CN117689117B - 一种智能化学业规划咨询方法与系统 - Google Patents
一种智能化学业规划咨询方法与系统 Download PDFInfo
- Publication number
- CN117689117B CN117689117B CN202410123492.7A CN202410123492A CN117689117B CN 117689117 B CN117689117 B CN 117689117B CN 202410123492 A CN202410123492 A CN 202410123492A CN 117689117 B CN117689117 B CN 117689117B
- Authority
- CN
- China
- Prior art keywords
- academic
- student
- subject
- information
- representing
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000000126 substance Substances 0.000 title claims description 32
- 238000011161 development Methods 0.000 claims abstract description 99
- 239000013598 vector Substances 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000007499 fusion processing Methods 0.000 claims abstract description 30
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000012512 characterization method Methods 0.000 claims abstract description 11
- 230000018109 developmental process Effects 0.000 claims description 96
- 230000011218 segmentation Effects 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及学业规划的技术领域，公开了一种智能化学业规划咨询方法与系统，所述方法包括：获取学生当前学业过程中的学业成绩信息；对学业成绩信息进行语义编码表示，得到学业成绩编码向量；对学生的学业成绩编码向量进行学业能力映射；利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径。本发明对学生在不同科目的学业成绩编码向量进行基于语义相似度的语义融合处理，得到学生在不同学业类型的语义融合结果以及成绩时序序列，并对学业类型以及学业发展方向进行语义匹配，对学生在不同学业发展方向的发展潜力进行计算，生成学生的学业规划路径，实现结合历史学业表现的学生个性化学业规划生成。
Description
技术领域
本发明涉及学业规划领域，尤其涉及一种智能化学业规划咨询方法与系统。
背景技术
随着社会的快速发展和全球竞争的加剧，个人学业规划变得越来越重要。尤其在教育领域，学生需要根据自身兴趣、能力和市场需求来制定学业规划，以实现自己的长期学业目标。然而，许多学生在面对学业规划时缺乏信息和指导，容易迷失方向或做出不明智的决策。随着人工智能和大数据技术的迅速发展，本发明将智能化技术应用于学业规划，以提供更准确、个性化的学业规划建议。通过结合人工智能、数据分析和历史学业表现等领域的知识和技术对大量现实数据进行分析和计算，帮助个人获得全面的学业信息，进行科学的学业规划决策。
发明内容
有鉴于此，本发明提供一种智能化学业规划咨询方法，目的在于：1）通过获取学生当前学业过程中的学业成绩信息，结合学生的科目成绩以及科目描述信息，分别采用正向语义编码以及逆向语义编码方式对学生已完成科目进行语义编码表示，生成学生在不同科目的学业成绩编码向量，实现学生已完成科目的语义信息提取；2）对学生在不同科目的学业成绩编码向量进行基于语义相似度的语义融合处理，得到学生在不同学业类型的语义融合结果以及成绩时序序列，并对学业类型以及学业发展方向进行语义匹配，得到学生在不同学业发展方向的成绩时序序列，通过提取成绩时序序列的波动情况，对学生在不同学业发展方向的发展潜力进行计算，根据计算结果生成学生的学业规划路径，实现结合历史学业表现的学生个性化学业规划生成。
为实现上述目的，本发明提供的一种智能化学业规划咨询方法，包括以下步骤：
S1：获取学生当前学业过程中的学业成绩信息，其中学业成绩信息包括学生已完成科目的完成时间、科目描述信息以及科目成绩；
S2：对学业成绩信息进行语义编码表示，得到学业成绩编码向量；
S3：对学生的学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量；
S4：利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径。
作为本发明的进一步改进方法：
可选地，所述S1步骤中获取学生当前学业过程中的学业成绩信息，包括：
