基于云数据库的新高考智能信息本土化处理系统及方法与流程
本发明涉及互联网云数据库,公开了一种基于云数据库的新高考智能信息本土化处理系统及方法。
背景技术:
1、现有通用高考信息处理系统多采用传统的集中式单体数据库架构,在面对新高考模式下各省份呈现的高度异构化本土招考政策时,难以实现多源数据的有效物理隔离与底层字段的结构化映射。此外,现有系统在处理海量考生的多维选科组合及地域特有的专业限制条件时,通常依赖繁琐的跨表关联查询,导致在志愿填报高峰期频繁产生严重的输入/输出过载与数据库查询阻塞,难以满足高并发场景下的多维约束数据检索需求。
2、现有技术在跨年份的志愿匹配处理中,往往采用静态的历史投档位次进行直接比对,未能将历年考生规模的动态波动、院校在本土地域的招生计划变动量等关键因子纳入计算体系,导致历史投档数据无法实现精确的等效归一化,使得最终的候选志愿匹配结果产生较大偏差。综上,现有的高考信息处理系统在底层数据库的并发检索性能、异构数据的本土化隔离存储机制,以及跨年份投档位次的动态修正精度上均存在显著缺陷,无法适应复杂新高考环境下的精准数据处理需求。市面上亟需一种基于云数据库的新高考智能信息本土化处理系统及方法来解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷,为实现上述目的,本发明提供如下技术方案:基于云数据库的新高考智能信息本土化处理系统,包括:
2、数据获取模块,用于获取不同地域和不同年份的新高考源数据,并提取新高考源数据中的地域标识、年份标识、院校信息、专业信息、选科要求信息以及历史投档信息;
3、云数据库处理模块,用于对所述新高考源数据进行分类存储,构建通用数据层和本土化数据分片层,并根据地域规则对新高考源数据进行字段映射和格式统一处理,生成本土化特征数据;
4、约束索引构建模块,用于根据考生输入的选科组合、专业限制条件以及院校招生条件之间的关联关系,构建多维约束索引,并基于所述多维约束索引对本土化特征数据进行匹配处理;
5、动态修正模块,用于根据不同年份的历史投档数据、考生规模变化数据以及招生计划变化数据生成位次修正参数,并对历史投档位次进行归一化处理,得到等效位次数据;
6、决策输出模块,用于根据所述多维约束索引和等效位次数据生成候选志愿匹配结果,并输出本土化志愿分析结果。
7、作为优选地,所述数据获取模块获取不同地域的新高考源数据并提取相关信息,具体包括:
8、通过事件触发与定时轮询双模式,从各地域的公开接口及非结构化公示文件中获取增量数据和历史数据,所述历史数据包括历年及当前年份的一分一段表与招考目录表;
9、基于预设数据字段识别规则对所述新高考源数据进行解析处理,识别文本内容中的实体信息和关联字段,并根据字段类型进行分类标记,形成包含地域标识、年份标识、院校信息、专业信息、选科要求信息以及历史投档信息的数据集合;
10、还通过接收目标考生终端输入的匹配请求,获取考生的选科组合。
11、作为优选地,所述云数据库处理模块对所述新高考源数据进行分类存储,构建通用数据层和本土化数据分片层的过程,具体包括:
12、将提取的全国通用院校和专业基础数据单向同步并只读存储于所述通用数据层;
13、根据所述地域标识和所述年份标识生成数据分片索引,并基于所述数据分片索引将对应地域的招考政策数据和历史投档数据映射至对应的本土化数据分片中。
14、作为优选地,所述云数据库处理模块根据地域规则对新高考源数据进行字段映射和格式统一处理,具体包括:
15、地域规则为对应地域特有的招生规则与科目计分标准;
16、获取对应地域特有的招生规则与科目计分标准;
17、根据预设字段映射关系对不同年份和不同地域的新高考源数据进行字段对应转换,将招生批次、专业类别、选科要求以及投档信息转换为统一数据结构,并生成所述院校招生条件和所述专业限制条件,对缺失字段进行补全处理,生成结构化的所述本土化特征数据;
18、其中所述院校招生条件包括院校地域属性及批次约束条件。
19、作为优选地,所述约束索引构建模块构建多维约束索引,具体包括:
