基于个人喜好和生活习惯,成都大学用算法推荐为新生匹配室友!网友:建议全国推广
大数据文摘出品
9月开学季,大学也即将迎来新鲜的血液。
要说开学的注意事项,必有一项是去拜天拜地求赐分配到好的室友。
和生活习惯不合拍的室友同住可以说是十分折磨了,比如类似的事件大家或多或少都听说过或经历过吧:
现在大学的舍友,六个人,只有一个人是独生子女(没有歧视的意思)。 她爸妈宠的厉害,天天车接车送,还喜欢特别大声音说话,别人睡觉的时候一直打电话,她睡觉倒好,一点声音也不能发出,有声音她就会骂人。
不夸张的说,好的室友就是美好大学生活的标配。
有没有什么什么办法能够让生活和学习习惯相同的人一起住呢?
近日,成都大学就推出了用“大数据算法推荐”为新生匹配室友的这么一项服务。新生只需填写一份调查问卷,便能自动分配宿舍和合适的室友。
对于此,学校学生宿舍管理中心一工作人员称,这种“大数据选房”从2020年就开始筹划了,从今年起正式实行。选房系统会根据本班优先、同专业次之 、同学院再次之的方式来推荐,会精准推荐3名室友。
整个问卷一共有8道题,是通过征集各学院老师和同学们的意见选择一部分形成的,后期还会进行优化。
良心匹配室友,还能选提前床位
在成都大学迎新系统当中有两种模式,自动选房和手动选房。
自动选房是由“大数据”自动匹配室友,手动选房共包括3个步骤,分别是选择楼栋、选择房间和选择床位,选完之后点击提交即可。
在选择自动选房后,学生需要回答调查问卷的8个问题,每个问题有两个截然相反的选项,比如在问题“你的社交状态”下就有“社牛型”和“社恐型”。
系统也会询问学生能否接受榴莲、螺蛳粉等食物的异味。
当然对于一些经常引发室友冲突的运动习惯和生活习惯也必须是要调查清楚的,比如学生可以选择自己喜欢的体育项目和就寝时间。
除了通过个人喜好进行室友的精准推荐外,新生们还可以自己选择床位和宿舍,宿舍大屏幕上还配备了实时数据,显示剩余床位和室友的数量。
麻麻再也不用担心我开学抢床位了。
成都大学一个寝室可以住4个人,4个人匹配成功之后,是否愿意住在一起可以自行商讨,如果想换人也可以选择和其他同学住在一起,学校会积极协商。线上选房目前只针对成都大学的本科生,暂未对研究生开放。
据了解,成都大学的网上选房系统是成都大学迎新系统的一部分。迎新系统是为了让新生在进入校园学习生活前,可以对学习环境、生活环境有一个了解,让新生体验到大学的信息平台、信息建设。
新生只需要通过扫描录取通知书上的二维码,就能快速进入系统。迎新系统不仅包括了网上选房,学生还能在迎新系统上购置寝具和生活用品,供应商会线下配送到相应的新生寝室,方便离家太远无法带太多行李的同学快速适应大学的生活。
迎新系统还支持在线报到、信息采集、财务缴费、教材预定等一系列的服务。
网友:建议全国推广
这么人性化的新生服务也在网上引起了不少讨论。
网友们普遍对成都大学的这项服务表示羡慕,尤其是作息和空调使用这两项一致真的会减少很多矛盾,看来大家都深受其害啊。
也有不少网友希望这项技术能够全国推广。
但也有网友指出,我们更应该反思为什么其他学校都没有这么做。知乎用户@宇宙战神郭奉孝就指出,背后的原因更多在于,学生并不是学校的主体,由于学生持续处于一种压抑的状态,“学校采取随即分配宿舍的方式是必然的”。
“算法匹配可能只是该学校的某个老师一时兴起,并不能代表学校整体的态度。学生会感谢他,但学校并不会给他多发奖金”。
也有网友指出,成都大学的这种问卷调查并不能称作是大数据。
知乎用户@润住就行了表示,大数据需要有大量的数据样本,比如一个宿舍的人在四年里分别对这些回答是什么,他们之间的满意度是多少,调查了10W个宿舍后形成一个样本集,通过训练得到宿舍样本满意度模型,然后再输入新生的回答进行匹配,这样子才能做到大数据的样本学习吧。
链接:https://www.zhihu.com/question/549749054/answer/2651254803
以上是基于个人喜好和生活习惯,成都大学用算法推荐为新生匹配室友!网友:建议全国推广的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

