CN111708889A - 成绩认证服务设备、电子成绩单设备和成绩认证服务系统 - Google Patents

成绩认证服务设备、电子成绩单设备和成绩认证服务系统 Download PDF

Info

Publication number
CN111708889A
CN111708889A CN202010561952.6A CN202010561952A CN111708889A CN 111708889 A CN111708889 A CN 111708889A CN 202010561952 A CN202010561952 A CN 202010561952A CN 111708889 A CN111708889 A CN 111708889A
Authority
CN
China
Prior art keywords
achievement
blockchain
examination
data
user
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
Application number
CN202010561952.6A
Other languages
English (en)
Inventor
黄程韦
杨晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202010561952.6A priority Critical patent/CN111708889A/zh
Publication of CN111708889A publication Critical patent/CN111708889A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Fuzzy Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及成绩认证服务设备、电子成绩单设备和成绩认证服务系统。成绩认证服务设备包括：第一通信单元、第一存储单元以及第一区块链处理单元，第一通信单元与电子成绩单设备通信，接收电子成绩单设备发出的区块链数据，区块链数据是按照区块链技术、基于用户输入的考试成绩信息生成的；第一区块链处理单元与第一通信单元以及第一存储单元通信连接，将区块链数据传送至第一存储单元；第一存储单元构成区块链存储系统的一部分，存储区块链数据。由于采用了区块链技术，本发明的成绩认证服务系统，不但方便了用户对考试成绩的记录、查询和认证，而且有效地提高了成绩的可信度。