获取学生当前学业过程中的学业成绩信息，其中学业成绩信息包括学生已完成科目的完成时间、科目描述信息以及科目成绩，所获取学生的学业成绩信息表示为：
；
其中：
表示学生当前学业过程中第n个已完成科目的信息，N表示学生当前学业过程已完成科目总数；
表示学生当前学业过程中第n个已完成科目的完成时间；
表示学生当前学业过程中第n个已完成科目的科目描述信息；
表示学生当前学业过程中第n个已完成科目的科目成绩。
可选地，所述S2步骤中对学业成绩信息进行语义编码表示，包括：
对学业成绩信息进行语义编码表示，其中学业成绩中第n个已完成科目的语义编码流程为：
S21：对科目描述信息进行分词处理；在本发明实施例中，所选取分词处理工具为jieba分词程序；
S22：对科目描述信息的分词结果进行独热编码表示，其中第i个分词结果的独热编码表示结果为/>，/>， />表示科目描述信息/>的分词结果总数；
S23：对分词结果的独热编码表示进行向量化处理，其中的向量化处理公式为：
；
其中：
表示向量化编码矩阵；
表示以自然常数为底的指数函数；
表示科目描述信息/>中第i个分词结果在N个已完成科目的科目描述信息中出现的频率，/>表示科目描述信息/>中第i个分词结果在/>中出现的频率；在本发明实施例中，分词结果出现的频率为分词结果在对应描述信息中出现的次数除以描述信息的总分词结果数目；
表示/>的向量化处理结果；
S24：生成科目描述信息的语义编码结果/>；
S25：结合第n个已完成科目的科目成绩，对语义编码结果进行成绩信息融合，得到学生在第n个已完成科目的学业成绩编码向量/>；
结合学生在N个已完成科目的学业成绩编码向量，构成学生的学业成绩编码向量：
；
其中：
F表示学生的学业成绩编码向量。
可选地，所述S24步骤中语义编码结果的生成公式为：
；
；
；
；
；
；
其中：
表示科目描述信息/>中第i个分词结果的语义编码表示；
表示科目描述信息/>中第i个分词结果的正向语义编码表示，/>表示科目描述信息/>中第i个分词结果的逆向语义编码表示；
表示激活函数；在本发明实施例中，所选取激活函数为Sigmoid函数；
表示科目描述信息/>中第i个分词结果的正向语义信息，/>表示科目描述信息/>中第i个分词结果的逆向语义信息；
表示正向语义编码矩阵，/>表示逆向语义编码矩阵。
可选地，所述S25步骤中结合第n个已完成科目的科目成绩，对语义编码结果进行成绩信息融合，包括：
对第n个已完成科目的科目成绩进行二进制表示，得到科目成绩信息/>，将二进制表示结果/>同语义编码结果/>进行信息融合：
；
其中：
表示学生在第n个已完成科目的学业成绩编码向量。
可选地，所述S3步骤中对学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量，包括：
对学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量，其中学业能力映射流程为：
S31：提取学业成绩编码向量中的不同已完成科目的科目描述信息的语义编码结果：
；
S32：以语义编码结果作为图结构中的顶点，语义编码结果之间的相似度作为顶点之间的边距离，构建得到图结构，其中语义编码结果之间的相似度计算公式为：
；
其中：
表示语义编码结果/>之间的相似度；
表示L1范数；
S33：将相似度高于预设阈值的语义编码结果作为一组同类别语义编码结果；
S34：计算得到图结构中每个顶点的权值，其中图结构中第n个顶点的权值为：
；
其中：
表示与第n个顶点所对应语义编码结果/>互为同类别的语义编码结果数目；
表示图结构中第n个顶点的权值；
S35：按照权值由高到底的顺序对图结构中的顶点进行排序，基于排序结果依次选取顶点，在当前排序结果中提取与所选取顶点为同类别的语义编码结果构成语义编码结果集合，同选取顶点对应的语义编码结果进行融合处理，并在排序后的顶点中删去已融合语义编码结果的顶点，其中融合处理公式为：
；
其中：
表示所选取第k个顶点对应的融合处理结果，/>表示所选取第k个顶点对应的语义编码结果，/>表示与所选取第k个顶点为同类别的第h个语义编码结果，H表示与所选取第k个顶点为同类别的语义编码结果总数；
S36：重复步骤S35，构成K个融合处理结果，并记录每个融合处理结果中所包含的语义编码结果集合，以及语义编码集合对应科目成绩信息集合、完成时间集合，作为学生在K种学业类型的学业能力表征向量。
可选地，所述S4步骤中利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，包括：
利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径，其中针对性学业规划流程为：
S41：初始化构建M种学业发展方向，并生成每种学业发展方向的描述文本，对描述文本进行语义编码结果提取；在本发明实施例中，所述学业发展方向包括理工科学业深造、管理方向就业、技术方向就业等；
S42：获取学生在K种学业类型的学业能力表征向量，并分别提取每种学业类型的学业能力表征向量中所包含的融合处理结果，其中第k种学业类型的学业能力表征向量中所包含的融合处理结果为；
S43：计算得到每种学业类型对应的融合处理结果与每种学业发展方向对应的语义编码结果的相似度，对于任意第k种学业类型，同相似度最高的学业发展方向进行匹配，其中第k种学业类型的学业发展方向为，并将所记录的第k种学业类型中包含的科目成绩信息集合以及完成时间集合作为学生在学业发展方向/>的成长信息；