写在前面&笔者的个人理解目前,在整个自动驾驶系统当中,感知模块扮演了其中至关重要的角色,行驶在道路上的自动驾驶车辆只有通过感知模块获得到准确的感知结果后,才能让自动驾驶系统中的下游规控模块做出及时、正确的判断和行为决策。目前,具备自动驾驶功能的汽车中通常会配备包括环视相机传感器、激光雷达传感器以及毫米波雷达传感器在内的多种数据信息传感器来收集不同模态的信息,用于实现准确的感知任务。基于纯视觉的BEV感知算法因其较低的硬件成本和易于部署的特点,以及其输出结果能便捷地应用于各种下游任务,因此受到工业

C++中机器学习算法面临的常见挑战包括内存管理、多线程、性能优化和可维护性。解决方案包括使用智能指针、现代线程库、SIMD指令和第三方库,并遵循代码风格指南和使用自动化工具。实践案例展示了如何利用Eigen库实现线性回归算法,有效地管理内存和使用高性能矩阵操作。

C++sort函数底层采用归并排序,其复杂度为O(nlogn),并提供不同的排序算法选择,包括快速排序、堆排序和稳定排序。

人工智能(AI)与执法领域的融合为犯罪预防和侦查开辟了新的可能性。人工智能的预测能力被广泛应用于CrimeGPT(犯罪预测技术)等系统,用于预测犯罪活动。本文探讨了人工智能在犯罪预测领域的潜力、目前的应用情况、所面临的挑战以及相关技术可能带来的道德影响。人工智能和犯罪预测:基础知识CrimeGPT利用机器学习算法来分析大量数据集,识别可以预测犯罪可能发生的地点和时间的模式。这些数据集包括历史犯罪统计数据、人口统计信息、经济指标、天气模式等。通过识别人类分析师可能忽视的趋势,人工智能可以为执法机构

01前景概要目前,难以在检测效率和检测结果之间取得适当的平衡。我们就研究出了一种用于高分辨率光学遥感图像中目标检测的增强YOLOv5算法,利用多层特征金字塔、多检测头策略和混合注意力模块来提高光学遥感图像的目标检测网络的效果。根据SIMD数据集,新算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在检测结果和速度之间实现了更好的平衡。02背景&动机随着远感技术的快速发展,高分辨率光学远感图像已被用于描述地球表面的许多物体,包括飞机、汽车、建筑物等。目标检测在远感图像的解释中

一、多模态大模型的历史发展上图这张照片是1956年在美国达特茅斯学院召开的第一届人工智能workshop,这次会议也被认为拉开了人工智能的序幕,与会者主要是符号逻辑学届的前驱(除了前排中间的神经生物学家PeterMilner)。然而这套符号逻辑学理论在随后的很长一段时间内都无法实现,甚至到80年代90年代还迎来了第一次AI寒冬期。直到最近大语言模型的落地,我们才发现真正承载这个逻辑思维的是神经网络,神经生物学家PeterMilner的工作激发了后来人工神经网络的发展,也正因为此他被邀请参加了这个

一、58画像平台建设背景首先和大家分享下58画像平台的建设背景。1.传统的画像平台传统的思路已经不够,建设用户画像平台依赖数据仓库建模能力,整合多业务线数据,构建准确的用户画像;还需要数据挖掘,理解用户行为、兴趣和需求,提供算法侧的能力;最后,还需要具备数据平台能力,高效存储、查询和共享用户画像数据,提供画像服务。业务自建画像平台和中台类型画像平台主要区别在于,业务自建画像平台服务单条业务线,按需定制;中台平台服务多条业务线,建模复杂,提供更为通用的能力。2.58中台画像建设的背景58的用户画像

写在前面&笔者的个人理解在自动驾驶系统当中,感知任务是整个自驾系统中至关重要的组成部分。感知任务的主要目标是使自动驾驶车辆能够理解和感知周围的环境元素,如行驶在路上的车辆、路旁的行人、行驶过程中遇到的障碍物、路上的交通标志等,从而帮助下游模块做出正确合理的决策和行为。在一辆具备自动驾驶功能的车辆中,通常会配备不同类型的信息采集传感器,如环视相机传感器、激光雷达传感器以及毫米波雷达传感器等等,从而确保自动驾驶车辆能够准确感知和理解周围环境要素,使自动驾驶车辆在自主行驶的过程中能够做出正确的决断。目
