基于百度OCR識別的研究生智能推免選拔平臺

張宜軒 王永芳

摘 ?要：通過對臨沂大學(xué)研究生推薦免試選拔過程的調(diào)查研究，基于其線下選拔耗時長、工作量大的現(xiàn)狀，依托百度OCR識別技術(shù)設(shè)計了一種研究生智能推免選拔平臺。在平臺設(shè)計中提出可行的最優(yōu)推薦匹配算法：利用OCR識別技術(shù)和KMP算法進(jìn)行關(guān)鍵字匹配、智能評分。平臺還能夠?qū)崟r共享推免信息，在學(xué)生端和教師端之間建立隨機(jī)關(guān)系，實現(xiàn)教師端材料盲審，有效降低時間成本、提高選拔公平程度，對當(dāng)下推薦免試生選拔有突出的借鑒意義。

關(guān)鍵詞：推薦免試選拔;KMP算法;最優(yōu)推薦匹配;OCR識別

中圖分類號：TP391.41;TP18 ? ? ?文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2020）13-0085-04

Abstract：Through the investigation and research on the process of recommendation exemption of Linyi University postgraduate students in recent years，based on the current situation of long time-consuming and heavy workload in offline selection，designed an intelligent recommendation and examination free selection platform for graduate students relying on Baidu OCR recognition technology. Proposed a feasible optimal recommendation matching algorithm in the platform design：OCR recognition technology and KMP algorithm are used for keyword matching and intelligent scoring. The platform can also share the promotion and exemption information in real time，establish a random relationship between the student side and the teacher side，realize the blind review of the teacher side materials，effectively reduce the time cost and improve the fairness of the selection，which has a prominent reference significance for the current selection of candidates without examination.

Keywords：recommendation and examination free selection;KMP algorithm;optimal recommendation match;OCR recognition

0 ?引 ?言

隨著研究生招生規(guī)模的逐步擴(kuò)大以及考研人數(shù)的日趨增加，推薦免試攻讀研究生成為熱議話題。但根據(jù)前期調(diào)查結(jié)果，研究生推免工作的重心依然是在線下遴選優(yōu)秀應(yīng)屆畢業(yè)生。這種方式不但耗時長且選擇標(biāo)準(zhǔn)單一、有失公允，而且根據(jù)教育部有關(guān)文件精神，真正“有意義”的選拔應(yīng)當(dāng)更加注重學(xué)生綜合能力[1]，例如畢業(yè)生在本科階段的項目經(jīng)歷、學(xué)科競賽經(jīng)歷等，只有確立雙重標(biāo)準(zhǔn)、嚴(yán)格考核，才能體現(xiàn)“選拔、推薦”的真實含義。如何將這部分閱歷豐富、綜合素質(zhì)強(qiáng)的學(xué)生群體列入選拔的備選庫中，是本平臺設(shè)計的核心問題。

本平臺通過建立學(xué)生待審核記錄與審核教師的隨機(jī)關(guān)系，提高了線下校內(nèi)推免生審核過程的透明度、公平度，有效降低了傳統(tǒng)審核的工作量;同時，為了提高審核評分的準(zhǔn)確度和考察學(xué)生的綜合素質(zhì)能力，本平臺調(diào)用OCR識別（Optical Character Recognition，光學(xué)字符識別）[2]技術(shù)對學(xué)生上傳的圖文資料進(jìn)行關(guān)鍵字識別，根據(jù)識別結(jié)果進(jìn)行最優(yōu)推薦匹配[3]，最后審核教師根據(jù)推薦結(jié)果設(shè)置賦分比例。在用戶端平臺將用戶已有成績在各專業(yè)中進(jìn)行實時比對和排名，幫助用戶了解最新選拔狀態(tài)。

1 ?平臺功能與編程

本平臺采用C/S架構(gòu)的交互方式，以微信開發(fā)者工具（版本號v1.02.1911180）作為主要開發(fā)平臺[4]，并通過Spring Boot框架與數(shù)據(jù)庫進(jìn)行間接連接。本平臺的主要功能有上傳成果材料、排名匯總、動態(tài)信息共享、最優(yōu)推薦匹配、賦分比例設(shè)置等。

數(shù)據(jù)庫方面，平臺選用MySQL進(jìn)行數(shù)據(jù)存儲，平臺的學(xué)生用戶表、用戶排名信息表結(jié)構(gòu)如表1、2所示，平臺功能結(jié)構(gòu)圖如圖1所示。

2 ?平臺功能實現(xiàn)

