摘要：針對現(xiàn)有學位論文盲審費用高、周期長缺點，實現(xiàn)基于SpringMVC的學位論文盲審與預測系統(tǒng)，系統(tǒng)實現(xiàn)了學生在線提交待盲審論文、系統(tǒng)自動檢測論文中是否存在敏感信息;智能匹配盲審專家，專家下載論文，上傳分數(shù)與評語完成盲審;完成盲審后對盲審情況進行統(tǒng)計，利用非線性回歸模型預測學院明年盲審情況。系統(tǒng)能夠切實為論文的盲審工作提供高效、低成本解決方案，能對學位論文盲審通過情況進行較為科學可行的預測，對實現(xiàn)研究生教育培養(yǎng)工作有一定意義。

　　關鍵詞：SpringMVC;盲審;非線性回歸

　　0引言

　　"盲審”,就是匿名送審，將不署作者名的學位論文送往外校同專業(yè)專家評閱，專家對論文進行匿名評分、評價相較校內學位論文評分，盲審制度通常更為客觀公正。現(xiàn)行的盲審制度也存在不少缺點：①費用高。論文的送審與送回均通過郵寄方式，耗費時間較長,論文印制與快遞費用增加了經(jīng)濟成本;“盲審”過程缺乏系統(tǒng)化，論文的裝訂、聯(lián)系校外專家、送審等工作需要大量人力資源也;②增加了專家與學生信息被泄漏的風險;③無法對學生提供警示效果。

　　針對以上不足，設計基于SpringMVC框架開發(fā)的學位論文盲審與預測系統(tǒng)(見圖1),能有效避免現(xiàn)有盲審制度缺點。由于所有操作均通過網(wǎng)絡，有效縮短了評審周期;學生自己上傳需要盲審的論文，系統(tǒng)自動匹配專家進行盲審，極大程度降低了人力成本與經(jīng)濟成本，降低了雙方信息泄漏的風險;由于各類成本降低，可一定程度提高研究生學位論文盲審抽取比例，同時通過建立非線性回歸模型，可預測下屆學生論文盲審通過情況，為學生提供預警,一定程度削弱學生“僥幸”心理，提高學位論文質量°1系統(tǒng)設計學位論文盲審與預測系統(tǒng)可以分為系統(tǒng)管理、人員管理、盲審功能、通知管理、論文管理、統(tǒng)計功能、預測模型功能7個子模塊。

　　(1)系統(tǒng)管理模塊。該模塊主要實現(xiàn)系統(tǒng)日常運維管理基礎功能。(2)人員管理模塊。該模塊分角色進行管理。系統(tǒng)角色有：①系統(tǒng)管理員，擁有最高權限,發(fā)布盲審通知與確定盲審周期，能對系統(tǒng)各項功能進行配置;②學院管理員，學生上傳的論文還需經(jīng)過學院管理員的審核，學院管理員也可以在盲審結束后查看本學院預測模型;③專家，下載學生論文，對論文進行評分，提出論文評語;④學生，提交自己的待盲審論文。

　　(3)盲審功能模塊。該模塊主要為專家提供評閱論文功能。包括了智能匹配專家，專家下載論文,上傳分數(shù)與評語3個子模塊。(4)通知管理模塊。該模塊包括短信通知、系統(tǒng)內通知兩個子模塊。其中短信通知子模塊是為了給專家提供臨時賬號、密碼。(5)論文管理模塊。該模塊包括學生上傳論文、論文敏感信息檢測兩個子模塊。其中，論文敏感信息檢測是學生在上傳論文時，系統(tǒng)會自動根據(jù)學生姓名、學院名稱、導師姓名檢測論文，當論文中含有該類敏感詞匯,警示學生修改后重新提交。

　　(6)統(tǒng)計功能模塊。該模塊包括學校盲審人數(shù)統(tǒng)計、學院盲審人數(shù)統(tǒng)計、學校盲審通過情況統(tǒng)計、學院盲審通過情況統(tǒng)計等子模塊，主要為系統(tǒng)管理員提供歷年數(shù)據(jù)查詢。(7)預測模型功能模塊。該模塊是將統(tǒng)計功能模塊中統(tǒng)計的學院近5年學生盲審分數(shù)，建立非線性回歸模型。使用梯度下降法迭代求解非線性回歸模型，對明年學院盲審情況作岀預測。

　　2系統(tǒng)關鍵技術

　　2.1SpringMVC框架

　　學位論文盲審與預測系統(tǒng)基于SpringMVC框架，為B/S結構網(wǎng)站系統(tǒng)。B/S結構功能擴展性較好，在系統(tǒng)使用中可通過增加網(wǎng)頁增加功能，開發(fā)量較小，無需提供客戶端,更新服務器端即可;建立在廣域網(wǎng)之上，用戶可以隨時隨地進行系統(tǒng)操作爐化SpringMVC框架將模型、視圖、控制器進行分離，各模塊間松耦合，整個系統(tǒng)結構清晰，便于開發(fā)維護曲。用戶通過瀏覽器發(fā)送HTTP請求到達DispatcherServlet(分發(fā)器)，DispatcherServlet負責協(xié)調不同的組件完成請求并返回結果，它會通過HTTP請求中的URL尋找、調用相應的處理器HandlerMapping。處理得到相應的數(shù)據(jù)后，數(shù)據(jù)會傳入視圖解析器解析出來的View對象中心〕，最后DispatcherServlet會將View對象返回給用戶。

