智能算法在高考志愿推薦平臺(tái)中的應(yīng)用研究

戴付晗 樸雪

摘要：隨著智能算法的發(fā)展，高考志愿的填報(bào)逐漸成為熱點(diǎn)話題，而智能算法在高考志愿平臺(tái)的應(yīng)用相關(guān)研究文獻(xiàn)缺少系統(tǒng)性整理。該研究以中國(guó)知網(wǎng)期刊數(shù)據(jù)平臺(tái)和 Web of science為數(shù)據(jù)來(lái)源，采用文獻(xiàn)計(jì)量學(xué)方法檢索2011～2021年該領(lǐng)域相關(guān)文獻(xiàn)，通過對(duì)比分析與數(shù)據(jù)可視化，了解國(guó)內(nèi)外研究現(xiàn)狀、研究趨勢(shì)以及發(fā)展差距，從而為國(guó)內(nèi)研究者提供參考和借鑒。

關(guān)鍵詞：高考志愿;智能算法;推薦算法;推薦平臺(tái)

中圖分類號(hào)：TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2022）06-0049-03

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 概述

近些年，各省高考政策、考試內(nèi)容、考核方式、錄取制度等都在不斷調(diào)整，高校招生也在變革之中。與此同時(shí)，市面上的高考志愿推薦平臺(tái)層出不窮，更多是通過對(duì)往年高考錄取分?jǐn)?shù)和排名分析來(lái)推薦高校，沒有考慮到考生需求、學(xué)科偏好等，很難切實(shí)進(jìn)行個(gè)性化“因材推薦”。智能算法近年來(lái)發(fā)展迅速，并已在眾多領(lǐng)域推廣應(yīng)用，而智能算法在高考志愿推薦平臺(tái)中的應(yīng)用研究又缺少系統(tǒng)性整理。故本文以中國(guó)知網(wǎng)期刊數(shù)據(jù)庫(kù)為數(shù)據(jù)來(lái)源[1]，借助文獻(xiàn)計(jì)量方法，檢索2011 -2021年間該領(lǐng)域相關(guān)文獻(xiàn)[2]，通過數(shù)據(jù)分析和數(shù)據(jù)可視化，為高考志愿填報(bào)服務(wù)平臺(tái)的開發(fā)者以及智能算法研究者們提供理論參考和借鑒。

2 對(duì)高考志愿的文獻(xiàn)研究與分析

2.1 對(duì)高考志愿的文獻(xiàn)研究與分析

筆者在中國(guó)知網(wǎng)期刊數(shù)據(jù)庫(kù)中對(duì)高考志愿相關(guān)研究論文進(jìn)行高級(jí)檢索，時(shí)間跨度設(shè)置為 2011-2021 年，選取關(guān)鍵詞“高考志愿”進(jìn)行精確檢索，返回結(jié)果664條，其中主要來(lái)自教育和計(jì)算機(jī)科學(xué)領(lǐng)域。

從圖1分析得出：2011-2021年國(guó)內(nèi)高考志愿相關(guān)文獻(xiàn)總體上數(shù)量呈上升趨勢(shì)，2011～2017年文獻(xiàn)數(shù)量增長(zhǎng)比較平緩，總體趨勢(shì)上升;2017年至2019年，相關(guān)文獻(xiàn)數(shù)量出現(xiàn)較大增長(zhǎng)，其中2019年數(shù)量達(dá)到十年內(nèi)峰值86篇;2020～2021年有一定程度的下降。這說(shuō)明在高考志愿領(lǐng)域，國(guó)內(nèi)研究逐漸深入，2019年后高考改革，之前高考相關(guān)研究的文獻(xiàn)參考價(jià)值變?nèi)?，?dǎo)致此后論文發(fā)表量下降，但隨著各地區(qū)新高考模式的逐漸成熟，2021年相對(duì)2019年將會(huì)有所上升，加之人工智能和大數(shù)據(jù)技術(shù)在各領(lǐng)域的應(yīng)用，未來(lái)高考志愿推薦的研究將會(huì)更加深入。

