2026年高考志愿智能填报辅助系统--辅助你选志愿

2026年高考志愿智能填报辅助系统（http://gkzy.yescollege.cn），能够帮助你选择志愿，这里有三年23-25年的录取数据，加上智能算法，输入全省的位次，高考分数，选科组合，就可以生成冲稳保的志愿，省却了很多麻烦。同时，还可以详细查看志愿中的院校的详细的关键介绍，让你有更好的决策。

以下为可靠的智能算法实现：

====================================================================

高考志愿智能匹配系统 V12.1

====================================================================

【版本说明】

V12.1 是最终完整版本，综合了此前所有版本的实践经验与用户反馈。

本规范包含完整的决策链路、算法公式、参数配置、输出字段定义及异常处理策略，

可直接作为开发团队的技术实现依据。

核心改进（相比V12.0）：

1. 异常数据过滤机制：合理范围检查 + 波动率惩罚

2. 稳健分类基准：波动大时使用中位数替代最小值

3. 招生计划历史数据：从enrollment_history表读取三年计划

4. 补位后重新排序：确保各组内部排序规则一致

5. 输出字段完整化：包含专业代码、各维度评分、历史数据、预测数据等

====================================================================

一、系统目标

====================================================================

为山东省（或其他新高考省份）考生提供96个“学校+专业”的精准推荐，

按“冲刺”“稳妥”“保底”三组展示，每组内部按不同策略排序，

确保推荐结果既安全又优质。

====================================================================

二、系统输入

====================================================================

输入参数（来自用户请求）：

┌─────────────────────────────────────────────────────────────────┐

│ 参数名 │ 类型 │ 必填 │ 说明 │

├─────────────────────────────────────────────────────────────────┤

│ R │ int │ 是 │ 考生全省位次 │

│ score │ int │ 否 │ 考生高考总分 │

│ subjects │ List │ 是 │ 选科组合 │

│ batch │ String │ 是 │ 本科批/专科批等 │

│ collegeLevel │ String │ 否 │ 985/211/双一流/不限│

│ nature │ String │ 否 │ 公办/民办/不限 │

│ provincePreference │ List │ 否 │ 省份偏好 │

│ majorPreferences │ List │ 否 │ 专业偏好 │

│ tuitionMin │ Integer │ 否 │ 最低学费 │

│ tuitionMax │ Integer │ 否 │ 最高学费 │

│ includeCooperation │ Boolean │ 否 │ 是否包含中外合作 │

└─────────────────────────────────────────────────────────────────┘

====================================================================

三、数据源

====================================================================

系统依赖以下数据表：

│ 表名 │ 用途 │

│ college │ 院校基本信息（名称、代码、省份、城市、 │

│ │ 层次、性质、标签等） │

│ major │ 专业基本信息（名称、代码、所属院校、 │

│ │ 选科要求、学制、学费、招生计划、 │

│ │ 三年录取位次等） │

│ enrollment_history │ 各专业历年招生计划数（2023/2024/2025） │

│ college_value │ 院校价值评分（总评分及各维度分数） │

│ professional_value │ 专业价值评分（总评分及各维度分数） │

│ major_hotness │ 专业热度数据（热度指数、就业率、薪资等） │

====================================================================

四、完整决策Pipeline（12步）

====================================================================

┌─────────────────────────────────────────────────────────────────────────────┐

│ V12.1 完整决策Pipeline │

├─────────────────────────────────────────────────────────────────────────────┤

│ Step 1：

硬条件筛选 │

│ ├── 选科匹配（支持"不限"） │

│ ├── 批次匹配（BATCH_MAPPING） │

