高校招生智慧问答模型——AI技术助力效率提升，引领高校招生革新

高校招生智慧问答模型是一个应用性研究项目，模型的开发和应用是在满足招生信息需求、提高招生效率和用户体验、应对人力资源压力等多重因素的推动下进行的。模型使用AI技术构建，通过利用深度学习框架、模型迭代训练等技术实现智能响应、即时问答的项目功能。在此基础上保证了跨平台、零安装、用户界面一致性，提升用户使用体验。同时，模型的维护和更新操作简单，易于扩展和集成。提供综合全面、便捷明晰的回答和推理建议，有助于改善招生过程的效率和用户体验，促进高校与学生之间的有效沟通和交流。

教育是国家高科技发展基石，近年历经多次改革，我国教育生态圈巨变。截至2022 年9 月，全国在校生2.91 亿人，高等学府超3000 所，本硕博学生总规模破4430 万人，十年增逾1000 万，受高等教育人数实现历史性跨越，我国有超2 亿大学文化人才，国民教育素质持续提升[1]。然而随生源数量变化， 高校招生信息管理面临新挑战。社会对招生情况关注度激增，学生等对招生信息需求迫切，新问题随之出现。如信息通报不及时、部分报考信息不透明，招生信息散落各渠道平台，致学生和家长难获全面准确信息，信息更新不及时或误导认知决策，咨询渠道不完善。

团队通过三个主要学术数据库(万方数据知识服务平台、维普数据平台、中国知网CNKI 服务平台)检索了与高校招生问答系统相关的论文。共检索出13 篇相关论文，其中直接相关的有9 篇。其中包括对招生问答系统设计、开发流程和效果评估的综合研究。以陈思彤[2]、韩如冰[3]和夏丹[4]的研究为例，它们分别从整体设计和开发流程、问答系统总体结构和基于Java 技术的实现，以及机器学习技术和深度学习训练等方面对招生问答系统进行了探讨。然而，尽管存在这些相关研究，目前国内仍缺乏一个符合用户需求的高校招生智慧问答系统。

2. 智慧问答模型开发与应用 本节旨在对应用开发逻辑和集成环境的工作原理进行简述。此项目开展目的是开发出一款高效准确的招生问答系统，提升整体招生工作效率。项目路线如图1 所示。

2.1. 模型设计 2.1.1. 数据收集与预处理 在项目的初期阶段，团队将致力于收集大量招生相关的数据样本，并进行数据的预处理以确保数据的质量。这包括清洗、扩增和对齐等处理步骤，以提高模型的泛化能力和鲁棒性。

2.1.2. 神经网络架构 在神经网络架构阶段，我们首先选用了循环神经网络(RNN)，这是一种具有记忆功能，其特点是能够对序列数据吧进行处理，对前面的信息进行记忆并在后续的计算中加以利用。比如，我们将文本序列