在高考志愿主題下，在檢索結(jié)果提煉關(guān)鍵詞，通過分析可以發(fā)現(xiàn)，占比較高的是新高考改革，占比高達(dá)81%，詳見圖2。由此說(shuō)明新高考政策出臺(tái)后，多個(gè)期刊都進(jìn)行了新高考改革后高考志愿的研究。綜合來(lái)說(shuō)，國(guó)內(nèi)研究者主要是通過分析當(dāng)下的高考改革、高考志愿填報(bào)、高考志愿錄取形式、影響高考填報(bào)的因素等幾個(gè)方面展開論述。值得注意的是，高考志愿填報(bào)和志愿服務(wù)相關(guān)文獻(xiàn)較少，且不夠深入。而在為數(shù)不多的高考志愿填報(bào)相關(guān)文獻(xiàn)中幾乎都涉及智能算法，包括推薦算法、聚類模糊算法、協(xié)同過濾算法等。

2.2 推薦算法在高考志愿填報(bào)中應(yīng)用的文獻(xiàn)分析

因此，高考志愿填報(bào)，可以通過計(jì)算機(jī)領(lǐng)域中的算法進(jìn)行優(yōu)化和改進(jìn)。數(shù)據(jù)挖掘、大數(shù)據(jù)、志愿填報(bào)等關(guān)鍵詞與推薦算法都有一定的聯(lián)系。那么推薦算法應(yīng)用于高考志愿服務(wù)平臺(tái)是可行的，于是在中國(guó)知網(wǎng)期刊數(shù)據(jù)庫(kù)中采用高級(jí)檢索推薦算法并且模糊匹配高考志愿相關(guān)研究文獻(xiàn)進(jìn)行檢索，檢索時(shí)間跨度為 2011～2021年，返回檢索結(jié)果8條。

通過表1可以看出，國(guó)內(nèi)對(duì)于推薦算法和高考志愿的研究還是有很大的研究空間，近些年來(lái)研究相對(duì)較多，大多數(shù)還是基于協(xié)同過濾算法、遺傳算法、模糊聚類算法的研究。文獻(xiàn)中有6篇來(lái)源于計(jì)算機(jī)專項(xiàng)的期刊。與此同時(shí)，可以發(fā)現(xiàn)推薦算法在高考志愿服務(wù)平臺(tái)的使用有著很大的前景。

3 對(duì)推薦算法相關(guān)文獻(xiàn)分析

由于推薦算法可以在高考志愿服務(wù)平臺(tái)的使用，在一定程度上可以加強(qiáng)志愿服務(wù)平臺(tái)的個(gè)性化和增強(qiáng)適配性，于是通過檢索中國(guó)知網(wǎng)期刊數(shù)據(jù)庫(kù)與Web of Science 數(shù)據(jù)庫(kù)相關(guān)文獻(xiàn)，進(jìn)行國(guó)內(nèi)外推薦算法的對(duì)比研究與分析。通過分析國(guó)內(nèi)推薦算法相關(guān)文獻(xiàn)的出處，更清晰地體現(xiàn)其發(fā)展過程和今后的研究目標(biāo)，為相關(guān)科研人員今后發(fā)表文獻(xiàn)給予了更加明確的指導(dǎo)。

3.1 國(guó)內(nèi)推薦算法相關(guān)文獻(xiàn)

在中國(guó)知網(wǎng)期刊數(shù)據(jù)庫(kù)中采用高級(jí)檢索對(duì)推薦算法相關(guān)研究論文進(jìn)行檢索，檢索時(shí)間跨度為 2011-2021 年，選取檢索關(guān)鍵詞“推薦算法”進(jìn)行精確查找，返回檢索結(jié)果6059條。其中涉及學(xué)科最多的是信息科技、計(jì)算機(jī)科學(xué)，電子信息、軟件工程也有涉及。

國(guó)內(nèi)研究者主要是通過個(gè)性化推薦、協(xié)同過濾推薦算法、模糊聚類算法的研究[3]，并且進(jìn)行了協(xié)同過濾算法等的介紹、發(fā)展、基于各類應(yīng)用場(chǎng)景等方面的系列綜述，從而對(duì)研究和應(yīng)用前景進(jìn)行了展望。