Description

成绩认证服务设备、电子成绩单设备和成绩认证服务系统
技术领域
本发明涉及一种成绩认证服务系统以及针对考试数据、反馈数据的处理方法，尤其涉及一种成绩认证服务系统以及对考试数据进行自动聚类的方法以及确定考试成绩一致度和生命周期的方法。
背景技术
当前，考试是检验人们学习成果、能力以及选拔优秀人才最常采用的手段。在学习和工作的不同阶段，人们会参加不同学校以及社会机构组织的考试和培训，但取得的成绩无法方便地汇总到一起，给求学、求职带来很大不便，也不利于招生、招聘的学校和单位便捷、全面地查证。
传统的记录和证明成绩的方式，是纸质的成绩单和档案，通常仅针对特定的考试或特定时间段内的成绩，且分别由个人和不同的机构持有和保存，具有很大的局限性，无法便捷的汇总使用以及查证。即便是目前基于互联网的在线考试或培训学习，由于不同考试、培训机构之间信息的不通，各人的数据也无法高效地汇总。
目前，人们只能自己将成绩集中记录到一个特定的电子档案中，以便在学习和工作中使用，一定程度上解决了成绩汇总的问题。但这种个人准备的成绩单公信力较低，而且由于社会机构间信息的不通畅并且可信性缺乏有效保障，无法对其中的成绩进行及时、可靠的查证。
此外，单纯的一个考试分数往往不能全面、准确地反映出对应课程的学习成果或者考试、培训本身的质量。成绩所体现的学习效果需要在考虑成绩演化过程、考试培训本身质量以及参加考试或培训的人的未来发展情况等因素才能得到充分的体现。
现有的区块链技术采用去中心化的信息处理和存储方式，其具有不可篡改的优点，可以有效地保证存储信息的可信度，而且可以形成一种去中心化的网络，适合由个人发起。
因此，如果能够开发一种基于区块链技术的成绩认证服务平台，将不同个人的、不同考试或培训的成绩集中起来，形成一个电子成绩单网络，则既有助于形成便捷且可信的成绩认证系统，也有助于跟踪和反映考试或培训的长期效果以及成绩本身的价值，从而全面评价学习成果和考试、培训质量，由此可以解决诸多教育场景中的痛点，例如提高选拔效率、评估考试的质量、通过大数据分析考生的需求等。
发明内容
为了克服现有技术的缺陷，一方面，本发明提出一种成绩认证服务设备，包括：第一通信单元、第一存储单元以及第一区块链处理单元，
所述第一通信单元能够与电子成绩单设备进行通信，用于接收电子成绩单设备发出的区块链数据，所述区块链数据是按照区块链技术的操作协议、基于用户通过电子成绩单设备输入的考试成绩信息生成的；
所述第一区块链处理单元与所述第一通信单元以及所述第一存储单元通信连接，用于将所述区块链数据传送至所述第一存储单元；
所述第一存储单元构成区块链存储系统的一部分，用于存储所述区块链数据。
优选地，所述第一区块链处理单元能够读取所述第一存储单元中存储的所述区块链数据，并基于区块链技术的操作协议、从所述区块链数据中获得考试成绩信息。
优选地，所述成绩认证服务设备还包括第一输入单元，所述第一输入单元能够接收用户输入的考试成绩信息并将其传送至所述第一区块链处理单元，所述第一区块链处理单元能够按照区块链技术的操作协议、基于接收到的考试成绩信息生成区块链数据并传送至所述第一存储单元。
优选地，所述第一通信单元能够将所述第一存储单元中的区块链数据传送至电子成绩单设备。
另一方面，本发明提出一种电子成绩单设备，包括第二输入单元、第二存储单元、第二通信单元以及第二区块链处理单元，
所述第二输入单元能够接收用户输入的考试成绩信息并将其传送至所述第二区块链处理单元，所述第二区块链处理单元能够按照区块链技术的操作协议、基于接收到的考试成绩信息生成区块链数据并传送至所述第二存储单元；
所述第二存储单元构成区块链存储系统的一部分，用于存储所述区块链数据；
所述第二通信单元能够向成绩认证服务设备发送区块链数据。
优选地，所述第二区块链处理单元能够读取所述第二存储单元中存储的所述区块链数据，并基于区块链技术的操作协议、从所述区块链数据中获得考试成绩信息。
优选地，所述第二输入单元能够接收用户输入的对已经存入区块链存储系统的考试成绩信息进行修改的指令，根据所述指令，所述第二区块链处理单元基于修改前、后的考试成绩信息一起生成区块链数据并传送至所述第二存储单元。
另一方面，本发明提出了一种成绩认证服务系统，包括彼此通信连接的多个系统节点，所述多个系统节点包括至少一个前述的成绩认证服务设备以及至少一个前述的电子成绩单设备。
优选地，所述电子成绩单设备能够接收用户输入的、对特定考试成绩信息进行认证的指令，并将所述指令传送至所述成绩认证服务设备，所述成绩认证服务设备根据所述指令生成针对特定考试成绩信息的认证标识。
优选地，所述电子成绩单设备能够通过第二通信单元接收所述认证标识，并将所述认证标识和所述特定考试成绩信息同时呈现给用户。
另一方面，本发明提出了一种考试数据自动聚类方法，包括以下步骤：
获取若干条考试记录，每条考试记录包括与考试有关的考试信息，所述考试信息至少包括地点(location)、日期(date)、时间(time)、科目(subject)；
基于所述考试记录构建考试特征向量Tv＝[location,date,time,subject]；
采用词向量化方法将地点和科目的文字名称转换成向量，通过在形成的向量空间中寻找相近的若干个向量来获得所述文字名称的近义词，基于所获得的近义词将考试特征向量Tv扩展为：
Tv＝[location1,location2,...locationX,date,time,subject1,subject2,...subjectY]，其中X为地点的文字名称的近义词的数量，Y为科目的文字名称的近义词的数量；
利用聚类算法对扩展后的考试特征向量进行聚类分析，将对应于同一考试的向量归为一类，并且为每一类考试分配唯一的考试编号。
优选地，所述考试信息还包括分制(scale)、发布者(ID)、组织机构(owner)，基于所述考试信息构建的考试特征向量为：Tv＝[location,date,time,subject,scale,ID,owner]；
优选地，所述考试数据自动聚类方法还包括：
采用词向量化方法将组织机构的文字名称转换成向量，通过在形成的向量空间中寻找相近的若干个向量来获得近义词，基于所获得的近义词将考试特征向量Tv扩展为：
Tv＝[location1,location2,...locationX,date,time,subject1,subject2,...subjectY,scale,ID,owner1,owner2,...ownerZ],其中Z为组织机构的文字名称的近义词的数量。
优选地，利用聚类算法对扩展后的考试特征向量进行聚类分析的步骤进一步包括：
(1)将待聚类的考试特征向量随机分为K个组，从每组中随机选择1个考试特征向量，并且使选出的K个考试特征向量的取值各不相同，将K个考试特征向量对应的点作为聚类中心；
(2)计算每个考试特征向量与各个聚类中心的距离，将每个考试特征向量指派到与其距离最近的聚类中心，每个聚类中心和被指派给它的考试特征向量组成一个簇；
(3)每指派一个考试特征向量，对各个簇的聚类中心重新进行计算；
(4)针对所有的考试特征向量，重复执行(2)和(3)的过程，直到聚类中心不再发生变化或者终止条件得到满足，即获得当前K值下的聚类中心和对应的簇；
(5)将归属于同一簇的考试特征向量所对应的考试归为一类。
优选地，所述终止条件为：聚类中心变化的距离小于<1％。
优选地，K值在上限和下限之间选择，所述上限为时间和地点的不同组合的数量，所述下限为科目的数量。
另一方面，本发明提出了一种确定考试成绩的一致度的方法，包括如下步骤：