　　2.2非線性回歸模型

　　在線性代數(shù)中，函數(shù)中自變量與因變量不存在線性關系，則考慮使用非線性回歸求解兇。梯度下降法⑷是解決回歸問題最常見迭代法之一，可以用來求解最小二乘問題。首先給定一個可微的函數(shù)，任取一個點，取該點梯度，沿著負梯度方向可找到預測函數(shù)局部最小值。

　　3實現(xiàn)功能

　　3.1盲審功能模塊

　　實現(xiàn)對所有盲審論文智能匹配相應盲審專家，為專家提供下載論文與上傳分數(shù)與評語等功能。當學生提交論文的時間截止，系統(tǒng)將未提交論文學生視為未通過盲審，對已提交論文根據(jù)學生專業(yè)方向智能匹配專家。智能匹配專家規(guī)則如下：①一篇論文分配給兩個同專業(yè)專家;②專家不能與論文作者同校;③專家職稱與論文要求相符。當?shù)玫酵暾�地匹配方案之后，系統(tǒng)將匹配生成的信息保存在數(shù)據(jù)庫。隨后自動發(fā)短信給專家。短信內容有：系統(tǒng)臨時為專家生成的賬號、密碼，等待自己盲審的論文篇數(shù)與盲審的截止時間。所有專家上傳分數(shù)與評語后，系統(tǒng)統(tǒng)計學校盲審人數(shù)、學院盲審人數(shù)、學校盲審通過情況、學院盲審通過情況等，保存到數(shù)據(jù)庫中。

　　3.2預測模型功能模塊

　　學位論文盲審與預測系統(tǒng)中，各學院管理員可通過系統(tǒng)提供的“預測模型功能模塊”預測學院明年的盲審通過情況。利用非線性回歸模型，分析本學院歷年盲審專家打分情況;利用梯度下降法預測明年本學院盲審通過情況，對學院畢業(yè)生及其導師進行預警。其中，由于使用的是Python語言中的Numpy庫進行非線性回歸模型訓練，所以當學院管理員第一次請求查看本學院盲審預測情況時，基于SpringMVC的系統(tǒng)會將學院中歷年盲審分數(shù)從數(shù)據(jù)庫中査詢并保存到指定文件夾下臨時文件中，然后調取服務器中Python腳本對臨時文件中數(shù)據(jù)進行處理，得到相應模型圖像與公式，分別保存到指定文件夾與數(shù)據(jù)庫。在下一次查詢時不再進行模型訓練，而是直接將圖像與公式展示在系統(tǒng)中。

        4結語

       本文闡述了學位論文盲審與預測系統(tǒng)的設計與實現(xiàn)。系統(tǒng)實現(xiàn)了自動檢測學生上傳的待盲審論文中是否存在敏感信息;智能匹配盲審專家，專家下載論文，上傳分數(shù)與評語完成盲審;完成盲審后對盲審情況進行統(tǒng)計，并且允許學院管理員對明年盲審通過情況進行建模預測。系統(tǒng)的實現(xiàn)能夠為論文盲審工作提供高效、低成本的解決方案，能對學位論文盲審通過情況提供較為科學可行的預測，對實現(xiàn)研究生教育培養(yǎng)工作有著重要意義。

　　參考文獻：

　　【1】顧越樺，陸愛華，完吾研究生學位論文“雙盲”評審工作的買踐與思考[J].高等建筑教育,2012,21(1):33-36.

　　[2]劉佩，湯軍.基于AEP.NET的學位論文盲審系統(tǒng)設計與實現(xiàn)[J].軟件導刊,2015(14):122.

　　[3]李巖.基于SpringMVC框架的訂閱式服務計費管理系統(tǒng)的設計與實現(xiàn)[D].北京：北京交通大學，201&

　　[4]劉詰.基于B/S結構的實盤訓練營系統(tǒng)的設計與實現(xiàn)[D].武漢：華中科技大學,2019.

　　[5]向春會.基于SpringMVC的web工程通用模板設計[D].北京：北京郵電大學，201&

　　[6]GUPTAP,GOVILMC.SpringwebMVCframeworkforrapidopensourceJ2EEapplicationdevelopment:acasestudy[J].InternationalJournalofEngineeringScienceandTechnology,2010,2(6):1684-1689・

　　教育論文投稿刊物：高等建筑教育堅持正確的辦刊方向和辦刊宗旨，以發(fā)展社會主義教育事業(yè)，振興建筑類高等院校教育教學改革，促進建筑類高校教育教學質量的提高為己任，對發(fā)展我國高等建筑教育的理論、思想，對辦學方針、體制，對教育教學內容改革等進行了廣泛深入探討，提出新的理論、觀點、主張和重要的決策性建議。本刊導向正確，科學精煉，編排合理，指導性、學術性、實用性和可讀性強。