CN111709864A - 一种基于学生意向的自动归类分析方法及装置 - Google Patents
一种基于学生意向的自动归类分析方法及装置 Download PDFInfo
- Publication number
- CN111709864A CN111709864A CN202010529614.4A CN202010529614A CN111709864A CN 111709864 A CN111709864 A CN 111709864A CN 202010529614 A CN202010529614 A CN 202010529614A CN 111709864 A CN111709864 A CN 111709864A
- Authority
- CN
- China
- Prior art keywords
- data
- intention
- student
- local
- survey
- 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 51
- 238000010224 classification analysis Methods 0.000 title claims abstract description 44
- 238000011835 investigation Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 9
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract description 2
- 230000006854 communication Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 17
- 239000013598 vector Substances 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008436 biogenesis Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种基于学生意向的自动归类分析方法及装置。包括：获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。本发明通过设置意向调查模型能够对学生意向进行进一步筛查，然后根据筛查的结果通过教师端反馈的数据来对学生意向进行分析，提高了学生意向咨询转化效率，降低了转化周期，同时也提高了整个学生意向分析过程的精确度。
Description
技术领域
本发明涉及计算机软件技术领域，尤其涉及一种基于学生意向的自动归类分析方法及装置。
背景技术
近几年，随着互联网的蓬勃发展，各式各样的教学教育模式、教育资源不断涌现，如微课程、慕课、辅导资料、解题应用等，这些资源各有各自的优势和特点，对比传统教学方式都有各自的创新。在这样大的背景下，传统的教学招生以及其他各类与教学相关联的地方就产生了新的运行模式，推动行业的进步，促进创新发展。目前，“互联网+”成为当前我国的一个战略发展方向，也正催生着教育行业的重大变革。
在“互联网+”或者多媒体教育之前，对比传统的招生和咨询转化，首先不说学生信息管理和咨询上效率低下的问题，仅仅就登记学生信息和沟通内容以及是否便于日后持续跟踪等问题就让咨询师伤透脑筋，在这样的情况下，就更别提科学有效的管理学生信息、咨询信息和转化数据了，所以为了提高招生和咨询转化的效率以及精确度，亟需一种基于基于学生意向的自动归类分析方法辅助招生和咨询转化。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
有鉴于此，本发明提出了一种基于学生意向的自动归类分析方法及装置，旨在解决现有技术无法通过设置关键意向量的方式来提高招生和咨询转化效率的技术问题。
本发明的技术方案是这样实现的：
一方面，本发明提供了一种基于学生意向的自动归类分析方法，所述基于学生意向的自动归类分析方法包括以下步骤：
S1，获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；
S2，根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；
S3，将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
在以上技术方案的基础上，优选的，步骤S1中，获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型，还包括以下步骤，获取本地意向数据，从该本地意向数据中提取关键词，所述关键词包括：知晓学费、认可咨询师、认可学校、认可专业以及知晓填报志愿时间，根据该关键词建立意向调查模型。
在以上技术方案的基础上，优选的，根据该关键词建立意向调查模型，还包括以下步骤，将该关键词进行组合，获取多个关键词组合式短语，并设定对应的评分标准，根据该关键词组合式短语以及对应的评分标准建立意向调查模型。
在以上技术方案的基础上，优选的，步骤S2中，根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据，还包括以下步骤，根据意向调查模型获取学生初步意向数据，通过意向调查模型中的评分标准对该学生初步意向数据进行评分，获取分数数据作为意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
