基于智慧決策的高考志愿輔助填報方案

彭世辰

摘 要： 高考志愿填報多年來一致困擾著廣大考生和家長，成為除考試成績外影響考生進入高等學校的最重要因素。文章提出了一種基于智慧決策的高考志愿輔助填報方案，該方案由數據預處理、錄取分數預測和志愿匹配三部分組成。數據預處理對相關信息進行初步處理，使得處理結果可以直接用于后續的分析和決策。錄取分數預測根據歷史錄取分數、一分一段表、招生計劃等信息預測每一個學校當年的錄取分數線。志愿匹配根據志愿填報人的分數、意愿等相關信息，為申報人提供符合要求的學校或學校列表，并按照高考志愿填報格式為申報人提供不同的志愿組合，可以直接作為申報人的志愿。采用該方案可以有效提升填報志愿的錄取率。

關鍵詞： 智慧決策； 分數預測； 高考志愿； 輔助填報

中圖分類號：TP301 文獻標志碼：A 文章編號：1006-8228（2017）12-05-03

A novel voluntary reporting aided scheme for college entrance examinations

based on smart decision

Peng Shichen

（Chengdu Foreign Languages School， Chengdu， Sichuan 611731， China）

Abstract： Voluntary Reporting for College Entrance Examinations perplexes examinees and their parents， which becomes the most important factor to examinees except for examination mark. This paper presents a voluntary reporting aided scheme for college entrance examinations based on smart decision. The scheme is composed of data preprocessing， enrollment mark forecasting， and voluntary matching. Data preprocessing deals with the original data to support subsequent analysis and decision. Enrollment mark forecasting dugs the current enrollment mark based on historical enrollment mark， mark-segment table， and enrollment plan. Voluntary matching creates voluntary list for examinees based on mark， requirements， and so on. The scheme could promote the acceptance rate for examinees.

Key words： smart decision； forecast； voluntary； aided reporting

0 引言

近40年來，高考歷經了幾代人，無數普普通通的人通過高考改變了自己的命運，也有很多人因為志愿填報失誤而錯失進入高等學校學習的機會。隨著網絡技術、計算機技術的發展，網上閱卷、網上填報志愿等信息系統開始廣泛應用，為教育部門、招生部門減輕了大量的工作量。但是，如何合理的志愿填報仍然是困擾廣大考生的重要問題。

每逢高考結束，各地都會涌現出各種志愿填報專題講座、輔導班等，為考生和家長介紹志愿填報的技巧。然而，這些講座、輔導班是根據講授人的經驗進行介紹，容易造成一些人填報志愿時的“扎堆”或“失靈”現象。此外，由于輔導班收費高以及農村地區偏遠等原因，有很多考生及家長連這樣的講座、輔導班也接觸不到。

隨著信息技術的普及應用，高考志愿填報智慧輔助決策系統為考生志愿填報帶來了新的解決途徑。高考志愿填報智慧輔助決策是利用計算機技術、網絡技術、數據分析技術等，基于歷史數據和考生的意愿，利用智慧決策方法進行分析決策，最終形成符合考生意愿的高考志愿，為眾多沒有“外援”的考生填報志愿提供幫助。

近年來，高考志愿輔助填報的研究受到廣泛關注。楊凱博等人提出了基于遺傳算法的高考志愿排序方法，將考生志愿按照錄取結果利益最大化排序[1]。徐剛強等人提出基于數據挖掘的招考志愿填報輔助決策系統，通過對高考歷史數據的全面分析對考生志愿填報進行輔助決策[2]。肖燦等人基于商務智能研究高考志愿填報，綜合考慮成績、學校、家庭等多種因素，為考生確定填報志愿[3]。賈海生等人基于SSH2框架，設計了志愿征集填報系統[4]。曾錚等人基于數據倉庫和聯機分析技術，對平行志愿填報方式進行了評估，得出了平行志愿可以保護高分考生等目標[5]。

上述高考志愿輔助決策系統，從不同的側面輔助考生進行志愿填報。然而，這些系統還沒有充分考慮考生的需求和擬填報學校的歷史信息等。因此，本文從考生需求、擬填報學校分數預測、志愿匹配等方面入手，提出基于智慧決策的志愿輔助填報系統，可較好地滿足廣大考生志愿填報的需求。

1 志愿填報輔助決策方案

本文提出了高考志愿輔助填報決策方案，該方案由數據預處理、錄取分數預測和志愿匹配三部分組成。數據預處理的功能是對相關信息進行初步處理，使得處理結果可以直接用于后續的分析和決策。錄取分數預測的功能是指根據歷史錄取分數、一分一段表、招生計劃等信息數據預測每一個學校年的錄取分數線。志愿匹配的功能是指根據志愿填報人的分數、意愿等相關信息，為申報人提供符合要求的學校或學校列表，并按照高考志愿填報格式為申報人提供不同的志愿組合，可以直接作為申報人的志愿。endprint

