[发明专利]一种基于咨询环境的度量分析预测报名成功率的方法

权利要求书

1.一种基于咨询环境的度量分析预测报名成功率的方法，其特征是，包括训练阶段和评测阶段，所述的训练阶段指的是：通过采集咨询环境的因素条件，利用深度学习技术来训练咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的特征提取模型，根据特征提取模型提取特征，最终训练得到预测模型；所述的评测阶段指的是：通过对咨询环境的度量，提取咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的特征，利用预测模型进行结果预测。

2.根据权利要求1所述的一种基于咨询环境的度量分析预测报名成功率的方法，其特征是，所述的训练阶段步骤如下：

(1)建立咨询环境的度量数据集，将最近两个自然学年过往报名咨询的场所环境情况记录下来，和对应的报名成功与否的结果进行关联；对咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的特征进行人工打分；设定咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量均分为五个等级，其中五个等级分别对应的数值为0、1、2、3、4；

(2)运用步骤(1)中的度量数据集，其包含咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的人工打分，利用深度学习模型训练咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的的特征模型；

(3)利用训练得到的特征模型对报名结果提取有关咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的特征得分，并根据线性回归算法训练最终的预测模型。

3.根据权利要求2所述的一种基于咨询环境的度量分析预测报名成功率的方法，其特征是，在步骤(1)中，将咨询环境的度量数据按照标准值进行处理，其中地理位置用经纬度，空间大小用平方米，方位用大门进口方向，温度用摄氏度，湿度用空气中实际水汽压与当时气温下的饱和水汽压之比的百分数表示且取整数，高度用米，空气质量用AQI，报名成功结果用1表示成功，用0表示失败。

4.根据权利要求2所述的一种基于咨询环境的度量分析预测报名成功率的方法，其特征是，在步骤(2)中，所述的深度学习模型包括深度神经网络、卷积神经网络和循环神经网络；深度学习是机器学习的分支，是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法，提取的特征包括咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量，这些特征是深度学习算法自动学习得到。

5.根据权利要求2所述的一种基于咨询环境的度量分析预测报名成功率的方法，其特征是，在步骤(3)中，设定咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量均分为五个等级，其中五个等级分别对应的数值为0、1、2、3、4，线性回归算法公式如下：Y＝AX+b，该公式是向量形式，其中，Y是最终得分，A和b是预测模型参数，A是矢量，b是标量，X是提取的特征向量。

6.根据权利要求2或3或4所述的一种基于咨询环境的度量分析预测报名成功率的方法，其特征是，所述的评测阶段步骤如下：

(a)每次记录咨询环境的度量数据，即咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量，将咨询环境的度量数据按照标准值进行处理；

(b)根据训练得到的深度学习模型，对度量数据提取咨询活动发生地的地理位置、空间大小、方位、温度、湿度、高度、空气质量的特征；

(c)利用训练得到的预测模型，并根据提取的特征对报名结果进行概率预测。