從2011年至2021年國(guó)內(nèi)與推薦算法相關(guān)的文獻(xiàn)總數(shù)為上升趨勢(shì)，2011年至2012年相關(guān)文獻(xiàn)數(shù)量平穩(wěn)發(fā)展（根據(jù)圖3）。2019年達(dá)到近十年最高，達(dá)到738篇，2020年有小幅度下降，2021年預(yù)計(jì)發(fā)表量達(dá)到771篇。體現(xiàn)在推薦算法領(lǐng)域，國(guó)內(nèi)的相關(guān)研究走向成熟，與此同時(shí)推薦算法已經(jīng)被應(yīng)用到了很多方面，如圖書、音樂、視頻、電子商務(wù)等[4]，增強(qiáng)了用戶滿意度和用戶黏性，而在用戶滿意度方面目前高考志愿填報(bào)平臺(tái)較為薄弱，所以高考志愿填報(bào)在推薦算法方面的研究前景巨大。

通過分類和人工篩選，得出各“關(guān)鍵詞”的詳細(xì)占比統(tǒng)計(jì)，詳見圖 4 。使用高級(jí)檢索以推薦算法為主題，推薦算法占據(jù)統(tǒng)計(jì)量的20%。協(xié)同過濾、推薦系統(tǒng)、協(xié)同過濾算法、協(xié)同過濾推薦算法占據(jù)48%，可以看出關(guān)于推薦算法的研究，大多數(shù)研究協(xié)同過濾算法較多、在研究推薦算法時(shí)，可以重點(diǎn)關(guān)注協(xié)同過濾算法。除此以外，個(gè)性化推薦、數(shù)據(jù)庫(kù)、矩陣分解、基于用戶也占據(jù)不小的比例。

論文引用率是衡量一個(gè)國(guó)家科研文獻(xiàn)被其他國(guó)家或機(jī)構(gòu)的認(rèn)可度的標(biāo)志，有較大的研究?jī)r(jià)值，于是本文對(duì)文獻(xiàn)引用量前兩百進(jìn)行相關(guān)分析。從圖5可以看出對(duì)于推薦算法的研究計(jì)算機(jī)科學(xué)、計(jì)算機(jī)學(xué)報(bào)、計(jì)算機(jī)應(yīng)用研究、計(jì)算機(jī)研究與發(fā)展的期刊研究較多，占比總文獻(xiàn)的32%，綜合類期刊文獻(xiàn)引用量較少。由此可以發(fā)現(xiàn)，推薦算法主要出現(xiàn)在計(jì)算機(jī)領(lǐng)域，因此推薦算法的研究建議相關(guān)理論和實(shí)踐研究者首先查閱計(jì)算機(jī)相關(guān)的期刊文獻(xiàn)。

1） 國(guó)內(nèi)推薦算法引用量前十文獻(xiàn)的研究

在中國(guó)知網(wǎng)期刊數(shù)據(jù)庫(kù)平臺(tái)上以“推薦算法”為關(guān)鍵詞，選取 2011～2021年引用量前10的文獻(xiàn)（檢索結(jié)果見表2）[5]。其中被引次數(shù)排名第一的是個(gè)性化推薦系統(tǒng)綜述，其次是推薦系統(tǒng)評(píng)價(jià)指標(biāo)綜述，都有較高的引用量。從表2可以得出，引用量相對(duì)較高的大多數(shù)是綜述，10篇中有6篇是綜述類文獻(xiàn)。期刊大多數(shù)是計(jì)算機(jī)工程、電子信息、軟件工程的專項(xiàng)期刊，綜合類期刊占比不高。

3.2 國(guó)外推薦算法的文獻(xiàn)的分析與研究

為了解國(guó)外對(duì)于推薦算法的當(dāng)下研究情況，在Web of Science 數(shù)據(jù)庫(kù)中對(duì)推薦算法相關(guān)論文進(jìn)行檢索，檢索年限為 2011年至2021年，主題設(shè)置為Recommendation algorithm，Mesh為Algorithms返回檢索結(jié)果3319條。

