[发明专利]基于深度学习算法的高考分数预估及志愿选择方法、系统

说明书

本发明公开了一种基于深度学习算法的高考分数预估及志愿选择方法，包括：根据往年各高校各专业各生源地的分数线和线差，通过LSTM神经网络算法预测当前年度各高校各专业各生源地的线差；根据预测出的当前年度各高校各专业各生源地的线差，确定考生生源地当前年度各级别高校分数线；根据考生生源地，对其当前年度成绩值进行判断，并采用DNN神经网络算法计算得出相关的高校专业结果；根据匹配出的高校专业结果，得到初步报考方案；将初步报考方案与高校政策类信息结合分析，得到最终报考方案。本发明还提供了一种基于深度学习算法的高考分数预估及志愿选择系统。本发明的有益效果：去除人为主观性影响，使得专业选择更具备科学性，更为准确。

技术领域

本发明涉及数据分析技术领域，具体而言，涉及一种基于深度学习算法的高考分数预估及志愿选择方法、系统。

背景技术

随着国内社会对于青少年教育领域的重视程度及投入逐年提高，学生的志愿报考问题作为在一定意义上决定学生未来发展方向的决定性因素也受到了越来越多的重视。但现有的志愿报考辅助系统多为简单的数据库筛选、排序，并且其数据库多为往年高校专业的分数线、线差等数据，存在原理性的误差，忽略了相关数据的变化趋势，缺乏科学性的体系进行专业选择的指导，进而导致了很多学生高考志愿选择失败，对其未来的大学学习生活及就业产生了极大的不利影响。

发明内容

为解决上述问题，本发明的目的在于提供一种基于深度学习算法的高考分数预估及志愿选择方法、系统，去除人为主观性影响，使得专业选择更具备科学性，更为准确。

本发明提供了一种基于深度学习算法的高考分数预估及志愿选择方法，包括：

步骤1，根据往年各高校各专业各生源地的历史分数线和线差数据，通过LSTM神经网络算法预测当前年度各高校各专业各生源地的线差数据，并对预测出来的各高校各专业各生源地的线差值进行分组；

步骤2，根据预测出的当前年度各高校各专业各生源地的线差数据，确定考生生源地当前年度各级别高校分数线，包括一本、二本、三本和专科分数线；

步骤3，考生输入当前年度的成绩值，根据所在生源地，对其输入的成绩值进行判断：

当输入的成绩值为其实际考取的成绩时，采用DNN神经网络算法训练得出该考生成绩所对应的线差，与步骤1中所得的各高校各专业的线差值分组进行匹配，得出相关的高校专业结果；

当输入的成绩值为其预估的成绩时，对输入的预估成绩进行模糊化处理，得到该考生的预估分数区间，并结合考生的高中数据，采用DNN神经网络算法联合训练后，得出相关的高校专业结果；

步骤4，根据匹配出的高校专业结果，得到初步报考方案；

步骤5，将初步报考方案与高校政策类信息结合分析，得到最终报考方案。

作为本发明进一步的改进，步骤1中，采用LSTM神经网络算法预测当前年度各高校各专业的线差数据的方法为：

以往年各高校各专业的线差的时间序列数据作为样本输入，采用LSTM神经网络训练这些样本数据，获取当前年度各高校各专业各生源地的线差模拟器，得到当前年度各高校各专业各生源地的线差值；

其中，采用的LSTM神经网络由输入门、忘记门、输出门以及细胞单元组成：

输入门，其用于对输入的成绩值进行筛选，采用的公示为：

i_t＝σ_g(W_ix_t+U_ih_t-1+b_i)；

忘记门，其用于历史信息在单元中的继承问题，采用的公示为：