依据与一条考试成绩有关的信息构建特征向量Fv＝[Rd,Sp,Md,Vn]，其中Rd表示所述考试成绩的认证记录，Sp表示对所述考试成绩点赞的人数记录，Md表示所述考试成绩被修改的次数，Vn表示所述考试成绩被浏览的次数；
基于执行认证操作的用户的个人置信度计算Rd，Rd＝[crd1,crd2,...crdi,...crdN]，为N维度的行向量，其中，crdi为执行认证操作的用户i的个人置信度，i是从1到N的自然数，并且crdi＝crdi(0)+crdi(t)，其中，crdi(0)为用户i的初始置信度，crdi(t)为用户i个人置信度的累积变化，是时间t的函数；
根据crd_item＝A’*Fv’计算所述考试成绩的一致度，其中，A＝[a1,a2,a3,...ai,...aD]，为权重向量，ai为权重变量，i是从1到D的自然数，其中每一个权重变量ai对应于Fv向量中的一个维度，D为维度数量，’代表转置运算。
优选地，A中的每个权重变量ai均为1/D。
优选地，所述的确定考试成绩的一致度的方法进一步包括：
利用监督数据，通过机器学习的方法，求出A的取值，所述监督数据为一致度已知的考试成绩数据，所述及其学习的方法包括回归分析方法或神经网络分析方法。
优选地，所述的确定考试成绩的一致度的方法进一步包括：
基于所有的监督数据，计算cost(crd_item-A’*Fv’)的和，其中cost()代表一种函数映射，通过梯度下降法获得使所述和最小化的A值。
优选地，所述函数映射为绝对值运算或平方运算。
优选地，用户i的个人置信度的累积变化crdi(t)通过对用户i的成绩单上所有考试成绩的一致度crd_item求和获得。
另一方面，本发明提出了一种确定考试成绩的生命周期的方法，包括以下步骤：
获得一条考试成绩的发布时间、访问次数以及访问时间；
以所述发布时间为起点，以等间隔的时间段p为单位，统计每个时间间隔内的累计访问次数，记为M(k)，其中k时间间隔的序号，为自然数；
确定T，使得当k>T时M(k)＝0，即时间超过T时，针对所述考试成绩的访问次数为零，则T即为所述考试成绩的生命周期。
优选地，所述确定考试成绩的生命周期的方法还包括：
以具有时域尺度N的时间段为单位计算M(k)的累加值，即
Figure BDA0002546468950000061
其中，K为进行累加运算的时间段的序号，N为进行累加运算的各个时间段的时域尺度；
对
Figure BDA0002546468950000062
进行内插运算，获得平滑的曲线，作为对R(t)的估计，R(t)表示成绩可能被访问的概率，t代表时间，R为在连续时间域内的概率密度函数；
基于得到的对R(t)的估计，预测所述考试成绩未来被访问的次数。
优选地，基于得到的对R(t)的估计，采用高斯混合概率模型，混合度为4，基于所述考试成绩的至少部分访问历史数据的R(t)的数值、根据下式计算每个高斯成员的均值、方差以及权重，从而获得R(t)：
Figure BDA0002546468950000063
其中，N()代表正态分布，μ代表均值，θ代表方差，wm代表权重，m代表成员的序号。
由于基于区块链技术进行成绩数据的存储，本发明的成绩认证服务设备、电子成绩单设备以及成绩认证服务系统，不但方便了用户对考试成绩或培训信息的记录、查询和认证，而且有效地提高了成绩的可信度。
此外，通过将不同个人的、不同考试或培训的成绩集中起来，形成一个电子成绩单网络，既有助于形成便捷且可信的成绩认证系统，也有助于跟踪和反映考试或培训的长期效果以及成绩本身的价值，从而全面评价学习成果和考试、培训质量，由此解决了诸多教育场景中的痛点，例如提高选拔效率、评估考试的质量、通过大数据分析考生的需求等。
通过对成绩认证服务平台大量考试成绩数据的分析，自动辨认出同一个考试，进行不同成绩记录的聚类，有利于准确第分析考试的特征。通过大量机构用户和个人用户在成绩认证服务平台上的交互，可以有效地判断用户录入的成绩与真实情况的一致程度，确定用户的信用度；还可以有效地判断考试成绩的失效时间。此外，由于存在针对不同的考试的大量反馈数据，有利于提取反映培训效果、考试质量的信息，作为评价和推荐考试或培训的可靠依据。
附图说明
图1示出了根据本发明优选实施例的基于区块链技术的成绩认证服务系统100的示意性框图；
图2是根据本发明优选实施例的基于区块链技术的去中心化的存储系统的示意图；
图3示出了根据本发明优选实施例的说明区块链存储方式的示意图；
图4示出了根据本发明优选实施例的成绩认证服务系统的总体功能框架示意图；
图5示出了根据本发明优选实施例的成绩认证服务系统中各个部分与操作协议总体关系示意图；
图6示出了根据本发明优选实施例的成绩认证服务系统的操作协议的总体架构示意图；
图7出了根据本发明优选实施例的成绩认证服务系统的操作协议的基础协议的组成示意图；
图8出了根据本发明优选实施例的成绩认证服务系统的操作协议的信任协议的组成示意图；
图9出了根据本发明优选实施例的成绩认证服务系统的考试数据自动聚类方法的流程示意图；
图10出了根据本发明优选实施例的成绩认证服务系统的反馈数据自动处理方法的流程示意图；
图11出了根据本发明优选实施例的成绩认证服务系统的成绩一致度特征抽取方法的流程示意图；
图12出了根据本发明优选实施例的成绩认证服务系统的评论文本好评率特征抽取方法的流程示意图；
图13出了根据本发明优选实施例的成绩认证服务系统的考试生命周期时间跨度特征抽取方法的流程示意图。
具体实施方式
1、成绩认证服务平台的结构和构建方法
图1示出了根据本发明优选实施例的基于区块链技术的成绩认证服务系统100的示意性框图。
如图1所示，系统100包括若干个电子成绩单节点101和成绩认证服务器102。电子成绩单节点101可以是任何能够实现人机交互功能、具备数据存储功能和数据通信能力的设备，例如但不限于：智能手机、穿戴设备、笔记本电脑、PC机或者服务器。
每个电子成绩单节点101可以例如以Web网页页面的形式向用户显示电子成绩单，同时可以通过其人机交互接口(例如，触摸屏或鼠标、键盘、显示器等)接收用户输入的信息和指令。其中，电子成绩单可以包括多条成绩记录，每条成绩记录包括考试的时间、地点、名称、科目以及组织考试的机构名称等信息，每条成绩记录可以基于用户的输入生成；成绩单生成之后，用户还可以通过电子成绩单节点对成绩单的内容进行修改。
电子成绩单的内容以及用户做出的修改都通过区块链技术进行存储。成绩单上的任何内容都可以修改，但是在修改生效之后，修改痕迹将永久保留，即，原始内容和修改后的内容均保留在成绩单数据中。通过这种方式，用户提供的成绩信息以及后续的修改，都通过区块链技术以不可篡改的方式记录下来，从而可以有效保证电子成绩单内容的可信度。
成绩认证服务器102与电子成绩单节点101通信连接，用于基于与考试有关的数据记录、成绩数据以及用户反馈数据，通过数据挖掘技术实现考试数据的自动聚类、用户反馈数据的自动统计和处理等功能，并且在此基础上进一步实现成绩的认证、考试(或培训)的评价与推荐等功能。
传统的考试记录、成绩记录是孤立的，通过本申请的成绩认证服务系统以及后面将详细描述的数据挖掘技术，能够辨识出一次考试的完整的生命周期，即包括成绩的发布、成绩的认证、成绩的使用(访问)、考试的评价等阶段。通过平台上提供的用户反馈数据，能够在完整的生命周期的尺度上，对考试的信息进行自动统计，挖掘出不同维度的关键数据特征，并进行考试(或培训)的推荐。
图2示出了根据本发明优选实施例的基于区块链技术的去中心化的存储系统的示意图。如图2所示，各个用户的电子成绩单节点中的本地存储设备都是区块链存储系统的一部分。按照区块链技术的操作协议，各个电子成绩单节点上产生的待存储的数据被形成区块、并按产生的先后顺序加入到数据链条中，进而形成区块链。新增的数据位于数据链条的末尾。各个电子成绩单节点的本地存储设备中都存储着完整的数据链，并且每隔一定时间在各个电子成绩单节点之间进行同步以保证数据的一致，即，每个电子成绩单节点上都保存着整个区块链的数据链条。
