布的支持度为4/5,则“尿布→葡萄酒”的可信度为3/4，这意味着包含“尿布”的所有记录中，所定义的规则对其中75％的记录都是有意义的。

BP神经网络是一种包含输入层、隐含层和输出层的单向传播的多层网络。其传播结构如下图所示：输入信号从输入节点依次传过各隐含层，然后到输出节点，每一层节点的输出只影响下一层节点的输入。其无需输入输出之间映射关系，仅通过自身训练学习某种规则，在给定输入值时得到最接近期望输出值的结果。BP神经网络是一种按误差反向传播(误差反传)训练的多层前馈网络，其基本思想是梯度下降法，利用梯度搜索技术，使网络的实际输出值与期望输出值的误差均方差最小。其学习过程包括正向传播和反向传播：输入信号通过隐含层作用于输出节点，经过非线性变换，产生输出信号，若实际输出与期望输出不符，则转入误差的反向传播过程。误差的反向传播是将误差通过隐含层向输入层逐层反传，并将误差分摊给各层所有单元，以从各层获得的误差信号作为调整各单元权值的依据。通过逐层调节输入节点与隐藏节点的连接强度和隐藏节点与输出节点的连接强度及其阈值，使误差沿梯度方向下降，经过反复学习训练，确定最小误差相对应的权值和阈值，训练即可停止。此时经过训练的神经网络即能对类似样本的输入信息自行处理输出误差最小的并经过非线性转换的信息。BP神经网络在函数逼近、模式识别、分类以及数据压缩等方面的应用较为广泛。

本发明的有益效果主要表现在：“三位一体”招生考试相比于传统的考试诸如高考等具有考生、高校双向选择，衡量标准多样化，自主选择等特点，相比于单一标准的高考来说情景更为复杂。本发明运用关联分析对“三位一体”招生中考生的选考进行了分析，揭示了考生选考科目选择间的联系和规律，并运用神经网络基于会考和选考成绩对考生的复试成绩进行预测，根据该校的计分标准得知其在该校的排名情况来获取大致的录取概率，该预测方案可为考生的“三位一体”报考提供个性化的参考。

附图说明

图1表示选考课程所有可能的项集合。

图2表示神经网络的结构示意图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1和图2，一种基于神经网络的三位一体招生录取概率预测方法，包括以下步骤：

1)关联分析

在“三位一体”招生考试中，学生的成绩分为三大部分：学业水平测试成绩、高考成绩和专项特长成绩。其中学业水平测试指的是会考：即学生需参加语文、数学、外语、物理、化学、地理、政治、历史、生物和通用技术10门课程的会考测试；选考指的是考生需要在政治、历史、地理、物理、化学、生物六门课中选择其中的三门课程参加考试；而专项特长成绩指的是学生在艺术、体育以及某些竞赛上获得突出成绩可额外加分。

那么，在选考中，学生共有6门课可供选择：政治、历史、地理、物理、化学、生物。在这六门课中选择其中的三门课参加考试，Apriori算法在考生对这6门课选择中的关联度进行分析的步骤如下所述：

1.1)收集、准备数据

收集了浙江省13所高校所有报名的“三位一体”考生的数据，删除一些缺失和无效数据。

1.2)问题描述

图1显示了6门科目之间所有可能的组合，为了便于描述，我们将6门课分别标号为0，1，2,3，4，5。由图可知，从上往下第一个集合是空集表示一门课都未选，集合之间的连线表示多个集合可以组成一个更大的集合。本发明中的目标是选择出经常出现在一起的三门课的集合。在此使用集合的支持度来度量其出现的频率，比如集合{0,1,3}，需要遍历每条记录检查其是否包含0,1,3，如果计数同时包含这三项，则增加总计数值；扫描所有数据，将统计得到的总数除以所有的数据，即可得到支持度。若要获得所有可能的支持度则需要重复上述过程。

1.3)使用Apriori算法简化计算

Apriori算法的原理是如果某个项集是频繁的，那么它的所有子集也是频繁的；若一个项集是非频繁的，那么它的所有超集也是非频繁的，即若{0,2}是非频繁的，则{0,2,3}也是非频繁的。一旦计算出{0,2}的支持度是非频繁的，那么{0,2,3}的支持度无需进一步计算。使用该原理可以避免项集数目指数增长，从而可在合理时间内计算出频繁项集，减少复杂度。

1.4)使用Apriori算法发现频繁集

在本发明中使用Apriori算法的两个输入参数：最小支持度和数据集(所有考生的学考情况)。首先，生成所有单个科目的项集列表，接着扫描哪些项集满足最小支持度要求，删除不满足最小支持度要求的集合。然后，对剩下的集合进行组合生成包含两个元素的项集，再重新扫描交易记录，去除不满足最小支持度的项集。

1.5)从频繁项集中挖掘关联规则

要找到关联规则，需先从频繁项集开始，可以通过某个元素或者某个元素集合推导出另一个元素。如果一个频繁项集{0,2}，那么有可能会有一条关联规则“0→2”。为此，引入量化指标“可信度”，为找到感兴趣的规则，先生成一个可能的规则列表，然后测试每条规则的可信度，若可信度不满足要求，则去掉该规则。实验结果表明，考生在选考中选择化学和生物两门课的概率很大，而且选择化学的考生一般都会选择生物。

