學(xué)位論文盲審與預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

萬 強(qiáng)

(江西財(cái)經(jīng)大學(xué) 軟件與物聯(lián)網(wǎng)工程學(xué)院，江西 南昌330013)

0 引言

“盲審”，就是匿名送審，將不署作者名的學(xué)位論文送往外校同專業(yè)專家評閱，專家對論文進(jìn)行匿名評分、評價(jià)［1］。相較校內(nèi)學(xué)位論文評分，盲審制度通常更為客觀公正?，F(xiàn)行的盲審制度也存在不少缺點(diǎn): ①費(fèi)用高。論文的送審與送回均通過郵寄方式，耗費(fèi)時(shí)間較長，論文印制與快遞費(fèi)用增加了經(jīng)濟(jì)成本; “盲審”過程缺乏系統(tǒng)化，論文的裝訂、聯(lián)系校外專家、送審等工作需要大量人力資源［2］; ②增加了專家與學(xué)生信息被泄漏的風(fēng)險(xiǎn);③無法對學(xué)生提供警示效果。

針對以上不足，設(shè)計(jì)基于SpringMVC 框架開發(fā)的學(xué)位論文盲審與預(yù)測系統(tǒng)(見圖1) ，能有效避免現(xiàn)有盲審制度缺點(diǎn)。由于所有操作均通過網(wǎng)絡(luò)，有效縮短了評審周期; 學(xué)生自己上傳需要盲審的論文，系統(tǒng)自動(dòng)匹配專家進(jìn)行盲審，極大程度降低了人力成本與經(jīng)濟(jì)成本，降低了雙方信息泄漏的風(fēng)險(xiǎn);由于各類成本降低，可一定程度提高研究生學(xué)位論文盲審抽取比例，同時(shí)通過建立非線性回歸模型，可預(yù)測下屆學(xué)生論文盲審?fù)ㄟ^情況，為學(xué)生提供預(yù)警，一定程度削弱學(xué)生“僥幸”心理，提高學(xué)位論文質(zhì)量。

1 系統(tǒng)設(shè)計(jì)

學(xué)位論文盲審與預(yù)測系統(tǒng)可以分為系統(tǒng)管理、人員管理、盲審功能、通知管理、論文管理、統(tǒng)計(jì)功能、預(yù)測模型功能7 個(gè)子模塊。系統(tǒng)總體模塊結(jié)構(gòu)如圖1 所示。

(1) 系統(tǒng)管理模塊。該模塊主要實(shí)現(xiàn)系統(tǒng)日常運(yùn)維管理基礎(chǔ)功能。

圖1 學(xué)位論文盲審與預(yù)測系統(tǒng)結(jié)構(gòu)

(2) 人員管理模塊。該模塊分角色進(jìn)行管理。系統(tǒng)角色有: ①系統(tǒng)管理員，擁有最高權(quán)限，發(fā)布盲審?fù)ㄖc確定盲審周期，能對系統(tǒng)各項(xiàng)功能進(jìn)行配置; ②學(xué)院管理員，學(xué)生上傳的論文還需經(jīng)過學(xué)院管理員的審核，學(xué)院管理員也可以在盲審結(jié)束后查看本學(xué)院預(yù)測模型; ③專家，下載學(xué)生論文，對論文進(jìn)行評分，提出論文評語; ④學(xué)生，提交自己的待盲審論文。

(3) 盲審功能模塊。該模塊主要為專家提供評閱論文功能。包括了智能匹配專家，專家下載論文，上傳分?jǐn)?shù)與評語3 個(gè)子模塊。

(4) 通知管理模塊。該模塊包括短信通知、系統(tǒng)內(nèi)通知兩個(gè)子模塊。其中短信通知子模塊是為了給專家提供臨時(shí)賬號(hào)、密碼。