S44：基于成长信息计算得到学生在学业发展方向上的发展潜力，其中学生在学业发展方向的发展潜力为：
；
其中：
表示学生在学业发展方向/>的发展潜力；
表示学生在学业发展方向/>的成长信息中科目成绩信息均值，/>表示学生在学业发展方向/>的成长信息中科目成绩信息标准差；
表示学生在学业发展方向/>的成长信息中完成时间跨度，其中完成时间跨度表示完成时间集合中的距离当前最近的时间与距离当前最远时间的时间长度；
表示预设的时间阈值；
表示学业发展方向/>的成长信息中科目成绩信息集合中科目成绩信息的数目；
表示匹配成功的学业发展方向集合，/>，q表示集合/>中的任意学业发展方向；
S45：按照学业发展方向的发展潜力降序，对学业发展方向进行排序，并将排序结果作为学生的个性化学业规划路径。
为了解决上述问题，本发明提供一种智能化学业规划咨询系统，所述系统包括：
学业成绩语义提取模块，用于获取学生当前学业过程中的学业成绩信息，对学业成绩信息进行语义编码表示，得到学业成绩编码向量；
学业能力表示模块，用于对学生的学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量；
学业规划装置，用于利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；
通信接口，实现电子设备通信；及处理器，执行所述存储器中存储的指令以实现上述所述的智能化学业规划咨询方法。
为了解决上述问题，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中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的智能化学业规划咨询方法。
相对于现有技术，本发明提出一种智能化学业规划咨询方法，该技术具有以下优势：
首先，本方案提出一种语义编码方式，对学业成绩信息进行语义编码表示，其中学业成绩中第n个已完成科目的语义编码流程为：对科目描述信息进行分词处理；对科目描述信息/>的分词结果进行独热编码表示，其中第i个分词结果的独热编码表示结果为，/>， />表示科目描述信息/>的分词结果总数；对分词结果的独热编码表示进行向量化处理，其中/>的向量化处理公式为：
；
其中：表示向量化编码矩阵；/>表示以自然常数为底的指数函数；表示科目描述信息/>中第i个分词结果在N个已完成科目的科目描述信息中出现的频率，/>表示科目描述信息/>中第i个分词结果在/>中出现的频率；/>表示的向量化处理结果；生成科目描述信息/>的语义编码结果/>；结合第n个已完成科目的科目成绩，对语义编码结果/>进行成绩信息融合，得到学生在第n个已完成科目的学业成绩编码向量/>；结合学生在N个已完成科目的学业成绩编码向量，构成学生的学业成绩编码向量：
；
其中：F表示学生的学业成绩编码向量。本方案通过获取学生当前学业过程中的学业成绩信息，结合学生的科目成绩以及科目描述信息，分别采用正向语义编码以及逆向语义编码方式对学生已完成科目进行语义编码表示，生成学生在不同科目的学业成绩编码向量，实现学生已完成科目的语义信息提取。
同时，本方案提出一种学业规划方法，利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径，其中针对性学业规划流程为：初始化构建M种学业发展方向，并生成每种学业发展方向的描述文本，对描述文本进行语义编码结果提取；获取学生在K种学业类型的学业能力表征向量，并分别提取每种学业类型的学业能力表征向量中所包含的融合处理结果，其中第k种学业类型的学业能力表征向量中所包含的融合处理结果为；计算得到每种学业类型对应的融合处理结果与每种学业发展方向对应的语义编码结果的相似度，对于任意第k种学业类型，同相似度最高的学业发展方向进行匹配，其中第k种学业类型的学业发展方向为/>，并将所记录的第k种学业类型中包含的科目成绩信息集合以及完成时间集合作为学生在学业发展方向/>的成长信息；基于成长信息计算得到学生在学业发展方向上的发展潜力，其中学生在学业发展方向/>的发展潜力为：
；
其中：表示学生在学业发展方向/>的发展潜力；/>表示学生在学业发展方向/>的成长信息中科目成绩信息均值，/>表示学生在学业发展方向/>的成长信息中科目成绩信息标准差；/>表示学生在学业发展方向/>的成长信息中完成时间跨度，其中完成时间跨度表示完成时间集合中的距离当前最近的时间与距离当前最远时间的时间长度；/>表示预设的时间阈值；/>表示学业发展方向/>的成长信息中科目成绩信息集合中科目成绩信息的数目；/>表示匹配成功的学业发展方向集合，，q表示集合/>中的任意学业发展方向；按照学业发展方向的发展潜力降序，对学业发展方向进行排序，并将排序结果作为学生的个性化学业规划路径。本方案对学生在不同科目的学业成绩编码向量进行基于语义相似度的语义融合处理，得到学生在不同学业类型的语义融合结果以及成绩时序序列，并对学业类型以及学业发展方向进行语义匹配，得到学生在不同学业发展方向的成绩时序序列，通过提取成绩时序序列的波动情况，对学生在不同学业发展方向的发展潜力进行计算，根据计算结果生成学生的学业规划路径，实现结合历史学业表现的学生个性化学业规划生成。
附图说明
