本发明涉及数据处理,具体涉及基于人工智能的留学院校匹配推荐方法及系统。
背景技术:
1、随着全球化和教育国际化的发展,越来越多的学生选择到海外留学。然而,选择一个适合自己的留学院校却是一个复杂而困难的任务。目前,一些在线留学平台提供基于用户填写的问卷和少量个人信息的留学院校推荐服务,然而,这种基于传统规则和简单匹配的方法存在许多局限性,甚至可能携带有顾问的主观意见,无法提供个性化且准确的推荐结果,因此,需要一种科学、客观和高效的匹配方法。
2、现有的留学院校匹配所使用的协同过滤算法进行院校推荐时存在冷启动问题;其中,冷启动问题是新用户刚进入系统库时,还没有太多的数据进行院校的匹配,即将该类问题称为冷启动问题。在该场景下,由于留学院校选择对于每一个用户来说都属于一次性服务,在申请到合适院校后便会停止信息的更新,因此缺乏数据实时更新性,且往年数据由于时间久远,可参考性不强。而且当新用户进入系统时,极其依赖已有库中的相似数据,而当新用户的数据与原有库中的数据匹配性不够时,传统的协同过滤算法难以准确地为这些新用户进行相关推荐,因此容易出现冷启动问题。
技术实现思路
1、本发明提供基于人工智能的留学院校匹配推荐方法及系统,以解决现有的问题。
2、本发明的基于人工智能的留学院校匹配推荐方法及系统采用如下技术方案:
3、本发明一个实施例提供了基于人工智能的留学院校匹配推荐方法,该方法包括以下步骤:
4、采集留学用户的标签数据和留学院校的标签数据;
5、获取每个留学用户的权重向量和每个留学院校的权重向量,根据每个留学用户的标签数据得到每个留学用户的标签向量,根据每个留学用户的权重向量和标签向量得到每个留学用户的偏好向量,根据每个留学院校的标签数据得到每个留学院校的标签向量,根据每个留学院校的权重向量和标签向量得到每个留学院校的偏好向量;
6、根据每个留学用户的偏好向量和每个留学院校的偏好向量得到每个留学用户与每个留学院校之间的偏好评估值,根据每个留学用户的权重向量和每个留学院校的权重向量得到每个留学用户和每个留学院校之间的权重评估值,根据每个留学用户与每个留学院校之间的偏好评估值和权重评估值得到每个留学用户与每个留学院校之间的录取参考建议值;
7、根据每个留学用户与每个留学院校之间录取参考建议值进行留学用户和留学院校之间的匹配推荐。
8、进一步地,所述获取每个留学用户的权重向量和每个留学院校的权重向量,包括的具体步骤如下:
9、使用权重分析模型得到留学用户每个标签数据的权重和留学院校每个标签数据的权重,将每个留学用户的所有标签数据的权重组成每个留学用户的权重向量,将每个留学院校的所有标签数据的权重组成每个留学院校的权重向量。
10、进一步地,所述根据每个留学用户的标签数据得到每个留学用户的标签向量,包括的具体步骤如下:
11、留学用户的每个标签数据的唯一值的获取公式为:
12、
13、式中,di表示第i个标签数据,[hash(di)]j表示第i个标签数据经过哈希摘要后的第j个字符,mi表示第i个标签数据经过哈希摘要后的字符个数,oui表示留学用户的第i个标签数据的唯一值;
14、根据每个留学用户的所有标签数据的唯一值构成每个留学用户的标签向量。
15、进一步地,所述每个留学用户的偏好向量的计算公式为:
16、
17、式中,wui表示留学用户的第i个标签数据的权重,oui表示留学用户的第i个标签数据的唯一值,n1表示留学用户的标签总数量,表示留学用户的权重向量,表示留学用户的标签向量,表示留学用户的偏好向量。
18、进一步地,所述根据每个留学院校的标签数据得到每个留学院校的标签向量,包括的具体步骤如下:
19、获取留学院校的每个标签数据的唯一值;
20、根据每个留学院校的所有标签数据的唯一值构成每个留学院校的标签向量。
21、进一步地,所述每个留学院校的偏好向量的计算公式为:
22、
23、式中,wsi表示留学院校的第i个标签数据的权重,osi表示留学院校的第i个标签数据的唯一值,n2表示留学院校的标签总数量,表示留学院校的权重向量,表示留学院校的标签向量,表示留学院校的偏好向量。
24、进一步地,所述每个留学用户与每个留学院校之间的偏好评估值的计算公式为:
25、
26、式中,tuhi表示第h个留学用户的偏好向量中的第i个标签数据的偏好值,tskt表示第k个留学院校的偏好向量中的第t个标签数据的偏好值,n1表示留学用户的标签总数量,n2表示留学院校的标签总数量,m表示所有的留学院校的个数,表示第h个留学用户的偏好向量,表示第k个留学院校的偏好向量,phk表示第h个留学用户与第k个留学院校之间的偏好评估值,||表示绝对值符号;
27、其中,偏好向量中的每个数据为每个标签数据的偏好值。
28、进一步地,所述每个留学用户和每个留学院校之间的权重评估值的计算公式为:
29、
30、式中,表示第h个留学用户的权重向量,表示第k个留学院校的权重向量,||||表示向量的模长,qhk表示第h个留学用户与第k个留学院校之间的权重评估值。
31、进一步地,所述每个留学用户与每个留学院校之间的录取参考建议值的具体获取步骤如下:
32、对每个留学用户与每个留学院校之间的偏好评估值与权重评估值的乘积进行负相关映射,得到每个留学用户与每个留学院校之间的录取参考建议值。
33、本发明还提供了基于人工智能的留学院校匹配推荐系统,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项步骤。
34、本发明的技术方案的有益效果是:本发明通过获取每个留学用户的权重向量和每个留学院校的权重向量,根据标签数据得到标签向量,根据权重向量和标签向量得到偏好向量,提高了对标签数据选择的准确性;然后通过留学用户和留学院校的偏好向量得到留学用户与留学院校之间的偏好评估值,再根据权重向量得到留学用户与留学院校之间的权重评估值,最后根据偏好评估值和权重评估值得到录取参考建议值,通过录取参考建议值进行留学用户与留学院校之间的匹配推荐,提高了留学院校匹配推荐的准确性。
1.基于人工智能的留学院校匹配推荐方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述获取每个留学用户的权重向量和每个留学院校的权重向量,包括的具体步骤如下:
3.根据权利要求1所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述根据每个留学用户的标签数据得到每个留学用户的标签向量,包括的具体步骤如下:
4.根据权利要求2或3所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述每个留学用户的偏好向量的计算公式为:
5.根据权利要求1所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述根据每个留学院校的标签数据得到每个留学院校的标签向量,包括的具体步骤如下:
6.根据权利要求2或5所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述每个留学院校的偏好向量的计算公式为:
7.根据权利要求1所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述每个留学用户与每个留学院校之间的偏好评估值的计算公式为:
8.根据权利要求1所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述每个留学用户和每个留学院校之间的权重评估值的计算公式为:
9.根据权利要求1所述基于人工智能的留学院校匹配推荐方法,其特征在于,所述每个留学用户与每个留学院校之间的录取参考建议值的具体获取步骤如下:
10.基于人工智能的留学院校匹配推荐系统,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述基于人工智能的留学院校匹配推荐方法的步骤。