在以上技术方案的基础上，优选的，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据，还包括以下步骤，获取本地历史分类数据以及对应的意向调查数据，所述分类数据包括：意向A、意向B、意向C以及意向D，根据该本地历史分类数据以及对应的意向调查数据建立对应的联系表作为本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
在以上技术方案的基础上，优选的，步骤S3中，将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表之前，还包括以下步骤，获取本地历史待分析数据以及对应的专业教师，并建立咨询关系表，根据该咨询关系表将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
在以上技术方案的基础上，优选的，根据该咨询关系表将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表，还包括以下步骤，根据该咨询关系表将该待分析数据发送至教师端，若收到教师端的数据反馈，所述数据反馈包括：愿意、不愿意、有意向以及无意向，根据该数据反馈生成学生意向报表并获取该学生信息存入本地学生信息库中。
更进一步优选的，所述基于学生意向的自动归类分析装置包括：
获取模块，用于获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；
分类模块，用于根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；
报表生成模块，用于将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
第二方面，所述基于学生意向的自动归类分析方法还包括一种设备，所述设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于学生意向的自动归类分析方法程序，所述基于学生意向的自动归类分析方法程序配置为实现如上文所述的基于学生意向的自动归类分析方法的步骤。
第三方面，所述基于学生意向的自动归类分析方法还包括一种介质，所述介质为计算机介质，所述计算机介质上存储有基于学生意向的自动归类分析方法程序，所述基于学生意向的自动归类分析方法程序被处理器执行时实现如上文所述的基于学生意向的自动归类分析方法的步骤。
本发明的一种基于学生意向的自动归类分析方法相对于现有技术具有以下有益效果：
(1)通过建立意向调查模型，能够很明确的知晓所有咨询过的学生意愿度明细，避免有限的教师资源耗费在多次去沟通意愿度不强的学生身上，从而节约人力和时间成本，同时提高整个分析过程的效率。
(2)通过对之后学生意向数据的分析，能够完成学生报读该专业的预测及核心咨询流程，提升了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例方案涉及的硬件运行环境的设备的结构示意图；
图2为本发明基于学生意向的自动归类分析方法第一实施例的流程示意图；
图3为本发明基于学生意向的自动归类分析方法第一实施例的功能模块示意图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明保护的范围。
如图1所示，该设备可以包括：处理器1001，例如中央处理器(Central ProcessingUnit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口 1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory， RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory， NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001 的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对设备的限定，在实际应用中设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于学生意向的自动归类分析方法程序。
在图1所示的设备中，网络接口1004主要用于建立设备与存储基于学生意向的自动归类分析方法系统中所需的所有数据的服务器的通信连接；用户接口 1003主要用于与用户进行数据交互；本发明基于学生意向的自动归类分析方法设备中的处理器1001、存储器1005可以设置在基于学生意向的自动归类分析方法设备中，所述基于学生意向的自动归类分析方法设备通过处理器1001调用存储器1005中存储的基于学生意向的自动归类分析方法程序，并执行本发明实施提供的基于学生意向的自动归类分析方法。
结合图2，图2为本发明基于学生意向的自动归类分析方法第一实施例的流程示意图。
本实施例中，所述基于学生意向的自动归类分析方法包括以下步骤：
S10：获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型。
应当理解的是，本实施例中，校区招生老师除了通过传统学生填报志愿和面对面沟通咨询这两种渠道下，扩展了通过当前一些主流的多媒体为媒介的渠道，包括有网络推广、口碑、QQ群、微信群、贴吧、抖音以及微视等等火爆的网络途径来获得学生关注度，间接转化获取学生源。学校获取生源以后，就需要把学生信息、咨询信息管理起来并进行归类，同时与招生咨询转化流程配套的管理平台则提供了相关的技术支撑。流程配套管理平台采用MVC架构进行搭建，运用SpringBoot+Shiro+JPA的技术进行分布式开发。
应当理解的是，咨询师在与学生沟通的过程中，会根据沟通的情况，招生老师在录入学生信息的时候，匹配相关的意向量(ABCD)：