图1为本发明一实施例提供的一种智能化学业规划咨询方法的流程示意图；
图2为本发明一实施例提供的智能化学业规划咨询系统的功能模块图；
图2中：100智能化学业规划咨询系统，101学业成绩语义提取模块，102学业能力表示模块，103学业规划装置；
图3为本发明一实施例提供的实现智能化学业规划咨询方法的电子设备的结构示意图。
图3中：1电子设备，10处理器，11存储器，12程序，13通信接口；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种智能化学业规划咨询方法。所述智能化学业规划咨询方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述智能化学业规划咨询方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1
S1：获取学生当前学业过程中的学业成绩信息，其中学业成绩信息包括学生已完成科目的完成时间、科目描述信息以及科目成绩。
.所述S1步骤中获取学生当前学业过程中的学业成绩信息，包括：
获取学生当前学业过程中的学业成绩信息，其中学业成绩信息包括学生已完成科目的完成时间、科目描述信息以及科目成绩，所获取学生的学业成绩信息表示为：
；
其中：
表示学生当前学业过程中第n个已完成科目的信息，N表示学生当前学业过程已完成科目总数；
表示学生当前学业过程中第n个已完成科目的完成时间；
表示学生当前学业过程中第n个已完成科目的科目描述信息；
表示学生当前学业过程中第n个已完成科目的科目成绩。
S2：对学业成绩信息进行语义编码表示，得到学业成绩编码向量。
所述S2步骤中对学业成绩信息进行语义编码表示，包括：
对学业成绩信息进行语义编码表示，其中学业成绩中第n个已完成科目的语义编码流程为：
S21：对科目描述信息进行分词处理；在本发明实施例中，所选取分词处理工具为jieba分词程序；
S22：对科目描述信息的分词结果进行独热编码表示，其中第i个分词结果的独热编码表示结果为/>，/>， />表示科目描述信息/>的分词结果总数；
S23：对分词结果的独热编码表示进行向量化处理，其中的向量化处理公式为：
；
其中：
表示向量化编码矩阵；
表示以自然常数为底的指数函数；
表示科目描述信息/>中第i个分词结果在N个已完成科目的科目描述信息中出现的频率，/>表示科目描述信息/>中第i个分词结果在/>中出现的频率；在本发明实施例中，分词结果出现的频率为分词结果在对应描述信息中出现的次数除以描述信息的总分词结果数目；
表示/>的向量化处理结果；
S24：生成科目描述信息的语义编码结果/>；
S25：结合第n个已完成科目的科目成绩，对语义编码结果进行成绩信息融合，得到学生在第n个已完成科目的学业成绩编码向量/>；
结合学生在N个已完成科目的学业成绩编码向量，构成学生的学业成绩编码向量：
；
其中：
F表示学生的学业成绩编码向量。
所述S24步骤中语义编码结果的生成公式为：
；
；
；
；
；
；
其中：
表示科目描述信息/>中第i个分词结果的语义编码表示；
表示科目描述信息/>中第i个分词结果的正向语义编码表示，/>表示科目描述信息/>中第i个分词结果的逆向语义编码表示；
表示激活函数；在本发明实施例中，所选取激活函数为Sigmoid函数；
表示科目描述信息/>中第i个分词结果的正向语义信息，/>表示科目描述信息/>中第i个分词结果的逆向语义信息；
表示正向语义编码矩阵，/>表示逆向语义编码矩阵。
所述S25步骤中结合第n个已完成科目的科目成绩，对语义编码结果进行成绩信息融合，包括：
对第n个已完成科目的科目成绩进行二进制表示，得到科目成绩信息/>，将二进制表示结果/>同语义编码结果/>进行信息融合：
；
其中：
表示学生在第n个已完成科目的学业成绩编码向量。
S3：对学生的学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量。
所述S3步骤中对学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量，包括：
对学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量，其中学业能力映射流程为：
S31：提取学业成绩编码向量中的不同已完成科目的科目描述信息的语义编码结果：
；
S32：以语义编码结果作为图结构中的顶点，语义编码结果之间的相似度作为顶点之间的边距离，构建得到图结构，其中语义编码结果之间的相似度计算公式为：
；
其中：
表示语义编码结果/>之间的相似度；
表示L1范数；
S33：将相似度高于预设阈值的语义编码结果作为一组同类别语义编码结果；
S34：计算得到图结构中每个顶点的权值，其中图结构中第n个顶点的权值为：
；
其中：
表示与第n个顶点所对应语义编码结果/>互为同类别的语义编码结果数目；
表示图结构中第n个顶点的权值；
S35：按照权值由高到底的顺序对图结构中的顶点进行排序，基于排序结果依次选取顶点，在当前排序结果中提取与所选取顶点为同类别的语义编码结果构成语义编码结果集合，同选取顶点对应的语义编码结果进行融合处理，并在排序后的顶点中删去已融合语义编码结果的顶点，其中融合处理公式为：
；
其中：
表示所选取第k个顶点对应的融合处理结果，/>表示所选取第k个顶点对应的语义编码结果，/>表示与所选取第k个顶点为同类别的第h个语义编码结果，H表示与所选取第k个顶点为同类别的语义编码结果总数；