│ ├── 院校层次过滤 │

│ ├── 办学性质过滤 │

│ ├── 地域偏好过滤 │

│ ├── 专业意向过滤 │

│ ├── 学费区间过滤 │

│ └── 中外合作办学过滤 │

│ Step 2：

历史数据提取与清洗（核心异常处理） │

│ ├── 提取三年录取位次（rank2023/2024/2025） │

│ ├── 提取三年招生计划（plan2023/2024/2025） │

│ ├── 有效性检查：

有效年份 >= 2 │

│ ├── 合理范围检查：

minRank ∈ [R×0.3, R×3.0] │

│ ├── 波动率检查：

varianceRate <= 0.8 │

│ └── 标记是否使用中位数（varianceRate > 0.4 时使用） │

│ Step 3：

计算统计量 │

│ ├── minRank, maxRank, medianRank, meanRank │

│ ├── stdRank, varianceRate │

│ └── stabilityScore = exp(-varianceRate) │

│ Step 4：

计算可行性（feasibility） │

│ ├── baseRank = varianceRate<=0.4 ? minRank : medianRank │

│ ├── distance = baseRank - R │

│ ├── scale = 5000 + (R/720000)*20000, 钳位[3000,30000] │

│ ├── feasibility_raw = 1/(1+exp(distance/scale)) │

│ └── feasibility = 0.75*feasibility_raw + 0.25*stabilityScore │

│ Step 5：

计算价值评分 │

：

CollegeValueScore (0-100) │

：

MajorValueScore (0-100) │

：

EmploymentValue (0-100) │

│ └── 综合质量分：

QualityScore = 0.5*院校 + 0.35*专业 + 0.15*就业 │

│ Step 6：

冲稳保分类（基于位次比） │

│ ├── percentile = R / 720000 │

│ ├── rushRatio = 0.85 - 0.15*percentile, 钳位[0.65,0.90] │

│ ├── stableRatio = 1.15 + 0.10*percentile, 钳位[1.10,1.35] │

│ ├── ratio = classificationRank / R │

│ ├── ratio < rushRatio → 冲刺 │

│ ├── rushRatio <= ratio <= stableRatio → 稳妥 │

│ └── ratio > stableRatio → 保底 │

│ Step 7：

计算安全指数 │

│ └── safetyIndex = (R - baseRank) / (maxRank - minRank + 1) │

│ 钳位[-1, 1]，负值表示考生优于历史最好，更安全 │

│ Step 8：

计算风险等级与可信度 │

│ ├── 风险等级：

基于分类+可行性+波动率综合判定 │

│ └── 可信度：

有效年份(25/年) + 波动惩罚 + 计划完整性(10/20/30) │

│ Step 9：

计算预测位次（仅展示） │

│ └── predictRank = 时间衰减加权(2023:0.2, 2024:0.3, 2025:0.5) │

│ Step 10：

动态配额分配 │

│ └── 根据percentile查表分配冲/稳/保数量，总计96个 │

│ Step 11：

组内排序 │

│ ├── 冲刺组：

按可行性（feasibility）降序 │

│ ├── 稳妥组：

按综合质量分（QualityScore）降序 │

│ └── 保底组：

按院校价值（CollegeValueScore）降序 │

│ Step 12：

拼接输出 │

│ ├── 冲刺组 → 稳妥组 → 保底组 │

│ ├── 不足96时补位 │

│ └── 填充所有输出字段 │

└─────────────────────────────────────────────────────────────────────────────┘

====================================================================

五、详细算法规范

====================================================================

5.1 硬条件筛选

----------------------------------------------------

5.1.1 选科匹配（支持"不限"）：

IF subject_requirement IS NULL OR subject_requirement = '' OR subject_requirement = '不限':

匹配

ELSE:

必须包含所有考生选科（AND逻辑）

例如：

考生选 [物理, 化学]，要求 "物理+化学" 匹配，"物理+化学+生物" 不匹配

5.1.2 批次匹配：

使用 BATCH_MAPPING 映射：

BATCH_MAPPING = {

"本科批"：

["本科批", "一段线", "特殊类型批"],

"专科批"：

["专科批", "二段线"],

"提前批"：

["提前批", "本科提前批"],

"专科提前批"：

["专科提前批"]