2)神经网络的预测模型

采用BP神经网络对考生针对某一具体高校的复试成绩进行预测，如图2所示：ω_ij是输入层和隐藏层间的连接权值，ω_jk是隐层和输出节点的连接权值，隐层和输出节点的输入是前一层节点的输出加权和，每一节点的激励程度由它的激励函数确定。

实际网络的输出为:

O_k＝f(n_k).(2)

3)预测模型的训练与评估

3.1)样本的选取

选择2017年报考a校的所有考生的数据，数据包括考生个人基本信息，会考、选考成绩，专项特长，以及复试成绩和通过三位一体考试状态等。在本问题中我们只研究考生的会考、选考成绩以及专项特长成绩与复试成绩之间的内在联系，故我们只需要考生的会考(语文、数学、英语、物理、化学、生物、政治、历史、地理和通用技术)、选考(政治、历史、地理、物理、化学、生物6门中其中的3门)成绩、专项特长成绩以及复试成绩，去除一些冗余数据和信息。

在训练样本的选取上，由于数据的有限性，在模型的训练过程中无法考虑考生的一些主观因素，使训练样本或多或少带有一些噪音的成分。因此，为了保证模型训练的有效性，对一些明显异常的样本数据进行剔除。

本发明中，各位考生的选考、学考成绩与其复试成绩存在一定的关联性。从报考a校的1500名考生中选择1200名考生作为训练数据，将剩余的300名考生的成绩作为测试数据，训练神经网络并对其进行评估，网络训练完成后再对所有的考生进行复试成绩预测。运用tensorflow框架进行多次训练。

3.2)训练样本的数据预处理

将神经网络应用于考生的三位一体招生复试成绩预测时，不同的变量通常以不同的单位变化，数量级间的差异也较明显：如考生的10门会考成绩是以A,B,C,D,E五个等级进行划分的，而考生的选考成绩则是以0-100之间的数字来量化考生的成绩，专项特长成绩则是以获奖次数进行划分。所以在对神经网络进行训练之前需要先对数据进行预处理，以消除原始数据形式不同所带来的不准确性，为此，对其进行归一化处理，将所有的输入和输出数据都落在[0,1]之间，归一化公式为：

式中，P_n，n_n——为原始目标，输入数据；P_min,P_max,n_min,n_max——p和n中的最小值和最大值，P_n，N_n归一化后的目标、输入数据。

3.3)输入层节点的确定

输入层节点对应模型的输入变量，本模型采用17个输入维度，分别是考生的10门会考成绩、6门选考成绩(6门选择其中的3门)以及是否有专项特长加分。

3.4)输出层节点的确定

神经网络的输出为考生针对某一高校的复试成绩，因此，输出端采用1个节点。在本发明中设置了两个隐含层，激励函数选择sigmoid函数，其定义为：

在本模型中采用均方误差来衡量其性能，均方误差反映的是各数据偏离真实值的距离平方和的平均数，均方误差越小，表明预测模型描述实验数据具有更好的精确度。

经过样本测试结果表明，对考生“三位一体”复试成绩的准确率较高，均方误差在0.02以内，为考生“三位一体”高校选取有一定的参考价值。

4)录取概率

根据会考成绩、选考成绩以及上述神经网络预测得出的复试成绩，由高校的计分标准得出考生的综合成绩，并对所有考生的综合成绩进行排名。根据排名以及高校的预录取人数确定考生在该校“三位一体”招生中的录取概率。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims

1.一种基于神经网络的三位一体招生录取概率预测方法，其特征在于：包括以下步骤：

1)关联分析

在“三位一体”招生考试中，学生的成绩分为三大部分：学业水平测试成绩、高考成绩和专项特长成绩。其中，学业水平测试指的是会考：即学生需参加语文、数学、外语、物理、化学、地理、政治、历史、生物和通用技术10门课程的会考测试；选考指的是考生需要在政治、历史、地理、物理、化学、生物六门课中选择其中的三门课程参加考试；而专项特长成绩指的是额外加分；

在这六门课中选择其中的三门课参加考试，考生对这6门课的选择中进行关联度分析，其步骤如下：

1.1)收集、准备数据

1.2)问题描述

1.3)使用Apriori算法简化计算

1.4)使用Apriori算法发现频繁集

1.5)从频繁项集中挖掘关联规则

2)神经网络的预测模型

<mrow> <msub> <mi>n</mi> <mi>k</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>q</mi> </munderover> <msub> <mi>&omega;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>o</mi> <mi>j</mi> </msub> <mo>.</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

实际网络的输出为:

O_k＝f(n_k). (2)

3)预测模型的训练与评估

3.1)样本的选取

3.2)训练样本的数据预处理

3.3)输入层节点的确定

输入层节点对应模型的输入变量；

3.4)输出层节点的确定

采用均方误差来衡量其性能；

4)录取概率

根据会考成绩、选考成绩以及上述神经网络预测得出的复试成绩，由高校的计分标准得出考生的综合成绩，并对所有考生的综合成绩进行排名，根据排名以及高校的预录取人数确定考生在该校“三位一体”招生中的录取概率。