基于大语言模型的学生用户画像构建和个性化推荐方法

abs（）

238人浏览 · 2026-07-11 00:00:33

abs（） · 2026-07-11 00:00:33 发布

基于 LLM 的用户画像分析：通义千问 + Prompt Engineering 实践

本文范围： 只讨论 LLM 方法构建学生用户画像。在 outputs/cleaned/ 已清洗数据之上，调用通义千问生成结构化画像。不包含 原始清洗与规则画像方法。

摘要： 将学生学业、考勤、消费等指标组装为 Prompt，通过 DashScope 调用 qwen-plus，强制 JSON 输出，再解析为 CSV、画像卡片 txt 与统计图表。

一、为什么用 LLM 做用户画像

传统的学生画像方法主要依赖 规则引擎 + 统计阈值。例如，设定“平均分 < 60 → 成绩待提升”、“考勤异常 > 3次 → 行为需关注”等硬性规则。这种方式虽然稳定、可解释性强，但在面对复杂、多维的学生数据时，暴露出两个核心局限：

标签碎片化，缺乏整体叙事：规则生成的标签往往是孤立的（如“数学薄弱”、“消费偏高”），难以自动将这些点状信息串联成一个有逻辑、有故事线的完整学生画像。管理者看到的是一堆标签，而非一个立体的“人”。
难以生成深度的自然语言洞察：规则系统可以输出“是什么”（如“高风险”），但很难自动回答“为什么是这个画像”以及“下一步具体怎么做”。这部分的解读和报告撰写仍需大量人工介入，效率低下。

LLM（大语言模型）的引入，正是为了弥补这些短板。 大模型的核心能力在于 理解结构化数据、进行综合推理、并生成连贯的自然语言结论。在本实践中，我们构建的核心链路是：

清洗后的学生指标 → Prompt 设计 → 通义千问 API → JSON 解析 → 画像卡片 + 图表

这条链路的优势在于：

整体性分析：LLM 能同时考虑学业、行为、消费等多个维度，输出一个综合性的评价（如“艺体特长但理科基础薄弱的波动型学习者”），而非一堆割裂的标签。
可解释的叙事：通过精心设计的 Prompt，可以要求模型不仅给出结论，还要提供推理依据和个性化的改进建议，生成一段120-180字的“完整画像描述”，极大提升了报告的可读性和 actionable insight（可执行洞察）。
灵活适配：当分析维度或评价标准需要调整时，通常只需修改 Prompt 指令，而无需重写复杂的规则代码，迭代成本更低。

因此，LLM 并非要取代传统的数据清洗与特征工程，而是作为其之上的“认知层”，将冰冷的数据转化为有温度、有逻辑、可直接用于沟通和决策的叙事报告。

二、整体架构

outputs/cleaned/student_profile.csv
outputs/cleaned/clean_score.csv
        ↓
load_student_features()        # 补偏科指数、分科摘要、日均消费等
        ↓
build_student_prompt()         # Prompt：角色 + 数据 + 任务 + JSON 格式
        ↓
call_qwen()                    # DashScope 调用 qwen-plus
        ↓
_extract_json() / _normalize_result()
        ↓
format_portrait_card()         # 生成可读 txt 卡片
        ↓
student_portrait_qwen.csv
student_portrait_qwen_cards.txt
outputs/analysis/qwen_figures/

对应脚本：qwen_portrait.py

三、输入数据

LLM 读的是 学生级宽表，不是原始流水。主要字段：

维度	字段	用途
学籍	姓名、班级、性别	画像抬头
学业	平均成绩、成绩标准差、偏科指数	学业等级、学习态度
分科	`subject_summary`	学科特征（优势/薄弱科目）
考勤	迟到、早退、考勤异常合计	行为模式
消费	日均消费、消费次数	生活规律

其中 subject_summary 由程序从成绩表自动生成，例如：

相对优势学科：音乐(90.0分)、美术(82.0分)、英语(62.3分)；
相对薄弱学科：地理(49.6分)、体育(19.2分)、技术(13.9分)

对应代码（节选）：

def _build_subject_summary(student_id, score_df):
    sub = score_df[(score_df["bf_StudentID"] == student_id) & score_df["mes_Score"].notna()]
    means = sub.groupby("mes_sub_name")["mes_Score"].mean().sort_values(ascending=False)
    top = "、".join(f"{n}({s:.1f}分)" for n, s in means.head(3).items())
    bottom = "、".join(f"{n}({s:.1f}分)" for n, s in means.tail(3).items())
    return f"相对优势学科：{top}；相对薄弱学科：{bottom}"

四、Prompt 设计

采用 「角色 + 数据 + 任务 + JSON 格式」 四段式。

角色： 熟悉学生管理与学业诊断的数据分析专家。

输出字段：

字段	含义
`academic_level`	学业等级
`subject_profile`	学科特征
`learning_attitude`	学习态度
`behavior_pattern`	行为模式
`strengths` / `weaknesses`	优势 / 待改进
`suggestions`	建议
`full_portrait`	120~180 字完整描述
`portrait_tags`	3~5 个短标签
`qwen_risk_level`	低/中/高风险

JSON 输出示例：

{
  "academic_level": "中等偏下",
  "subject_profile": "偏艺体型，音乐美术突出，技术体育薄弱",
  "learning_attitude": "成绩波动大，专注度不够稳定",
  "behavior_pattern": "消费规律，偶有考勤异常",
  "strengths": ["艺术感知力强", "消费自律"],
  "weaknesses": ["理科基础薄弱", "成绩波动大"],
  "suggestions": ["补足薄弱学科基础", "建立周复盘机制"],
  "full_portrait": "一段完整画像描述...",
  "portrait_tags": ["艺体特长", "波动型学习者"],
  "qwen_risk_level": "中风险"
}

Prompt 构建思路（节选）：

def build_student_prompt(row):
    fields = [
        ("姓名", row["bf_Name"]), ("班级", row["cla_Name"]),
        ("平均成绩", row["avg_score"]), ("成绩标准差", row["score_std"]),
        ("分科情况", row["subject_summary"]),
        ("考勤异常次数", row["attendance_abnormal"]),
        ("日均消费", row["daily_avg_spend"]),
    ]
    student_block = "\n".join(f"{k}: {v}" for k, v in fields)
    return f"你是学生管理分析专家...\n【学生数据】\n{student_block}\n...仅输出 JSON..."

