一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法
【專利摘要】本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，涉及自動(dòng)化領(lǐng)域，其包括：提取問卷調(diào)查相關(guān)數(shù)據(jù)；對(duì)提取的問卷調(diào)查相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理，獲得真實(shí)且合格的數(shù)據(jù)；基于真實(shí)且合格的數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型；訓(xùn)練模型以獲得更加有效且合理的評(píng)估模型；將通過分析模型所獲得的知識(shí)并結(jié)合專家知識(shí)封裝于執(zhí)行決策的決策服務(wù)中；利用決策服務(wù)判定畢業(yè)要求達(dá)成度。本發(fā)明覆蓋面廣，效率高，具有自主分析決策能力，能夠客觀地評(píng)估學(xué)生學(xué)習(xí)成果。
【專利說明】
一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及知識(shí)自動(dòng)化領(lǐng)域，設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查 間接評(píng)估方法。
【背景技術(shù)】
[0002] 從2015年3月教育部推出與國(guó)際實(shí)質(zhì)等效的《工程教育專業(yè)認(rèn)證標(biāo)準(zhǔn)》以來(lái)，全國(guó) 各大高校都在積極推動(dòng)工程教育專業(yè)認(rèn)證工作。
[0003] 各高校對(duì)于不同的畢業(yè)要求也有不同的評(píng)價(jià)方案，大都分為診斷型評(píng)價(jià)，形成型 評(píng)價(jià)，總結(jié)型評(píng)價(jià)，由于可以較為準(zhǔn)確地量化，現(xiàn)有的工程教育專業(yè)認(rèn)證方案大多為課程考 核成績(jī)分析法這一方案。這一方案能對(duì)學(xué)生已經(jīng)形成的知識(shí)、能力、態(tài)度等發(fā)展做出合理的 評(píng)價(jià)，但過于傾向考試成績(jī)而導(dǎo)致開放性嚴(yán)重不足。
[0004] 為解決上述問題，本發(fā)明設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接 評(píng)估方法，此方法靈活多樣、具有開放性的定性、定量相結(jié)合的優(yōu)點(diǎn)。

【發(fā)明內(nèi)容】

[0005] 為了克服目前評(píng)估方法的不足，本發(fā)明設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的 問卷調(diào)查間接評(píng)估方法，它具體包括以下步驟： 1) 提取問卷調(diào)查相關(guān)數(shù)據(jù)； 2) 對(duì)提取的問卷調(diào)查相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理，獲得真實(shí)且合格的數(shù)據(jù)； 3) 基于真實(shí)且合格的數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型； 4) 訓(xùn)練模型以獲得更加有效且合理的評(píng)估模型； 5) 將通過分析模型所獲得的知識(shí)并結(jié)合專家知識(shí)封裝于執(zhí)行決策的決策服務(wù)中； 6) 利用決策服務(wù)判定畢業(yè)要求達(dá)成度。
[0006] 上述基于知識(shí)自動(dòng)化的畢業(yè)要求達(dá)成度間接評(píng)估方法，其特征在于:所述步驟1) 包括： 問卷調(diào)查的對(duì)象包括:用人單位、畢業(yè)生、應(yīng)屆畢業(yè)生； 調(diào)查內(nèi)容包括兩項(xiàng):一是受訪者對(duì)畢業(yè)要求各項(xiàng)能力重要性的認(rèn)同程度;二是畢業(yè)生 在這些能力上表現(xiàn)和達(dá)成情況。