20、将获取到的考生选科组合及生成的专业限制条件转换为固定长度的二进制位图掩码;
21、以所述二进制位图掩码、以及所述院校招生条件中的院校地域属性以及批次约束条件作为索引维度,建立对应的数据索引关系,并生成指向所述本土化特征数据的多维约束索引结构。
22、作为优选地,所述约束索引构建模块基于所述多维约束索引对本土化特征数据进行匹配处理,具体包括:
23、将基于所述二进制位图掩码的匹配条件加载至索引查询层;
24、通过对目标选科组合对应的二进制位图掩码与候选专业约束掩码执行位运算匹配,筛除不满足选科约束的数据记录,获得符合约束条件的候选专业数据集合。
25、作为优选地,所述动态修正模块生成位次修正参数,具体包括:
26、根据当前年份招考目录表中的拟招生人数与历史年份实录人数差值,计算并提取目标院校在相应地域的新增或缩减的招生计划变化数据;
27、根据历年及当前年份的一分一段表中的同科类总报名人数差额,生成考生规模变化数据;
28、将历史投档信息作为历史投档数据,并计算目标专业在历年最低投档位次的平均波动数值,生成历史投档变化数据;
29、根据招生计划变化数据、历年考生规模变化数据以及历史投档变化数据构建竞争变化特征,并通过加权计算生成所述位次修正参数。
30、作为优选地,所述动态修正模块对历史投档位次进行归一化处理,得到等效位次数据,具体包括:
31、基于历年一分一段表的累积分布关系,计算所述历史投档位次对应的标准化位次参数;
32、根据所述位次修正参数对所述标准化位次参数进行动态调整,并结合预设边界约束生成对应的等效位次数据。
33、作为优选地,所述决策输出模块生成候选志愿匹配结果,并输出本土化志愿分析结果,具体包括:
34、将多维约束索引匹配得到的候选数据与所述等效位次数据进行映射比对;
35、根据候选专业对应的匹配结果、等效位次数据以及历史投档变化情况进行排序处理,生成包含院校信息、专业信息以及对应位次区间信息的本土化志愿分析结果。
36、基于云数据库的新高考智能信息本土化处理方法,包括:
37、s1:获取不同地域和不同年份的新高考源数据,并提取新高考源数据中的地域标识、年份标识、院校信息、专业信息、选科要求信息以及历史投档信息;
38、s2:对所述新高考源数据进行分类存储,构建通用数据层和本土化数据分片层,并根据地域规则对新高考源数据进行字段映射和格式统一处理,生成本土化特征数据;
39、s3:根据考生输入的选科组合、专业限制条件以及院校招生条件之间的关联关系,构建多维约束索引,并基于所述多维约束索引对本土化特征数据进行匹配处理;
40、s4:根据不同年份的历史投档数据、考生规模变化数据以及招生计划变化数据生成位次修正参数,并对历史投档位次进行归一化处理,得到等效位次数据;
41、s5:根据所述多维约束索引和等效位次数据生成候选志愿匹配结果,并输出本土化志愿分析结果。
42、与现有技术相比,本发明具备以下有益效果:
43、本发明通过构建通用数据层与本土化数据分片层的云数据库分类存储架构,有效解决了传统集中式单体数据库难以应对多省份异构招考政策的缺陷。该机制实现了全国通用基础数据与各地域特色招考数据的物理隔离与结构化统一映射,不仅保障了本土化数据的独立性与安全性,还为后续跨区域、跨年份的高效精准查询奠定了坚实的底层数据架构基础。
44、本发明通过引入多维约束索引构建模块及相应的底层匹配处理机制,有效化解了在复杂选科限制条件下,传统数据库因繁琐跨表关联查询而导致的i/o过载与并发阻塞难题。系统将海量考生的选科组合与院校招生限制转化为底层约束索引进行直接过滤,削减了无效的数据读取量。
45、本发明通过多维动态参数驱动的位次修正机制,有效克服了现有技术中单纯依赖静态历史位次比对所带来的匹配偏差。系统将历年考生规模的动态波动及院校在本土地域的招生计划变化量等关键宏观因子纳入计算逻辑,对历史投档位次进行科学的归一化处理以生成等效位次数据,消除了跨年份招考环境变动导致的位次失真。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com