A：知晓学费+认可咨询师+认可学校+认可专业+知晓填报志愿时间，
B：知晓学费+认可咨询师+认可学校，
C：知晓学费+认可学校，
D：知晓学费+都不认同。
应当理解的是，本实施例中，系统会根据前期招生办老师录入的学生信息，自动生成学生意愿度报表和明细，通过这个报表，可以很明确的知晓所有咨询过的学生意愿度明细，避免有限的教师资源耗费在多次去沟通意愿度不强的学生身上，从而节约人力和时间成本。
S20：根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
应当理解的是，系统会根据意向调查模型获取学生初步意向数据，通过意向调查模型中的评分标准对该学生初步意向数据进行评分，获取分数数据作为意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
应当理解的是，分类数据包括：意向A、意向B、意向C以及意向D，之后系统会根据该本地历史分类数据以及对应的意向调查数据建立对应的联系表作为本地数据分类规则，然后根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
S30：将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
应当理解的是，系统会获取本地历史待分析数据以及对应的专业教师，并建立咨询关系表，根据该咨询关系表将该待分析数据发送至教师端，若收到教师端的数据反馈，所述数据反馈包括：愿意、不愿意、有意向以及无意向，根据该数据反馈生成学生意向报表并获取该学生信息存入本地学生信息库中。
应当理解的是，本实施例中，还提出了一种平台来对本实例的方法进行管理，管理平台主要包括以下的模块和功能：
公告管理：该模块主要是校区用来发布招生政策、学校新闻、公告、通知类的信息。
用户管理：该模块主要用来管理校区招生老师和学生的信息。其中，咨询师在与学生沟通的过程中，会根据沟通的情况，招生老师在录入学生信息的时候，匹配相关的意向量。
智能归类：该模块功能会根据前期招生办老师录入的学生信息，自动生成学生意愿度报表和明细，通过这个报表，可以很明确的知晓所有咨询过的学生意愿度明细，避免有限的教师资源耗费在多次去沟通意愿度不强的学生身上，从而节约人力和时间成本。
角色管理：该模块主要用来管理系统中的角色(老师)和擅长的专业内容，便于学生信息录入之后，根据学生意向量自动划分归类，让专业老师持续沟通。
权限管理：管理系统中所有的角色和权限基本信息以及基于角色的权限管理和显示。
跟踪管理：跟踪管理学生的咨询数据，直至学生来校报到，另外，该模块的另外一个作用是获取海量咨询数据，便于后期的持续沟通和大数据分析。
报表管理：主要针对各类报表数据提供可视化展示，包括学生渠道来源统计、学生咨询率统计、学生意向量智能分析等数据统计。
另一方面，本发明提供了根据学生意向量来进行智能统计划分归类下一阶段的持续沟通，主要包括以下相关流程：
1、初始化管理平台，包括咨询师、专业老师、招生咨询流程、校区、角色和权限等基础数据的配置；
2、咨询师根据与学生沟通情况，判定其意向指标，录入学生信息基础信息以及跟踪信息，方便专业老师知晓在什么时间进行下一次的跟踪回访以及学生关注点是什么等等内容；
3、根据咨询师录入的学生信息，校区主任登录系统，点击按钮自动生成对咨询师录入系统的学生进行意向量分类并形成汇总归类报表；
4、专业老师登录系统，系统会推送需要该老师持续沟通或者回访关注的学生信息；
5、根据专业老师的3次沟通结果，自动对学生进行分析是否知晓所有，确认填报专业并学校报到还是结束；
6、对于确定报到的学生在系统中完成系统信息填报更新后，系统自动推送专业报到详细信息至学生手机；
7、平台统计汇总咨询师和对应专业介绍老师的绩效，由院校领导审核后，学校发放学生录取通知书；
8、学生持录取通知书和相关证件来校报到完成整个招生咨询流程。
本发明的招生咨询转化的优化方案和管理平台相对于传统招生具有以下有益效果：
充分利用互联网特点和优势，通过多渠道，从海量高校毕业生中获取学生信息，并通过高效智能管理平台，对学生的咨询和回访信息进行科学、安全有效的管理；
高效智能化平台，通过咨询师的沟通初步判定学生意向量；
通过当前主流大数据分析技术，自动划分学生意向量，并通过专业老师最多3次的沟通回访，自动完成学生报读该专业的预测及核心咨询流程；
根据学生咨询或者持续沟通的数据，自动生成的各类可视化数据报表；
平台基于B/S模式开发，解决了Web项目中浏览器兼容性的瓶颈问题，真正做到了运用所有主流浏览器进行随时随地的咨询、转化和回访；
咨询流程制定简明、便捷，易于操作；系统设计科学、严谨。
需要说明的是，以上仅为举例说明，并不对本申请的技术方案构成任何限定。
通过上述描述不难发现，本实施例通过获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。本实施例通过设置意向调查模型能够对学生意向进行进一步筛查，然后根据筛查的结果通过教师端反馈的数据来对学生意向进行分析，提高了学生意向咨询转化效率，降低了转化周期，同时也提高了整个学生意向分析过程的精确度。
此外，本发明实施例还提出一种基于学生意向的自动归类分析装置。如图 3所示，该基于学生意向的自动归类分析装置包括：获取模块10、分类模块 20、报表生成模块30。
获取模块10，用于获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；
分类模块20，用于根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；