S36：重复步骤S35，构成K个融合处理结果，并记录每个融合处理结果中所包含的语义编码结果集合，以及语义编码集合对应科目成绩信息集合、完成时间集合，作为学生在K种学业类型的学业能力表征向量。
S4：利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径。
所述S4步骤中利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，包括：
利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径，其中针对性学业规划流程为：
S41：初始化构建M种学业发展方向，并生成每种学业发展方向的描述文本，对描述文本进行语义编码结果提取；在本发明实施例中，所述学业发展方向包括理工科学业深造、管理方向就业、技术方向就业等；
S42：获取学生在K种学业类型的学业能力表征向量，并分别提取每种学业类型的学业能力表征向量中所包含的融合处理结果，其中第k种学业类型的学业能力表征向量中所包含的融合处理结果为；
S43：计算得到每种学业类型对应的融合处理结果与每种学业发展方向对应的语义编码结果的相似度，对于任意第k种学业类型，同相似度最高的学业发展方向进行匹配，其中第k种学业类型的学业发展方向为，并将所记录的第k种学业类型中包含的科目成绩信息集合以及完成时间集合作为学生在学业发展方向/>的成长信息；
S44：基于成长信息计算得到学生在学业发展方向上的发展潜力，其中学生在学业发展方向的发展潜力为：
；
其中：
表示学生在学业发展方向/>的发展潜力；
表示学生在学业发展方向/>的成长信息中科目成绩信息均值，/>表示学生在学业发展方向/>的成长信息中科目成绩信息标准差；
表示学生在学业发展方向/>的成长信息中完成时间跨度，其中完成时间跨度表示完成时间集合中的距离当前最近的时间与距离当前最远时间的时间长度；
表示预设的时间阈值；
表示学业发展方向/>的成长信息中科目成绩信息集合中科目成绩信息的数目；
表示匹配成功的学业发展方向集合，/>，q表示集合/>中的任意学业发展方向；
S45：按照学业发展方向的发展潜力降序，对学业发展方向进行排序，并将排序结果作为学生的个性化学业规划路径。
实施例2
如图2所示，是本发明一实施例提供的智能化学业规划咨询系统的功能模块图，其可以实现实施例1中的智能化学业规划咨询方法。
本发明所述智能化学业规划咨询系统100可以安装于电子设备中。根据实现的功能，所述智能化学业规划咨询系统可以包括学业成绩语义提取模块101、学业能力表示模块102及学业规划装置103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
学业成绩语义提取模块101，用于获取学生当前学业过程中的学业成绩信息，对学业成绩信息进行语义编码表示，得到学业成绩编码向量；
学业能力表示模块102，用于对学生的学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量；
学业规划装置103，用于利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径。
详细地，本发明实施例中所述智能化学业规划咨询系统100中的所述各模块在使用时采用与上述的图1中所述的智能化学业规划咨询方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
实施例3
如图3所示，是本发明一实施例提供的实现智能化学业规划咨询方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（SecureDigital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（Control Unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（用于实现智能化学业规划咨询的程序12等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接，并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准（peripheral component interconnect，简称PCI）总线或扩展工业标准结构（extended industry standard architecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种智能化学业规划咨询方法，其特征在于，所述方法包括：
S1：获取学生当前学业过程中的学业成绩信息，其中学业成绩信息包括学生已完成科目的完成时间、科目描述信息以及科目成绩；
S2：对学业成绩信息进行语义编码表示，得到学业成绩编码向量；
S3：对学生的学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量；
S4：利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径；
利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径，其中针对性学业规划流程为：
