竞赛指南—基于 GlobalPointer 神经网络 模型的竞赛推荐系统

随着智慧教育概念的提出，智慧教育已成为我国未来教育发展的趋势和方向， 并且智慧教育已经成为推动教育变革、提高教育质量的重要手段之一。在当前高等教育领域，由于信息的纷繁复杂以及各类专业比赛层出不穷，学生面临着无法 高效准确的选择适合自身专业发展的竞赛来满足自身个性化教育以及在信息获 取与利用方面，不同学生存在极大的信息差且无法得到既真正有效又适合自身发 展的专业建议的问题。不仅如此，绝大部分学校还面临辅导员都是非本专业的从 业者，导致与学生交流最多的辅导员无法给出相关专业建议，而具有相关专业知 识与能力的专业教师却与学生并不熟悉，无法对学生形成有效指导的困境。 为推动智慧教育的建设与发展，并且综合运用现代信息技术，将教育教学过 程中的各种资源整合起来，实现教学、管理和服务的有效融合，促进学生的全面 发展和教师的教学能力的提高，本团队决定开发本作品，利用学生的简历信息、 竞赛经历、技能水平等方面的信息，结合当前行业发展趋势，为学生提供适合其 个人情况的职业发展路径建议。与此同时增设辅导员端以及专业教师端，解决辅 导员对学生所学方向不了解而无法给出更加合理的建议以及专业教师与学生之 间因缺乏联系而互相不了解，无法提供专业指导的痛点。 本作品利用深度学习OCR领域技术配合NER领域技术来实现算法模型的搭 建。首先使用 OCR 领域中 DB 算法搭配 CRNN 算法将学生简历中的文字信息提 取出来，接着对抽取出来的信息使用使用 sklearn、pandas 对数据进行打标和预 处理。将预处理后的数据送入 GlobalPointer 神经网络模型中提取相关实体。结合 Word2vec 和 Doc2vec 模型获取实体和竞赛描述的相关 embedding，通过计算余弦 相似度来完成对学生参与竞赛的匹配度评估，最终提供个性化的建议和指导。在 可视化以及前端开发方面采用 React 框架 Next.js 和 Antd 组件库进行开发，并且 通 过 React-redux 进 行 状 态 管 理 。 数 据 存 储 以 及 后 端 开 发 则 利 用 SpringBoot+MyBatisPlus 框架进行开发，结合 MySQL 数据库进行数据的持久化 操作。本作品的开发可以解决前文提到的所有痛点以及困境，真正助力智慧教育 的发展与建设，为学生提供个性化的职业发展建议，帮助学生更加精准地制定自 己的职业规划方向，提升其职业竞争力和发展潜力 本作品根据使用用户主体不同包含以下主要功能： ①学生：通过本作品得到各个竞赛的官网链接，同时了解各个竞赛与自己的契合度并且通过本作品获得针对自己的能力提升以及建议。 ②辅导员：通过本作品可以了解某个竞赛学生整体的契合度，并可以根据自定义等级筛选出学生名单，同时可以获得所指导学生的简历评级，并针对性的给出主要改进点。 ③专业教师：通过本作品可以勾选对某个相关竞赛的志愿指导信息，并且可以根据学生上传获奖证书匹配相关竞赛指导获奖信息。 为实现以上功能，算法方向本作品决定采用深度学习领域OCR配合NER技术。首先使用OCR技术中DB算法搭配CRNN算法将学生简历中的文字信息提取出来，接着对抽取出来的信息使用使用sklearn以及pandas对数据进行预处理。将预处理后的数据送入GlobalPointer神经网络模型中提取相关实体，获得相关实体。在获取相关实体之后对相关实体进行操作。 开发方向前端采用React框架Next.js和Antd组件库进行开发，并且通过React-redux进行状态管理。后端采用了Java的SpringBoot+MyBatisPlus框架进行开发，结合MySQL数据库进行数据的持久化操作。