学位论文盲审与预测系统的设计与实现

万 强

(江西财经大学 软件与物联网工程学院，江西 南昌330013)

0 引言

“盲审”，就是匿名送审，将不署作者名的学位论文送往外校同专业专家评阅，专家对论文进行匿名评分、评价［1］。相较校内学位论文评分，盲审制度通常更为客观公正。现行的盲审制度也存在不少缺点: ①费用高。论文的送审与送回均通过邮寄方式，耗费时间较长，论文印制与快递费用增加了经济成本; “盲审”过程缺乏系统化，论文的装订、联系校外专家、送审等工作需要大量人力资源［2］; ②增加了专家与学生信息被泄漏的风险;③无法对学生提供警示效果。

针对以上不足，设计基于SpringMVC 框架开发的学位论文盲审与预测系统(见图1) ，能有效避免现有盲审制度缺点。由于所有操作均通过网络，有效缩短了评审周期; 学生自己上传需要盲审的论文，系统自动匹配专家进行盲审，极大程度降低了人力成本与经济成本，降低了双方信息泄漏的风险;由于各类成本降低，可一定程度提高研究生学位论文盲审抽取比例，同时通过建立非线性回归模型，可预测下届学生论文盲审通过情况，为学生提供预警，一定程度削弱学生“侥幸”心理，提高学位论文质量。

1 系统设计

学位论文盲审与预测系统可以分为系统管理、人员管理、盲审功能、通知管理、论文管理、统计功能、预测模型功能7 个子模块。系统总体模块结构如图1 所示。

(1) 系统管理模块。该模块主要实现系统日常运维管理基础功能。

图1 学位论文盲审与预测系统结构

(2) 人员管理模块。该模块分角色进行管理。系统角色有: ①系统管理员，拥有最高权限，发布盲审通知与确定盲审周期，能对系统各项功能进行配置; ②学院管理员，学生上传的论文还需经过学院管理员的审核，学院管理员也可以在盲审结束后查看本学院预测模型; ③专家，下载学生论文，对论文进行评分，提出论文评语; ④学生，提交自己的待盲审论文。

(3) 盲审功能模块。该模块主要为专家提供评阅论文功能。包括了智能匹配专家，专家下载论文，上传分数与评语3 个子模块。

(4) 通知管理模块。该模块包括短信通知、系统内通知两个子模块。其中短信通知子模块是为了给专家提供临时账号、密码。

(5) 论文管理模块。该模块包括学生上传论文、论文敏感信息检测两个子模块。其中，论文敏感信息检测是学生在上传论文时，系统会自动根据学生姓名、学院名称、导师姓名检测论文，当论文中含有该类敏感词汇，警示学生修改后重新提交。

(6) 统计功能模块。该模块包括学校盲审人数统计、学院盲审人数统计、学校盲审通过情况统计、学院盲审通过情况统计等子模块，主要为系统管理员提供历年数据查询。

(7) 预测模型功能模块。该模块是将统计功能模块中统计的学院近5 年学生盲审分数，建立非线性回归模型。使用梯度下降法迭代求解非线性回归模型，对明年学院盲审情况作出预测。

2 系统关键技术

2.1 SpringMVC 框架

学位论文盲审与预测系统基于Spring MVC 框架，为B/S 结构网站系统。B/S 结构功能扩展性较好，在系统使用中可通过增加网页增加功能，开发量较小，无需提供客户端，更新服务器端即可;建立在广域网之上，用户可以随时随地进行系统操作［3－4］。SpringMVC 框架将模型、视图、控制器进行分离，各模块间松耦合，整个系统结构清晰，便于开发维护［5］。

用户通过浏览器发送HTTP 请求到达DispatcherServlet(分发器) ，DispatcherServlet 负责协调不同的组件完成请求并返回结果，它会通过HTTP 请求中的URL 寻找、调用相应的处理器HandlerMapping。处理得到相应的数据后，数据会传入视图解析器解析出来的View 对象中［6－7］，最后Dispatcher Servlet 会将View 对象返回给用户。完整的HTTP 请求处理的流程如图2 所示。

图2 SpringMVC请求处理流程

2.2 非线性回归模型

在线性代数中，函数中自变量与因变量不存在线性关系，则考虑使用非线性回归求解［8］。梯度下降法［9］是解决回归问题最常见迭代法之一，可以用来求解最小二乘问题。首先给定一个可微的f(x) 函数，任取一个点，取该点梯度，沿着负梯度方向可找到预测函数局部最小值。可定义一个评估预测函数好坏的损失函数为:

其中，f(x(i)) 为预测函数的输出值，yi为实际值，u 为参数向量，有u=［u0，u1，…，uM］T［10］。使用梯度下降法步骤是:

①对u 进行赋值，定义u0;

②对损失函数求偏导数:

其中，α 为学习率，表示梯度下降中每一次迭代变化量的大小。重复上述②，当满足收敛时退出迭代，此时u 中的所有参数即为模型参数，即得到最后的非线性回归模型。

3 实现功能

3.1 盲审功能模块

实现对所有盲审论文智能匹配相应盲审专家，为专家提供下载论文与上传分数与评语等功能。当学生提交论文的时间截止，系统将未提交论文学生视为未通过盲审，对已提交论文根据学生专业方向智能匹配专家。智能匹配专家规则如下:①一篇论文分配给两个同专业专家; ②专家不能与论文作者同校; ③专家职称与论文要求相符。当得到完整地匹配方案之后，系统将匹配生成的信息保存在数据库。随后自动发短信给专家。短信内容有: 系统临时为专家生成的账号、密码，等待自己盲审的论文篇数与盲审的截止时间。所有专家上传分数与评语后，系统统计学校盲审人数、学院盲审人数、学校盲审通过情况、学院盲审通过情况等，保存到数据库中。具体流程见图3。

图3 盲审功能流程

3.2 预测模型功能模块

学位论文盲审与预测系统中，各学院管理员可通过系统提供的“预测模型功能模块”预测学院明年的盲审通过情况。利用非线性回归模型，分析本学院历年盲审专家打分情况;利用梯度下降法预测明年本学院盲审通过情况，对学院毕业生及其导师进行预警。

其中，由于使用的是Python 语言中的Numpy 库进行非线性回归模型训练，所以当学院管理员第一次请求查看本学院盲审预测情况时，基于SpringMVC 的系统会将学院中历年盲审分数从数据库中查询并保存到指定文件夹下临时文件中，然后调取服务器中Python 脚本对临时文件中数据进行处理，得到相应模型图像与公式，分别保存到指定文件夹与数据库。在下一次查询时不再进行模型训练，而是直接将图像与公式展示在系统中。具体步骤见图4。

图4 测模型功能模块时序图

4 结语

本文阐述了学位论文盲审与预测系统的设计与实现。系统实现了自动检测学生上传的待盲审论文中是否存在敏感信息;智能匹配盲审专家，专家下载论文，上传分数与评语完成盲审;完成盲审后对盲审情况进行统计，并且允许学院管理员对明年盲审通过情况进行建模预测。系统的实现能够为论文盲审工作提供高效、低成本的解决方案，能对学位论文盲审通过情况提供较为科学可行的预测，对实现研究生教育培养工作有着重要意义。