温馨提示:本人主页置顶文章(点我)开头有 CSDN 平台官方提供的学长联系方式的名片!

课题介绍

考研备考阶段,考生在院校选择时面临信息繁杂、分数线分散、数据对比困难的问题,很难结合自身分数、专业、地区、招生人数等条件筛选合适院校,择校盲目性较强。本课题设计并实现基于 SpringBoot3 的考研分析及 AI 择校系统,整合院校、专业、历年分数线、招生计划、报录比等考研数据,结合 AI 辅助推荐能力帮助考生科学择校。
本系统的研究意义在于集中整理碎片化考研信息,可视化展示历年分数线、报录趋势,降低考生信息搜集成本;依托 AI 模型根据考生基础信息、目标专业、地区偏好、分数预期智能匹配院校,规避择校风险,为考研学子提供数据支撑与择校参考,同时为考研信息数字化查询提供平台。
系统主要研究内容包含院校专业库管理、历年考研数据录入与可视化分析、考生信息填报、AI 智能择校推荐、院校收藏、择校方案对比、考研资讯公告、留言咨询等模块,实现考研数据查询、趋势分析、智能推荐一体化服务。

技术介绍

后端采用 SpringBoot3 框架开发,利用 SpringBoot 自动配置简化项目搭建流程,SpringMVC 处理接口请求,MyBatis-Plus 作为持久层框架操作 MySQL,存储院校、专业、分数线、用户信息等基础数据。
前端采用 Vue3 + Element Plus,搭配 ECharts 实现分数线、报录数据图表可视化;Axios 完成前后端接口交互,AI 推荐部分通过后端调用大模型接口实现择校方案生成。数据库 MySQL 存储院校信息、专业信息、历年分数线、报录比、考生填报信息、收藏记录等业务数据。
项目采用前后端分离架构,后端提供 RESTful 接口,支持多条件筛选、分页查询、数据统计;封装统一返回结果类,对考研数据进行统计封装后传给前端渲染图表,AI 接口单独封装,保证系统可维护性,适配考研择校大数据查询场景。

系统分析

系统参与者分为管理员、考生两类角色。管理员负责院校、专业信息维护,历年分数线、招生计划、报录比数据录入与更新,考研资讯发布,管理用户留言;考生可以浏览院校专业库、多条件筛选院校、查看历年分数线与趋势图表、填写自身情况生成 AI 择校推荐方案、收藏意向院校、对比多个院校信息、查看考研资讯、提交留言咨询。
功能性需求:用户注册登录、院校专业管理、考研数据录入、多条件筛选查询、分数线趋势可视化、考生信息填报、AI 择校推荐、院校收藏、院校对比、资讯公告、留言反馈;非功能性需求:大量考研数据查询响应稳定;AI 推荐结果生成稳定;权限隔离,考生只能查看和操作自己的择校信息;数据更新便捷,图表渲染流畅。
业务流程:考生登录系统,可直接检索院校专业,查看历年分数线、报录比趋势;填写本科专业、目标专业、预估分数、意向地区、学硕专硕偏好等信息,提交请求后后端调用 AI 生成择校推荐方案;考生可以收藏院校、添加对比;管理员定期维护更新考研基础数据,发布资讯,回复用户留言。

系统截图

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

文档

请添加图片描述

系统设计

架构设计:前后端分离架构,Vue3 前端负责页面交互、图表展示;SpringBoot3 后端处理业务逻辑、数据统计、AI 接口调用,通过 MyBatis-Plus 操作 MySQL 数据库。
数据库核心表设计:用户表 user(id,username,password,name,phone,create_time,status);院校表 college(id,college_name,area,type,create_time);专业表 major(id,college_id,major_name,degree_type,create_time);考研数据表 exam_data(id,major_id,year,score_line,recruit_num,apply_num,admit_num);考生填报表 candidate_info(id,user_id,undergraduate_major,target_major,expect_score,prefer_area,create_time);收藏表 collect(id,user_id,major_id,create_time);资讯表 news(id,title,content,cover,create_time);留言表 message(id,user_id,content,reply,create_time)。
功能模块划分:用户权限模块、院校专业库模块、考研数据管理模块、数据可视化分析模块、AI 择校推荐模块、院校收藏对比模块、考研资讯模块、留言咨询模块。

核心代码

@RestController
@RequestMapping("/exam")
public class ExamController {
    @Autowired
    private ExamDataService examDataService;
    @Autowired
    private CandidateInfoService candidateInfoService;
    @Autowired
    private AiRecommendService aiRecommendService;

    // 根据专业id查询历年分数线数据
    @GetMapping("/data/{majorId}")
    public Result<List<ExamData>> getExamData(@PathVariable Long majorId) {
        LambdaQueryWrapper<ExamData> wrapper = Wrappers.lambdaQuery();
        wrapper.eq(ExamData::getMajorId, majorId).orderByAsc(ExamData::getYear);
        List<ExamData> list = examDataService.list(wrapper);
        return Result.success(list);
    }

    // 提交考生信息,获取AI择校推荐
    @PostMapping("/recommend")
    public Result<String> getRecommend(@RequestBody CandidateInfo candidateInfo) {
        boolean save = candidateInfoService.save(candidateInfo);
        if (!save) {
            return Result.error("信息提交失败");
        }
        String result = aiRecommendService.getRecommend(candidateInfo);
        return Result.success(result);
    }

    // 多条件筛选院校专业
    @GetMapping("/list")
    public Result<Page<Major>> getMajorList(@RequestParam(defaultValue = "1") Integer pageNum,
                                            @RequestParam(defaultValue = "10") Integer pageSize,
                                            @RequestParam(required = false) String area,
                                            @RequestParam(required = false) String majorName) {
        Page<Major> page = new Page<>(pageNum, pageSize);
        LambdaQueryWrapper<Major> wrapper = Wrappers.lambdaQuery();
        if (StrUtil.isNotBlank(area)) {
            wrapper.eq(Major::getArea, area);
        }
        if (StrUtil.isNotBlank(majorName)) {
            wrapper.like(Major::getMajorName, majorName);
        }
        Page<Major> majorPage = majorService.page(page, wrapper);
        return Result.success(majorPage);
    }
}

系统测试

本系统采用黑盒功能测试,围绕用户登录、院校专业维护、考研数据录入、分数线图表展示、考生信息填报、AI 择校推荐、收藏对比、资讯留言等核心业务编写测试用例,验证各个模块功能是否符合需求,校验多条件筛选、数据统计、AI 接口调用、收藏新增删除等逻辑。
测试结果:全部核心功能测试用例执行通过,用户登录权限正常,考研数据可以正常录入、查询,分数线趋势图表渲染正常,考生提交信息后可正常获取 AI 择校方案,院校收藏、对比功能正常,资讯发布、留言回复流程无误,异常输入场景系统给出友好提示,无严重 BUG,系统达到预期设计目标。

结论

本课题完成了基于 SpringBoot3 的考研分析及 AI 择校系统的设计与实现,实现院校专业信息管理、历年考研数据查询、分数线可视化、AI 智能择校推荐、院校收藏对比、考研资讯等功能,帮助考生快速收集考研信息、辅助科学择校。系统采用前后端分离架构,代码结构清晰,扩展性良好。
当前系统 AI 推荐仅基于基础信息匹配,后续可以优化推荐算法,增加复试信息、调剂信息、导师信息,加入择校风险评估,进一步提升 AI 择校方案的精准度。

Logo

更多推荐