报表生成模块30，用于将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于学生意向的自动归类分析方法，此处不再赘述。
此外，本发明实施例还提出一种介质，所述介质为计算机介质，所述计算机介质上存储有基于学生意向的自动归类分析方法程序，所述基于学生意向的自动归类分析方法程序被处理器执行时实现如下操作：
S1，获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；
S2，根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；
S3，将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
进一步地，所述基于学生意向的自动归类分析方法程序被处理器执行时还实现如下操作：
获取本地意向数据，从该本地意向数据中提取关键词，所述关键词包括：知晓学费、认可咨询师、认可学校、认可专业以及知晓填报志愿时间，根据该关键词建立意向调查模型。
进一步地，所述基于学生意向的自动归类分析方法程序被处理器执行时还实现如下操作：
将该关键词进行组合，获取多个关键词组合式短语，并设定对应的评分标准，根据该关键词组合式短语以及对应的评分标准建立意向调查模型。
进一步地，所述基于学生意向的自动归类分析方法程序被处理器执行时还实现如下操作：
根据意向调查模型获取学生初步意向数据，通过意向调查模型中的评分标准对该学生初步意向数据进行评分，获取分数数据作为意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
进一步地，所述基于学生意向的自动归类分析方法程序被处理器执行时还实现如下操作：
获取本地历史分类数据以及对应的意向调查数据，所述分类数据包括：意向A、意向B、意向C以及意向D，根据该本地历史分类数据以及对应的意向调查数据建立对应的联系表作为本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
进一步地，所述基于学生意向的自动归类分析方法程序被处理器执行时还实现如下操作：
获取本地历史待分析数据以及对应的专业教师，并建立咨询关系表，根据该咨询关系表将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
进一步地，所述基于学生意向的自动归类分析方法程序被处理器执行时还实现如下操作：
根据该咨询关系表将该待分析数据发送至教师端，若收到教师端的数据反馈，所述数据反馈包括：愿意、不愿意、有意向以及无意向，根据该数据反馈生成学生意向报表并获取该学生信息存入本地学生信息库中。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于学生意向的自动归类分析方法，其特征在于：包括以下步骤；
S1，获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；
S2，根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；
S3，将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
2.如权利要求1所述的基于学生意向的自动归类分析方法，其特征在于：步骤S1中，获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型，还包括以下步骤，获取本地意向数据，从该本地意向数据中提取关键词，所述关键词包括：知晓学费、认可咨询师、认可学校、认可专业以及知晓填报志愿时间，根据该关键词建立意向调查模型。
3.如权利要求2所述的基于学生意向的自动归类分析方法，其特征在于：根据该关键词建立意向调查模型，还包括以下步骤，将该关键词进行组合，获取多个关键词组合式短语，并设定对应的评分标准，根据该关键词组合式短语以及对应的评分标准建立意向调查模型。
4.如权利要求2所述的基于学生意向的自动归类分析方法，其特征在于：步骤S2中，根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据，还包括以下步骤，根据意向调查模型获取学生初步意向数据，通过意向调查模型中的评分标准对该学生初步意向数据进行评分，获取分数数据作为意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
5.如权利要求4所述的基于学生意向的自动归类分析方法，其特征在于：获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据，还包括以下步骤，获取本地历史分类数据以及对应的意向调查数据，所述分类数据包括：意向A、意向B、意向C以及意向D，根据该本地历史分类数据以及对应的意向调查数据建立对应的联系表作为本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据。
6.如权利要求5所述的基于学生意向的自动归类分析方法，其特征在于：步骤S3中，将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表之前，还包括以下步骤，获取本地历史待分析数据以及对应的专业教师，并建立咨询关系表，根据该咨询关系表将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
7.如权利要求6所述的基于学生意向的自动归类分析方法，其特征在于：根据该咨询关系表将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表，还包括以下步骤，根据该咨询关系表将该待分析数据发送至教师端，若收到教师端的数据反馈，所述数据反馈包括：愿意、不愿意、有意向以及无意向，根据该数据反馈生成学生意向报表并获取该学生信息存入本地学生信息库中。
8.一种基于学生意向的自动归类分析装置，其特征在于，所述基于学生意向的自动归类分析装置包括：
获取模块，用于获取本地意向数据，从该本地意向数据中提取关键词，根据该关键词建立意向调查模型；
分类模块，用于根据该意向调查模型获取学生意向调查数据，获取本地数据分类规则，根据该本地数据分类规则对学生意向调查数据进行分类，将分类完的数据作为待分析数据；
报表生成模块，用于将该待分析数据发送至教师端，等待教师端的数据反馈，根据该数据反馈生成学生意向报表。
9.一种设备，其特征在于，所述设备包括：存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的基于学生意向的自动归类分析方法程序，所述基于学生意向的自动归类分析方法程序配置为实现如权利要求1至7任一项所述的基于学生意向的自动归类分析方法的步骤。
10.一种介质，其特征在于，所述介质为计算机介质，所述计算机介质上存储有基于学生意向的自动归类分析方法程序，所述基于学生意向的自动归类分析方法程序被处理器执行时实现如权利要求1至7任一项所述的基于学生意向的自动归类分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010529614.4A CN111709864A (zh) | 2020-06-11 | 2020-06-11 | 一种基于学生意向的自动归类分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010529614.4A CN111709864A (zh) | 2020-06-11 | 2020-06-11 | 一种基于学生意向的自动归类分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111709864A true CN111709864A (zh) | 2020-09-25 |
Family
ID=72540135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010529614.4A Pending CN111709864A (zh) | 2020-06-11 | 2020-06-11 | 一种基于学生意向的自动归类分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111709864A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114757541A (zh) * | 2022-04-20 | 2022-07-15 | 平安科技（深圳）有限公司 | 基于培训行为数据的绩效分析方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006209378A (ja) * | 2005-01-27 | 2006-08-10 | Nippon Kankyo Consulting Kk | 環境コンサルティング方法及びサーバ |
| CN102236547A (zh) * | 2010-05-06 | 2011-11-09 | 蒋斌 | 一种在聊天工具中对聊天朋友自动归类的控制方法及装置 |
| CN109785203A (zh) * | 2019-01-21 | 2019-05-21 | 广州木叶网络科技有限公司 | 成人学历教育学生服务管理方法及其系统 |
| CN110298682A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于用户信息分析的智能决策方法、装置、设备及介质 |
| CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
| CN111091832A (zh) * | 2019-11-28 | 2020-05-01 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和系统 |
-
2020
- 2020-06-11 CN CN202010529614.4A patent/CN111709864A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006209378A (ja) * | 2005-01-27 | 2006-08-10 | Nippon Kankyo Consulting Kk | 環境コンサルティング方法及びサーバ |
| CN102236547A (zh) * | 2010-05-06 | 2011-11-09 | 蒋斌 | 一种在聊天工具中对聊天朋友自动归类的控制方法及装置 |
| CN109785203A (zh) * | 2019-01-21 | 2019-05-21 | 广州木叶网络科技有限公司 | 成人学历教育学生服务管理方法及其系统 |
| CN110298682A (zh) * | 2019-05-22 | 2019-10-01 | 深圳壹账通智能科技有限公司 | 基于用户信息分析的智能决策方法、装置、设备及介质 |
| CN110990545A (zh) * | 2019-11-28 | 2020-04-10 | 重庆锐云科技有限公司 | 一种人工智能电话拓客营销管理系统、方法 |