[0007] 上述基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特征在于:所述步 驟2)進(jìn)一步包括： 將上述所獲數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理： 根據(jù)以上指標(biāo)制定一張供受訪者填寫的畢業(yè)要求達(dá)成情況調(diào)查表，每個(gè)指標(biāo)評(píng)價(jià)結(jié)果 分為"非常不認(rèn)同/非常不滿意" "基本不認(rèn)同/基本不滿意""一般認(rèn)同/一般滿意""基本認(rèn) 同/基本滿意""非常認(rèn)同/非常滿意"五個(gè)等級(jí)； 每個(gè)受訪者可對(duì)每個(gè)指標(biāo)進(jìn)行評(píng)分，分值為五分制，用12個(gè)指標(biāo)構(gòu)成的指標(biāo)體系來(lái)評(píng) 估畢業(yè)要求達(dá)成度，第i個(gè)受訪者的第j個(gè)指標(biāo)為，則對(duì)該指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理公式如下： (1) 其中，叫是Clj的標(biāo)準(zhǔn)數(shù)據(jù);i是未標(biāo)準(zhǔn)化的第j個(gè)指標(biāo)平均值而是未標(biāo)準(zhǔn)化的第j 個(gè)指標(biāo)的標(biāo)準(zhǔn)差；
(3) 其中，M為評(píng)估者的個(gè)數(shù)，如果標(biāo)準(zhǔn)化的數(shù)據(jù)仍然大于1，則將該項(xiàng)數(shù)據(jù)賦值為1。
[0008]根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A103進(jìn)一步包括： 對(duì)畢業(yè)要求達(dá)成度評(píng)估問題，可以看作是輸入(畢業(yè)要求達(dá)成度評(píng)估指標(biāo))到輸出（對(duì) 畢業(yè)達(dá)成度最終評(píng)估結(jié)果）的非線性映射，因此，采用了 3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱 含層、輸出層； 具體建模過程由以下4個(gè)步驟組成： 1) 輸入層節(jié)點(diǎn)的確定： 畢業(yè)要求達(dá)成度評(píng)估指標(biāo)分為12個(gè)，12個(gè)評(píng)估指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)輸入層的輸入，因 此，BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)就相應(yīng)地確定為12個(gè)； 2) 輸出層節(jié)點(diǎn)的確定： 由于畢業(yè)要求達(dá)成度評(píng)估結(jié)果只有一個(gè)，因此網(wǎng)絡(luò)的輸出層只設(shè)1個(gè)輸出節(jié)點(diǎn)； 3) 隱含層節(jié)點(diǎn)的確定： 到目前為止，如何選定最佳的隱含層節(jié)點(diǎn)個(gè)數(shù)仍是一個(gè)急待解決的問題。如果我們選 擇的隱含層節(jié)點(diǎn)數(shù)太少，則會(huì)使整個(gè)神經(jīng)網(wǎng)絡(luò)的收斂速度變慢，且不易收斂，相反，如果我 們選擇的隱含層節(jié)點(diǎn)數(shù)太多，則會(huì)引起神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)復(fù)雜、迭代學(xué)習(xí)時(shí)計(jì)算量大，誤 差也不一定最佳等問題，此外隱含節(jié)點(diǎn)太多還會(huì)增加訓(xùn)練時(shí)間； 目前，比較常見的確定隱含層節(jié)點(diǎn)數(shù)量的經(jīng)驗(yàn)公式有： (4) 其中，P為隱貧
層節(jié)點(diǎn)個(gè)數(shù)，m為輸入層節(jié)點(diǎn)個(gè)數(shù)，n為輸出層節(jié)點(diǎn)個(gè)數(shù)，￡1取值大于1 且小于10; 通過逐一試驗(yàn)，得到最佳隱含層節(jié)點(diǎn)數(shù)為7，即p=7; 4) 激活函數(shù)的選定： 由于在訓(xùn)練數(shù)據(jù)樣本集中，評(píng)估結(jié)果的期望輸出值經(jīng)過歸一化處理后均落于[0，1]區(qū) 間內(nèi)，因此，我們可以將BP神經(jīng)網(wǎng)絡(luò)隱含層單元和輸出層單元上的激活函數(shù)都取為Sigmoid 函數(shù)，函數(shù)形式為：
在這個(gè)模型中： 輸入向量為X=(X1，X2，'"Xm)，m為輸入層節(jié)點(diǎn)的個(gè)數(shù)； 隱含層輸出為11=(111，112，"_恥）4為隱含層節(jié)點(diǎn)的個(gè)數(shù)； 模型實(shí)際輸出為Y=(y); D=(d)表示訓(xùn)練樣本期望輸出； 輸入層單元i到隱含層單元j的權(quán); 隱含層單元j到輸出層單元的權(quán)值為 弓丨入XQ=-1，可為隱含層神經(jīng)元引入閥值為_ ; 弓丨入h〇=-l，可為輸出層神經(jīng)元引入閥值為鉍; 對(duì)于隱含層，有如下公式：