S41：初始化构建M种学业发展方向，并生成每种学业发展方向的描述文本，对描述文本进行语义编码结果提取；
S42：获取学生在K种学业类型的学业能力表征向量，并分别提取每种学业类型的学业能力表征向量中所包含的融合处理结果，其中第k种学业类型的学业能力表征向量中所包含的融合处理结果为；
S43：计算得到每种学业类型对应的融合处理结果与每种学业发展方向对应的语义编码结果的相似度，对于任意第k种学业类型，同相似度最高的学业发展方向进行匹配，其中第k种学业类型的学业发展方向为，并将所记录的第k种学业类型中包含的科目成绩信息集合以及完成时间集合作为学生在学业发展方向/>的成长信息；
S44：基于成长信息计算得到学生在学业发展方向上的发展潜力，其中学生在学业发展方向的发展潜力为：
；
其中：
N表示学生当前学业过程已完成科目总数；
表示学生在学业发展方向/>的发展潜力；
表示学生在学业发展方向/>的成长信息中科目成绩信息均值，/>表示学生在学业发展方向/>的成长信息中科目成绩信息标准差；
表示学生在学业发展方向/>的成长信息中完成时间跨度，其中完成时间跨度表示完成时间集合中的距离当前最近的时间与距离当前最远时间的时间长度；
表示预设的时间阈值；
表示学业发展方向/>的成长信息中科目成绩信息集合中科目成绩信息的数目；
表示匹配成功的学业发展方向集合，/>，q表示集合/>中的任意学业发展方向；
S45：按照学业发展方向的发展潜力降序，对学业发展方向进行排序，并将排序结果作为学生的个性化学业规划路径。
2.如权利要求1所述的一种智能化学业规划咨询方法，其特征在于，所述S1步骤中获取学生当前学业过程中的学业成绩信息，包括：
获取学生当前学业过程中的学业成绩信息，其中学业成绩信息包括学生已完成科目的完成时间、科目描述信息以及科目成绩，所获取学生的学业成绩信息表示为：
；
其中：
表示学生当前学业过程中第n个已完成科目的信息，N表示学生当前学业过程已完成科目总数；
表示学生当前学业过程中第n个已完成科目的完成时间；
表示学生当前学业过程中第n个已完成科目的科目描述信息；
表示学生当前学业过程中第n个已完成科目的科目成绩。
3.如权利要求1所述的一种智能化学业规划咨询方法，其特征在于，所述S2步骤中对学业成绩信息进行语义编码表示，包括：
对学业成绩信息进行语义编码表示，其中学业成绩中第n个已完成科目的语义编码流程为：
S21：对科目描述信息进行分词处理；
S22：对科目描述信息的分词结果进行独热编码表示，其中第i个分词结果的独热编码表示结果为/>，/>， />表示科目描述信息/>的分词结果总数；
S23：对分词结果的独热编码表示进行向量化处理，其中的向量化处理公式为：
；
其中：
表示向量化编码矩阵；
表示以自然常数为底的指数函数；
表示科目描述信息/>中第i个分词结果在N个已完成科目的科目描述信息中出现的频率，/>表示科目描述信息/>中第i个分词结果在/>中出现的频率；
表示/>的向量化处理结果；
S24：生成科目描述信息的语义编码结果/>；
S25：结合第n个已完成科目的科目成绩，对语义编码结果进行成绩信息融合，得到学生在第n个已完成科目的学业成绩编码向量/>；
结合学生在N个已完成科目的学业成绩编码向量，构成学生的学业成绩编码向量：
；
其中：
F表示学生的学业成绩编码向量。
4.如权利要求3所述的一种智能化学业规划咨询方法，其特征在于，所述S24步骤中语义编码结果的生成公式为：
；
；
；
；
；
；
其中：
表示科目描述信息/>中第i个分词结果的语义编码表示；
表示科目描述信息/>中第i个分词结果的正向语义编码表示，/>表示科目描述信息/>中第i个分词结果的逆向语义编码表示；
表示激活函数；
表示科目描述信息/>中第i个分词结果的正向语义信息，/>表示科目描述信息/>中第i个分词结果的逆向语义信息；
表示正向语义编码矩阵，/>表示逆向语义编码矩阵。
5.如权利要求3所述的一种智能化学业规划咨询方法，其特征在于，所述S25步骤中结合第n个已完成科目的科目成绩，对语义编码结果进行成绩信息融合，包括：
对第n个已完成科目的科目成绩进行二进制表示，得到科目成绩信息/>，将二进制表示结果/>同语义编码结果/>进行信息融合：
；
其中：
表示学生在第n个已完成科目的学业成绩编码向量。
6.如权利要求1所述的一种智能化学业规划咨询方法，其特征在于，所述S3步骤中对学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量，包括：
对学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量，其中学业能力映射流程为：
S31：提取学业成绩编码向量中的不同已完成科目的科目描述信息的语义编码结果：
；
S32：以语义编码结果作为图结构中的顶点，语义编码结果之间的相似度作为顶点之间的边距离，构建得到图结构，其中语义编码结果之间的相似度计算公式为：
；
其中：
表示语义编码结果/>之间的相似度；
表示L1范数；
S33：将相似度高于预设阈值的语义编码结果作为一组同类别语义编码结果；
S34：计算得到图结构中每个顶点的权值，其中图结构中第n个顶点的权值为：
；
其中：
表示与第n个顶点所对应语义编码结果/>互为同类别的语义编码结果数目；
表示图结构中第n个顶点的权值；