1.1 數據預處理

在高考志愿填報過程中，涉及的信息主要有學校信息、考生填報志愿影響因素以及最后的志愿信息等。

⑴ 學校信息：學校類型（如985、211、一流大學、一流學科學校、普通一本、普通二本、普通三本等）、地區（東南、西南、中原、西北、東北等），城市、學院、系、專業、歷年錄取分數、就業情況等。

⑵ 影響高考志愿填報因素：學校類型、地區，城市、學院、系、專業、考生分數、預測錄取分數線等。

⑶ 志愿信息：由學校和多個專業組成的序列，具體可填報學校、專業個數與當年志愿填報具體規定相關。

對于學校信息和影響志愿填報因素，其各個分量的類型不同，在進行決策的時無法進行對比衡量，需要對二者進行歸一化處理。具體處理方法如下。

第一步 假設學校信息和影響志愿填報因素的各個分量的集合為S={T1，T2，…，Ti，…，Tn}，S為有限集，其中S的每一個元素Ti也是一個集合，表示其某一具體因素，如學校類型、地區、城市、專業等。

第二步 使用近似最優哈弗曼編碼函數Φ，對T中元素T1中的每一個元素進行編碼，則

Φ（T1）={c1c2 … ci … cm}

其中，Φ（T1）是T1中的元素經過編碼后的編碼值集合，Φ（T1）中的每一個元素ci對應T1中一個特定元素的編碼。

第三步 將Φ（T1）中元素按照優先級從高到底排序，得到一個m維向量V1：[v1，v2，…，vi，…，vm]。

第四步 將S中每一個元素Ti都按照第二步和第三步處理，則可以得到Φ（Ti）={c1c2 … ci… ck}和對應的按照Φ（Ti）中元素優先級排序的k維向量Vi：[v1，v2，…，vi，…，vm]。因此，集合S經過歸一化編碼后轉換為V={V1，V2，…，Vi，…，Vn}。其中，Vi是一個Ti中元素編碼按優先級高低排序的向量。

經過信息預處理后，學校信息可以標識為一個m維向量U：[a1，a2，…，am]，其中每一個元素ai表示學校的一個屬性，其取值為對應類型編碼向量Vi中的一個分量。影響志愿填報信息可以表示為一個n維向量Q：[q1，q2，…，qn]，其中每一個元素qi是一個具體的影響因素，其取值為對應類型編碼向量Vi中的一個分量。最后生成的志愿可以表示為一個k元組V（（u1，m11，m12，…），（u2，m21，m22，…），…，（uk，mk1，mk2，…））。其中，u1，u2，…，uk表示學校，m11，m12，…，m21，m22，…表示專業。

1.2 錄取分數預測

本節提出了一個根據某學校歷史數據、當年招生計劃、一分一段表預測其當年錄取分數線的方法，為志愿填報提供基礎支撐。

假設將某一學校某一年每個專業的錄取信息構建為一個多維向量，（Major，Mark，CandNum AdmiNum， PlanNum，Rank），每個分量分別表示專業、錄取分數線、報考上對應專業批次人數、錄取人數、計劃人數、錄取最低分在一分一段表中的排名。下面以某一個具體專業為例介紹錄取分數線預測的過程。

第一步 確定參考年限參數。此年限參數設置為5，表示參考近5年的錄取情況，年限參數一般設為[3，5]。

第二步 計算預測錄取排名基準值。計算報考當年前5年該專業一分一段表中錄取分數線對應排名的平均值。

第三步 排名基準值調節。對進行如下調整：

⑴ 計算參考5年中每一年的PlanNum-AdmiNum，如果該值大于0，則根據該年一分一段表向后調節PlanNum-AdmiNum個考生，獲得相應排名；否則向前調節PlanNum-AdmiNum個考生，獲得相應排名。

⑵ 計算參考5年中每一年的CandNum-AdmiNum，如果該值大于0，則根據該年一分一段表向前調節CandNum-AdmiNum個考生，獲得相應排名；否則向后調節CandNum-AdmiNum個考生，獲得相應排名。

⑶ 根據⑴和⑵調節后的排名，確定報考當年一分一段表中錄取分數線的排名。然后，計算報考當年招生計劃人數與前5年招生計劃人數最大值的差額，如果該值大于0，則在報考當年一分一段表向后調節相應差額個考生，獲得最終排名；否則，則在報考當年一分一段表向前調節相應差額個考生，獲得最終排名。