(6) 其中，j =1，2,…p; 對(duì)于輸出層，有如下公式：
(7)。
[0009] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A104進(jìn)一步包括： 將輸入向量X反復(fù)代入BP神經(jīng)網(wǎng)絡(luò)模型，并指定對(duì)應(yīng)的正確輸出結(jié)果，先計(jì)算實(shí)際輸入 與正確輸出的差值得到計(jì)算誤差，在神經(jīng)網(wǎng)絡(luò)中反向傳播誤差，然后計(jì)算每個(gè)權(quán)重對(duì)誤差 的貢獻(xiàn)大小，并以此為依據(jù)對(duì)連接權(quán)值進(jìn)行調(diào)整，神經(jīng)網(wǎng)絡(luò)不斷自我調(diào)整權(quán)值并使誤差最 小，直到其對(duì)所有的輸入均可得到正確的輸出。
[0010] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A105進(jìn)一步包括： 業(yè)務(wù)規(guī)則管理系統(tǒng)將封裝的知識(shí)部署在受業(yè)務(wù)流程管理系統(tǒng)控制的決策服務(wù)中。
[0011] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A106進(jìn)一步包括： BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型最后的輸出值即為畢業(yè)要求達(dá)成度的值。
[0012] 本發(fā)明的技術(shù)效果在于:本發(fā)明通過問卷調(diào)查法收集問卷調(diào)查數(shù)據(jù)，基于問卷調(diào) 查數(shù)據(jù)構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型，并以此評(píng)估模型來(lái)間接評(píng)估畢業(yè)生畢業(yè)要求達(dá)成度； 設(shè)計(jì)了畢業(yè)要求達(dá)成度的決策流程，并構(gòu)建了畢業(yè)要求達(dá)成度的決策管理循環(huán)架構(gòu);采用 了"業(yè)務(wù)流程-決策服務(wù)-業(yè)務(wù)知識(shí)-分析模型-數(shù)據(jù)-業(yè)務(wù)流程"這個(gè)循環(huán)途徑，從而實(shí)現(xiàn)了 間接評(píng)估畢業(yè)要求達(dá)成度的自動(dòng)化。
【附圖說明】
[0013] 圖1為本發(fā)明的實(shí)施流程圖； 圖2為本發(fā)明的BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型圖； 圖3為本發(fā)明中畢業(yè)要求達(dá)成度的決策管理循環(huán)架構(gòu)圖； 圖4為本發(fā)明中畢業(yè)要求達(dá)成度的決策流程圖；
【具體實(shí)施方式】
[0014] 下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的詳細(xì)說明。應(yīng)該指出的是下面說明 僅僅是示例性的，而不是為了限制本發(fā)明的范圍以及其應(yīng)用。
[0015] 項(xiàng)目實(shí)施方式 如圖1所示，一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，【具體實(shí)施方式】 如下： 1) 提取問卷調(diào)查相關(guān)數(shù)據(jù)； 2) 對(duì)提取的問卷調(diào)查相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理，獲得真實(shí)且合格的數(shù)據(jù)； 3) 基于真實(shí)且合格的數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型； 4) 訓(xùn)練模型以獲得更加有效且合理的評(píng)估模型； 5) 將通過分析模型所獲得的知識(shí)并結(jié)合專家知識(shí)封裝于執(zhí)行決策的決策服務(wù)中； 6) 利用決策服務(wù)判定畢業(yè)要求達(dá)成度。
[0016] 上述基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特征在于:所述步 驟1)包括： 問卷調(diào)查的對(duì)象包括:用人單位、畢業(yè)生、應(yīng)屆畢業(yè)生； 調(diào)查內(nèi)容包括兩項(xiàng):一是受訪者對(duì)畢業(yè)要求各項(xiàng)能力重要性的認(rèn)同程度;二是畢業(yè)生 在這些能力上表現(xiàn)和達(dá)成情況。