}

5.1.3 其他筛选：

中外合作办学：

cooperation = 0 OR cooperation IS NULL

学费区间：

tuition BETWEEN [tuitionMin, tuitionMax]

5.2 数据清洗与验证（核心）

----------------------------------------------------

对每个（学校+专业）组合执行以下检查：

5.2.1 有效年份检查：

validYears = COUNT(rank2023 > 0, rank2024 > 0, rank2025 > 0)

IF validYears < 2：

DROP（数据不足）

5.2.2 合理范围检查：

minRank = MIN(rank2023, rank2024, rank2025)

IF minRank < R * 0.3 OR minRank > R * 3.0: DROP（超出合理范围）

原理：

若历史最低位次与考生位次相差超过3倍或小于0.3倍，说明两者不匹配，推荐无意义

5.2.3 波动率检查：

varianceRate = STD(rank2023, rank2024, rank2025) / MEAN(rank2023, rank2024, rank2025)

IF varianceRate > 0.8：

DROP（波动过大，无法可靠预测）

IF varianceRate > 0.4：

useMedianForClassification = true（使用中位数分类）

ELSE：

useMedianForClassification = false（使用最小值分类）

5.2.4 计算统计量：

minRank = MIN(有效位次)

maxRank = MAX(有效位次)

medianRank = MEDIAN(有效位次)

meanRank = MEAN(有效位次)

stdRank = STD(有效位次)

varianceRate = stdRank / (meanRank + 1)

stabilityScore = EXP(-varianceRate)

5.3 可行性模型

----------------------------------------------------

目的：

量化考生被该专业录取的可能性，值域 [0, 1]

5.3.1 确定基准位次：

IF varianceRate <= 0.4:

baseRank = minRank（历史最好成绩）

ELSE:

baseRank = medianRank（中位数，抗异常）

5.3.2 计算位次差：

distance = baseRank - R

（distance < 0 表示考生位次优于历史最好，更安全）

5.3.3 自适应尺度：

scale = 5000 + (R / 720000) * 20000

scale = CLAMP(scale, 3000, 30000)

5.3.4 Sigmoid转换： feasibility_raw = 1 / (1 + EXP(distance / scale))

5.3.5 稳定性平滑： feasibility = 0.75 * feasibility_raw + 0.25 * stabilityScore

5.4 价值评分体系

----------------------------------------------------

5.4.1 院校价值（CollegeValueScore, 0-100）：

优先从 college_value 表读取 totalScore。

若无数据，静态评分规则：

- C9联盟：

100

- 985工程：

- 211工程或双一流：

- 省重点：

- 其他：

5.4.2 专业价值（MajorValueScore, 0-100）：

优先从 professional_value 表读取 totalScore。

若无数据，基于院校层次和专业名称估算：

- 985院校 + 热门专业（计算机/临床医学等）：

85~90

：

75~80

- 其他：

50~65

5.4.3 就业价值（EmploymentValue, 0-100）：

优先从 major_hotness 表读取 employmentRate。

若无数据，基于专业名称估算：

- 计算机/软件/人工智能：

- 临床医学/口腔医学：

- 电子信息/自动化：

- 经管类：

- 土木/建筑：

- 人文类：

5.4.4 综合质量分（QualityScore, 0-100）：

QualityScore = 0.50 * CollegeValueScore

+ 0.35 * MajorValueScore

+ 0.15 * EmploymentValue

5.5 冲稳保分类

----------------------------------------------------

目的：

将每个志愿归入"冲刺""稳妥""保底"三类

5.5.1 计算考生百分位：

percentile = R / 720000

percentile = CLAMP(percentile, 0.0001, 0.9999)