1） 國(guó)外推薦算法的數(shù)量分析與研究

從圖6可以看出，2011-2019國(guó)外研究發(fā)表論文數(shù)量整體呈現(xiàn)波動(dòng)式上升趨勢(shì)，發(fā)表量基本在300篇上下浮動(dòng)。2019～2021年出現(xiàn)較大的下滑，2019年達(dá)到發(fā)表量最高，超過400篇。由此可以發(fā)現(xiàn)，國(guó)外推薦算法的研究較為平穩(wěn)，近三年波動(dòng)較大，有下降的趨勢(shì)。

對(duì)近10年來(lái)推薦算法不同研究方向進(jìn)行統(tǒng)計(jì)（詳見圖7），發(fā)現(xiàn)數(shù)學(xué)占比最大，其次為醫(yī)療保健科學(xué)服務(wù)，另外藥理學(xué)藥學(xué)、數(shù)學(xué)計(jì)算生物學(xué)、放射學(xué)核醫(yī)學(xué)醫(yī)學(xué)成像、計(jì)算機(jī)科學(xué)等，在大類學(xué)科上基本可以分為醫(yī)學(xué)、數(shù)學(xué)、計(jì)算機(jī)科學(xué)。由此得出，國(guó)外推薦算法的研究有較大部分是在醫(yī)學(xué)上的應(yīng)用和研究，推薦算法在醫(yī)學(xué)領(lǐng)域的應(yīng)用上有著較大的前景。

2） 國(guó)外推薦算法文獻(xiàn)來(lái)源與研究

以Web of Science 為數(shù)據(jù)來(lái)源[5]，對(duì) 2011～2021年推薦算法相關(guān)文獻(xiàn)按出版物來(lái)源進(jìn)行分類。其中，PLOS ONE發(fā)表的關(guān)于推薦算法的文獻(xiàn)最多，其次是MEDICAL PHYSICS、SENSORS、SENSORS BASEL SWITZERLAND。其中PLOS ONE相對(duì)其他期刊發(fā)表量較多（圖 8）。

國(guó)外引用量前10名的文獻(xiàn)分析在 Web of science 數(shù)據(jù)庫(kù)中，以策略（主題）設(shè)置為Recommendation algorithm，Mesh為Algorithms為檢索條件，檢索 2011年至2021年引用量前10的相關(guān)文獻(xiàn)（檢索結(jié)果見表3）。被引次數(shù)較多的仍是醫(yī)學(xué)領(lǐng)域的相關(guān)文獻(xiàn)，可見國(guó)外在計(jì)算機(jī)領(lǐng)域的推薦算法研究較少，而醫(yī)學(xué)領(lǐng)域的推薦算法研究較為深入。

3.3 國(guó)內(nèi)外推薦算法研究情況對(duì)比分析

對(duì)以推薦算法并且高考志愿為主題檢索，可以發(fā)現(xiàn)國(guó)內(nèi)相關(guān)論文數(shù)量為個(gè)位數(shù)，說(shuō)明在國(guó)內(nèi)對(duì)于推薦算法高考志愿服務(wù)平臺(tái)的研究較少。而國(guó)外由于升學(xué)機(jī)制與國(guó)內(nèi)存在差異，當(dāng)檢索高考、志愿等關(guān)鍵詞和主題時(shí)，檢索結(jié)果為0，于是檢索內(nèi)容更改為推薦算法，探索國(guó)內(nèi)外對(duì)于推薦算法的研究差異。

我國(guó)對(duì)于推薦算法的研究的學(xué)科和期刊大多數(shù)還是計(jì)算機(jī)、軟件工程、電子信息，而國(guó)外推薦算法的研究的學(xué)科和期刊，種類相對(duì)豐富。值得注意的是，國(guó)外文獻(xiàn)對(duì)于推薦算法研究更傾向于醫(yī)學(xué)領(lǐng)域。推薦算法出現(xiàn)和研究的時(shí)間較短，國(guó)內(nèi)在各種領(lǐng)域的研究相對(duì)較窄，主要集中于研究模糊聚類算法、協(xié)同過濾算法的研究，對(duì)于算法實(shí)際應(yīng)用研究不夠深入。未來(lái)推薦算法的研究應(yīng)當(dāng)繼續(xù)深入，在多個(gè)領(lǐng)域進(jìn)行研究，將醫(yī)學(xué)、數(shù)學(xué)、物理、計(jì)算機(jī)科學(xué)等學(xué)科進(jìn)行交叉研究，提升研究的實(shí)用性和適用性。

