计算机专业考研择校平台

面向计算机相关专业考研学生的院校检索、择校推荐与招生数据分析平台。整合公开招生数据，基于学生画像与 AHP 层次分析法输出个性化的冲刺/求稳/保底推荐。

一、系统功能

学生端

• 学生画像：本科专业、目标地区、成绩预估、目标专业方向、风险偏好（冲刺/求稳/保底）。
• 权重配置：分数匹配度、竞争激烈度、院校层次、地域偏好、专业匹配度五个权重滑块。
• 院校检索：按省份、专业代码、院校层次筛选，支持分页浏览。展开院校可见院校简介（官网/邮箱/电话/建校年份/隶属/985-211）。
• 择校推荐：基于全系统 494 所高校候选集，按目标省份 + 专业方向过滤，AHP 加权评分，输出推荐理由与冲刺/求稳/保底分层。
• 对比清单：最多 5 项院校专业对比（localStorage 持久化）。
• 收藏管理：收藏感兴趣的院校专业。
• 经验分享：每个专业方向下可发布/浏览备考经验评论。
• 数据可视化：招生与热度分析图表。

管理员端

• 数据导入（CSV，含院校详情与专业数据）。
• 院校专业数据管理、用户管理、系统日志、运营看板。

二、推荐算法（AHP，模型版本 ahp-v1.1）

• 方法：层次分析法（AHP，Saaty 1-9 标度），一致性比率 CR < 0.1。
• 准则权重：分数匹配度 41.7% > 竞争激烈度 26.3% > 院校层次 16% > 地域偏好 9.7% > 专业匹配度 6.2%。
• 权重融合：final = 0.6 × AHP + 0.4 × 用户滑块权重。
• 风险调整：CONSERVATIVE [1.3,0.9,0.7,1.0,1.1]、BALANCED [1.0×5]、AGGRESSIVE [0.7,1.1,1.4,1.0,0.8]。
• 切分阈值：≥75 保底，≥55 求稳，其余冲刺。
• 结果过滤：优先返回「目标省份 + 专业方向」均匹配的结果；无结果时放宽到仅专业匹配；再放宽到全量按分排序取前 30。

三、技术架构

层级	技术	职责
学生端/管理端	Vue 3 + Vite	检索、画像、对比、推荐、数据维护
业务服务	Spring Boot + MyBatis-Plus	账号、院校专业 CRUD、数据导入
算法服务	Flask + pandas/numpy	AHP 推荐评分与排序
存储	MySQL（本地 gradschool 库）	业务主数据持久化

大数据组件（Hadoop/Hive 离线数仓、Flink 实时热度）为论文规划模块，见 bigdata/。

四、目录结构

grad-school/
├── README.md                # 项目说明（唯一文档）
├── database/                # 数据库脚本（schema.sql / seed.sql）
├── services/
│   ├── business-service/    # Spring Boot 业务服务（端口 8080）
│   └── recommendation/      # Flask AHP 推荐服务（端口 5001）
├── web/                     # Vue 3 前端（端口 5173）
├── data-collection/         # 数据采集脚本与最终数据
│   └── runs/                # 中间产物 CSV
├── bigdata/                 # 大数据模块
│   ├── hive/                # Hive 建表与 SQL
│   └── flink/               # Flink 实时作业
└── docs/                    # （已并入根 README，待清理）

五、数据

• 候选院校：494 所，来自 data-collection/system_universities.json。
• 院校详情：447 条（官网、邮箱、电话、简介、985/211、隶属等），来自 data-collection/university_details.csv。
• 专业方向：覆盖 0812（计算机科学与技术）、0835（软件工程）、0839（网络空间安全）、0854（电子信息）等。
• 历年数据：分年度复试线、招生计划、报名人数等。
• 国家线（工学）：2020=264、2021=263、2022=273、2023=273、2024=273、2025=275、2026=275。

数据规则：以研招网与高校研究生院公开信息为准；报名人数未公开时不得估算；不同年份分年度展示；推荐结果仅作择校辅助。

六、快速启动

1) 启动 Flask 推荐服务（端口 5001）

cd services/recommendation
py -3 -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python app.py

健康检查：GET http://127.0.0.1:5001/health → {"modelVersion":"ahp-v1.1","service":"recommendation-service","status":"ok"}

2) 启动 Spring Boot 业务服务（端口 8080）

前置：本地 MySQL（localhost:3306）已启动，账号 root / 密码 123456（可在 application.yml 修改），连接串内含 createDatabaseIfNotExist=true，首次启动自动创建 gradschool 库并建表。

cd services/business-service
mvn clean package -DskipTests
java -jar target/business-service-0.1.0.jar

数据初始化：首次连接空库时，DataInitializer 自动灌入默认账号与管理类数；院校详情数据通过管理端「数据导入」上传 data-collection/university_details.csv（447 条）持久化到 MySQL，重启不丢失。

3) 启动前端（端口 5173）

cd web
npm install
npm run dev

浏览器访问：http://127.0.0.1:5173

七、默认账号

角色	账号	密码
管理员	admin	123456
普通用户	student	123456
测试用户	test	123456

八、API 说明

• 分页参数使用 pageSize（最大 100，需 @Max(100) 校验）。
• 院校分组接口：GET /api/v1/universities?page=0&pageSize=100，返回 UniversityGroup{universityName, province, level, majors[], universityInfo}。
• 推荐接口：POST /api/v1/recommendations（由前端代理到 Flask），入参 {profile, programs, weights}。

数据导入格式

• 专业数据：18 个逗号分隔字段；字段内包含逗号时替换为中文逗号 ，。
• 院校详情：20 列 CSV。

九、学校与学生信息

• 题目：计算机专业考研择校平台
• 学生：马新宇（学号 202400507117）
• 专业：数据科学与大数据技术
• 指导教师：刘泽宇

---

更新时间：2026年9月