5.5.2 自适应阈值：

rushRatio = 0.85 - 0.15 * percentile // 0.70 ~ 0.85

stableRatio = 1.15 + 0.10 * percentile // 1.15 ~ 1.25

// 确保区间宽度至少0.20

IF stableRatio - rushRatio < 0.20:

stableRatio = rushRatio + 0.20

// 钳位

rushRatio = CLAMP(rushRatio, 0.65, 0.90)

stableRatio = CLAMP(stableRatio, 1.10, 1.35)

5.5.3 计算位次比：

classificationRank = varianceRate <= 0.4 ? minRank : medianRank

ratio = classificationRank / R

5.5.4 分类规则：

IF ratio < rushRatio：

bucket = "冲刺"

ELSE IF ratio <= stableRatio：

bucket = "稳妥"

ELSE：

bucket = "保底"

5.5.5 安全指数：

safetyIndex = (R - classificationRank) / (maxRank - minRank + 1)

safetyIndex = CLAMP(safetyIndex, -1.0, 1.0)

（负值表示考生位次优于历史最好，越负越安全）

5.6 风险等级与可信度

----------------------------------------------------

5.6.1 风险等级：

- 保底志愿：

feasibility >= 0.8 → LOW

0.6 <= feasibility < 0.8 → MEDIUM

feasibility < 0.6 → HIGH

- 稳妥志愿：

feasibility >= 0.7 AND varianceRate < 0.2 → LOW

feasibility >= 0.4 → MEDIUM

ELSE → HIGH

- 冲刺志愿：

feasibility >= 0.6 AND varianceRate < 0.2 → MEDIUM

ELSE → HIGH

5.6.2 可信度（0-100）：

credibility = validYears * 25 // 3年=75，2年=50

// 波动惩罚

IF varianceRate > 0.6：

credibility -= 30

ELSE IF varianceRate > 0.4：

credibility -= 20

ELSE IF varianceRate > 0.2：

credibility -= 10

// 招生计划完整性加分

planCount = COUNT(plan2023 > 0, plan2024 > 0, plan2025 > 0)

IF planCount == 3：

credibility += 30

ELSE IF planCount == 2：

credibility += 20

ELSE IF planCount == 1：

credibility += 10

credibility = CLAMP(credibility, 0, 100)

5.7 预测位次（仅展示）

----------------------------------------------------

目的：

为前端提供"预测位次"展示字段，不参与决策

predictRank = 时间衰减加权

= (rank2023 * 0.20 + rank2024 * 0.30 + rank2025 * 0.50)

/ (0.20 + 0.30 + 0.50)

仅使用有效年份的数据，缺少年份不参与加权

gap = R - predictRank

5.8 录取概率（仅展示）

----------------------------------------------------

目的：

为前端提供"录取概率"展示字段，不参与决策

admitProbability = 1 / (1 + EXP(-gap / 5000)) （gap > 0 表示考生优于预测位次，概率 > 50%）

5.9 动态配额分配

----------------------------------------------------

根据百分位查表分配各组数量：

│ 百分位范围 │ 冲刺 │ 稳妥 │ 保底 │ 合计 │

│ percentile < 0.05 │ 50 │ 30 │ 16 │ 96 │

│ 0.05 ≤ p < 0.30 │ 35 │ 40 │ 21 │ 96 │

│ 0.30 ≤ p < 0.70 │ 24 │ 48 │ 24 │ 96 │

│ 0.70 ≤ p < 0.90 │ 15 │ 45 │ 36 │ 96 │

│ 0.90 ≤ p < 1.00 │ 8 │ 32 │ 56 │ 96 │

5.10 组内排序

----------------------------------------------------

目的：

确保每组内部按最优策略排序

│ 分组 │ 排序键 │ 排序方向 │ 理由 │

│ 冲刺 │ feasibility │ 降序 │ 最可能录取的冲刺优先 │

│ 稳妥 │ QualityScore │ 降序 │ 质量最高的稳妥优先 │

│ 保底 │ CollegeValueScore │ 降序 │ 院校最好的保底优先 │

5.11 补位策略

----------------------------------------------------

若某组实际候选数量不足配额：

1. 从下一组按该组排序规则补足（如冲刺不足，从稳妥取可行性最高的）

2. 补位后重新对该组按排序键排序（确保顺序正确）

3. 补位志愿标记 bucket = bucket + "-补位"