在本发明的优选实施例中，成绩认证服务器102的本地存储设备也是区块链存储系统的一部分，与各个电子成绩单节点一样保存着整个区块链的数据链条。
在基于区块链技术形成的去中心化的数据存储系统中，区块链的数据链条中的数据通过相关的操作协议被调用并仅有相关的存取接口实现数据的存储和读取。
优选地，成绩认证服务器102在进行数据挖掘时需要的数据可以直接从其本地存储设备中的存储的数据链条中获取。各个电子成绩单节点101向其用户呈现的信息既可以来自于其自身的本地存储设备，也可以通过其与成绩认证服务器102的交互获得。优选地，电子成绩单节点101向其用户呈现的信息通过其与成绩认证服务器102的交互获得，从而可以简化电子成绩单节点的数据处理功能。
在本发明的优选实施例中，成绩单保存的数据为文本数据，并且一条成绩、考试、评论的内容长度可以被限制在一定范围内(例如200个字之内)。因此，存储整个数据链所需的存储空间不大，例如可以控制在100MB以内；而且，更新新增数据所需的数据传输量也不大，一般在1MB以内，因此用户的移动设备和移动网络就能够支持这样的存储和网络传输需求。
图3示出了根据本发明优选实施例的说明区块链存储方式的示意图。如图3所示，区块链中的各个区块是彼此关联的，在形成的新区块中，包含表示区块创建时间的时间戳、对前一区块(即，父区块)进行哈希(Hash)运算的结果，以及对当前区块(也称子区块)进行Hash运算的结果。
哈希算法的特点是输入相同的数据就一定会得到相同的结果，但如果输入数据稍有变化，就会一定会得到一个不同的结果。因此，如果有人试图篡改一个区块，该区块的Hash值就会发生变化。要想将经过修改的区块保持在区块链中，就必须同时修改后面所有的区块。正是通过这种联动机制，使得区块链中的数据一旦写入，就无法被篡改。
在本发明的优选实施例中，用户通过电子成绩单节点101提交的内容以及以后针对该内容进行的修改都会被顺序地加入区块链的数据链条中，并且同步保存在所有用户的本地存储设备中，难以被篡改。因此，如果用户在提交或修改考试成绩信息时提供了任何虚假的内容，都会被永久地记录下来，一经证实必然会影响其信用。
区块链是一个分布式数据库，并且没有单一决策者。因此，要加入一个新块，必须要被网络的其他参与者确认和同意，可以采用区块链的共识机制实现。
在本发明的优选实施例中，用户在写入新的成绩单内容到数据链条中时，可以使用密钥对内容进行加密，使得存储在所有用户的本地存储设备中的信息受到保护，只有拥有相应密钥的用户，才能查看对应的内容。要想修改已有成绩内容，也必须是拥有密钥的用户本人才能修改。通过这种方式，可以有效地根据用户的需要，保护用户不希望公开的信息。
在本发明的优选实施例中，如果用户希望对其之前录入系统的经过加密的成绩单内容进行修改，修改时原有加密内容会被强制要求解密，与新的成绩内容一起写入数据链条，不可再次加密。也就是，优选强制公开对成绩内容的修改。这也可以进一步促使用户慎重对待提交的成绩单内容，并且谨慎修改。
图4示意性地示出了根据本发明优选实施例的成绩认证服务系统的总体功能框架。
基于用户通过电子成绩单节点输入的考试、成绩信息，成绩认证服务系统生成并保存用户的一份成绩单，是与纸质成绩单不同的电子成绩单。大量用户针对不同考试的电子成绩单共同构成一个复杂的数据网络，通过相关的操作协议，成绩认证服务系统能够对这些数据进行处理，并且支持用户与数据网络之间的信息交互。
在根据本发明优选实施例的成绩认证服务系统中，存在大量与考试有关的数据记录和来自于平台上的各类电子档案信息，通过数据挖掘技术对这些数据和信息进行自动处理，能够将原本孤立的考试记录、成绩记录关联起来。
例如，不同用户输入的关于同一考试的信息虽然可能存在差异，但必然存在共性和关联。通过用户输入的考试时间、地点、科目以及组织机构等信息，可以自动地将大量的考试信息按照所对应的考试的不同进行分类，从而可以实现考试数据聚类功能。将来自不同用户的关于同一考试的数据集中起来，做进一步的分析，必然能够获得反映该考试特性的信息，有利于对考试进行客观的评价。
在根据本发明优选实施例的成绩认证服务系统中，可以通过电子成绩单节点接收用户对考试的评价信息，例如文本信息和交互信息。通过对此类用户反馈数据进行自动的处理和分析，能够更深度地发掘考试的特性，挖掘出不同维度的关键数据特征，进而有利于更加客观地对考试进行评价。
在下文中，将进一步结合本发明的优选实施例，详细地介绍考试认证服务系统的考试数据自动聚类功能和反馈数据自动处理功能。
图5示意性地示出了根据本发明优选实施例的成绩认证服务系统中操作协议与各个部分的总体关系。可以看出，系统的各个功能都是通过操作协议实现的。
图6示意性地示出了根据本发明优选实施例的成绩认证服务系统的操作协议的总体架构。如图6所示，操作协议包括基础协议和信任协议。操作协议的实现，在基础协议部分包括：建立用户名、建立成绩单、建立一条成绩、发布一次考试以及建立补考机制等，用来提供基本的数据交互方式；在信任协议部分包括：建立修改限制机制、建立公开机制、建立评论和点赞机制、建立(成绩单)内容的认证机制等。信任协议体现的是系统的核心的功能，使用信任协议的目的在于提高成绩单的信任度，使得成绩单内容被其它用户信任。
图7示意性地示出了根据本发明优选实施例的成绩认证服务系统的操作协议的基础协议的组成以及基本流程。
操作协议中的基础协议规定了成绩认证服务系统基础功能的实现方式，如图7所示。
①建立用户名：
根据用户的真实身份(自然人或者公司法人)，建立用户在系统中的用户名，即ID。由于ID唯一地对应至用户的真实身份，因此终身只能注册一个号码，不允许更改。
ID可以采用成绩单号码的形式，比如可以由字母和数字组成，长度可以被限制在一定的范围内，如6-18位。
②建立成绩单：
每个用户或者说每个ID都有其对应的成绩单。例如，通过为每个成绩单号码建立对应的网址(根据我的理解，网址可以根据需要变化，无需唯一或固定不变)，使该网址所指向的页面包含用户的成绩数据，可以为每个用户建立成绩单。
成绩单的内容，至少包括表示考试和成绩的信息。在本发明的优选实施例中，成绩单还包括考试和/或成绩的评论。
③建立成绩：
用户可以在成绩单中记录其在考试中取得的成绩。录入的成绩，至少要包括两部分信息：一部分是属性，一部分是内容。
属性至少包含考试的名称和考试的科目，考试科目指的是考试内容属于哪个专业领域或对应哪一专业课程。
内容至少包括考试成绩，优选地还可以包括考试地点、时间、组织机构、命题者、监考机构等。
为了便于以不同分制呈现考试成绩，可以提供考试成绩转换功能，可以在不同成绩格式之间转换，包括100分制、10分制、5分制、“A到F”等级、“优良中下”等级等。此外，还可以提供排名统计功能，通过呈现成绩在参与考试的所有用户中的位置，可以更好体现成绩所代表的意义。
④建立(成绩)补考的智能机制：
针对考试成绩不理想或不好的情况，系统可以推荐类似的考试(根据用户评论和点赞，选择高质量的考试)，供用户进行线下补考。推荐内容可以显示在对应的成绩的附近，有权限访问该次成绩的用户可见。
在用户录入补考成绩时，优选地允许用户选择是否将该成绩关联到对应的原来的成绩上。被关联的补考成绩和信息，优选显示在与原来成绩接近的位置，但其属于用户创建的另一条独立的成绩内容。
⑤发布考试：
任何用户，都可以发布考试。
教育机构可以线下组织考试，通过用户ID，在成绩单的内容区域，建立一条考试内容，进行线上发布。