綜合國(guó)內(nèi)外文獻(xiàn)，推薦算法的研究發(fā)展時(shí)間不長(zhǎng)，但是發(fā)展日益迅速，文獻(xiàn)發(fā)表量、應(yīng)用量總體逐年上升。與此同時(shí)，國(guó)外研究開始時(shí)間早，發(fā)表相關(guān)文獻(xiàn)的總量多，并且研究方向更多的是與醫(yī)藥衛(wèi)生相關(guān)，而國(guó)內(nèi)研究更偏重計(jì)算機(jī)科學(xué)、電子信息、軟件工程。從長(zhǎng)遠(yuǎn)來(lái)看，國(guó)內(nèi)對(duì)于推薦算法各種領(lǐng)域的研究有待發(fā)掘。

4 結(jié)束語(yǔ)

對(duì)推薦算法在高考志愿服務(wù)平臺(tái)的研究，國(guó)內(nèi)國(guó)外文獻(xiàn)總體呈現(xiàn)數(shù)量少、相關(guān)度低的態(tài)勢(shì)。目前市面上的相關(guān)志愿填報(bào)平臺(tái)，一定程度上存在政策更新慢、院校介紹缺失、交互性差、缺少人工智能支持等弊端，在推薦院校上較為狹隘，無(wú)法體現(xiàn)出平臺(tái)志愿填報(bào)的優(yōu)勢(shì)，缺失真正合適的推薦算法的體現(xiàn)和探究。近年來(lái)，人工智能算法不斷創(chuàng)新和進(jìn)步，從簡(jiǎn)單的數(shù)理統(tǒng)計(jì)算法（如Logistic回歸算法和線性回歸算法）到復(fù)雜的智能算法（如CNN）。隨著算法復(fù)雜度的不斷提高，其應(yīng)用前景也越來(lái)越廣闊。許多算法已經(jīng)應(yīng)用于語(yǔ)音識(shí)別、金融、醫(yī)療等領(lǐng)域[6]。與此同時(shí)，國(guó)內(nèi)研究者也嘗試、研究推薦算法在高考志愿填報(bào)上的應(yīng)用。隨著國(guó)內(nèi)的推薦算法在高考志愿推薦平臺(tái)的研究，相信在不久的將來(lái)將會(huì)有一個(gè)更加智能、詳細(xì)的平臺(tái)，切實(shí)地幫助到使用者。

參考文獻(xiàn)：

[1] 胡嘉豪，孫焱，程景民.基于CiteSpace的互聯(lián)網(wǎng)醫(yī)療研究文獻(xiàn)可視化分析[J].中國(guó)數(shù)字醫(yī)學(xué)，2020，15（10）：59-61.

[2] 李穎，石磊，張寧，等.針刺雙向調(diào)節(jié)效應(yīng)研究的文獻(xiàn)計(jì)量分析[J].遼寧中醫(yī)雜志，2017，44（11）：2394-2397，2464.

[3] 李華，張宇，孫俊華.基于用戶模糊聚類的協(xié)同過濾推薦研究[J].計(jì)算機(jī)科學(xué)，2012，39（12）：83-86.

[4] 向邦盛，劉滌.試談推薦算法及應(yīng)用[J].電腦編程技巧與維護(hù)，2020（7）：43-45，54.

[5] 劉久煜，張?jiān)虑?，樸?腦機(jī)接口技術(shù)發(fā)展?fàn)顩r分析——基于文獻(xiàn)調(diào)研[J].衛(wèi)生職業(yè)教育，2019，37（19）：133-135.

[6] 劉理，吳官權(quán)，漆世鍇，等.同時(shí)測(cè)量曲率和溫度的高靈敏度光纖傳感器[J].傳感器與微系統(tǒng)，2019，38（10）：64-66，69.

【通聯(lián)編輯：謝媛媛】