若总候选不足96个：

1. 放宽合理范围至 [R×0.2, R×4.0]

2. 从剩余候选中按可行性降序补足至96个

3. 标记为"补位"

5.12 最终拼接顺序

----------------------------------------------------

最终推荐列表顺序固定为：

冲刺组（含补位） → 稳妥组（含补位） → 保底组（含补位）

每组内部按各自排序规则排列。

====================================================================

六、输出字段清单

====================================================================

每个推荐志愿必须包含以下字段（按模块分组）：

【基本标识】

│ 字段名 │ 类型 │ 说明 │

│ rank │ int │ 序号（1~96） │

│ school │ String │ 院校名称 │

│ schoolCode │ String │ 院校代码 │

│ major │ String │ 专业名称 │

│ majorCode │ String │ 专业代码（必须） │

│ subjectRequirement│ String │ 选科要求 │

│ schoolType │ String │ 院校类型（综合/理工等） │

│ city │ String │ 所在城市 │

│ province │ String │ 所在省份 │

│ level │ String │ 院校层次（985/211/双一流等） │

│ nature │ String │ 办学性质（公办/民办） │

│ tags │ String │ 院校标签 │

│ batch │ String │ 批次 │

│ tuition │ Integer │ 学费（元/年） │

│ schoolLength │ Integer │ 学制（年） │

│ majorClass │ String │ 专业类 │

【分类标签】

│ 字段名 │ 类型 │ 说明 │

│ bucket │ String │ 冲刺/稳妥/保底 │

│ subType │ String │ 细分类型（如冲-高风险/稳-标准等） │

【评分值】

│ 字段名 │ 类型 │ 说明 │

│ collegeValueScore │ int │ 院校价值评分（0-100） │

│ majorValueScore │ int │ 专业价值评分（0-100） │

│ employmentValue │ int │ 就业价值评分（0-100） │

│ qualityScore │ int │ 综合质量分（0-100） │

【录取概率与风险】

│ 字段名 │ 类型 │ 说明 │

│ feasibility │ double │ 可行性（0-1，乘100显示百分比） │

│ admitProbability │ double │ 录取概率（0-1，乘100显示百分比） │

│ safetyIndex │ double │ 安全指数（-1~1，乘100显示百分比） │

│ riskLevel │ String │ 风险等级（高/中/低） │

│ credibility │ double │ 可信度（0-100） │

【历史与预测数据】

│ 字段名 │ 类型 │ 说明 │

│ rank2023 │ Integer │ 2023年最低录取位次 │

│ rank2024 │ Integer │ 2024年最低录取位次 │

│ rank2025 │ Integer │ 2025年最低录取位次 │

│ plan2023 │ Integer │ 2023年招生计划 │

│ plan2024 │ Integer │ 2024年招生计划 │

│ plan2025 │ Integer │ 2025年招生计划 │

│ predictRank │ Integer │ 预测位次（展示用） │

│ gap │ Integer │ 考生位次 - 预测位次 │

│ varianceRate │ double │ 波动率（展示用） │

【推荐理由】

│ 字段名 │ 类型 │ 说明 │

│ matchReason │ String │ 匹配理由（简短文字） │

====================================================================

七、异常处理与兜底策略

====================================================================

7.1 数据不足兜底

----------------------------------------------------

若经过所有过滤后候选专业少于96个：

1. 放宽合理范围限制：R×0.2 ~ R×4.0

2. 放宽波动率限制：varianceRate <= 0.9

3. 放宽有效年份限制：有效年份 >= 1

4. 从放宽后的候选中按可行性降序补足至96个

5. 标记所有放宽补入的志愿为"补位"