[0017] 上述基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特征在于:所述步 驟2)進(jìn)一步包括： 將上述所獲數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理： 根據(jù)以上指標(biāo)制定一張供受訪者填寫的畢業(yè)要求達(dá)成情況調(diào)查表，每個(gè)指標(biāo)評(píng)價(jià)結(jié)果 分為"非常不認(rèn)同/非常不滿意" "基本不認(rèn)同/基本不滿意""一般認(rèn)同/一般滿意""基本認(rèn) 同/基本滿意""非常認(rèn)同/非常滿意"五個(gè)等級(jí)； 每個(gè)受訪者可對(duì)每個(gè)指標(biāo)進(jìn)行評(píng)分，分值為五分制，用12個(gè)指標(biāo)構(gòu)成的指標(biāo)體系來(lái)評(píng) 估畢業(yè)要求達(dá)成度，第i個(gè)受訪者的第j個(gè)指標(biāo)為Clj，則對(duì)該指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理公式如下：
(1) 其中，W是叫的標(biāo)準(zhǔn)數(shù)據(jù);是未標(biāo)準(zhǔn)化的第j個(gè)指標(biāo)平均值A(chǔ)是未標(biāo)準(zhǔn)化的第j 個(gè)指標(biāo)的標(biāo)準(zhǔn)差；
(3) 其中，M為評(píng)估者的個(gè)數(shù)，如果標(biāo)準(zhǔn)化的數(shù)據(jù)仍然大于1，則將該項(xiàng)數(shù)據(jù)賦值為1。
[0018] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A103進(jìn)一步包括： 對(duì)畢業(yè)要求達(dá)成度評(píng)估問題，可以看作是輸入(畢業(yè)要求達(dá)成度評(píng)估指標(biāo))到輸出（對(duì) 畢業(yè)達(dá)成度最終評(píng)估結(jié)果）的非線性映射，因此，采用了 3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱 含層、輸出層； 具體建模過程由以下4個(gè)步驟組成： 1) 輸入層節(jié)點(diǎn)的確定： 畢業(yè)要求達(dá)成度評(píng)估指標(biāo)分為12個(gè)，12個(gè)評(píng)估指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)輸入層的輸入，因 此，BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)就相應(yīng)地確定為12個(gè)； 2) 輸出層節(jié)點(diǎn)的確定： 由于畢業(yè)要求達(dá)成度評(píng)估結(jié)果只有一個(gè)，因此網(wǎng)絡(luò)的輸出層只設(shè)1個(gè)輸出節(jié)點(diǎn)； 3) 隱含層節(jié)點(diǎn)的確定： 到目前為止，如何選定最佳的隱含層節(jié)點(diǎn)個(gè)數(shù)仍是一個(gè)急待解決的問題。如果我們選 擇的隱含層節(jié)點(diǎn)數(shù)太少，則會(huì)使整個(gè)神經(jīng)網(wǎng)絡(luò)的收斂速度變慢，且不易收斂，相反，如果我 們選擇的隱含層節(jié)點(diǎn)數(shù)太多，則會(huì)引起神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)復(fù)雜、迭代學(xué)習(xí)時(shí)計(jì)算量大，誤 差也不一定最佳等問題，此外隱含節(jié)點(diǎn)太多還會(huì)增加訓(xùn)練時(shí)間； 目前，比較常見的確定隱含層節(jié)點(diǎn)數(shù)量的經(jīng)驗(yàn)公式有： P .Sigm:奪:砝屮餐 (4) 其中，P為隱含層節(jié)點(diǎn)個(gè)數(shù)，m為輸入層節(jié)點(diǎn)個(gè)數(shù)，n為輸出層節(jié)點(diǎn)個(gè)數(shù)，級(jí)取值大于1 且小于10; 通過逐一試驗(yàn)，得到最佳隱含層節(jié)點(diǎn)數(shù)為7，即p=7; 4) 激活函數(shù)的選定： 由于在訓(xùn)練數(shù)據(jù)樣本集中，評(píng)估結(jié)果的期望輸出值經(jīng)過歸一化處理后均落于[0，1]區(qū) 間內(nèi)，因此，我們可以將BP神經(jīng)網(wǎng)絡(luò)隱含層單元和輸出層單元上的激活函數(shù)都取為Sigmoid 函數(shù)，函數(shù)形式為：
