CN107895223A - 基于大数据的学生宿舍分配方法及系统 - Google Patents

Abstract

本公开属于计算机技术领域，具体涉及一种基于大数据的学生宿舍分配方法及系统。该方法包括：获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征；根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵；根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。本公开可以较为高效准确地根据生活和学习习惯的相似性为学生分配宿舍，避免随机安排而导致的差异化过大现象，积极消除制造寝室矛盾的不利因素，更加人性化。

Description

基于大数据的学生宿舍分配方法及系统

技术领域

本公开涉及计算机技术领域，尤其涉及一种基于大数据的学生宿舍分配方法及学生宿舍分配系统。

背景技术

目前，学校为学生分配宿舍时，普遍使用预分配的方式，即直接按照被录取的学生名单及院系专业，预先分配好宿舍。在学生入学时，直接按照预先分配的宿舍入住。

然而，宿舍是大学生最直接参与的人际交往的舞台，在这个舞台上的表现衡量着大学生人际交往、心理健康和为人处世的能力，因此需要慎重。当前的宿舍分配管理方式并未考虑学生在生活习惯、性格等方面的差异，存在不同学生可能因为这些差异而可能产生矛盾的隐患。因此，相关技术中急需一种较为合理、人性化的学生宿舍分配技术手段。

发明内容

本公开的目的在于提供一种基于大数据的学生宿舍分配方法及学生宿舍分配系统，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开实施例的第一方面，提供一种基于大数据的学生宿舍分配方法，该方法包括：

获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征；

根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵；

根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

本公开的实施例中，所述不同预设第一特征信息包括作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息中的至少两个。

本公开的实施例中，所述学生包括男生和女生；所述根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵的步骤，包括：

根据归属于每个女生的所述特征参数构建每个女生的特征向量，然后根据每个女生的特征向量建立所有女生的相似度矩阵；

根据归属于每个男生的所述特征参数构建每个男生的特征向量，然后根据每个男生的特征向量建立所有男生的相似度矩阵；

本公开的实施例中，所述根据每个女生的特征向量建立所有女生的相似度矩阵的步骤，包括：

计算每个女生与其他女生的特征向量间的余弦相似度，根据计算的两两女生间的所述余弦相似度构建所述女生的相似度矩阵；

所述根据每个男生的特征向量建立所有男生的相似度矩阵的步骤，包括：

计算每个男生与其他男生的特征向量间的余弦相似度，根据计算的两两男生间的所述余弦相似度构建所述男生的相似度矩阵。

本公开的实施例中，所述根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍的步骤，包括：。

将所有男生或者女生按学号排序，取出排在最前面的一个学生，以该学生为初始对象，根据对应的男生或女生的相似度矩阵取与该学生最相似的M个学生；

判断当M不小于(N-1)时，将该学生和M个学生中与其相似度高的前(N-1)个学生分配到一个宿舍；其中N为一个宿舍的人员总数；

而当M小于(N-1)时，保存M个学生的信息，重新进行下一次分配直至所有学生分配宿舍完毕。

根据本公开实施例的第二方面，提供一种基于大数据的学生宿舍分配系统，该系统包括：

信息量化模块，用于获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征；

矩阵构建模块，用于根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵；

宿舍分配模块，用于根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

本公开的实施例中，所述不同预设第一特征信息包括作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息中的至少两个。