本文主要從快速注冊模型、最優(yōu)推薦匹配、專業(yè)排名以及信息動態(tài)共享四個方面對平臺的功能進(jìn)行詳盡的描述。

2.1 ?快速注冊模型

該模型由登錄、注冊兩部分組成，登錄部分以臨沂大學(xué)校徽為界面主題，以用戶名和密碼作為憑證進(jìn)行登錄;在注冊部分引入搜索框注冊機(jī)制，相當(dāng)于在用戶注冊之前對重復(fù)學(xué)號的數(shù)據(jù)進(jìn)行攔截處理，其具體實現(xiàn)情景如圖2所示。

如果出現(xiàn)學(xué)號重復(fù)的情況，平臺提示“禁止重復(fù)注冊”;通過學(xué)號驗證后的用戶方可輸入用戶名、手機(jī)號碼等完成全部注冊過程。平臺通過引入快速注冊模型，成功地解決了重復(fù)注入信息造成的平臺異常。其核心策略解釋如下：

算法模糊搜索下實現(xiàn)的布爾判重函數(shù)

輸入有關(guān)學(xué)號的模糊文本

輸出判重提示

bool IfExists（String number）{

if（數(shù)據(jù)庫中數(shù)據(jù)equals（number））

return true;

else return false;

}

2.2 ?最優(yōu)推薦匹配

OCR識別技術(shù)[5]是百度AI開放平臺的一項重要功能，OCR作為一種AI智能產(chǎn)品，可以將用戶上傳的圖片提交給百度AI服務(wù)，在微信小程序中調(diào)用此API，不需要服務(wù)器的參與，適合初學(xué)者的學(xué)習(xí)和使用。平臺利用OCR識別技術(shù)實現(xiàn)的功能主要有：

（1）用圖像數(shù)據(jù)字段實現(xiàn)圖片存儲，并在后續(xù)教師查閱學(xué)生材料時將圖片存儲字段轉(zhuǎn)換成可顯示的圖片類型進(jìn)行展示[6];

（2）在微信小程序端設(shè)置了人工智能識圖功能;

（3）對轉(zhuǎn)換后的圖片文字進(jìn)行關(guān)鍵字匹配。

平臺設(shè)置的關(guān)鍵字ki（i=1，2，3）和對應(yīng)的分值范圍主要分為3類（以計算機(jī)學(xué)科為例，材料未涉及論文），其中比賽項目關(guān)鍵字k1?{ACM-ICPC（50分），CCF（50分），CCSP（50分），藍(lán)橋杯（45分），程序設(shè)計（45分），數(shù)學(xué)建模（45分），國家獎學(xué)金（60分）}，比賽級別關(guān)鍵字k2?{省賽（25分），國賽（30分），區(qū)域賽（35分）}，獲獎級別關(guān)鍵字k3?{一等獎（10分），二等獎（6分），三等獎（3分），Gold（10分），Silver（6分），Bronze（3分）}。由于單項材料獲取的文字內(nèi)容較少，匹配過程采用Knuth-Morris-Pratt字符串匹配算法[7]（KMP算法），匹配成果材料評分結(jié)果[8]分為3類yj（j=1，2，3），分別為優(yōu)秀（90～100]、良好（80～90]和合格（其他分?jǐn)?shù)段），具體過程用公式表達(dá)：

該項功能對用戶提交的圖片內(nèi)容進(jìn)行最優(yōu)分?jǐn)?shù)匹配，教師具有審核和根據(jù)學(xué)校相關(guān)政策修改分?jǐn)?shù)的權(quán)限。此功能的實現(xiàn)有效提高了整個審核環(huán)節(jié)的效率，而且能夠智能化審核流程、量化賦分標(biāo)準(zhǔn)。平臺上交成果材料功能的具體實現(xiàn)如圖3所示。

2.3 ?專業(yè)排名

管理員在平臺確定選拔比例后，依次點擊“生成排名”“檢錄信息”就可以分專業(yè)登記選拔狀態(tài)。這一部分實現(xiàn)的關(guān)鍵在于編寫SQL排序語句[9]，關(guān)鍵語句如下：

算法分專業(yè)排序算法

輸入專業(yè)名稱、設(shè)定推免比例

輸出各專業(yè)排序名次

SELECT 學(xué)號，（@排名序號：= @排名序號+1） AS 排名 FROM （SELECT * FROM 用戶排序表） 用戶排序表，

（SELECT @排名序號 ：=0） b ORDER BY 用戶排序表總成績 DESC;

該部分主要解決兩大問題：

（1）插入、更新大批量數(shù)據(jù)時盡量采用耗時相對較低的算法，否則易造成下標(biāo)出界;

