一种招生报名信息审核系统的制作方法
本发明涉及信息审核,更具体地说,它涉及一种招生报名信息审核系统。
背景技术:
1、在高考、公务员考试等大规模招生报名场景中,审核系统需在报名截止后的集中时间窗口内对数十万乃至百万级考生提交的报名信息执行批量审核。每位考生的报名材料构成相互关联的证据网络,且不同考生之间存在共享证据源的情形,即同一证据源可被多名考生同时引用。
2、现有批量审核方法通常采用统一的可信度传播方式对全体考生网络执行处理,未针对局部证据冲突与全局性证据异常的影响范围加以区分。
3、上述处理方式存在以下缺陷:当某一共享证据源的可信度发生变化时,置信度更新信号会无差别地向所有引用该证据源的考生网络传播,引发大规模级联重算;与此同时,单一考生网络内部的局部材料矛盾也会将冲突信号扩散至该网络的全部节点,导致计算资源急剧膨胀,且局部异常极易被错误放大为大面积误判,造成审核准确性下降与计算开销失控的技术问题。
技术实现思路
1、本发明提供一种招生报名信息审核系统,解决相关技术中报名材料真实性核查效率低、跨考生共享证据源异常难以自动定位以及高冲突材料网络迭代传播不稳定的技术问题。
2、本发明公开了一种招生报名信息审核系统,包括:
3、证据网络构建模块,用于获取全体考生提交的报名信息数据集,对每位考生的各项报名材料执行初始可信度赋值,将同一考生的各项材料及其逻辑关联关系表示为以材料节点和关联边组织的证据关联网络,并遍历全体考生的材料引用关系,识别被两名及以上考生共同引用的共享证据源节点,形成共享证据源索引;
4、冲突检测模块,用于对每位考生的证据关联网络独立执行首轮可信度传播,当相邻节点间的可信度传播变化幅度超过预设冲突阈值时,将该节点对记录为局部冲突对并计算对应的冲突强度值;
5、冲突分级模块,用于计算每位考生证据关联网络的冲突密度指标,依据冲突密度指标与预设分级阈值的比较结果,将全体考生网络划分为低冲突处理队列和高冲突处理队列;
6、标准收敛处理模块,用于对低冲突处理队列中的考生网络执行标准迭代可信度传播,直至全部材料节点的可信度更新幅度均低于收敛判定阈值,生成各材料节点的收敛可信度;
7、隔离传播模块,用于对高冲突处理队列中的考生网络分两阶段执行处理:第一阶段将冲突对之间的关联边暂时断开,对各独立子网络分别执行可信度传播至局部收敛;
8、第二阶段恢复关联边,依据冲突强度值对传播因子执行衰减缩放,在限定最大传播轮次的约束下执行受限可信度传播,生成各材料节点的最终可信度分值;
9、共享证据源异常定位模块,用于针对每个共享证据源节点汇总所有引用考生网络中该节点的最终可信度分值,计算该组分值的离散程度指标,当离散程度指标超过预设异常阈值时,识别对离散程度贡献最大的考生子集并触发重新审核标记,汇总每位考生各材料节点的最终可信度分值生成综合可信度评估结果并输出审核决策。
10、进一步地,所述冲突强度值定义为:
11、;
12、其中,与分别为冲突对中两个相邻材料节点在首轮可信度传播后的可信度分值,为绝对值运算。
13、进一步地,所述冲突密度指标定义为:
14、;
15、其中,为该考生证据关联网络中检测到的冲突对数量,为该网络的总关联边数。
16、进一步地,所述隔离传播模块在第二阶段中,传播因子定义为:
17、;
18、其中,为冲突对对应的冲突强度值,为衰减系数,用于控制冲突强度对传播因子的影响幅度。
19、进一步地,所述离散程度指标定义为:
20、;
21、其中,为引用该共享证据源的考生总数,为第位引用考生网络中该共享证据源节点的最终可信度分值,为该组分值的均值。
22、进一步地,所述证据网络构建模块在构建证据关联网络时,关联边对应材料之间的逻辑依赖关系或一致性约束关系,包括数值一致性约束和时序逻辑约束。
23、进一步地,所述共享证据源异常定位模块在识别对离散程度贡献最大的考生子集时,将最终可信度分值偏离均值幅度最大的考生群体作为异常引用考生子集,仅对该子集触发报名信息重新审核标记,不对全部引用该共享证据源的考生执行重新传播计算。
24、进一步地,所述审核决策包括通过、存疑和拒绝三类结果,依据综合可信度评估结果与预设决策阈值的比较关系确定。
25、进一步地,所述隔离传播模块在第二阶段中,限定最大传播轮次的约束与衰减缩放后的传播因子联合作用,以防止高强度冲突引发长时间迭代。
26、本发明公开了一种招生报名信息审核方法,包括:
27、步骤1,获取全体考生提交的报名信息数据集,对每位考生的各项报名材料执行初始可信度赋值,将同一考生的各项材料及其逻辑关联关系表示为以材料节点和关联边组织的证据关联网络,遍历全体考生的材料引用关系,识别共享证据源节点并形成共享证据源索引;
28、步骤2,对每位考生的证据关联网络独立执行首轮可信度传播,当相邻节点间的可信度传播变化幅度超过预设冲突阈值时,将该节点对记录为局部冲突对并计算对应的冲突强度值;
29、步骤3,计算每位考生证据关联网络的冲突密度指标,依据冲突密度指标与预设分级阈值的比较结果,将全体考生网络划分为低冲突处理队列和高冲突处理队列;
30、步骤4,对低冲突处理队列中的考生网络执行标准迭代可信度传播,直至全部材料节点的可信度更新幅度均低于收敛判定阈值,生成各材料节点的收敛可信度;
31、步骤5,对高冲突处理队列中的考生网络,先将冲突对之间的关联边暂时断开并对各独立子网络分别执行可信度传播至局部收敛,再恢复关联边并依据冲突强度值对传播因子执行衰减缩放,在限定最大传播轮次的约束下执行受限可信度传播,生成各材料节点的最终可信度分值;
32、步骤6,针对每个共享证据源节点汇总所有引用考生网络中该节点的最终可信度分值,计算离散程度指标,当离散程度指标超过预设异常阈值时识别对离散程度贡献最大的考生子集并触发重新审核标记,汇总每位考生各材料节点的最终可信度分值生成综合可信度评估结果并输出审核决策。
33、本发明的有益效果在于:
34、本发明通过冲突密度指标将考生网络划分为低冲突处理队列和高冲突处理队列,使审核资源集中分配至真正存在材料逻辑矛盾的高冲突考生网络,解决了全量网络承受高代价计算开销的技术问题,取得了降低整体计算开销的技术效果。通过对高冲突网络执行隔离传播与受限恢复传播,并依据冲突强度值对传播因子执行衰减缩放,将冲突信号限制在各子网络内部消化,解决了局部材料冲突信号扩散至考生网络全部节点的技术问题,取得了降低局部异常被错误放大为大面积误判概率的技术效果。通过离散程度指标将共享证据源异常精确定位至对离散程度贡献最大的考生子集,仅对该子集触发重新审核标记,解决了共享证据源异常引发全量级联重算的技术问题,取得了将处理范围收敛至真正存疑考生群体的技术效果。
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