(5) 論文管理模塊。該模塊包括學(xué)生上傳論文、論文敏感信息檢測兩個(gè)子模塊。其中，論文敏感信息檢測是學(xué)生在上傳論文時(shí)，系統(tǒng)會(huì)自動(dòng)根據(jù)學(xué)生姓名、學(xué)院名稱、導(dǎo)師姓名檢測論文，當(dāng)論文中含有該類敏感詞匯，警示學(xué)生修改后重新提交。

(6) 統(tǒng)計(jì)功能模塊。該模塊包括學(xué)校盲審人數(shù)統(tǒng)計(jì)、學(xué)院盲審人數(shù)統(tǒng)計(jì)、學(xué)校盲審?fù)ㄟ^情況統(tǒng)計(jì)、學(xué)院盲審?fù)ㄟ^情況統(tǒng)計(jì)等子模塊，主要為系統(tǒng)管理員提供歷年數(shù)據(jù)查詢。

(7) 預(yù)測模型功能模塊。該模塊是將統(tǒng)計(jì)功能模塊中統(tǒng)計(jì)的學(xué)院近5 年學(xué)生盲審分?jǐn)?shù)，建立非線性回歸模型。使用梯度下降法迭代求解非線性回歸模型，對明年學(xué)院盲審情況作出預(yù)測。

2 系統(tǒng)關(guān)鍵技術(shù)

2.1 SpringMVC 框架

學(xué)位論文盲審與預(yù)測系統(tǒng)基于Spring MVC 框架，為B/S 結(jié)構(gòu)網(wǎng)站系統(tǒng)。B/S 結(jié)構(gòu)功能擴(kuò)展性較好，在系統(tǒng)使用中可通過增加網(wǎng)頁增加功能，開發(fā)量較小，無需提供客戶端，更新服務(wù)器端即可;建立在廣域網(wǎng)之上，用戶可以隨時(shí)隨地進(jìn)行系統(tǒng)操作［3－4］。SpringMVC 框架將模型、視圖、控制器進(jìn)行分離，各模塊間松耦合，整個(gè)系統(tǒng)結(jié)構(gòu)清晰，便于開發(fā)維護(hù)［5］。

用戶通過瀏覽器發(fā)送HTTP 請求到達(dá)DispatcherServlet(分發(fā)器) ，DispatcherServlet 負(fù)責(zé)協(xié)調(diào)不同的組件完成請求并返回結(jié)果，它會(huì)通過HTTP 請求中的URL 尋找、調(diào)用相應(yīng)的處理器HandlerMapping。處理得到相應(yīng)的數(shù)據(jù)后，數(shù)據(jù)會(huì)傳入視圖解析器解析出來的View 對象中［6－7］，最后Dispatcher Servlet 會(huì)將View 對象返回給用戶。完整的HTTP 請求處理的流程如圖2 所示。

圖2 SpringMVC請求處理流程

2.2 非線性回歸模型

在線性代數(shù)中，函數(shù)中自變量與因變量不存在線性關(guān)系，則考慮使用非線性回歸求解［8］。梯度下降法［9］是解決回歸問題最常見迭代法之一，可以用來求解最小二乘問題。首先給定一個(gè)可微的f(x) 函數(shù)，任取一個(gè)點(diǎn)，取該點(diǎn)梯度，沿著負(fù)梯度方向可找到預(yù)測函數(shù)局部最小值?？啥x一個(gè)評估預(yù)測函數(shù)好壞的損失函數(shù)為:

其中，f(x(i)) 為預(yù)測函數(shù)的輸出值，yi為實(shí)際值，u 為參數(shù)向量，有u=［u0，u1，…，uM］T［10］。使用梯度下降法步驟是:

①對u 進(jìn)行賦值，定義u0;

②對損失函數(shù)求偏導(dǎo)數(shù):

其中，α 為學(xué)習(xí)率，表示梯度下降中每一次迭代變化量的大小。重復(fù)上述②，當(dāng)滿足收斂時(shí)退出迭代，此時(shí)u 中的所有參數(shù)即為模型參數(shù)，即得到最后的非線性回歸模型。