五、通义千问 API 调用

import dashscope
from dashscope import Generation

dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")

response = Generation.call(
    model="qwen-plus",
    messages=[{"role": "user", "content": prompt}],
    result_format="message",
    temperature=0.3,
)
content = response.output.choices[0].message.content

说明：

temperature=0.3：输出更稳定；
API Key 写在 .env：DASHSCOPE_API_KEY=sk-xxx；
支持批量并发：python qwen_portrait.py --limit 30 --batch-size 3 --workers 3

六、JSON 解析与字段标准化

模型返回可能是纯 JSON，也可能带 markdown 包裹，需要容错：

def _extract_json(text):
    text = text.strip()
    fence = re.search(r"```(?:json)?\s*([\s\S]*?)\s*```", text)
    if fence:
        text = fence.group(1).strip()
    return json.loads(text)

def _normalize_result(raw):
    return {
        "qwen_academic_level": raw.get("academic_level", ""),
        "qwen_subject_profile": raw.get("subject_profile", ""),
        "qwen_learning_attitude": raw.get("learning_attitude", ""),
        "qwen_behavior_pattern": raw.get("behavior_pattern", ""),
        "qwen_strengths": "、".join(raw.get("strengths", [])),
        "qwen_weaknesses": "、".join(raw.get("weaknesses", [])),
        "qwen_suggestions": "；".join(raw.get("suggestions", [])),
        "qwen_full_portrait": raw.get("full_portrait", ""),
        "qwen_risk_level": raw.get("qwen_risk_level", ""),
    }

七、画像卡片输出

解析后生成两类产物：

1. CSV： student_portrait_qwen.csv（结构化字段，便于统计）
在这里插入图片描述

2. TXT 卡片： student_portrait_qwen_cards.txt
在这里插入图片描述

格式化逻辑（节选）：

def format_portrait_card(record):
    lines = [
        f"学生: {record['bf_Name']}（{record['bf_sex']}，{record['cla_Name']}）",
        f"均分: {record['avg_score']:.1f} | 考勤异常: {record['attendance_abnormal']}次",
        f"  学业等级: {record['qwen_academic_level']}",
        f"  学科特征: {record['qwen_subject_profile']}",
        f"  学习态度: {record['qwen_learning_attitude']}",
        f"  行为模式: {record['qwen_behavior_pattern']}",
        f"  优势: {record['qwen_strengths']}",
        f"  待改进: {record['qwen_weaknesses']}",
        f"  建议: {record['qwen_suggestions']}",
        f"  【完整画像描述】\n  {record['qwen_full_portrait']}",
    ]
    return "\n".join(lines)

真实输出示例（脱敏）：

学生: 陈某某（女，白-高二(01)）
均分: 56.47 | 考勤异常: 2次 | 日均消费: 10.09元

  学业等级: 待提升
  学科特征: 显著偏艺体型，音乐、美术优势突出，技术体育薄弱
  学习态度: 成绩波动剧烈，学习状态不够稳定
  行为模式: 消费规律，偶有考勤异常
  优势: 艺术感知力强、消费自律
  待改进: 核心学科低于及格线、缺考次数偏多
  建议: 补足技术地理基础；建立周复盘机制

  【完整画像描述】
  陈某某整体学业待提升，但艺术禀赋突出。技术仅13.9分，
  成绩标准差高达34.65，说明学习状态起伏大。消费与考勤整
  体可控，建议聚焦基础补缺与学习节奏重建。

  风险等级: 中风险
  画像标签: 艺体特长生、基础薄弱型、波动型学习者

八、可视化

基于 LLM 结果自动生成 14 张图，目录：outputs/analysis/qwen_figures/

图	文件	说明
风险分布	`01_qwen_risk_distribution_pie.png`	低/中/高风险占比
学业等级	`02_academic_level_pie.png`	学业等级分布
待改进主题	`05_weakness_themes_bar.png`	偏科、波动等主题
成绩-风险	`07_score_risk_scatter.png`	成绩与波动散点
画像卡片图	`11_sample_portrait_card.png`	txt 卡片渲染成图

在这里插入图片描述

只重新出图：

python qwen_portrait.py --plots-only

九、如何复现

pip install dashscope python-dotenv pandas matplotlib

# 1. 清洗数据
python clean.py

# 2. 跑 LLM 画像（默认 30 人）
python qwen_portrait.py

# 3. 小样本试跑
python qwen_portrait.py --limit 5 --batch-size 1

# 4. 不调 API，看格式
python qwen_portrait.py --mock --limit 2

.env 配置：

DASHSCOPE_API_KEY=你的密钥

十、方法小结

环节	做法
Prompt 设计	角色 + 结构化数据 + JSON 约束
LLM 推理	通义千问 qwen-plus
结构化输出	JSON → CSV
画像卡片	格式化 txt + 图片渲染
可视化	14 类统计图