本公开的实施例中，所述学生包括男生和女生；所述矩阵构建模块，用于：

根据归属于每个女生的所述特征参数构建每个女生的特征向量，然后根据每个女生的特征向量建立所有女生的相似度矩阵；

根据归属于每个男生的所述特征参数构建每个男生的特征向量，然后根据每个男生的特征向量建立所有男生的相似度矩阵；

本公开的实施例中，所述矩阵构建模块根据每个女生的特征向量建立所有女生的相似度矩阵包括：

计算每个女生与其他女生的特征向量间的余弦相似度，根据计算的两两女生间的所述余弦相似度构建所述女生的相似度矩阵；

所述矩阵构建模块根据每个男生的特征向量建立所有男生的相似度矩阵包括：

计算每个男生与其他男生的特征向量间的余弦相似度，根据计算的两两男生间的所述余弦相似度构建所述男生的相似度矩阵。

本公开的实施例中，所述宿舍分配模块，用于：

将所有男生或者女生按学号排序，取出排在最前面的一个学生，以该学生为初始对象，根据对应的男生或女生的相似度矩阵取与该学生最相似的M个学生；

判断当M不小于(N-1)时，将该学生和M个学生中与其相似度高的前(N-1)个学生分配到一个宿舍；其中N为一个宿舍的人员总数；

而当M小于(N-1)时，保存M个学生的信息，重新进行下一次分配直至所有学生分配宿舍完毕。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开实施例中，可以预先基于大数据采集获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；所述预设特征信息用于表征学生的生活特征和/或学习特征；然后根据归属于每个学生的所述特征参数构建每个学生的特征向量，再根据每个学生的特征向量建立所有学生的相似度矩阵；最后根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。这样，可以较为高效准确地根据生活和学习习惯的相似性为学生分配宿舍，从而可以让学生有一定的自主选择权，避免随机安排而导致的差异化过大现象，积极消除制造寝室矛盾的不利因素。

附图说明

图1示出本公开示例性实施例中基于大数据的学生宿舍分配方法流程；

图2示出本公开示例性实施例基于大数据的学生宿舍分配系统示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中提供了一种基于大数据的学生宿舍分配方法，该方法可以应用于服务器或者客户端计算机，本示例以服务器为例说明。参考图1中所示，该方法可以包括以下步骤S101～S103：

步骤S101：获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征。

步骤S102：根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵。

步骤S103：根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

本公开实施例中，可以较为高效准确地根据生活和学习习惯的相似性为学生分配宿舍，从而可以让学生有一定的自主选择权，避免随机安排而导致的差异化过大现象，积极消除制造寝室矛盾的不利因素。

具体的，在步骤S101中，获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征。

示例性的，在本公开的实施例中，所述不同预设特征信息可以包括作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息中的至少两个，当然并不限于此。所述获取多个学生的不同预设特征信息可以是获取每个学生的如作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息等多维度信息，从而可以提高后续分配宿舍的准确性。具体可以通过如APP客户端采集作息时间、卫生习惯、学习特点、社交偏好、学院专业等维度的信息数据，然后可以上传至服务器处理。在一个示例性实施例中，收集的各维度数据信息具体可以包括但不限于下述信息：

作息时间：晚睡时间、早期时间、是否午睡等；

卫生习惯：多长时间洗一次澡、多长时间洗一次衣物等；

学习特点：是否在宿舍学习、文科、工科、理科等；

社交偏好：是否玩游戏、是否爱好体育运动、是否吸烟、喜欢音乐等；

学院专业：学院如自动化等、专业如通信工程等。

上述数据采集后，可以进行预处理，分别对多个维度信息进行量化处理形成特征参数如具体的不同数值。

在步骤S102中，根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵。例如每个学生有n个维度的特征信息，那么处理后对应有n个特征参数x，每个学生可以建立特征向量如a(x₁,x₂,…,x_n)。

在本公开的一实施例中，所述学生包括男生和女生；所述根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵的步骤，具体可以包括以下两种方式：

第一种方式：根据归属于每个女生的所述特征参数构建每个女生的特征向量，然后根据每个女生的特征向量建立所有女生的相似度矩阵；

第二种方式：根据归属于每个男生的所述特征参数构建每个男生的特征向量，然后根据每个男生的特征向量建立所有男生的相似度矩阵；

具体的，在本公开的实施例中，所述根据每个女生的特征向量建立所有女生的相似度矩阵的步骤具体包括：计算每个女生与其他女生的特征向量间的余弦相似度，根据计算的两两女生间的所述余弦相似度构建所述女生的相似度矩阵。

类似的，所述根据每个男生的特征向量建立所有男生的相似度矩阵的步骤具体包括：计算每个男生与其他男生的特征向量间的余弦相似度，根据计算的两两男生间的所述余弦相似度构建所述男生的相似度矩阵。

在一个实施例中，上述构造每个学生n个维度的特征向量，进而可以分别为男生、女生构造相似度矩阵。假设学生人数为n，可以构造一个n*n的相似度矩阵。具体的，可以计算每个学生与其他学生的余弦相似度，再根据计算的两两之间的余弦相似度填写构建n*n的相似度矩阵。其中，对于两个n维样向量a(x₁₁,x₁₂,…,x_1n)和b(x₂₁,x₂₂,…,x_2n)，其余弦相似度计算公式如下：

simi(a,b)＝cos(θ)；

其中，simi(a,b)表示向量a和b的余弦相似度，x_1k表示第一个学生第k个维度的特征参数。x_2k表示第二个学生的第k个维度的特征参数，其他学生类推，这里不再赘述。

步骤S103中，根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

具体的，在本公开的一实施例中，步骤S103具体可以包括以下步骤：

步骤A、将所有男生或者女生按学号排序，取出排在最前面的一个学生，以该学生为初始对象，根据对应的男生或女生的相似度矩阵取与该学生最相似的M个学生。

步骤B、判断当M不小于(N-1)时，将该学生和M个学生中与其相似度高的前(N-1)个学生分配到一个宿舍；其中N为一个宿舍的人员总数。

步骤C、而当M小于(N-1)时，保存M个学生的信息，重新进行下一次分配直至所有学生分配宿舍完毕。

下面对上述分配宿舍具体说明。例如按性别将男生的学号由高到低顺序排列。取出排在最前面的一个学生，以该学生为对象，按男生的相似度矩阵取与其最相似的人数M，若M不小于N-1，将该学生及与其相似匹配度高的前N-1个学生分配到一个宿舍，并将M的值减小至(M-1)。当M小于N-1时，保存该M个学生的信息，跳过这些学生，继续进行下一次分配，重复上述步骤直至所有学生分配宿舍完毕。类似地可以按照上述步骤分配女生宿舍。

综上所述，本公开实施例中通过构建表征学生生活和学习特性的特征向量，进而构建学生的相似度矩阵，再根据相似度矩阵分配宿舍，这样基于相似度矩阵可以得到学生较为准确的生活学习特征，进而可以为学生准确合理分配宿舍，本公开可以高效准确地根据生活和学习习惯的相似性为学生分配宿舍，更加人性化，从而可以让学生有一定的自主选择权，避免随机安排而导致的差异化过大现象，积极消除制造寝室矛盾的不利因素。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。

参考图2中所示，本公开实施例还提供一种基于大数据的学生宿舍分配系统，该系统100可以包括信息量化模块101、矩阵构建模块102和宿舍分配模块103；其中：

所述信息量化模块101，用于获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征；

所述矩阵构建模块102，用于根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵；

所述宿舍分配模块103，用于根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

本公开的实施例中，所述不同预设第一特征信息包括作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息中的至少两个。

本公开的实施例中，所述学生包括男生和女生；所述矩阵构建模块102，用于：根据归属于每个女生的所述特征参数构建每个女生的特征向量，然后根据每个女生的特征向量建立所有女生的相似度矩阵；同时根据归属于每个男生的所述特征参数构建每个男生的特征向量，然后根据每个男生的特征向量建立所有男生的相似度矩阵。

具体的，在本公开的实施例中，所述矩阵构建模块102根据每个女生的特征向量建立所有女生的相似度矩阵包括：计算每个女生与其他女生的特征向量间的余弦相似度，根据计算的两两女生间的所述余弦相似度构建所述女生的相似度矩阵；同时，所述矩阵构建模块102根据每个男生的特征向量建立所有男生的相似度矩阵包括：计算每个男生与其他男生的特征向量间的余弦相似度，根据计算的两两男生间的所述余弦相似度构建所述男生的相似度矩阵。

本公开的实施例中，所述宿舍分配模块103，用于：将所有男生或者女生按学号排序，取出排在最前面的一个学生，以该学生为初始对象，根据对应的男生或女生的相似度矩阵取与该学生最相似的M个学生；判断当M不小于(N-1)时，将该学生和M个学生中与其相似度高的前(N-1)个学生分配到一个宿舍；其中N为一个宿舍的人员总数；而当M小于(N-1)时，保存M个学生的信息，重新进行下一次分配直至所有学生分配宿舍完毕。

需要说明的是，关于上述系统实施例，具体可参考前述方法实施例部分的详细描述，此处不再赘述。

在本公开上述各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能终端、个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质可以包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

总之，本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种基于大数据的学生宿舍分配方法，其特征在于，该方法包括：

获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征；

根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵；

根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

2.根据权利要求1所述分配方法，其特征在于，所述不同预设第一特征信息包括作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息中的至少两个。

3.根据权利要求2所述分配方法，其特征在于，所述学生包括男生和女生；所述根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵的步骤，包括：

根据归属于每个女生的所述特征参数构建每个女生的特征向量，然后根据每个女生的特征向量建立所有女生的相似度矩阵；

根据归属于每个男生的所述特征参数构建每个男生的特征向量，然后根据每个男生的特征向量建立所有男生的相似度矩阵。

4.根据权利要求3所述分配方法，其特征在于，所述根据每个女生的特征向量建立所有女生的相似度矩阵的步骤，包括：

计算每个女生与其他女生的特征向量间的余弦相似度，根据计算的两两女生间的所述余弦相似度构建所述女生的相似度矩阵；

所述根据每个男生的特征向量建立所有男生的相似度矩阵的步骤，包括：

计算每个男生与其他男生的特征向量间的余弦相似度，根据计算的两两男生间的所述余弦相似度构建所述男生的相似度矩阵。

5.根据权利要求4所述分配方法，其特征在于，所述根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍的步骤，包括：。

将所有男生或者女生按学号排序，取出排在最前面的一个学生，以该学生为初始对象，根据对应的男生或女生的相似度矩阵取与该学生最相似的M个学生；

判断当M不小于(N-1)时，将该学生和M个学生中与其相似度高的前(N-1)个学生分配到一个宿舍；其中N为一个宿舍的人员总数；

而当M小于(N-1)时，保存M个学生的信息，重新进行下一次分配直至所有学生分配宿舍完毕。

6.一种基于大数据的学生宿舍分配系统，其特征在于，该系统包括：

信息量化模块，用于获取多个学生的不同预设特征信息，将所述不同预设特征信息分别进行量化处理形成特征参数；其中所述预设特征信息用于表征学生的生活特征和/或学习特征；

矩阵构建模块，用于根据归属于每个学生的所述特征参数构建每个学生的特征向量，然后根据每个学生的特征向量建立所有学生的相似度矩阵；

宿舍分配模块，用于根据所述相似度矩阵为每个学生分配与其最相似的M个学生为同一宿舍。

7.根据权利要求6所述分配系统，其特征在于，所述不同预设第一特征信息包括作息时间信息、卫生习惯信息、学习特点信息、社交偏好信息和学院专业信息中的至少两个。

8.根据权利要求7所述分配系统，其特征在于，所述学生包括男生和女生；所述矩阵构建模块，用于：

根据归属于每个女生的所述特征参数构建每个女生的特征向量，然后根据每个女生的特征向量建立所有女生的相似度矩阵；

根据归属于每个男生的所述特征参数构建每个男生的特征向量，然后根据每个男生的特征向量建立所有男生的相似度矩阵。

9.根据权利要求8所述分配系统，其特征在于，所述矩阵构建模块根据每个女生的特征向量建立所有女生的相似度矩阵包括：

计算每个女生与其他女生的特征向量间的余弦相似度，根据计算的两两女生间的所述余弦相似度构建所述女生的相似度矩阵；

所述矩阵构建模块根据每个男生的特征向量建立所有男生的相似度矩阵包括：

计算每个男生与其他男生的特征向量间的余弦相似度，根据计算的两两男生间的所述余弦相似度构建所述男生的相似度矩阵。

10.根据权利要求9所述分配系统，其特征在于，所述宿舍分配模块，用于：

将所有男生或者女生按学号排序，取出排在最前面的一个学生，以该学生为初始对象，根据对应的男生或女生的相似度矩阵取与该学生最相似的M个学生；

判断当M不小于(N-1)时，将该学生和M个学生中与其相似度高的前(N-1)个学生分配到一个宿舍；其中N为一个宿舍的人员总数；

而当M小于(N-1)时，保存M个学生的信息，重新进行下一次分配直至所有学生分配宿舍完毕。