在這個(gè)模型中： 輸入向量為X=(X1，X2，'"Xm)，m為輸入層節(jié)點(diǎn)的個(gè)數(shù)； 隱含層輸出為11=(111，112，"_恥）4為隱含層節(jié)點(diǎn)的個(gè)數(shù)； 模型實(shí)際輸出為Y=(y); D=(d)表示訓(xùn)練樣本期望輸出； 輸入層單元i到隱含層單元j的權(quán)值為 隱含層單元j到輸出層單元的權(quán)值為; 弓丨入XQ=-1，可為隱含層神經(jīng)元引入閥值; 引入h〇=-l，可為輸出層神經(jīng)元引入閥值為W 對(duì)于隱含層，有如下公式： 其中，j =1，2,…p; (6) 對(duì)于輸出層，有如下公式：
[0019] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A104進(jìn)一步包括： 將輸入向量X反復(fù)代入BP神經(jīng)網(wǎng)絡(luò)模型，并指定對(duì)應(yīng)的正確輸出結(jié)果，先計(jì)算實(shí)際輸入 與正確輸出的差值得到計(jì)算誤差，在神經(jīng)網(wǎng)絡(luò)中反向傳播誤差，然后計(jì)算每個(gè)權(quán)重對(duì)誤差 的貢獻(xiàn)大小，并以此為依據(jù)對(duì)連接權(quán)值進(jìn)行調(diào)整，神經(jīng)網(wǎng)絡(luò)不斷自我調(diào)整權(quán)值并使誤差最 小，直到其對(duì)所有的輸入均可得到正確的輸出。
[0020] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A105進(jìn)一步包括： 業(yè)務(wù)規(guī)則管理系統(tǒng)將封裝的知識(shí)部署在受業(yè)務(wù)流程管理系統(tǒng)控制的決策服務(wù)中。
[0021] 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其 特征在于，所述步驟A106進(jìn)一步包括： BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型最后的輸出值即為畢業(yè)要求達(dá)成度的值。
[0022] 2.實(shí)施例 本實(shí)施例以自動(dòng)化專業(yè)的畢業(yè)要求達(dá)成度評(píng)估為例。為了更進(jìn)一步地說明本發(fā)明的具 體實(shí)施過程，共向用人單位發(fā)放12問卷，收回有效問卷10份?？疾斓闹笜?biāo)內(nèi)容如表1所示，對(duì) 于表1中12個(gè)指標(biāo)，有的指標(biāo)權(quán)重較大，而有的則較小，所以，通過確定權(quán)重系數(shù)來(lái)體現(xiàn)個(gè)指 標(biāo)之間的差異，本實(shí)施例的權(quán)重系數(shù)由經(jīng)驗(yàn)豐富的專家通過調(diào)查數(shù)據(jù)資料確定。
[0023] 表！評(píng)價(jià)指標(biāo)體系
畢業(yè)要求認(rèn)同度和達(dá)成情況用1~5分表示，其中1分表示非常不認(rèn)同/非常不滿意，2分 表示基本不認(rèn)同/基本不滿意，3分表示一般認(rèn)同/ 一般滿意，4分表示基本認(rèn)同/基本滿意，5 分表示非常認(rèn)同/非常滿意。表2為畢業(yè)要求認(rèn)同度調(diào)查表，表3為畢業(yè)要求達(dá)成情況調(diào)查 表，表4為畢業(yè)要求認(rèn)同度和達(dá)成情況匯總表。
[0024] 表2畢業(yè)要求認(rèn)同度調(diào)查表
表3畢業(yè)要求達(dá)成情況調(diào)查表
表4畢業(yè)要求認(rèn)同度和達(dá)成情況匯總表
對(duì)畢業(yè)要求認(rèn)同度調(diào)查表和畢業(yè)要求達(dá)成情況調(diào)查表中的數(shù)據(jù)進(jìn)行分析和標(biāo)準(zhǔn)化處 理，如表5、6所不。
[0025]表5標(biāo)準(zhǔn)化后的數(shù)據(jù)(認(rèn)同度）
表6標(biāo)準(zhǔn)化后的數(shù)據(jù)(達(dá)成情況）
每項(xiàng)畢業(yè)要求都是由用人單位評(píng)判，其中認(rèn)同度值占綜合標(biāo)準(zhǔn)化值的40%，達(dá)成情況值 占綜合標(biāo)準(zhǔn)化值的60%，如表7所示。
[0026]表7綜合標(biāo)準(zhǔn)化后的數(shù)據(jù)(10個(gè)評(píng)估樣本）
綜合標(biāo)準(zhǔn)化值可作為BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型的輸入值，選取上述10個(gè)評(píng)估樣本，如表6， 并將數(shù)據(jù)分為兩部分，選取前面的8個(gè)樣本作為訓(xùn)練樣本，后面的4個(gè)樣本作為測(cè)試樣本，學(xué) 習(xí)精度為，經(jīng)過995次訓(xùn)練后，其評(píng)估結(jié)果見表8,后面4個(gè)測(cè)試樣本的評(píng)估結(jié)果和期望輸出 評(píng)估結(jié)果見表9。