| CN111091832A (zh) * | 2019-11-28 | 2020-05-01 | 秒针信息技术有限公司 | 一种基于语音识别的意向评估方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114757541A (zh) * | 2022-04-20 | 2022-07-15 | 平安科技（深圳）有限公司 | 基于培训行为数据的绩效分析方法、装置、设备及介质 |
| CN114757541B (zh) * | 2022-04-20 | 2023-05-23 | 平安科技（深圳）有限公司 | 基于培训行为数据的绩效分析方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101576727B1 (ko) | Qr코드 및 앱을 이용한 온오프라인 연동 학습 시스템 | |
| KR20170140877A (ko) | 전문가 매칭 시스템을 이용하는 온라인 플랫폼 시스템. | |
| Saheb et al. | Topical review of artificial intelligence national policies: A mixed method analysis | |
| US20110060695A1 (en) | System and Method for Automated Admissions Process and Yield Rate Management | |
| CN113723853A (zh) | 岗位胜任力需求数据处理方法及装置 | |
| KR20210152182A (ko) | 온라인 및 오프라인 교육이 연계된 교육과정 추천을 위한 학습 서비스 서버 및 그 방법 | |
| KR102353584B1 (ko) | 입시 컨설팅 자동 관리 시스템 | |
| CN111709864A (zh) | 一种基于学生意向的自动归类分析方法及装置 | |
| Daza et al. | The Impact of Chatbots on Customer Satisfaction: A Systematic Literature Review. | |
| Junfang et al. | Evaluating the practical effectiveness of college counselors’ ideological and political education using big data video streaming | |
| KR20190130193A (ko) | 투자 중개 시스템 및 그 중개 방법 | |
| Duarte Filho et al. | A service-oriented reference architecture for mobile learning environments | |
| Oluwabiyi | Digital reference services: an overview | |
| Sinhababu et al. | Librarians’ perception towards virtual reference service (VRS): Innovation and knowledge cluster use case | |
| JP2022000767A (ja) | 情報共有支援装置、情報共有支援方法、およびプログラム | |
| CN113901309A (zh) | Spoc教学模式个性化试题推荐方法、装置、电子设备及介质 | |
| Tharammal et al. | ALICE Pattern Matching Based Chatbot for Natural Language Communication: System Development and Testing | |
| Pavithra et al. | Development of a Web Based Proctor Management System for Academic Institutions | |
| Van Biljon et al. | Research on mobile cloud computing in teaching and learning: A conceptual framework | |
| CN117633540B (zh) | 样本数据构建方法及装置 | |
| Čuš-Babič et al. | MC as a means for supporting information flow in construction processes | |
| Mikulecky | Information and knowledge Support of a Student in a University Environment | |
| Li et al. | Research on smart campus construction based on big data | |
| Sheng et al. | Using wireless technology to facilitate learning: A grounded theory approach | |
| Leptokaropoulos et al. | Analysing open climate data-a case study using the MATLAB Integration for Jupyter on the ENES Data Space environment |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200925 |