个人用户也可以线下组织考试，通过用户ID，在成绩单的内容区域，建立一条考试内容，进行线上发布。
用户发布一次考试，考试必须具备属性和内容两个部分，属性必须包括考试的名称和科目，内容必须包括参与考试的方法的文字说明，可以包括其它必要的考试信息，字数限制在100字内，可以包括一个独立的考试网页的链接。
通过基础协议，将考试本身与考试的参与者、组织者、名称、成绩等信息关联起来，从而可以实现数据的交互。
图8示意性地示出了根据本发明优选实施例的成绩认证服务系统的操作协议的信任协议的组成和基本流程。
如图8所示，操作协议中的信任协议(即，用来提高信任度的机制)，规定了核心功能的实现方式。
(1)建立修改限制机制：
①为了提高成绩单的可信度，任何变化都被尽量记录下来，包括新增内容、修改内容、浏览内容。
成绩单上的任何内容都可以修改，但是修改痕迹永久保留，即，显示修改后内容的同时，原内容依然留存在成绩单数据中；多次修改的，同时在页面上显示修改前的历次内容。优选地，修改通过新增内容的方式进行，指明新增内容用来代替原有哪部分内容。
②任何用户的任何一次访问(浏览内容)行为，都会被实名记录在对应内容的对应浏览记录数据中。
记录用户的浏览行为，是为了保护隐私内容，当用户数据被用于广告或其它不当用途时，可以根据浏览记录和浏览用户的ID回溯隐私数据的流向。
(2)建立公开机制：
③除了不合法的内容被禁止访问外，一条成绩或考试的属性不能被访问密码拒绝访问，会显示给所有拥有成绩单号的用户。
这种方式有助于提高成绩单的可信度。如果用户伪造了一次成绩，并且不允许其他人访问，强制显示属性可以提示今后的访问者注意，防止掩盖成绩造假的行为痕迹。
④除了不合法的内容被禁止访问外，任何内容被修改后，所有用户都可以查看原内容和新内容。
强制公布修改记录，对修改造成很高的代价，用户录入成绩会更加谨慎。
(3)建立(成绩单)内容的认证机制：
⑤用户中的官方考试机构，受到用户邀请，能够对成绩单上的内容进行认证，经过发布该考试官方机构认证的成绩内容，会被标识出来，例如显示与其它内容不同的颜色，或者以特定的符号或文字注释。
⑥用户中的普通用户，受到邀请，能够对成绩单上的内容进行认证，即，表示在线下考试中得知此用户的成绩真实有效，受到认证的成绩内容，同样优选以特定的方式标识出来。
图9示意性地示出了根据本发明优选实施例的成绩认证服务系统的考试数据自动聚类方法的流程。
如前所述，不同用户输入的关于同一考试的信息虽然可能存在差异，但必然存在共性和关联。通过用户输入的考试时间、地点、科目以及组织机构等信息，可以自动地将大量的考试信息按照所对应的考试的不同进行分类，从而可以实现考试数据聚类功能。
如图9所示，通过一条考试记录相关的信息，包括地点(location)、日期(date)、时间(time)、科目(subject)、分制(scale)、发布考试的用户(ID)、组织考试的机构(owner)，可以构成判别考试的特征向量(Tv)，即：
Tv＝[location,date,time,subject,scale,ID,owner]。
进一步通过采用词向量方法寻找近义词，可以将特征向量扩展为：
Tv＝[location1,location2,...,date,time,subject1,subject2,...,scale,ID,owner1,owner2,...]。
其中，通过词向量化方法，将地点、科目、组织考试的机构的文字名称转换成向量，可以使用word2vec算法，在该向量空间中找到相近的若干个向量，对应的词语即为近义词。
其中的取值，date和time采用实数编码，其它采用热独编码(one-hot-vector)方法。热独编码由一串连续的0或1构成，1出现在不同的位置，代表不同的离散取值。
例如，北京的编码可以是[1,0,0,0,0,0,0,0,0,0]，上海的编码可以是[0,1,0,0,0,0,0,0,0,0]，这样就能够用10个不同的向量表示10个城市。10个不同的向量，它们互相之间没有数量大小关系。
根据Tv特征向量空间的距离远近，例如欧氏距离或马氏距离，对考试进行聚类，即可辨识出成绩单上不同内容所归属的考试，可以为每类考试赋予唯一的考试编号。
通过这种方式，可以在考试的地点、科目、组织机构相同但存在别称或者用户用户的输入存在文字差异的情况下，辨识出实质上相同的考试。
在本发明的优选实施例中，可以采用K均值聚类算法：
(1)将待聚类的特征向量随机分为K个组，从每组中随机选择1个向量，共选择K个向量，且保证K个特征向量的取值各不相同，将K个向量对应的点作为初始质心(或者称为聚类中心)；
(2)计算每个特征向量与初始质心的距离，将每个特征向量指派到最近的质心，每个初始质心和被指派给它的向量形成一个簇；
(3)每指派一个特征向量，各个簇的质心都会被重新计算；
(4)重复(2)和(3)的过程，直到质心不再发生变化，或者终止条件得到满足，例如质心变化的距离很小(比如小于<1％)，即获得当前K值下的质心。
K值可以不同的设置方法。在本发明的优选实施例中，可以根据考试的时间和地点的不同组合的数量来设置K值的上限，根据所涵盖的考试科目类别的数量来设置K值的下限。
针对不同K值采用K均值聚类算法进行聚类后，比较每个簇的类内离散度和类间离散度，按照类内离散度尽量小、类间离散度尽量大的标准选取类别可分度最高的情况下对应的K值。根据该K值对应质心即可得到最后的聚类结果，或者说，实现了对考试的分类。
图10示意性地示出了根据本发明优选实施例的成绩认证服务系统的反馈数据自动处理方法的流程。
如图10所示，在成绩认证服务系统所支持的用户交互的场景下，在用户点赞、认证、评论、浏览、修改、新增内容等操作的过程中，形成了来自用户交互的反馈数据，针对这些反馈数据进行自动处理，可以挖掘出考试的关键数据特征。
在本发明的优选实施例中，可以基于反馈数据得到三个关键数据特征：第一，成绩的一致度特征；第二，评论文本的好评率特征；第三，考试的生命周期时间跨度特征。
综合这三个特征，可以评价考试的特性。优选地，可以在这三个特征的基础上对考试进行加权排名，将排名顺序作为向用户推荐考试的依据。
图11示意性地示出了根据本发明优选实施例的成绩认证服务系统的成绩一致度特征抽取方法的流程。成绩一致度是指系统中记录的成绩与真实成绩相符的程度，能够用来反映用户录入的成绩的可信程度。
如果用户录入的成绩经过多次修改，表明其与真实成绩一致性不高；同时，成绩被浏览的次数越多、评论越多，越有可能反映出其与真实成绩不一致的情况，用户录入虚假成绩的潜在代价也就越大，因此，浏览次数和评论数量也能够反映成绩的可信程度。
如图11所示，可以针对一条成绩单上的内容，包括成绩、考试、评论、浏览次数，来提取成绩一致度特征。
①依据认证记录(Rd)、点赞人数记录(Sp)、修改次数(Md)、浏览次数(Vn)等数据，构成识别用的特征向量(Fv)：
Fv＝[Rd,Sp,Md,Vn]
其中，Rd,Sp,Md,Vn顺序排列构成行向量；
②Rd＝[crd1,crd2,...,crdN]，为N维度的行向量，其中，crd1,crd2,...,crdN为进行认证操作的某一位用户的个人置信度，取值为一个线性增长的数值范围，例如1-10之间的整数，数字越大代表该用户的个人置信度越大；
③Crd由两个部分组成，一是用户的初始置信度crdi(0)，为一个常数，例如1.0，二是用户置信度的累积变化crdi(t)，随时间t变化，在此基础上，Crd可以由下式计算：
Crd＝crdi(0)+crdi(t)；
④通过计算，可以获得一条内容对应的一致度crd_item＝A’*Fv’，其中，A代表权重向量，A＝[a1,a2,a3,...,aD]，其中每一个权重变量对应Fv向量中的一个维度，D为维度数量，’代表转置运算；