[0027] 表8 BP神經(jīng)網(wǎng)絡(luò)評(píng)估結(jié)果
表9 BP神經(jīng)網(wǎng)絡(luò)評(píng)估結(jié)果與期望輸出結(jié)果對(duì)比
從表9可以看出，評(píng)估結(jié)果與期望輸出結(jié)果非常接近，說明該評(píng)估結(jié)果誤差較小。
【主權(quán)項(xiàng)】
1. 一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特征在于，所述基于 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法包括： 步驟SlOl，提取問卷調(diào)查相關(guān)數(shù)據(jù)； 步驟S102,對(duì)提取的問卷調(diào)查相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理，獲得真實(shí)且合格的數(shù)據(jù)； 步驟S103,基于真實(shí)且合格的數(shù)據(jù)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型； 步驟S104，訓(xùn)練模型以獲得更加有效且合理的評(píng)估模型； 步驟S105,將通過分析模型所獲得的知識(shí)并結(jié)合專家知識(shí)封裝于執(zhí)行決策的決策服務(wù) 中； 步驟S106，利用決策服務(wù)判定畢業(yè)要求達(dá)成度。2. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特 征在于，所述問卷調(diào)查相關(guān)數(shù)據(jù)包括： 問卷調(diào)查的對(duì)象包括:用人單位、畢業(yè)生、應(yīng)屆畢業(yè)生； 調(diào)查內(nèi)容包括兩項(xiàng)：一是受訪者對(duì)畢業(yè)要求各項(xiàng)能力重要性的認(rèn)同程度;二是畢業(yè)生 在這些能力上表現(xiàn)和達(dá)成情況。3. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特 征在于，所述步驟S102進(jìn)一步包括： 將上述所獲數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理： 根據(jù)以上指標(biāo)制定一張供受訪者填寫的畢業(yè)要求達(dá)成情況調(diào)查表，每個(gè)指標(biāo)評(píng)估結(jié)果 分為"非常不認(rèn)同/非常不滿意" "基本不認(rèn)同/基本不滿意""一般認(rèn)同/一般滿意""基本認(rèn) 同/基本滿意""非常認(rèn)同/非常滿意"五個(gè)等級(jí)； 每個(gè)受訪者可對(duì)每個(gè)指標(biāo)進(jìn)行評(píng)分，分值為五分制，用12個(gè)指標(biāo)構(gòu)成的指標(biāo)體系來(lái)評(píng) 估畢業(yè)要求達(dá)成度，第i個(gè)受訪者的第j個(gè)指標(biāo)為(?，則對(duì)該指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理公式如下：其中，XU是(?的標(biāo)準(zhǔn)數(shù)據(jù)；巧是未標(biāo)準(zhǔn)化的第j個(gè)指標(biāo)平均值是未標(biāo)準(zhǔn)化的第j個(gè) 指標(biāo)的標(biāo)準(zhǔn)差；其中，M為評(píng)估者的個(gè)數(shù)，如果標(biāo)準(zhǔn)化的數(shù)據(jù)仍然大于1，則將該項(xiàng)數(shù)據(jù)賦值為1。4. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特 征在于，所述步驟S103進(jìn)一步包括： 對(duì)畢業(yè)要求達(dá)成度評(píng)估問題，可以看作是輸入(畢業(yè)要求達(dá)成度評(píng)估指標(biāo))到輸出（對(duì) 畢業(yè)達(dá)成度最終評(píng)估結(jié)果）的非線性映射，因此，采用了 3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、隱 含層、輸出層； 具體建模過程由以下4個(gè)步驟組成： I)輸入層節(jié)點(diǎn)的確定： 畢業(yè)要求達(dá)成度評(píng)估指標(biāo)分為12個(gè)，12個(gè)評(píng)估指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)輸入層的輸入，因 