一种基于深度学习的思政管理资源匹配方法

摘要: 本发明涉及深度学习文本特征匹配相关领域,具体为一种基于深度学习的思政管理资源匹配方法。背景技术:1、随着智慧校园建设的普及,数字化思政资源库已成为高校思政教育的...
一种基于深度学习的思政管理资源匹配方法

本发明涉及深度学习文本特征匹配相关领域,具体为一种基于深度学习的思政管理资源匹配方法。

背景技术:

1、随着智慧校园建设的普及,数字化思政资源库已成为高校思政教育的核心载体,包含思政案例、心理健康思政素材、形势政策解读等多类型资源。精准的资源匹配是实现个性化思政育人、提升思政管理效率的核心关键。目前主流思政资源匹配技术主要分为传统关键词匹配与通用深度学习语义匹配两类,在高校具体应用场景中存在技术缺陷:

2、通用特征提取模型适配性差,思政专属深层特征缺失。现有技术多采用bert、cnn等通用文本特征提取模型,仅能挖掘文本字面语义、词汇关联等表层特征。而思政资源具备极强的领域专属属性,包含基础认知层、价值引领层、实践育人层三级育人层级特征,同时具备正向价值导向、学段适配、场景适配等专属属性。通用模型无法区分思政资源的育人深度与价值内核,极易出现“表层语义相似、育人属性不符”的匹配错误,例如将新生入门级思政科普资源匹配给毕业班价值升华类育人场景,造成资源匹配无效。

3、静态匹配机制无法适配学生思政素养动态变化。现有匹配算法多采用固定权重余弦相似度、欧式距离等静态匹配逻辑,权重参数训练完成后固定不变。但学生思政素养具有显著的时序演化特征,大一学生侧重基础思政认知建立,大二大三侧重价值观塑造,毕业班侧重家国情怀与职业思政引领,且学生阶段性思想波动、思政活动参与度会实时改变资源需求。静态权重匹配模式无法动态适配学生个体素养变化,导致资源推送固化、个性化不足,思政育人精准度大幅降低。

4、综上,现有思政资源匹配技术缺乏针对思政领域专属特征的深度挖掘能力,且不具备动态自适应匹配能力,无法满足高校精细化、个性化思政管理的核心需求。目前尚无针对思政三级育人层级特征、学生素养时序动态演化的专属深度学习匹配方案,因此亟需设计一种基于深度学习的思政管理资源匹配方法。

技术实现思路

1、本发明的目的在于提供一种基于深度学习的思政管理资源匹配方法,以解决上述背景技术中提出的问题。

2、为实现上述目的,本发明提供如下技术方案:一种基于深度学习的思政管理资源匹配方法,包括以下步骤:

3、s1、数据预处理:采集思政资源文本数据与学生思政时序素养数据,基于思政专属领域词典完成分词、去噪与向量初始化,生成初始文本特征矩阵;

4、s2、思政专属特征融合提取:通过思政层级多尺度特征融合学习模块,采用改进嵌套尺度卷积算法,分层提取思政资源的基础认知层、价值引领层、实践育人层特征,融合得到思政专属特征向量;

5、s3、学生素养时序建模:构建学生思政素养时序状态矩阵,实时记录学生不同阶段的思政认知、价值认同、实践素养维度数据,即学生时序素养数据;

6、s4、动态权重迭代匹配:通过素养动态迭代权重自适应匹配模块,结合学生时序素养数据迭代更新特征匹配权重,基于改进动态相似度公式完成思政资源与学生的精准匹配;

7、s5、反馈迭代优化:基于学生资源学习反馈数据,反向优化思政层级多尺度特征融合学习模块和素养动态迭代权重自适应匹配模块参数,实现匹配效果持续优化。

8、优选的,所述s2的思政专属特征融合提取具体实施步骤如下:

9、s21、思政数据标准化预处理:

10、根据s1采集高校思政资源库各类资源文本数据、学生思政需求描述数据,进行分词、去停用词、领域词典补强处理;构建思政专属领域词典,包含育人层级关键词、价值导向关键词、学段适配关键词三类,对预处理后的文本进行向量初始化,得到初始文本特征矩阵,其中为文本序列长度,为初始特征维度;

11、s22、多尺度嵌套卷积分层特征提取:

12、针对思政资源三级育人特征,设计三层嵌套卷积核,分别对应基础认知层、价值引领层、实践育人层特征提取,具体使用改进嵌套卷积特征提取公式提取,公式如下:;其中分别对应三级育人层级;为第层嵌套卷积运算,为对应层级卷积核尺寸,且满足,小核提取表层文本词汇特征,中核提取场景适配中层特征,大核提取价值育人深层特征;为批量归一化运算,消除特征尺度差异;为均值池化降维运算;为特征逐元素叠加融合运算;

13、s23、层级特征权重融合输出:

14、为区分三级育人特征的匹配优先级,引入思政层级权重系数,对三层特征进行自适应融合,得到最终思政资源专属特征向量,融合公式:;其中、、为三级育人层级权重系数,满足,分别对应基础认知、价值引领、实践育人特征的权重占比,最终输出融合思政全维度专属特征向量。

15、优选的,所述s23的层级特征权重融合输出中的三级育人层级权重系数、、的具体实施步骤如下:

16、s23.1、思政资源层级固有贡献度计算:

17、基于思政层级多尺度特征融合学习模块提取的三级育人特征,通过层级特征方差贡献率表征各层级特征的固有信息丰富度,特征方差越大,代表该层级育人特征区分度越高、对思政匹配任务贡献越强,构建固有贡献度计算公式:;其中分别对应基础认知层、价值引领层、实践育人层;为第级育人特征的全局方差,用于度量该层级特征的信息离散度与有效信息量;为第层级的固有特征贡献度,满足;。