S35：按照权值由高到底的顺序对图结构中的顶点进行排序，基于排序结果依次选取顶点，在当前排序结果中提取与所选取顶点为同类别的语义编码结果构成语义编码结果集合，同选取顶点对应的语义编码结果进行融合处理，并在排序后的顶点中删去已融合语义编码结果的顶点，其中融合处理公式为：
；
其中：
表示所选取第k个顶点对应的融合处理结果，/>表示所选取第k个顶点对应的语义编码结果，/>表示与所选取第k个顶点为同类别的第h个语义编码结果，H表示与所选取第k个顶点为同类别的语义编码结果总数；
S36：重复步骤S35，构成K个融合处理结果，并记录每个融合处理结果中所包含的语义编码结果集合，以及语义编码集合对应科目成绩信息集合、完成时间集合，作为学生在K种学业类型的学业能力表征向量。
7.一种智能化学业规划咨询系统，其特征在于，所述系统包括：
学业成绩语义提取模块，用于获取学生当前学业过程中的学业成绩信息，对学业成绩信息进行语义编码表示，得到学业成绩编码向量；
学业能力表示模块，用于对学生的学业成绩编码向量进行学业能力映射，得到学生的学业能力表征向量；
学业规划装置，用于利用智能学业规划策略对学生的学业能力表征向量进行针对性学业规划，生成学生的学业规划路径，以实现一种如权利要求1-6任一项所述的智能化学业规划咨询方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410123492.7A CN117689117B (zh) | 2024-01-30 | 2024-01-30 | 一种智能化学业规划咨询方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410123492.7A CN117689117B (zh) | 2024-01-30 | 2024-01-30 | 一种智能化学业规划咨询方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117689117A CN117689117A (zh) | 2024-03-12 |
| CN117689117B true CN117689117B (zh) | 2024-05-03 |
Family
ID=90126770
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410123492.7A Active CN117689117B (zh) | 2024-01-30 | 2024-01-30 | 一种智能化学业规划咨询方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117689117B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8418223B1 (en) * | 2010-07-19 | 2013-04-09 | Symantec Corporation | Systems and methods for updating parental-control settings |
| CN110781680A (zh) * | 2019-10-17 | 2020-02-11 | 江南大学 | 基于孪生网络和多头注意力机制的语义相似度匹配方法 |
| KR102411906B1 (ko) * | 2021-02-08 | 2022-06-23 | 주식회사 잡쇼퍼 | 목표 학과 및 교과 성취기준 기반의 탐구활동 컨설팅 방법 |
| CN114820248A (zh) * | 2022-03-30 | 2022-07-29 | 广东泰迪智能科技股份有限公司 | 一种基于学生能力画像的工作内推方法 |
| CN114897646A (zh) * | 2022-04-15 | 2022-08-12 | 重庆云华科技有限公司 | 一种基于职业能力大数据的专业建设及学生成长分析方法及系统 |
| CN115309998A (zh) * | 2022-10-11 | 2022-11-08 | 中教智网(北京)信息技术有限公司 | 一种基于大数据的就业推荐方法及系统 |
| CN116431902A (zh) * | 2023-03-10 | 2023-07-14 | 青软创新科技集团股份有限公司 | 一种岗位推荐方法、计算设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11151672B2 (en) * | 2017-10-17 | 2021-10-19 | Oracle International Corporation | Academic program recommendation |
-
2024
- 2024-01-30 CN CN202410123492.7A patent/CN117689117B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8418223B1 (en) * | 2010-07-19 | 2013-04-09 | Symantec Corporation | Systems and methods for updating parental-control settings |