此，BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)就相應(yīng)地確定為12個(gè)； 2 )輸出層節(jié)點(diǎn)的確定： 由于畢業(yè)要求達(dá)成度評(píng)估結(jié)果只有一個(gè)，因此網(wǎng)絡(luò)的輸出層只設(shè)1個(gè)輸出節(jié)點(diǎn)； 3) 隱含層節(jié)點(diǎn)的確定： 到目前為止，如何選定最佳的隱含層節(jié)點(diǎn)個(gè)數(shù)仍是一個(gè)急待解決的問題，如果我們選 擇的隱含層節(jié)點(diǎn)數(shù)太少，則會(huì)使整個(gè)神經(jīng)網(wǎng)絡(luò)的收斂速度變慢，且不易收斂，相反，如果我 們選擇的隱含層節(jié)點(diǎn)數(shù)太多，則會(huì)引起神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)復(fù)雜、迭代學(xué)習(xí)時(shí)計(jì)算量大，誤 差也不一定最佳等問題，此外隱含節(jié)點(diǎn)太多還會(huì)增加訓(xùn)練時(shí)間； 目前，比較常見的確定隱含層節(jié)點(diǎn)數(shù)量的經(jīng)驗(yàn)公式有：其中，P為隱含層節(jié)點(diǎn)個(gè)數(shù)，m為輸入層節(jié)點(diǎn)個(gè)數(shù)，η為輸出層節(jié)點(diǎn)個(gè)數(shù)，《取值大于1且 小于10; 通過逐一試驗(yàn)，得到最佳隱含層節(jié)點(diǎn)數(shù)為7，即ρ=7; 4) 激活函數(shù)的選定： 由于在訓(xùn)練數(shù)據(jù)樣本集中，評(píng)估結(jié)果的期望輸出值經(jīng)過歸一化處理后均落于[〇，1]區(qū) 間內(nèi)，因此，我們可以將BP神經(jīng)網(wǎng)絡(luò)隱含層單元和輸出層單元上的激活函數(shù)都取為Sigmoid 函數(shù)，函數(shù)形式為：在這個(gè)模型中： 輸入向量為X=(X1，X2，'"Xm)，m為輸入層節(jié)點(diǎn)的個(gè)數(shù)； 隱含層輸出為11=(!11，!12，"_恥），？為隱含層節(jié)點(diǎn)的個(gè)數(shù)； 模型實(shí)際輸出為Y=(y); D=(d)表示訓(xùn)練樣本期望輸出； 輸入層單元i到隱含層單元j的權(quán)值為v = … 隱含層單元j到輸出層單元的權(quán)值為; 引入Xo=-I，可為隱含層神經(jīng)元引入閥值為V = ..:.?); 弓丨入ho=-l，可為輸出層神經(jīng)元引入閥值為W = (Wsi);對(duì)于隱含層，有如下公式： 其中，j =1，2,…p; 對(duì)于輸出層，有如下公式：5. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特 征在于，所述步驟S104進(jìn)一步包括： 將輸入向量X反復(fù)代入BP神經(jīng)網(wǎng)絡(luò)模型，并指定對(duì)應(yīng)的正確輸出結(jié)果，先計(jì)算實(shí)際輸入 與正確輸出的差值得到計(jì)算誤差，在神經(jīng)網(wǎng)絡(luò)中反向傳播誤差，然后計(jì)算每個(gè)權(quán)重對(duì)誤差 的貢獻(xiàn)大小，并以此為依據(jù)對(duì)連接權(quán)值進(jìn)行調(diào)整，神經(jīng)網(wǎng)絡(luò)不斷自我調(diào)整權(quán)值并使誤差最 小，直到其對(duì)所有的輸入均可得到正確的輸出。6. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特 征在于，所述步驟S105進(jìn)一步包括： 業(yè)務(wù)規(guī)則管理系統(tǒng)將封裝的知識(shí)部署在受業(yè)務(wù)流程管理系統(tǒng)控制的決策服務(wù)中。7. 根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)分析模型的問卷調(diào)查間接評(píng)估方法，其特 征在于，所述步驟S106進(jìn)一步包括： BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型最后的輸出值即為畢業(yè)要求達(dá)成度的值。
【文檔編號(hào)】G06N3/04GK105931153SQ201610229841
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月14日
【發(fā)明人】段斌, 朱智勇, 尹橋宣, 楊壯, 陳娟
【申請(qǐng)人】湘潭大學(xué)