买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安交通大学

摘要：本发明公开了一种多组件增强的本科生毕业去向预测与推荐多任务方法及系统，包括：将毕业意图形成组件、共性模式记忆组件及互惠性约束组件添加到基础毕业去向预测与推荐多任务模型中，得毕业去向预测与推荐多任务模型；基于相似度随机负采样策略获取可信负样本；利用可信负样本对毕业去向预测与推荐多任务模型进行训练；利用训练后的毕业去向预测与推荐多任务模型预测本科生毕业去向，该方法及系统能够更好预测毕业生去向，实现对就业单位的推荐。

主权项：1.一种多组件增强的本科生毕业去向预测与推荐多任务方法，其特征在于，包括：将毕业意图形成组件、共性模式记忆组件及互惠性约束组件添加到基础毕业去向预测与推荐多任务模型中，得毕业去向预测与推荐多任务模型；基于相似度随机负采样策略获取可信负样本；利用可信负样本对毕业去向预测与推荐多任务模型进行训练；利用训练后的毕业去向预测与推荐多任务模型预测本科生毕业去向；毕业意图形成组件的组件架构包括：311输入层和嵌入层；其中，输入层为学生大学前三年每学期的成绩平均值，输入层的连续特征在嵌入层被映射为低维稠密向量；312GRU层：GRU层的主要训练过程为：GRU层包含重置门及更新门，t时刻的隐藏状态ht由上一时刻的隐藏状态ht-1及当前时刻的候选隐藏状态决定，即： 其中，根据式4更新门控zt：zt＝σWzxt+Uzht-14其中，xt∈Rd为t时刻输入，Wz,Uz∈Rd×d为参数矩阵，σ为激活函数，根据式5计算候选隐藏状态 其中，W,U∈Rd×d为参数矩阵，tanh为激活函数，⊙为向量点乘，rt为重置门控，rt为：rt＝σWrxt+Urht-16其中，Wr,Ur∈Rd×d为参数矩阵，σ为激活函数；313构建毕业意图向量，具体过程为：将GRU层最后时间步的输出与学生其他特征嵌入向量拼接，得学生的毕业意图向量，具体为： u＝concat[e,ht],axis＝18共性模式记忆组件在工作时，对于三种去向c1,c2及c3，创建三个不同去向的记忆向量mc1，mc2及mc3；ei∈R1×d为学生侧特征的嵌入向量，e为学生侧特征的嵌入向量按列拼接的结果；将三种不同去向的记忆向量与毕业意图表征向量u进行拼接，得新的毕业意图表征向量um；将新的毕业意图表征向量um传入多层感知机中，利用高阶非线性特征交互，得多层感知机的输出向量mL；将多层感知机的输出向量mL输入到共性模式记忆组件的输出层中，并使用softmax激活函数，得本科生毕业去向预测结果；互惠性约束组件利用注意力机制计算单向偏好，并利用模糊门机制进行自适应聚合以满足互惠性约束，具体为：41利用注意力机制计算单向偏好；为满足互惠性约束，首先需要建模双边单向偏好；42聚合单向偏好；利用模糊门机制进行偏好的自适应动态聚合。

全文数据：

权利要求：

百度查询： 西安交通大学 多组件增强的本科生毕业去向预测与推荐多任务方法及系统