7.2 某组为空兜底

----------------------------------------------------

若某组（如冲刺）为0：

1. 从下一组（稳妥）按可行性降序取配额数量补入

2. 补入后重新对该组按排序键排序

3. 标记为"补位"

7.3 评分缺失兜底

----------------------------------------------------

若某项评分无法获取，使用默认值：

：

7.4 位次缺失兜底

----------------------------------------------------

若某专业三年位次均缺失但有效年份>=2（不可能），使用：

- minRank = R * 1.5

- maxRank = R * 2.0

- medianRank = R * 1.7

====================================================================

八、参数配置表（可调参数）

====================================================================

│ 参数名 │ 默认值 │ 说明 │

│ TOTAL_CANDIDATES │ 720000 │ 山东省总考生数 │

│ WEIGHT_2023 │ 0.20 │ 2023年时间衰减权重 │

│ WEIGHT_2024 │ 0.30 │ 2024年时间衰减权重 │

│ WEIGHT_2025 │ 0.50 │ 2025年时间衰减权重 │

│ RANGE_LOWER_BOUND │ 0.3 │ 合理范围下限 │

│ RANGE_UPPER_BOUND │ 3.0 │ 合理范围上限 │

│ HIGH_VOLATILITY_THRESHOLD │ 0.8 │ 高波动丢弃阈值 │

│ MEDIUM_VOLATILITY_THRESHOLD │ 0.4 │ 中位数切换阈值 │

│ SCALE_BASE │ 5000 │ 可行性尺度基准 │

│ SCALE_MULTIPLIER │ 20000 │ 可行性尺度乘数 │

│ SCALE_MIN │ 3000 │ 可行性尺度最小值 │

│ SCALE_MAX │ 30000 │ 可行性尺度最大值 │

│ RUSH_RATIO_BASE │ 0.85 │ 冲刺比例基准 │

│ RUSH_RATIO_ADJUST │ 0.15 │ 冲刺比例调整系数 │

│ STABLE_RATIO_BASE │ 1.15 │ 稳妥比例基准 │

│ STABLE_RATIO_ADJUST │ 0.10 │ 稳妥比例调整系数 │

│ MIN_BUCKET_WIDTH │ 0.20 │ 最小分类区间宽度 │

│ COLLEGE_VALUE_WEIGHT │ 0.50 │ 院校价值在质量分中权重 │

│ MAJOR_VALUE_WEIGHT │ 0.35 │ 专业价值在质量分中权重 │

│ EMPLOYMENT_VALUE_WEIGHT │ 0.15 │ 就业价值在质量分中权重 │

====================================================================

九、输出示例（JSON结构）

====================================================================

{

"total"：

96,

"recommendations"：

[

{

"rank"：

"school"：

"清华大学",

"schoolCode"：

"A003",

"major"：

"计算机科学与技术",

"majorCode"：

"080901",

"subjectRequirement"：

"物理+化学",

"schoolType"：

"理工",

"city"：

"北京",

"province"：

"北京",

"level"：

"985,211,双一流",

"nature"：

"公办",

"tags"：

"C9 985 211 双一流",

"batch"：

"本科批",

"tuition"：

5000,

"schoolLength"：

"majorClass"：

"计算机类",

"bucket"：

"冲刺",

"subType"：

"冲-高风险",

"collegeValueScore"：

100,

"majorValueScore"：

100,

"employmentValue"：

95,

"qualityScore"：

98,

"feasibility"：

0.35,

"admitProbability"：

0.30,

"safetyIndex"：

-23.5,

"riskLevel"：

"高",

"credibility"：

85.0,

"rank2023"：

48,

"rank2024"：

52,

"rank2025"：

50,

"plan2023"：

100,

"plan2024"：

100,

"plan2025"：

100,

"predictRank"：

50,

"gap"：

18,

"varianceRate"：

0.04,

"matchReason"：

"历史录取位次优于考生位次，有冲刺机会"