⑷ 根據獲得的最終排名，取整，查閱報考當年一分一段表，即可獲得該專業預測的錄取分數線。

1.3 志愿匹配

本節提出了根據預測的錄取分數、填報人的實際考分以及填報人的需求進行志愿匹配的方法，填報人的需求可以包括學校類型、學校所在地區、學校所在城市、學校、學院、系、專業、就業情況、學校排名等。填報人可以從這些影響因素中選擇一個或多個因素，并調節這些因素的優先級，生成自己個性化的志愿需求PQ：[pq1，pq2，…，pqN]。其中，一個分量pqi表示一個具體的需求，如專業等，pq1是最重要的志愿填報影響因素，pq2是次重要的志愿填報影響因素，然后重要性依次下降。這里PQ：[pq1，pq2，…，pqN]的分量是Q；[q1，q2，…，qn]的分量的子集。下面介紹志愿匹配的基本過程。

第一步 從志愿填報人的個性化需求PQ：[pq1，pq2，…，pqN]中選取第1個需求因素pqi，并根據pqi匹配從學校信息數據庫中的學校信息U：[a1，a2，…，am]，篩選出滿足條件pqi的大學的集合SU1。

第二步 從志愿填報人的個性化需求PQ：[pq1，pq2，…，pqN]中選取第2個需求因素pq2，并根據pq2匹配集合SU1的學校信息U：[a1，a2，…，am]，篩選出滿足條件pq2的大學的集合SU2。

第三步 重復到第i次時，從志愿填報人的個性化需求PQ：[pq1，pq2，…，pqN]中選取第i個需求因素pqi，并根據pqi匹配集合SUi-1的學校信息U：[a1，a2，…，am]，篩選出滿足條件pqi的大學的集合SUi。endprint

第四步 重復到第N次時，從志愿填報人的個性化需求PQ：[pq1，pq2，…，pqN]中選取第N個需求因素pqN，并根據pqN匹配集合SUN-1的學校信息U：[a1，a2，…，am]，篩選出滿足條件pqN的大學的集合SUN。

第五步 SUN即為滿足考生要求的學校集合。

第六步 如果填報人選擇自動生成最優志愿，則從SUN中選取最靠前的x個學校（x為當年允許填報的學校數），并為每個選中的學校選取PQ中的專業，生成一個志愿項（u，m1，m2，…，my）。其中，y是一個學校允許填報的專業數。如果PQ中的專業數大于或等于y個，則選取PQ中最優的個y專業；如果PQ中的專業數小于y個，則再從該學校中選取若干個最優專業，與PQ中專業一起構成y個專業。最終形成志愿V（（u1，m11，m12，…）， （u2，m21，m22，…）， …， （uk，mk1，mk2，…））。

第七步 如果填報人選擇自動生成隨機志愿，則從SUN中隨機選取x個學校（x為當年允許填報的學校數），并為每個選中的學校選取PQ中的專業，生成一個志愿項（u，m1，m2，…，my）。其中，y是一個學校允許填報的專業數。如果PQ中的專業數大于或等于y個，則隨機選取PQ中的個y專業；如果PQ中的專業數小于y個，則再從該學校中隨機選取若干個專業，與PQ中專業一起構成y個專業。最終形成志愿V（（u1，m11，m12，…），（u2，m21，m22，…），…，（uk，mk1，mk2，…））。

第八步 如果填報人選擇自定義生成志愿，則由填報人手動從SUN中選取x個學校（x為當年允許填報的學校數），并為每個的學校選取y個專業，生成一個志愿項（u，m1，m2，…，my）。最終形成志愿V（（u1，m11，m12，…），（u2，m21，m22，…），…，（uk，mk1，mk2，…））。

2 結論

隨著信息技術的發展，目前國內出現了許多高考志愿輔助填報系統，試圖解決考生的志愿填報問題。然而，這些系統大多沒有充分考慮考生的具體需求，生成的志愿比較宏觀。本文從考生需求、擬填報學校分數預測、志愿匹配三個方面入手，層層遞進，基于擬填報學校的歷史信息、當年一分一段表等信息，形成滿足考生個性化需求的志愿列表，可以較好地滿足廣大考生志愿填報的需求。

參考文獻（References）：

[1] 楊博凱，李曉瑜，黃一鳴，雷航.基于遺傳算法的高考志愿填報

排序問題的研究[J].計算機科學，2016.43（6A）：390-294

[2] 徐剛強，林燕.基于數據挖掘的招考志愿填報輔助決策支持

系統[J].計算機技術與自動化，2014.33（4）：106-109

[3] 肖燦，張自力，何小明，夏大飛.基于商務智能的高考志愿填報

指導系統設計與實現[J].西南師范大學學報（自然科學版），2012.37（5）：89-97

[4] 賈海生，楊小寧.基于SSH2框架的高校招生考生志愿填報系

統的設計[J].寧夏大學學報（人文社會科學版），2016.38（6）：189-194

[5] 曾錚，張自力，殷員分，蔡海敏.OLAP技術在高考志愿填報方

式分析評估中的應用[J].西南師范大學學報（自然科學版），2010.35（3）：239-242endprint