| CN110781680A (zh) * | 2019-10-17 | 2020-02-11 | 江南大学 | 基于孪生网络和多头注意力机制的语义相似度匹配方法 |
| KR102411906B1 (ko) * | 2021-02-08 | 2022-06-23 | 주식회사 잡쇼퍼 | 목표 학과 및 교과 성취기준 기반의 탐구활동 컨설팅 방법 |
| CN114820248A (zh) * | 2022-03-30 | 2022-07-29 | 广东泰迪智能科技股份有限公司 | 一种基于学生能力画像的工作内推方法 |
| CN114897646A (zh) * | 2022-04-15 | 2022-08-12 | 重庆云华科技有限公司 | 一种基于职业能力大数据的专业建设及学生成长分析方法及系统 |
| CN115309998A (zh) * | 2022-10-11 | 2022-11-08 | 中教智网(北京)信息技术有限公司 | 一种基于大数据的就业推荐方法及系统 |
| CN116431902A (zh) * | 2023-03-10 | 2023-07-14 | 青软创新科技集团股份有限公司 | 一种岗位推荐方法、计算设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| Landing on the right job: a Machine Learning approach to match candidates with jobs applying semantic embeddings;Luís Matos Pombo;《NOVA Information Management School》;20191231;全文 * |
| 交叉学科中文献学术价值的成长与老化研究――以医学信息学为例;王菲菲;贾晨冉;刘俊婉;沈子炀;;科学学与科学技术管理;20180210(02);全文 * |
| 基于立体数据的高校学生就业去向预测方法;吕同双;王洪国;刘迎港;尹传城;丁艳辉;;计算机集成制造系统;20190415(04);全文 * |
| 基于聚类分析的高职高专学生职业发展研究;孙菲;;黑龙江科技信息;20120825(24);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117689117A (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
| CN113378970B (zh) | 语句相似性检测方法、装置、电子设备及存储介质 | |
| CN112308237B (zh) | 一种问答数据增强方法、装置、计算机设备及存储介质 | |
| CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
| CN112380870A (zh) | 用户意图分析方法、装置、电子设备及计算机存储介质 | |
| CN112988963B (zh) | 基于多流程节点的用户意图预测方法、装置、设备及介质 | |
| CN116523268B (zh) | 一种基于大数据画像的人岗匹配分析方法及装置 | |
| CN114281957A (zh) | 自然语言数据查询方法、装置、电子设备及存储介质 | |
| CN111475645B (zh) | 知识点标注方法、装置及计算机可读存储介质 | |
| CN114880449B (zh) | 智能问答的答复生成方法、装置、电子设备及存储介质 | |
| CN111444339B (zh) | 文本题目难度标注方法、装置及计算机可读存储介质 | |
| CN112269875B (zh) | 文本分类方法、装置、电子设备及存储介质 | |
| CN113656690A (zh) | 产品推荐方法、装置、电子设备及可读存储介质 | |
| CN117689117B (zh) | 一种智能化学业规划咨询方法与系统 | |
| CN116401602A (zh) | 事件检测方法、装置、设备及计算机可读介质 | |
| CN112560427B (zh) | 问题扩展方法、装置、电子设备及介质 | |
| CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 | |
| CN112215336B (zh) | 基于用户行为的数据标注方法、装置、设备及存储介质 | |
| CN115309865A (zh) | 基于双塔模型的交互式检索方法、装置、设备及存储介质 | |
| CN114548114A (zh) | 文本情绪识别方法、装置、设备及存储介质 | |
| CN112417260B (zh) | 本地化推荐方法、装置及存储介质 | |
| CN112749264A (zh) | 基于智能机器人的问题分发方法、装置、电子设备及存储介质 | |
| CN116578690B (zh) | 一种基于人工智能的保险客服服务方法与系统 | |
| CN115204120B (zh) | 保险领域三元组抽取方法、装置、电子设备及存储介质 | |
| CN113656703B (zh) | 基于新上线课程的智能推荐方法、装置、设备及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |