CN112070376A - 高考志愿推荐方法、装置、终端及计算机可读存储介质 - Google Patents
高考志愿推荐方法、装置、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112070376A CN112070376A CN202010877552.6A CN202010877552A CN112070376A CN 112070376 A CN112070376 A CN 112070376A CN 202010877552 A CN202010877552 A CN 202010877552A CN 112070376 A CN112070376 A CN 112070376A
- Authority
- CN
- China
- Prior art keywords
- user
- occupation
- simulated
- college
- score
- 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 30
- 238000004088 simulation Methods 0.000 claims abstract description 48
- 238000004891 communication Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000002747 voluntary effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 230000001755 vocal effect 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种高考志愿推荐方法、装置、终端及计算机可读存储介质,方法包括:获取用户的模拟考试成绩,根据模拟考试成绩和用户规划职业确定模拟志愿;统计各模拟志愿中的院校专业的模拟待报人数;获取用户的高考成绩;根据高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿;通过模拟考试成绩的用户职业规划来模拟填报志愿,可以通过统计模拟志愿的模拟待报人数来确定有多少人打算报考某院校某专业,进而在用户高考后,根据高考成绩、模拟待报人数和院校的招生信息来为用户推荐高考志愿,保证高考志愿推荐的准确性和可靠性。
Description
技术领域
本发明涉及数据处理分析领域,尤其涉及一种高考志愿推荐方法、装置、终端及计算机可读存储介质。
背景技术
高考后报志愿看起来分数出了才报志愿比较容易了,但其实还是很难,因为即便考得不错,但不知道同一个分数段有所少人,有多少人共同争抢一所大学,一门专业,而且每个批次之间的考生都十分密集,分数段越低,人数就越密集,所以必须要很努力,才能进入高分段,和争抢的人才不会太多,才会更有机会进入自己理想的学校,而这,需要的是大量的数据支持,才能准确的判断出高考所能选择的院校和专业范围。
现有的市面上的高考志愿填报软件采用的是逐个查询的方式,即通过学生查询自己喜欢的院校来获得相应专业计划和往年的专业分数,这种方法需要耗费大量的精力,同时也会有漏选的可能性,进而容易发生志愿填报失误的情况,影响了报考的成功率。
发明内容
本发明所要解决的技术问题是提供一种高考志愿推荐方法、装置、终端及计算机可读存储介质,根据用户自身需求加入个性化的参考数据,高效的为用户提供了为更科学、准确的高考志愿填报推荐。
本发明解决上述技术问题的技术方案如下:一种高考志愿推荐方法,包括:
获取用户的模拟考试成绩,根据所述模拟考试成绩和用户规划职业确定模拟志愿;
统计各所述模拟志愿中的院校专业的模拟待报人数;
获取用户的高考成绩;
根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
本发明的有益效果是:通过模拟考试成绩的用户职业规划来模拟填报志愿可以通过统计模拟志愿的模拟待报人数来确定有多少人打算报考某院校某专业,进而在用户高考后,根据高考成绩、模拟待报人数和院校的招生信息来为用户推荐高考志愿,保证高考志愿推荐的准确性和可靠性。
在上述技术方案的基础上,本发明还可以做如下改进:
进一步,所述根据所述模拟考试成绩和用户规划职业确定模拟志愿之前包括:
获取用户输入的理想职业;
获取用户的自身特性信息,所述自身特性信息包括兴趣信息、个性信息和技能信息中的至少一个;
将所述自身特性信息与各职业类型进行匹配,确定用户的适合职业;
根据用户的所述理想职业和所述适合职业确定用户的规划职业。
采用上述进一步方案的有益效果是:根据用户自身特征来为用户匹配适合用户自身发展的职业,以提高用户后续选考科目的多样性。
进一步,所述根据用户的所述理想职业和所述适合职业确定所述用户规划职业包括:
当所述理想职业的所属职业类型与所述适合职业的所属职业类型相似度大于或等于预设相似度阈值时,将所述理想职业和适合职业的职业并集作为所述用户规划职业;
当所述理想职业的所属职业类型与所述适合职业的所属职业类型相似度小于所述预设相似度阈值时,将所述理想职业和适合职业的职业交集或适合职业作为所述用户规划职业。
采用上述进一步方案的有益效果是:对理想职业和个人适合职业进行平衡与推荐,以保证通过规划职业确定所需专业的准确性。
进一步,所述根据所述模拟考试成绩和用户规划职业确定模拟志愿包括:
删除所述模拟考试成绩中的最优成绩和最差成绩后计算平均成绩;
将所述平均成绩和各院校各专业的历年高考录取分数进行比对,确定符合用户的待录取志愿;
根据所述用户规划职业对所述待录取志愿中的院校专业进行筛选,确定所述模拟志愿。
采用上述进一步方案的有益效果是:通过用户学习实力确定专业对应的院校,结合规划职业确定所需专业,进而确定模拟志愿。
进一步,所述根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿包括:
当所述高考成绩与所述平均成绩的成绩差小于或等于预设成绩差阈值时,根据所述高考成绩确定用户所在省市的成绩排名;
确定各所述模拟志愿中与用户对应的院校专业的目标模拟待报人数;
根据所述成绩排名、所述目标模拟待报人数、所述院校专业在用户所在省市的招生人数和历年录取位次确定用户是否被录取;
将录取用户的院校专业作为推荐给用户的高考志愿。
采用上述进一步方案的有益效果是:用户发挥正常,高考成绩与平均成绩的成绩差小于预设成绩差,通过模拟志愿中有多少人与用户填写一样的院校专业,用户高考排名招生人数和历年录取位次确定用户是否被录取,进而进行推荐,结合历年参考信息和统计信息保证高考志愿推荐的准确性。
进一步,所述根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿还包括:
当所述高考成绩与所述平均成绩的成绩差大于所述预设成绩差阈值时,获取与用户的模拟志愿中专业相同,且院校历年高考录取分数与所述高考成绩匹配的替换院校;
统计各所述模拟志愿中所述替换院校的所述专业的目标模拟待报人数;
根据所述高考成绩确定用户所在省市的成绩排名;
根据所述成绩排名、所述目标模拟待报人数、所述替换院校的所述专业在用户所在省市的招生人数和历年录取位次确定用户是否被录取;
将录取用户的院校专业作为推荐给用户的高考志愿。
采用上述进一步方案的有益效果是:用户发挥失常或超常,高考成绩与平均成绩的成绩差大于于预设成绩差,通过实际高考成绩确定专业相同的替换院校,进而通过模拟志愿中有多少人与用户填写一样的替换院校专业,用户高考排名招生人数和历年录取位次确定用户是否被录取,进而进行推荐,结合历年参考信息和统计信息保证高考志愿推荐的准确性。
进一步,所述确定用户是否被录取包括:
根据所述目标模拟待报人数和所述招生人数,计算模拟录取率为招生人数/目标模拟待报人数;
当所述成绩排名属于所述录取位次时,计算(成绩排名-首位录取位次)/(末位录取位次-首位录取位次),当(成绩排名-首位录取位次)/(末位录取位次-首位录取位次)大于所述模拟录取率,则确定用户被录取;
当所述成绩排名大于所述录取位次的首位录取位次,则确定用户被录取;
当所述成绩排名小于所述录取位次的末尾录取位次,则确定用户未被录取。
采用上述进一步方案的有益效果是:根据成绩排名与录取位次的不同关系,来确定用户是否录取,成绩排名在录取位次质检时,进一步计算招生人数/目标模拟待报人数与(成绩排名-首位录取位次)/(末位录取位次-首位录取位次)的大小,确定是否被录取,保证确定是否被录取的可靠性。
为了解决上述技术问题,本发明还提供一种高考志愿推荐装置,所述高考志愿推荐装置包括:
模拟志愿确定模块,用于获取用户的模拟考试成绩,根据所述模拟考试成绩和用户职业规划确定模拟志愿;
统计模块,用于统计各所述模拟志愿中的院校专业的模拟待报人数;
获取模块,用于获取用户的高考成绩;
推荐模块,用于根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
为了解决上述技术问题,本发明还提供一种终端,其特征在于,所述终端包括处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个计算机程序,以实现如上所述的高考志愿推荐方法的步骤。
为了解决上述技术问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个计算机程序,所述一个或者多个计算机程序可被一个或者多个处理器执行,以实现如上所述的高考志愿推荐方法的步骤。
附图说明
图1为本发明实施例提供的一种高考志愿推荐方法的流程示意图;
图2为本发明实施例提供的一种职业类型的六维关系图;
图3为本发明实施例提供的另一种高考志愿推荐方法的流程示意图;
图4为本发明实施例提供的一种高考志愿推荐装置的结构示意图;
图5为本发明实施例提供的一种终端的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,图1为本实施例提供的一种高考志愿推荐方法,该高考志愿推荐方法包括:
S101、获取用户的模拟考试成绩,根据模拟考试成绩和用户职业规划确定模拟志愿。
S102、统计模拟志愿中各院校各专业中的模拟待报人数。
S103、获取用户的高考成绩。
S104、根据高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
在本实施例中,通过模拟考试成绩的用户职业规划来模拟填报志愿可以通过统计模拟志愿的模拟待报人数来确定有多少人打算报考某院校某专业,进而在用户高考后,根据高考成绩、模拟待报人数和院校的招生信息来为用户推荐高考志愿。
在本实施例中,步骤S101是在高考前做的,步骤S101之前,需要确定用户的用户规划职业,根据用户的理想职业和适合职业确定规划职业,具体的,获取用户输入的理想职业;获取用户的自身特性信息,自身特性信息包括兴趣信息,个性信息和技能信息中的至少一个;将自身特性信息与各职业类型进行匹配,确定适合职业;根据用户的理想职业和适合职业确定用户的规划职业。其中兴趣信息为兴趣爱好,个性信息包括性格(内向型和外向型)和/或心理机能(理智型、情感型和意志型)等,技能信息包括特长,家庭技能因素,例如小明的父母均为医生,则小明从小会受到父母的影响,小明的技能信息为医术。当自身特征信息包括两种以上时,兴趣信息的重要程度大于技能信息大于个性信息,根据重要程度和自身特性信息的符合项数,例如李四对电脑技术感兴趣,个性信息为情感型,技能信息为摄像,则将电脑技术、理智型、摄像与职业类型匹配,确定李四的适合职业为计算机相关工作和摄像相关工作。
在本实施例中,可以由用户输入的理想职业,例如张三输入理想职业为摄像家,则为艺术型。
在本实施例中,获取到用户的理想职业和适合职业后,需要对理想职业和适合职业进行平衡和推荐确定最后用户的职业规划。根据用户的理想职业和适合职业确定用户的规划职业具体包括:
当理想职业的所属职业类型与适合职业的所属职业类型相似度大于或等于预设相似度阈值,将理想职业和适合职业的职业并集作为规划职业;
当理想职业的所属职业类型与适合职业的所属职业类型相似度小于预设相似度阈值时,将理想职业和适合职业的职业交集或适合职业作为规划职业。
在本实施例中,职业类型包括6种类型,现实型(R)、研究型(I)、艺术型(A)、社会型(S)、企业型(E)、传统型(C)。其中理想职业的职业类型和适合职业的职业类型的符合度可以根据六维分析确定,如图2所示,(1)相邻关系,如RI、IR、IA、AI、AS、SA、SE、ES、EC、CE、RC及CR。属于这种关系的两种类型的个体之间共同点较多,相似度最高。(2)相隔关系,如RA、RE、IC、IS、AR、AE、SI、SC、EA、ER、CI及CS,属于这种关系的两种类型个体之间共同点较相邻关系少,相似度为一般。(3)相对关系,在六边形上处于对角位置的类型之间即为相对关系,如RS、IE、AC、SR、EI及CA,相对关系的人格类型共同点很少,相似度为最低。其中相邻关系、相隔关系为大于预设相似度阈值,相对关系小于预设相似度阈值。例如小明的适合职业为医疗相关工作者,即研究型,理想职业为机械相关工作者,即现实型,根据六维图可知,适合职业和理想职业的职业类型相似度大于预设阈值,则将医疗相关工作者(如医生、护士、药师、检验或技师等)、机械相关工作者(如机械装配工或工程师等)等作为规划职业。例如小李的适合职业为教育工作者、社会工作者,即社会型,理想职业为事务工作者,即传统型,则将适合职业和理想职业的交集职业:教师、分析咨询员和行政等作为规划职业。在本实施例中,当理想职业和适合职业的职业类型为相对关系时,表示以用户的实际情况较难实现用户的理想职业,且不存在职业交集时,则以适合职业作为规划职业。
在一些实施例中,还可以根据行业发展、岗位薪酬和岗位竞争力对理想职业和适合职业进行分析,选择综合力较高的职业作为规划职业;例如理想职业为历史研究相关工作者,适合职业为金融相关工作者,历史研究相关者的岗位需求较小,相对于金融相关工作者,岗位竞争力更大;且金融行业为十大发展前景较大的行业,因此行业发展和岗位薪酬更好,因此将金融相关工作者作为规划职业。
在本实施例中,在确定用户规划职业后,步骤S101包括:删除模拟考试成绩中的最优成绩和最差成绩后计算平均成绩,将平均成绩和各院校各专业的历年高考录取分数进行比对,确定符合用户的待录取志愿;根据用户职业规划对待录取志愿进行筛选,确定模拟志愿。在本实施例中,模拟考试成绩指的是用户报考的科目的总成绩,删除最优成绩和最差成绩后计算平均成绩,以提高平均成绩的准确性;然后以各院校各专业的历年高考录取分数为参考,将平均成绩与各院校各专业的历年高考录取分数比对,就可以确定出用户可能被录取的符合院校专业,由于院校专业较多,则进一步通过用户的规划职业进行筛选,确定模拟志愿,该模拟志愿中则包括用户想要填报的院校和专业。可以理解的是,由于规划职业与专业密切相关,找工作时规定需要哪些专业,因此可以根据规划职业所需的院校和专业对高考录取志愿进行筛选,去掉不符合规划职业的院校和专业;例如根据用户A的平均成绩和历年高考录取分数进行对比,确定可以录取的院校1的专业1~专业5,院校2的专业1~专业6,院校3的专业4,院校4的专业1和专业3;而用户A规划职业所需的专业为专业2和专业4,则可以确定模拟志愿为院校1的专业2、专业4,院校2的专业2、专业4,院校3的专业4。
在一些实施例中,当根据用户规划职业筛选出的院校太多时,如大于6个时,可以根据院校的学校实力选取实力最强的6所院校。
在本实施例中,步骤S102中,在确定出各个用户的模拟志愿后,对各个模拟志愿中各院校各专业中的模拟待报人数进行统计,就可以确定对于某院校的某专业可能会报考的人数,以对后续高考结束后的志愿填报提供参考。
在本实施例中,步骤S104是在高考结束后实施的,可以理解的是,用户高考发挥可能正常发挥,也可以超常或失常发挥,因此步骤S104具体包括:
当高考成绩与平均成绩的成绩差小于或等于预设成绩差阈值时,根据高考成绩确定用户所在省市的成绩排名;
确定模拟志愿中与用户对应的各院校各专业的模拟待报人数;
根据成绩排名、模拟待报人数、模拟志愿中各院校各专业的在用户所在省市的招生人数和历年录取位次确定用户是否被录取。
在本实施例中,当高考成绩与模拟考试平均成绩的成绩差小于或等于预设成绩差阈值时,表示用户正常发挥,该预设成绩差阈值可以根据模拟考试与高考难度进行灵活调整,例如当高考难度与模拟考试难度相同时,该预设成绩差阈值为10;获取到高考成绩后,确定用户所在省市的成绩排名;由于用户正常发挥,则直接确定与用户对应的模拟填写的各院校专业的模拟待报人数,如用户A正常发挥,模拟志愿中包括院校1专业2,则直接统计各模拟志愿中有多少人打算报考院校1专业2,确定对应的模拟待报人数,进而根据成绩排名、模拟待报人数、招生人数和历年录取位次计算录取概率。
在本实施例中,当高考成绩与平均成绩的成绩差大于预设成绩差阈值,表示用户超常或失常发挥,此时获取与用户的模拟志愿中专业相同,且院校历年高考录取分数与高考成绩匹配的替换院校;统计各模拟志愿中替换院校的专业的目标模拟待报人数;根据高考成绩确定用户所在省市的成绩排名;根据成绩排名、目标模拟待报人数、替换院校的专业在用户所在省市的招生人数和历年录取位次确定用户是否被录取;将录取用户的院校专业作为推荐给用户的高考志愿。即在本实施例中,当用户发挥超常时,用户可以选择更好的院校,发挥失常时,用户模拟志愿中的院校可能不会录取用户;由于根据规划职业确定模拟志愿中的院校专业,因此可以获取专业相同,但用户的高考成绩能被录取的替换院校,例如用户B的模拟志愿为院校1专业1,高考成绩为560分,则根据院校历年高考录取分数线,确定哪个院校的专业1的录取分数线匹配560分,如院校2的专业的去年录取分数线为550分,则将院校2作为替换院校;可以理解的是,在高考前不用的用户对应的模拟志愿不同,则统计各模拟志愿中有多少人打算填报院校2专业1,然后确定院校2专业1在用户所在省市的招生人数和历年录取位次,进而根据成绩排名、模拟待报人数、招生人数和历年录取位次计算录取概率。
需要说明的是,该招生人数可以是该院校专业的历史招生人数,也可以是当前实际招生人数;确定用户是否被录取包括:根据目标模拟待报人数和招生人数,计算模拟录取率为招生人数/目标模拟待报人数;当成绩排名属于录取位次时,计算(成绩排名-首位录取位次)/(末位录取位次-首位录取位次),当(成绩排名-首位录取位次)/(末位录取位次-首位录取位次)大于模拟录取率,则确定用户被录取;当成绩排名大于录取位次的首位录取位次,则确定用户被录取;当成绩排名小于录取位次的末位录取位次,则确定用户未被录取。例如院校1的专业2的历史招生人数为100,根据模拟志愿确定出的模拟待报人数为400,用户A在所在省市的排名为20400名,院校1的专业2的录取位次为20000-21000,则用户A的排名概率为400/1000=2/5,大于1/4,则表示用户排名较高,能被录取;则将院校1的专业2作为推荐给用户的高考志愿。又例如院校2专业1的计划招生人数为500,模拟志愿确定出的目标待报人数为1200,用户B的高考成绩在所在省市的排名为15196名,院校2专业1的录取位次为15121-17460名,由于用户B的成绩排名15196大于首位录取位次15121,则确定用户B被录取,因此将院校2专业1作为给用户的高考志愿;当然当用户B的成绩排名低于末尾录取位次17460名,则确定用户B未被录取。
实施例二
本实施例以一个较为具体的例子对高考志愿推荐方法进行说明,如图4所示,该高考志愿推荐方法包括:
S301、获取用户输入的理想职业。
假设用户小明的理想职业为开发相关工作者。
S302、确定适合职业。
获取到的小明自身特征信息中的兴趣信息为电脑、个性信息为沉稳、内敛,则根据自身特征信息和各职业类型进行匹配,确定小华的适合职业为计算机技术相关工作者。
S303、根据用户的理想职业和适合职业确定用户的规划职业。
新闻媒体相关工作者的职业类型为现实型,适合职业的职业类型为现实型,则将IT相关工作者、计算机技术相关工作者作为规划职业。
S304、根据模拟考试成绩和各院校专业的历年高考录取分数进行比对,确定符合录取志愿。
删除模拟考试成绩中的最优成绩和最差成绩后计算平均成绩,将平均成绩和各院校各专业的历年高考录取分数进行比对,确定符合用户的待录取志愿。
S305、根据用户的规划职业对符合录取志愿中的院校专业进行筛选,确定模拟志愿。
小明的平均成绩和历年高考录取分数进行对比,确定可以录取的院校1的专业1~专业3,院校2的专业1~专业4,院校3的专业1、专业3和专业4,院校4的专业1和专业3;而小明规划职业所需的专业为专业1和专业3,则可以确定模拟志愿为院校1~4的专业1、专业3。
S306、统计各模拟志愿中的院校专业的模拟待报人数。
在确定出各个用户的模拟志愿后,对各个模拟志愿中各院校各专业中的模拟待报人数进行统计,就可以确定对于某院校的某专业可能会报考的人数,以对后续高考结束后的志愿填报提供参考。
S307、根据高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
在本实施例中,假设高考难度与模拟考试难度相同,小明高考正常发挥,直接统计各模拟志愿中有多少人打算报考院校1~4的专业1、专业3,确定对应的模拟待报人数,进而根据成绩排名、模拟待报人数、招生人数和历年录取位次计算录取概率;如对于院校1专业1,历史招生人数为450,根据模拟志愿确定出的模拟待报人数为800,用户A在所在省市的排名为35210名,院校1的专业2的录取位次为34900-35800,则小明的排名概率为310/900,小于450/800,则表示用户排名较低,不能被录取;则不将院校1的专业1作为推荐给用户的高考志愿。依次计算模拟志愿的各院校专业,进而录取用户的院校专业作为推荐给用户的高考志愿。
实施例三
本实施例提供一种高考志愿推荐装置,如图4所示,高考志愿推荐装置包括:模拟志愿确定模块41、统计模块42、获取模块43和推荐模块44
模拟志愿确定模块41,用于获取用户的模拟考试成绩,根据模拟考试成绩和用户职业规划确定模拟志愿;
统计模块42,用于统计各模拟志愿中的院校专业的模拟待报人数;
获取模块43,用于获取用户的高考成绩;
推荐模块44,用于根据高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
本实施例还提供一种终端,如图5所示,该终端包括处理器51、存储器52和通信总线53;
通信总线53用于实现处理器51和存储器52之间的连接通信;
处理器51用于执行存储器中存储的一个或者多个计算机程序,以实现上述各高考志愿推荐方法的步骤。
本实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有一个或者多个计算机程序,一个或者多个计算机程序可被一个或者多个处理器执行,以实现上述各高考志愿推荐方法的步骤。
可以理解的是,本实施例中的高考志愿推荐装置、终端和计算机可读存储介质可以实现上述各实施例中的高考志愿推荐方法的任一步骤,在此不再一一赘述。
以上所述仅为本发明的较佳实施例,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)
1.一种高考志愿推荐方法,其特征在于,所述高考志愿推荐方法包括:
获取用户的模拟考试成绩,根据所述模拟考试成绩和用户规划职业确定模拟志愿;
统计各所述模拟志愿中的院校专业的模拟待报人数;
获取用户的高考成绩;
根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
2.根据权利要求1所述的高考志愿推荐方法,其特征在于,所述根据所述模拟考试成绩和用户规划职业确定模拟志愿之前包括:
获取用户输入的理想职业;
获取用户的自身特性信息,所述自身特性信息包括兴趣信息、个性信息和技能信息中的至少一个;
将所述自身特性信息与各职业类型进行匹配,确定用户的适合职业;
根据用户的所述理想职业和所述适合职业确定所述用户的规划职业。
3.根据权利要求2所述的高考志愿推荐方法,其特征在于,所述根据用户的所述理想职业和所述适合职业确定用户的规划职业包括:
当所述理想职业的所属职业类型与所述适合职业的所属职业类型相似度大于或等于预设相似度阈值时,将所述理想职业和适合职业的职业并集作为所述规划职业;
当所述理想职业的所属职业类型与所述适合职业的所属职业类型相似度小于所述预设相似度阈值时,将所述理想职业和适合职业的职业交集或适合职业作为所述规划职业。
4.根据权利要求1所述高考志愿推荐方法,其特征在于,所述根据所述模拟考试成绩和用户规划职业确定模拟志愿包括:
删除所述模拟考试成绩中的最优成绩和最差成绩后计算平均成绩;
将所述平均成绩和各院校各专业的历年高考录取分数进行比对,确定符合用户的待录取志愿;
根据所述规划职业对所述待录取志愿中的院校专业进行筛选,确定所述模拟志愿。
5.根据权利要求4所述高考志愿推荐方法,其特征在于,所述根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿包括:
当所述高考成绩与所述平均成绩的成绩差小于或等于预设成绩差阈值时,根据所述高考成绩确定用户所在省市的成绩排名;
确定各所述模拟志愿中与用户对应的院校专业的目标模拟待报人数;
根据所述成绩排名、所述目标模拟待报人数、所述院校专业在用户所在省市的招生人数和历年录取位次确定用户是否被录取;
将录取用户的院校专业作为推荐给用户的高考志愿。
6.根据权利要求5所述的高考志愿推荐方法,其特征在于,所述根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿还包括:
当所述高考成绩与所述平均成绩的成绩差大于所述预设成绩差阈值时,获取与用户的模拟志愿中专业相同,且院校历年高考录取分数与所述高考成绩匹配的替换院校;
统计各所述模拟志愿中所述替换院校的所述专业的目标模拟待报人数;
根据所述高考成绩确定用户所在省市的成绩排名;
根据所述成绩排名、所述目标模拟待报人数、所述替换院校的所述专业在用户所在省市的招生人数和历年录取位次确定用户是否被录取;
将录取用户的院校专业作为推荐给用户的高考志愿。
7.根据权利要求5或6所述的高考志愿推荐方法,其特征在于,所述确定用户是否被录取包括:
根据所述目标模拟待报人数和所述招生人数,计算模拟录取率为招生人数/目标模拟待报人数;
当所述成绩排名属于所述录取位次时,计算(成绩排名-首位录取位次)/(末位录取位次-首位录取位次),当(成绩排名-首位录取位次)/(末位录取位次-首位录取位次)大于所述模拟录取率,则确定用户被录取;
当所述成绩排名大于所述录取位次的首位录取位次,则确定用户被录取;
当所述成绩排名小于所述录取位次的末位录取位次,则确定用户未被录取。
8.一种高考志愿推荐装置,其特征在于,所述高考志愿推荐装置包括:
模拟志愿确定模块,用于获取用户的模拟考试成绩,根据所述模拟考试成绩和用户职业规划确定模拟志愿;
统计模块,用于统计各所述模拟志愿中的院校专业的模拟待报人数;
获取模块,用于获取用户的高考成绩;
推荐模块,用于根据所述高考成绩、模拟待报人数和各院校的招生信息为用户推荐高考志愿。
9.一种终端,其特征在于,所述终端包括处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个计算机程序,以实现根据权利要求1至7中任一项所述的高考志愿推荐方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个计算机程序,所述一个或者多个计算机程序可被一个或者多个处理器执行,以实现根据权利要求1至7中任一项所述的高考志愿推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877552.6A CN112070376A (zh) | 2020-08-27 | 2020-08-27 | 高考志愿推荐方法、装置、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877552.6A CN112070376A (zh) | 2020-08-27 | 2020-08-27 | 高考志愿推荐方法、装置、终端及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070376A true CN112070376A (zh) | 2020-12-11 |
Family
ID=73660475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010877552.6A Pending CN112070376A (zh) | 2020-08-27 | 2020-08-27 | 高考志愿推荐方法、装置、终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070376A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343107A (zh) * | 2021-07-01 | 2021-09-03 | 成都智尔智科技有限公司 | 一种高考志愿推荐方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040019579A1 (en) * | 2002-07-24 | 2004-01-29 | Herz Frederick S. M. | Professional referral network |
CN101110178A (zh) * | 2006-07-20 | 2008-01-23 | 吴长明 | 考生模拟填报志愿推荐系统 |
CN104239499A (zh) * | 2014-09-10 | 2014-12-24 | 广州砺锋信息科技有限公司 | 一种基于大数据的高考志愿智能推荐的方法及装置 |
CN104572989A (zh) * | 2015-01-06 | 2015-04-29 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
US20150149380A1 (en) * | 2013-11-23 | 2015-05-28 | Saagar Sunil Kulkarni | Method and System for College Matching |
CN105913350A (zh) * | 2016-03-31 | 2016-08-31 | 成都文儒德教育科技有限公司 | 一种基于位点法的高考志愿填报决策方法及系统 |
CN107038665A (zh) * | 2017-04-21 | 2017-08-11 | 西安电子科技大学 | 一种输出录取概率的方法、推荐志愿高校的方法及装置 |
CN107403397A (zh) * | 2017-05-18 | 2017-11-28 | 杭州圆橙科技有限公司 | 一种基于群智计算的高考志愿填报分析系统 |
CN109871480A (zh) * | 2019-01-14 | 2019-06-11 | 李光辉 | 中学生学业职业规划及高考志愿填报智能推荐系统 |
CN109902911A (zh) * | 2018-12-29 | 2019-06-18 | 黄泽鑫 | 一种基于知网的高考志愿辅助方法及系统 |
CN110570336A (zh) * | 2019-03-25 | 2019-12-13 | 北京和气聚力教育科技有限公司 | 一种选科指导系统 |
CN110659792A (zh) * | 2019-08-06 | 2020-01-07 | 安徽学云教育科技有限公司 | 一种基于各科目独立计算的高考成绩评估方法 |
CN111506815A (zh) * | 2020-04-14 | 2020-08-07 | 四川继圣开世教育管理咨询有限公司 | 一种高职单招考前志愿推荐方法 |
-
2020
- 2020-08-27 CN CN202010877552.6A patent/CN112070376A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040019579A1 (en) * | 2002-07-24 | 2004-01-29 | Herz Frederick S. M. | Professional referral network |
CN101110178A (zh) * | 2006-07-20 | 2008-01-23 | 吴长明 | 考生模拟填报志愿推荐系统 |
US20150149380A1 (en) * | 2013-11-23 | 2015-05-28 | Saagar Sunil Kulkarni | Method and System for College Matching |
CN104239499A (zh) * | 2014-09-10 | 2014-12-24 | 广州砺锋信息科技有限公司 | 一种基于大数据的高考志愿智能推荐的方法及装置 |
CN104572989A (zh) * | 2015-01-06 | 2015-04-29 | 苏州智甄测评技术软件科技有限公司 | 一种辅助高中生选择大学专业的信息推荐方法及系统 |
CN105913350A (zh) * | 2016-03-31 | 2016-08-31 | 成都文儒德教育科技有限公司 | 一种基于位点法的高考志愿填报决策方法及系统 |
CN107038665A (zh) * | 2017-04-21 | 2017-08-11 | 西安电子科技大学 | 一种输出录取概率的方法、推荐志愿高校的方法及装置 |
CN107403397A (zh) * | 2017-05-18 | 2017-11-28 | 杭州圆橙科技有限公司 | 一种基于群智计算的高考志愿填报分析系统 |
CN109902911A (zh) * | 2018-12-29 | 2019-06-18 | 黄泽鑫 | 一种基于知网的高考志愿辅助方法及系统 |
CN109871480A (zh) * | 2019-01-14 | 2019-06-11 | 李光辉 | 中学生学业职业规划及高考志愿填报智能推荐系统 |
CN110570336A (zh) * | 2019-03-25 | 2019-12-13 | 北京和气聚力教育科技有限公司 | 一种选科指导系统 |
CN110659792A (zh) * | 2019-08-06 | 2020-01-07 | 安徽学云教育科技有限公司 | 一种基于各科目独立计算的高考成绩评估方法 |
CN111506815A (zh) * | 2020-04-14 | 2020-08-07 | 四川继圣开世教育管理咨询有限公司 | 一种高职单招考前志愿推荐方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343107A (zh) * | 2021-07-01 | 2021-09-03 | 成都智尔智科技有限公司 | 一种高考志愿推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kohen et al. | Factors affecting individual persistence rates in undergraduate college programs | |
Brunet Marks et al. | What predicts law student success? A longitudinal study correlating law student applicant data and law school outcomes | |
Armor | Analysis of the school preferred reading program in selected Los Angeles minority schools. | |
CN112070639A (zh) | 动态选科推荐方法、装置、终端及计算机可读存储介质 | |
CN111461949A (zh) | 基于大数据的社区矫正方案智能生成系统 | |
CN112070376A (zh) | 高考志愿推荐方法、装置、终端及计算机可读存储介质 | |
Collins et al. | An exploratory research design further demonstrating the need for the integration of critical thinking skill curricula in homeland security and emergency management higher education academic programs | |
Bowers et al. | Using hierarchical growth modeling to promote district systematic improvement in Ohio and Texas | |
Lee | Pulling back the curtain: The relationship between teacher quality and students' educational outcomes | |
Jiang | English Learner Students and College Access In the US: Analyzing Thirty Years of Evidence from the National Secondary School Longitudinal Studies | |
Anderson et al. | Identifying high-performing schools for historically underserved students | |
Liu | Dissertation on Estimating School Choice Effects Using Centralized School Assignments | |
Welsh et al. | Annotated bibliography of armed services vocational aptitude battery (ASVAB) validity studies | |
Lennon et al. | The Same High Standards for Migrant Students: Holding Title I Schools Accountable. Volume II: Title I Schools Serving Migrant Students. Recent Evidence from the National Logitudinal Survey of Schools. Final Report. | |
Rhodes | The teachers Texas needs: factors affecting recruitment, retention, and quality | |
Fernandez | Contextualizing school mobility: investigating the influence of racially/ethnically-relevant factors on students’ mobility experiences | |
Morales et al. | The effects of a newcomer program on the academic achievement of English Learners | |
Griffin et al. | In-School Suspension and Number of Days Assigned by the Ethnicity-Race of Grades 4 and 5 Girls: A Texas, Multiyear Analysis | |
Scanlon | Career Outcomes of First-generation Graduates | |
Truwit et al. | Exploring whether and how teacher residencies offer a different kind of preparation | |
Guerra et al. | Validation of the COMP-CRI Scale: New Job Competencies in Times of Crisis | |
Gilman et al. | The Relationships between GEAR UP Participation, High School GPA, AP Participation, and ACT Scores with College GPA | |
Roark | The impact of mandatory student success courses on community college student persistence | |
Baczkowski | The effects of end-of-month recruiting on Marine Corps Recruit Repot attrition | |
Aparicio-Chueca et al. | THE DROPOUT RATES IN THE FIRST YEAR OF HIGHER EDUCATION AS A QUALITY INDICATOR OF THE UNIVERSITY DEGREES. STUDY ON THE CATALAN PUBLIC UNIVERSITIES |
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 |