}

// ... 更多推荐

]

}

====================================================================

十、设计原则总结

====================================================================

│ V12.1 七大核心设计原则 │

│ 1. 数据清洗优先：

异常数据过滤比复杂模型更重要 │

│ 2. 稳健分类基准：

波动大时使用中位数，避免异常值误导 │

│ 3. 排序策略分离：

冲刺看可能性，稳妥看质量，保底看院校 │

│ 4. 输出信息完整：

所有决策依据透明可查 │

│ 5. 固定输出数量：

96个，满足用户期望 │

│ 6. 自适应配额：

根据考生百分位动态分配各组数量 │

│ 7. 多重兜底机制：

确保任何情况都能输出96个有效志愿 │

====================================================================

规范结束

====================================================================

2026年高考志愿智能填报辅助系统--辅助你选志愿

1. 异常数据过滤机制：合理范围检查 + 波动率惩罚

2. 稳健分类基准：波动大时使用中位数替代最小值

3. 招生计划历史数据：从enrollment_history表读取三年计划

4. 补位后重新排序：确保各组内部排序规则一致

5. 输出字段完整化：包含专业代码、各维度评分、历史数据、预测数据等

一、系统目标

二、系统输入

三、数据源

四、完整决策Pipeline（12步）

五、详细算法规范

5.1 硬条件筛选

5.1.1 选科匹配（支持"不限"）：

5.1.2 批次匹配：

5.1.3 其他筛选：

5.2 数据清洗与验证（核心）

5.2.1 有效年份检查：

5.2.2 合理范围检查：

5.2.3 波动率检查：

5.2.4 计算统计量：

5.3 可行性模型

5.3.1 确定基准位次：

5.3.2 计算位次差：

5.3.3 自适应尺度：

5.4 价值评分体系

5.4.1 院校价值（CollegeValueScore, 0-100）：

5.4.2 专业价值（MajorValueScore, 0-100）：

5.4.3 就业价值（EmploymentValue, 0-100）：

5.4.4 综合质量分（QualityScore, 0-100）：

5.5 冲稳保分类

5.5.1 计算考生百分位：

5.5.2 自适应阈值：

5.5.3 计算位次比：

5.5.4 分类规则：

5.5.5 安全指数：

5.6 风险等级与可信度

5.6.1 风险等级：

0.6 <= feasibility < 0.8 → MEDIUM

5.6.2 可信度（0-100）：

5.7 预测位次（仅展示）

5.8 录取概率（仅展示）

5.9 动态配额分配

5.10 组内排序

5.11 补位策略

1. 从下一组按该组排序规则补足（如冲刺不足，从稳妥取可行性最高的）

2. 补位后重新对该组按排序键排序（确保顺序正确）

3. 补位志愿标记 bucket = bucket + "-补位"

1. 放宽合理范围至 [R×0.2, R×4.0]

2. 从剩余候选中按可行性降序补足至96个

3. 标记为"补位"

5.12 最终拼接顺序

六、输出字段清单

七、异常处理与兜底策略

7.1 数据不足兜底

1. 放宽合理范围限制：R×0.2 ~ R×4.0

2. 放宽波动率限制：varianceRate <= 0.9

3. 放宽有效年份限制：有效年份 >= 1

4. 从放宽后的候选中按可行性降序补足至96个

5. 标记所有放宽补入的志愿为"补位"

7.2 某组为空兜底

1. 从下一组（稳妥）按可行性降序取配额数量补入

2. 补入后重新对该组按排序键排序

3. 标记为"补位"

7.3 评分缺失兜底

7.4 位次缺失兜底

八、参数配置表（可调参数）

九、输出示例（JSON结构）

十、设计原则总结

相关资讯