18、s23.2、学生素养时序适配系数计算:

19、权重求解引入素养动态迭代权重自适应匹配模块构建的学生思政素养时序状态矩阵,矩阵三个维度依次对应学生基础认知素养、价值认同素养、实践育人素养的量化分值;基于学生素养短板补缺匹配原则,素养分值越低,对应育人层级的资源匹配权重应越高,构建时序适配系数公式:,式中:为时刻学生第维思政素养量化分值;为第层级的时序适配系数,学生某一素养维度越薄弱,对应数值越大,实现权重向学生短板育人维度倾斜;

20、步骤23.3、双约束权重融合与归一化求解:

21、融合资源固有特征贡献度与学生时序适配系数,构建改进型自适应权重初始值,再通过归一化处理满足权重约束条件,最终得到三级育人层级权重系数,计算公式:;其中分子实现资源特征优先级加学生需求适配性双约束耦合,既保证高价值思政特征主导匹配过程,又贴合学生动态素养需求;分母为全局归一化项。

22、优选的,所述s3的学生素养时序建模具体实施步骤如下:

23、s31、素养维度对齐定义:

24、维度1为基础认知素养,对应思政资源基础认知特征与权重系数,表征学生思政基础理论、常识知识点掌握程度;维度2为价值认同素养,对应思政资源价值引领特征与权重系数,表征学生家国情怀、理想信念、思政价值观认同程度;维度3为实践育人素养,对应思政资源实践育人特征与权重系数,表征学生思政实践参与、思想践行、知行合一能力;

25、s32、多源时序思政数据采集与量化打分:

26、以固定时间节点为迭代周期(按月度学段更新),连续采集学生时序思政多维原始数据,涵盖学生学段属性、思政课程考核成绩、思政主题活动参与度、思想动态调研问卷得分、日常思政行为表现五类核心数据,通过归一化量化公式将各类异质数据统一转化为区间的标准化素养分值,单维度量化公式如下:;其中为当前时序迭代节点,对应权重迭代时刻;为时刻第维度原始采集数据分值;、分别为对应维度全量学生数据的最小、最大值,用于消除不同数据量纲差异,保证各素养维度分值尺度统一;

27、s33、时序状态矩阵结构化构建:

28、基于量化后的三维素养分值,构建学生专属的时序素养状态矩阵,矩阵具体表达式为:,其中、、分别为时刻学生基础认知、价值认同、实践育人素养的标准化分值,矩阵维度为,与思政层级多尺度特征融合学习模块三级特征权重系数、、、时序适配系数维度完全一致,可直接参与后续算法运算;

29、s34、学生历史素养均值矩阵求解:

30、为匹配素养动态迭代权重自适应匹配模块动态权重迭代公式中参数的运算需求,基于历史时序素养数据求解学生素养均值矩阵,用于表征学生长期思政素养基准水平,公式如下:;其中为累计时序采样总次数;为历史第时刻的素养状态矩阵;为学生历史素养均值矩阵,用于判别学生当前素养的波动偏差,为动态权重的正负迭代更新提供基准依据;

31、s35、时序矩阵动态更新与参数联动固化:

32、随学生学段推进、思政学习与实践行为变化,按迭代周期实时更新矩阵数据,形成学生思政素养时序演化序列,该时序矩阵作为联动参数,一方面直接输入思政层级多尺度特征融合学习模块双约束权重算法,参与时序适配系数计算,实现资源权重贴合学生素养短板自适应调整;另一方面输入素养动态迭代权重自适应匹配模块权重迭代公式,结合特征梯度矩阵完成匹配权重的动态迭代,实现全程参数互通、逻辑联动。

33、优选的,所述s4的动态权重迭代匹配具体实施步骤如下:

34、s41、获取学生思政素养时序特征:

35、采集学生连续时序思政数据,包括年级学段、思政课程成绩、主题活动参与度、思想动态调研数据,获取步骤s3构建学生思政素养时序状态矩阵,三维向量分别对应学生基础认知素养、价值认同素养、实践育人素养,为时间迭代节点;

36、s42、匹配权重动态迭代更新:

37、基于学生时序素养状态,动态迭代更新思政三级特征的匹配权重,权重迭代改进公式如下:;其中为时刻的动态匹配权重向量,维度与思政层级多尺度特征融合学习模块输出的特征向量一致;为上一时刻权重向量;为迭代学习率,控制权重更新幅度;为学生历史素养均值向量;为哈达玛积运算;为维度与思政层级多尺度特征融合学习模块输出特征向量的梯度矩阵;

38、s43、动态相似度匹配与资源筛选:

39、结合动态权重向量与思政资源特征向量,构建改进型动态相似度匹配公式:;其中为思政资源特征向量,为学生思政需求特征向量,为二范数归一化运算;通过该公式计算所有候选资源与学生的动态匹配度,筛选匹配度阈值top-n的思政资源,完成精准匹配推送。

40、与现有技术相比,本发明的有益效果是:本发明通过思政层级多尺度特征融合学习模块,摒弃通用文本特征提取模型,通过改进嵌套尺度卷积算法实现思政三级育人专属特征的分层提取,精准挖掘思政资源的价值内核与育人属性,彻底解决现有技术表层语义匹配、领域适配性差的技术痛点,从底层提升思政资源匹配的精准度。

41、本发明设计的素养动态迭代权重自适应匹配模块,突破传统静态权重匹配局限,基于学生思政素养时序演化规律动态迭代匹配权重,实现资源匹配策略的个性化、动态化适配,解决固定权重推送固化、针对性不足的问题。