⑤A中每个权重变量的取值为非负的实数，优选可以采用如下两种设置方式：
方式一是，每个权重都设置为1/D，即
A＝[1/D,1/D,...,1/D]，表示Fv中每个维度对可信度计算的重要程度是一样的；
方式二是，在有监督数据的条件下，通过机器学习的方法，求出A的取值。
方式二中所采用方法通常称为有监督的学习方法，即Supervised Learning，是通过标签等监督信息(已知信息)去训练一个模型，具体的实现方式包括回归分析、神经网络分析等。
监督数据包括已知的一组(即i条)可信度crd_item数值(来自人类专家知识评估或经验知识)，以及已知的对应的特征向量Fv数值(来自成绩单的数据记录)。
这两种设置方式可以结合使用，例如，通过方式一进行初始化设置，在此基础上进一步通过方式二求取更合适的A值。
优选地，可以通过梯度下降法，求取A，使得在所有监督数据上，Sum_{i}{cost(crd_item-A’*Fv’)}的取值最小化，其中i代表监督数据中的数据条数，Sum代表所有数据上的求和运算，cost()代表一种函数映射，可以为绝对值运算、平方运算；该式也可以表示为
Figure BDA0002546468950000181
⑥用户信用的累积变化crdi(t)通过该用户成绩单上所有内容的一致度crd_item的求和获得，用户成绩单内容会随时间动态变化，用户置信度的累积变化为随时间变化的非负实数。
图12示意性地示出了根据本发明优选实施例的成绩认证服务系统的评论文本好评率特征抽取方法的流程。
可以通过读取用户对成绩单上内容的评论，对评论的文字内容进行分类，例如，可以将对成绩单内容的评论分为好评和差评两类。其中，用户评论的成绩单既包括自己的成绩单也包括他人的成绩单。
如图12所示，在本发明的优选实施例中，首先构建好评和差评的关键词列表，根据代表好评或差评的关键词出现的频次判断特定的评论属于哪个类别。优选地，首先对评论文本进行分词操作，再将得到的词与关键词列表进行比较，来判断好评或差评关键词出现的频次。其中，分词操作可以采用目前自然语言处理领域中常见的分词方法实现。
训练数据包含确定为好评和差评的文本以及它们对应的标签(例如，0或1，分别代表好评或差评)。以每个关键词的出现与否为特征，建立统计模型。在好评文本数据中词频高的关键词出现，则代表评论为好评的后验概率升高。反之，在差评文本数据中词频高的关键词出现，则代表评论为差评的后验概率升高。
在本发明的优选实施例中，可以根据贝叶斯分类准则，按照如下步骤进行：
(1)计算代表评论为好评的后验概率P1；
(2)计算代表评论为差评的后验概率P2；
(3)比较P1和P2的大小，当P1>P2时，评论为好评，反之，则评论为差评。
对全部成绩单范围内、单个成绩单范围内、每个考试相关的评论范围内，分别进行好评的数量和差评数量的统计，获得对应的统计指标index1,index2,index3，其中，index1为全部成绩单中好评的数量；index2为单个成绩单中好评的数量；index3为每个考试在全部成绩单中对应的好评数量，即，一个考试对应一个index3的值。
index1可以用来评价用户群体的总体倾向性，比率index2/index1可以用来评价用户的信用，比率index3/index1可以用来评价考试的质量。
index1直接反应出好评数量的多少，在一定总量下，index1越大，说明评论者越倾向于给好评。
index2/index1是一个比例，单个成绩单，对应一个用户，针对单个用户的好评越多，index2越大；而index1对所有用户都是一样的，因此index2/index1反应出这个用户相对于其它用户受到好评的次数的大小。或者可以理解为，该用户获得的好评数量占总好评数量的比率。例如，如果index2对应1000个好评，在总共10000个好评中，占据10％的比例，从而可以比较直观地看到这个用户的好评“占有率”。
类似地，index3/index1反映的是一个考试所对应的好评数量index3占总好评数量的比率。
图13示意性地示出了根据本发明优选实施例的成绩认证服务系统的考试生命周期时间跨度特征抽取方法的流程。
一次考试成绩，会在一定时间跨度上被访问。从成绩第一次发布，到最终成绩的失效(成绩在很长的时间内没有用户再访问，例如5年)，这一时间跨度可以认为是一次考试成绩的生命周期。如图13所示，可以基于成绩的发布时间、访问次数以及访问时间来预测成绩失效的时间以及确定高频访问的时间跨度。
在成绩的生命周期内，成绩的发布和访问被记录在数据库中。在此基础上，可以用R(t)来表示成绩可能被访问的概率，t代表时间，R为在连续时间域内的概率密度函数(Probability Density Function)。基于R(t)，可以预测成绩的失效时间和确定高频访问的时间跨度。
在本发明的优选实施例中，将访问记录，表示为访问次数的形式(如网页记录的点击次数)，记为M(k)，k为等间隔的时间段p(如每天，k＝1、2、3分别代表第一天、第二天、第三天)，M为在第k个时间间隔内，访问的累计次数；一般可以认为，当k>T时，M(k)＝0，代表生命周期结束后没有访问记录。
基于M(k)可以估计出R(t)的值，步骤如下：
第一步，对M(k)在一定的时域尺度内计算累加值，即
Figure BDA0002546468950000201
其中，K为进行累加运算的时间段的序号，N为进行累加运算的时间段对应的时域尺度。上式表示的含义是在从K*N到(K+1)*N的长度为N的时间段内进行访问次数的累加。
N值的设定，和原始记录的时间间隔p有关，当p足够大时，N＝p，无需进行累加。当p越小时，越能够精细的记录访问发生的时间，但是也无法有效刻画高频访问时间段的出现。一般来说，N值的设定，应该令累加结果的大多数数值取值在10-100之间。
第二步，对
Figure BDA0002546468950000211
进行内插运算，获得平滑的曲线，即为对R(t)的估计。
对同一个考试，依据部分历史数据，得到R(t)的估计时，可以采用高斯混合模型等概率模型，进行未来访问次数的预测，例如，设混合度为4，采用R(t)的数值估计每个高斯成员的均值和方差，以及权重：
Figure BDA0002546468950000212
其中，N()代表正态分布，μ代表均值，θ代表方差，wm代表权重，m代表成员的序号。
对未来的R(t)的取值预测，只需代入未来时刻的t的时刻值，如果R(t)在一段很长时间内取值为零，则可以认为成绩失效。
在一次生命周期内，高频访问的时间跨度，可以定义为R(t)最大值衰减到一半对应的时间区域的累计长度，可以通过如下方式获得：
D＝0
For k＝0to T
If R(k)＞max{R(t)}*0.5
D＝D+1
End if
End for
其中，D代表时间跨度，T代表生命周期，For和If代表计算机程序的循环语句和条件语句。
虽然在本发明的一些实施例中，是基于考试进行相关的描述，但应该理解，其中具体的实施方式同样适用于培训。
可以理解，个人用户和机构用户可以因身份不同而被赋予不同的权限。
在本发明的优选实施例中，用户录入的成绩内容不会立刻将其上传至区块链，允许客户在一定的长度时间内进行修改，一方面允许用户在一定时间内纠正可能的错误输入，另一方面，也避免在内容最终确定之前多次将数据上传区块链，有效地减少了进行区块链存储的运算量和通信量，也因此减少了所需的处理器的计算资源和网络带宽资源，而且区块链本身的长度更小，有利于改善在区块链中访问数据的效率。
本领域技术人员应该认识到，这里所描述的实施例均未示例性的而并非限定性的，本发明并不局限于上述特定的实施例。

Claims (10)

1.一种成绩认证服务设备，包括：第一通信单元、第一存储单元以及第一区块链处理单元，
所述第一通信单元能够与电子成绩单设备进行通信，用于接收电子成绩单设备发出的区块链数据，所述区块链数据是按照区块链技术的操作协议、基于用户通过电子成绩单设备输入的考试成绩信息生成的；
所述第一区块链处理单元与所述第一通信单元以及所述第一存储单元通信连接，用于将所述区块链数据传送至所述第一存储单元；
所述第一存储单元构成区块链存储系统的一部分，用于存储所述区块链数据。
2.根据权利要求1所述的成绩认证服务设备，其中所述第一区块链处理单元能够读取所述第一存储单元中存储的所述区块链数据，并基于区块链技术的操作协议、从所述区块链数据中获得考试成绩信息。
3.根据权利要求1或2所述的成绩认证服务设备，还包括第一输入单元，所述第一输入单元能够接收用户输入的考试成绩信息并将其传送至所述第一区块链处理单元，所述第一区块链处理单元能够按照区块链技术的操作协议、基于接收到的考试成绩信息生成区块链数据并传送至所述第一存储单元。
4.根据权利要求3所述的成绩认证服务设备，其中，所述第一通信单元能够将所述第一存储单元中的区块链数据传送至电子成绩单设备。
5.一种电子成绩单设备，包括第二输入单元、第二存储单元、第二通信单元以及第二区块链处理单元，
所述第二输入单元能够接收用户输入的考试成绩信息并将其传送至所述第二区块链处理单元，所述第二区块链处理单元能够按照区块链技术的操作协议、基于接收到的考试成绩信息生成区块链数据并传送至所述第二存储单元；
所述第二存储单元构成区块链存储系统的一部分，用于存储所述区块链数据；
所述第二通信单元能够向成绩认证服务设备发送区块链数据。
6.根据权利要求5所述的电子成绩单设备，其中所述第二区块链处理单元能够读取所述第二存储单元中存储的所述区块链数据，并基于区块链技术的操作协议、从所述区块链数据中获得考试成绩信息。
7.根据权利要求5或6所述的电子成绩单设备，所述第二输入单元能够接收用户输入的对已经存入区块链存储系统的考试成绩信息进行修改的指令，根据所述指令，所述第二区块链处理单元基于修改前、后的考试成绩信息一起生成区块链数据并传送至所述第二存储单元。
8.一种成绩认证服务系统，包括彼此通信连接的多个系统节点，所述多个系统节点包括至少一个根据权利要求1-4中任意一项所述的成绩认证服务设备以及至少一个根据权利要求5或6所述的电子成绩单设备。
9.根据权利要求8所述的成绩认证服务系统，其中，所述电子成绩单设备能够接收用户输入的、对特定考试成绩信息进行认证的指令，并将所述指令传送至所述成绩认证服务设备，所述成绩认证服务设备根据所述指令生成针对特定考试成绩信息的认证标识。
10.根据权利要求9所述的成绩认证服务系统，其中，所述电子成绩单设备能够通过第二通信单元接收所述认证标识，并将所述认证标识和所述特定考试成绩信息同时呈现给用户。
CN202010561952.6A 2020-06-18 2020-06-18 成绩认证服务设备、电子成绩单设备和成绩认证服务系统 Pending CN111708889A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010561952.6A CN111708889A (zh) 2020-06-18 2020-06-18 成绩认证服务设备、电子成绩单设备和成绩认证服务系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010561952.6A CN111708889A (zh) 2020-06-18 2020-06-18 成绩认证服务设备、电子成绩单设备和成绩认证服务系统

Publications (1)

Publication Number Publication Date
CN111708889A true CN111708889A (zh) 2020-09-25

Family

ID=72541820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010561952.6A Pending CN111708889A (zh) 2020-06-18 2020-06-18 成绩认证服务设备、电子成绩单设备和成绩认证服务系统

Country Status (1)

Country Link
CN (1) CN111708889A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560055A (zh) * 2020-12-16 2021-03-26 国家开放大学 一种基于pki技术的可信电子证照系统及工作方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109002527A (zh) * 2018-07-13 2018-12-14 江苏开放大学（江苏城市职业学院） 一种基于区块链的网络考试系统及利用其管理网络考试的方法
CN109951441A (zh) * 2019-01-23 2019-06-28 深圳壹账通智能科技有限公司 基于区块链的考试信息评价方法、装置、设备和存储介质
CN209132763U (zh) * 2018-06-28 2019-07-19 深圳市奥拓体育文化发展有限公司 基于区块链的成绩验证装置及基于区块链的成绩验证系统
CN110110532A (zh) * 2019-04-02 2019-08-09 广州奇大教育科技有限公司 一种基于区块链技术记录成绩的方法及系统
CN110505239A (zh) * 2019-09-09 2019-11-26 腾讯云计算（北京）有限责任公司 一种基于区块链网络的信息处理方法、装置及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN209132763U (zh) * 2018-06-28 2019-07-19 深圳市奥拓体育文化发展有限公司 基于区块链的成绩验证装置及基于区块链的成绩验证系统
CN109002527A (zh) * 2018-07-13 2018-12-14 江苏开放大学（江苏城市职业学院） 一种基于区块链的网络考试系统及利用其管理网络考试的方法
CN109951441A (zh) * 2019-01-23 2019-06-28 深圳壹账通智能科技有限公司 基于区块链的考试信息评价方法、装置、设备和存储介质
CN110110532A (zh) * 2019-04-02 2019-08-09 广州奇大教育科技有限公司 一种基于区块链技术记录成绩的方法及系统
CN110505239A (zh) * 2019-09-09 2019-11-26 腾讯云计算（北京）有限责任公司 一种基于区块链网络的信息处理方法、装置及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560055A (zh) * 2020-12-16 2021-03-26 国家开放大学 一种基于pki技术的可信电子证照系统及工作方法
CN112560055B (zh) * 2020-12-16 2021-08-27 国家开放大学 一种基于pki技术的可信电子证照系统及工作方法

Similar Documents

Publication Publication Date Title
US20230013306A1 (en) Sensitive Data Classification
US20230325396A1 (en) Real-time content analysis and ranking
CN110462604A (zh) 基于设备使用关联互联网设备的数据处理系统和方法
Yang et al. Tag-based expert recommendation in community question answering
US20150032492A1 (en) Methods of Identifying Relevant Content and Subject Matter Expertise for Online Communities
US20150032751A1 (en) Methods and Systems for Utilizing Subject Matter Experts in an Online Community
CN110597962B (zh) 搜索结果展示方法、装置、介质及电子设备
US10997368B2 (en) Resolving ambiguity in a statement
US20230237504A1 (en) Systems and methods for verifying issuance of new digital credentials
CN107193974A (zh) 基于人工智能的地域性信息确定方法和装置
CN107809370B (zh) 用户推荐方法及装置
CN113420181A (zh) 视频推荐方法、装置、计算机设备和存储介质
CN113821587B (zh) 文本相关性确定方法、模型训练方法、装置及存储介质
US20240127143A1 (en) Method, device and storage medium for information processing based on data interaction
CN116976435B (zh) 一种基于网络安全的知识图谱构建方法
CN111708889A (zh) 成绩认证服务设备、电子成绩单设备和成绩认证服务系统
CN115510074B (zh) 基于一张表的分布式数据管理及应用系统
Kanavos et al. Fuzzy information diffusion in twitter by considering user’s influence
CN111339252B (zh) 一种搜索方法、装置及存储介质
RU2745362C1 (ru) Система и способ формирования индивидуального содержимого для пользователя сервиса
CN107093149A (zh) 在线好友关系强度评估方法及系统
Li Design and implementation of mental health consultation system for primary and secondary school students based on credibility matching model
JP2021105838A (ja) 予測システム、予測方法、及びプログラム
Zhao et al. Prospects and challenges of deep understanding social users and urban services-a position paper
Ma et al. Analysis And Prediction Of Body Test Results Based On Improved Backpropagation Neural Network Algorithm

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