作品名称：智能考研院校推荐系统

学生姓名：陈妤炜

指导教师：潘林依

作品简介：

该研究设计并实现了智能考研院校推荐系统，目的是解决考研报名人数攀升背景下，院校与专业选择的信息不对称、海量数据筛选困难、分数线波动预测不准及个性化推荐缺失等痛点，破解传统人工经验决策模式难以满足精准化择校需求的难题。系统整合多维院校信息与考生特征，为考生提供科学化、个性化的择校建议，有效降低决策盲目性，提升备考效率，系统主要由架构设计、算法实现、数据支撑和前端可视化几部分构成。

架构设计与算法实现环节采用Spring Boot+Vue前后端分离架构，实现后端业务逻辑与前端交互展示的高效解耦，保障系统开发效率与可扩展性。考生兴趣相似性的挖掘通过后端基于用户历史行为偏好的协同过滤算法结合阿里云百炼大模型实现，同时融合内容基推荐与院校特征，提升推荐的个性化与精准度；引入线性回归模型实现分数线趋势预测功能，运用KNN算法优化院校相似度的计算过程，进一步提升系统核心功能的可靠性与准确性。

成果展示：

创新点：

1. 采用Spring Boot+Vue前后端分离架构，实现后端与前端的高效协同开发，兼顾系统的可维护性与可扩展性，适配多场景使用需求，为考生提供稳定流畅的使用体验。

2. 融合协同过滤算法、内容基推荐与阿里云百炼大模型，结合用户历史行为偏好与院校特征挖掘考生兴趣相似性，突破传统推荐模式局限，实现个性化、精准化的院校推荐。

3. 引入线性回归模型实现分数线趋势预测，运用KNN算法优化院校相似度计算，双重提升系统预测与匹配的准确性，为考生择校决策提供科学的数据支撑，降低录取风险。