3 實(shí)現(xiàn)功能

3.1 盲審功能模塊

實(shí)現(xiàn)對所有盲審論文智能匹配相應(yīng)盲審專家，為專家提供下載論文與上傳分?jǐn)?shù)與評語等功能。當(dāng)學(xué)生提交論文的時(shí)間截止，系統(tǒng)將未提交論文學(xué)生視為未通過盲審，對已提交論文根據(jù)學(xué)生專業(yè)方向智能匹配專家。智能匹配專家規(guī)則如下:①一篇論文分配給兩個(gè)同專業(yè)專家; ②專家不能與論文作者同校; ③專家職稱與論文要求相符。當(dāng)?shù)玫酵暾仄ヅ浞桨钢螅到y(tǒng)將匹配生成的信息保存在數(shù)據(jù)庫。隨后自動(dòng)發(fā)短信給專家。短信內(nèi)容有: 系統(tǒng)臨時(shí)為專家生成的賬號(hào)、密碼，等待自己盲審的論文篇數(shù)與盲審的截止時(shí)間。所有專家上傳分?jǐn)?shù)與評語后，系統(tǒng)統(tǒng)計(jì)學(xué)校盲審人數(shù)、學(xué)院盲審人數(shù)、學(xué)校盲審?fù)ㄟ^情況、學(xué)院盲審?fù)ㄟ^情況等，保存到數(shù)據(jù)庫中。具體流程見圖3。

圖3 盲審功能流程

3.2 預(yù)測模型功能模塊

學(xué)位論文盲審與預(yù)測系統(tǒng)中，各學(xué)院管理員可通過系統(tǒng)提供的“預(yù)測模型功能模塊”預(yù)測學(xué)院明年的盲審?fù)ㄟ^情況。利用非線性回歸模型，分析本學(xué)院歷年盲審專家打分情況;利用梯度下降法預(yù)測明年本學(xué)院盲審?fù)ㄟ^情況，對學(xué)院畢業(yè)生及其導(dǎo)師進(jìn)行預(yù)警。

其中，由于使用的是Python 語言中的Numpy 庫進(jìn)行非線性回歸模型訓(xùn)練，所以當(dāng)學(xué)院管理員第一次請求查看本學(xué)院盲審預(yù)測情況時(shí)，基于SpringMVC 的系統(tǒng)會(huì)將學(xué)院中歷年盲審分?jǐn)?shù)從數(shù)據(jù)庫中查詢并保存到指定文件夾下臨時(shí)文件中，然后調(diào)取服務(wù)器中Python 腳本對臨時(shí)文件中數(shù)據(jù)進(jìn)行處理，得到相應(yīng)模型圖像與公式，分別保存到指定文件夾與數(shù)據(jù)庫。在下一次查詢時(shí)不再進(jìn)行模型訓(xùn)練，而是直接將圖像與公式展示在系統(tǒng)中。具體步驟見圖4。

圖4 測模型功能模塊時(shí)序圖

4 結(jié)語

本文闡述了學(xué)位論文盲審與預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)實(shí)現(xiàn)了自動(dòng)檢測學(xué)生上傳的待盲審論文中是否存在敏感信息;智能匹配盲審專家，專家下載論文，上傳分?jǐn)?shù)與評語完成盲審;完成盲審后對盲審情況進(jìn)行統(tǒng)計(jì)，并且允許學(xué)院管理員對明年盲審?fù)ㄟ^情況進(jìn)行建模預(yù)測。系統(tǒng)的實(shí)現(xiàn)能夠?yàn)檎撐拿徆ぷ魈峁└咝А⒌统杀镜慕鉀Q方案，能對學(xué)位論文盲審?fù)ㄟ^情況提供較為科學(xué)可行的預(yù)測，對實(shí)現(xiàn)研究生教育培養(yǎng)工作有著重要意義。