[发明专利]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

权利要求书

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。

2.根据权利要求1所述的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，基于相似度随机负采样策略获取可信负样本的具体过程为：

计算学生u与其他学生的相似度以及学生u的就业单位与其他就业单位的相似度，选取最不相似的K个学生及K个就业单位，得负样本候选集，然后再从所述负样本候选集中进行随机采样，得可信负样本。

3.根据权利要求1所述的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，所述毕业意图形成组件包括输入层、嵌入层及GRU层。

4.根据权利要求1所述的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，将GRU层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u为：

u＝concat([e，h_t]，axis＝1) (8)。

5.根据权利要求1所述的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，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m_c1，m_c2及m_c3；

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u_m；

将新的毕业意图表征向量u_m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m_L；

将多层感知机的输出向量m_L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。

6.根据权利要求5所述的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，得新的毕业意图表征向量u_m为：

u_m＝concat([u，m_c1，m_c2，m_c3]，axis＝1) (9)。

7.根据权利要求5所述的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，多层感知机的输出向量m_L为：

其中，W为权重矩阵，b为偏置项，δ为激活函数。

8.根据权利要求1所述的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，利用主-辅任务多次训练策略对毕业去向预测与推荐多任务模型进行训练。

9.一种多组件增强的本科生毕业去向预测与推荐多任务系统，其特征在于，包括：

构建模块，用于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；

获取模块，用于获取可信负样本；

训练模块，用于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；

预测模块，用于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。