（2）在重新指定選拔比例時，應(yīng)當(dāng)在現(xiàn)有記錄刪除后再插入該專業(yè)所有記錄，否則易導(dǎo)致專業(yè)混合排序，不利于統(tǒng)計。

2.4 ?信息動態(tài)共享

平臺將動態(tài)報考信息進(jìn)行共享，既可以幫助學(xué)生掌握報考專業(yè)的競爭激烈程度，又可以給學(xué)生智能化推薦報考專業(yè)。其具體的實現(xiàn)過程如圖4所示。

在用戶點擊不同專業(yè)時，平臺會將該用戶當(dāng)前的學(xué)業(yè)成績與數(shù)據(jù)庫中該專業(yè)已有的最終成績作差比較。根據(jù)差值不同的范圍，平臺解析范圍大小并做出動態(tài)反饋?，F(xiàn)在把上述過程總結(jié)為模擬排位算法模型，該模型可以幫助考生快速知悉報考專業(yè)的大體情況，在一定程度上緩解了盲目報考產(chǎn)生的“扎堆”現(xiàn)象、提升報考成功率。

下面給出模擬排位算法的偽代碼：

算法模擬排位算法

輸入用戶當(dāng)前既有學(xué)業(yè)成績、點選專業(yè)

輸出提示內(nèi)容（具體的分差提示內(nèi)容如表3所示）

public Map cmpWithTotal（score， career）{

do dif ← score-total;

Map map = new HashMap<>（）;

put（“提示信息”）

}

3 ?結(jié) ?論

針對當(dāng)前優(yōu)秀畢業(yè)生推免工作中存在的問題，為了更好地推動無紙化辦公、提高推免過程的智能化，本文設(shè)計了研究生智能推免選拔平臺。平臺通過百度OCR技術(shù)，共享AI領(lǐng)域的應(yīng)用場景和解決方案，對用戶提交的材料進(jìn)行關(guān)鍵字匹配和賦分分類，綜合定性分析學(xué)生素質(zhì)和能力;通過設(shè)置模糊查詢，改變以往表單注冊的固有形式，有效地降低了重復(fù)率;通過信息動態(tài)共享功能，可以幫助報考學(xué)生避免“扎堆”報考的現(xiàn)象，指導(dǎo)不同分?jǐn)?shù)段的學(xué)生科學(xué)報考;通過分專業(yè)排名功能，可以幫助管理員掌握各個專業(yè)的具體選拔情況。本平臺將OCR識別技術(shù)與微信小程序深度結(jié)合，有效提高了選拔過程的效率，加強(qiáng)了對學(xué)生綜合素質(zhì)能力的考察，提高選拔過程的智能化程度。

參考文獻(xiàn)：

[1] 張學(xué)謙，李金龍，裴旭，等.我國一流大學(xué)建設(shè)高校碩士研究生入學(xué)機(jī)會平等性測度及表現(xiàn) [J].學(xué)位與研究生教育，2019（6）：38-44.

[2] 王志豪，朱浩宇，翁子揚(yáng)，等.基于百度AI開放平臺的廣告匹配度方案 [J].電腦知識與技術(shù)，2019，15（36）：195-197.

[3] 陳超祥，丁健龍，陳友榮.智能短信就業(yè)服務(wù)平臺的設(shè)計與實現(xiàn) [J].計算機(jī)工程，2009，35（7）：191-194.

[4] 李哲，周靈.微信小程序的架構(gòu)與開發(fā)淺析 [J].福建電腦，2019，35（12）：66-69.

[5] 何文琦.基于OCR技術(shù)的高校財務(wù)報銷新探索 [J].商業(yè)會計，2020（10）：79-81.

[6] 程海峰.基于微信小程序的圖片分享系統(tǒng)的設(shè)計與實現(xiàn) [J].工業(yè)控制計算機(jī)，2019，32（2）：97-98.

[7] 李莉.基于字符比較的單模式匹配算法的研究與分析 [D].福州：福建師范大學(xué)，2016.

[8] 李薇，肖仰華，汪衛(wèi).基于中文知識圖譜的人物實體識別 [J].計算機(jī)工程，2017，43（3）：225-231+240.

[9] 滕剛.關(guān)系數(shù)據(jù)庫排名運(yùn)算方法的研究 [J].電腦開發(fā)與應(yīng)用，2009，22（12）：36-38.

作者簡介：張宜軒（1996—），男，漢族，山東泰安人，本科，研究方向：算法設(shè)計與分析;通訊作者：王永芳（1987—），女，漢族，山東臨沂人，講師，博士研究生，研究方向：人工智能、模式識別。