伴随社会经济的高速发展,我国高校逐渐从专业招生向大类招生、分流培养的模式转变。随着高校招生人数的增加,传统人工专业分流的形式被逐渐淘汰,专业分流系统应运而生。通过分析目前的专业分流机制和系统,总结出目前专业分流模式面临着两大难题。一方面,有的高校对学生的引导不足,导致学生在专业选择时盲目跟风,造成专业选择一边倒的局面。另一方面,学生被专业调剂后对专业认同感不高,成绩大幅度下降,导致学生产生自暴自弃、厌学等不良情绪,浪费了高校的教育资源。为了有效解决上述问题,本文设计并实现了基于深度学习的专业分流系统。与传统专业分流系统相比,本文系统存在两个创新之处。一方面,系统运用深度学习技术,构建了基于深度神经网络的学生专业适合度分类模型,并与传统机器学习分类算法进行了评估对比,发现分类效果明显优于后者,本文将此模型运用到系统中,在学生专业报名前,推荐学生适合的专业,对学生做出适当引导。另一方面,本文设计并实现了融入专业适合度的专业分流算法,在专业分流时,用该算法对学生进行专业分流,在满足志愿优先、择优录取的前提下,调剂阶段优先将学生分入适合度较高的专业中,在一定程度上解决了学生在后续学习中,因不适应调剂专业而产生的一系列问题。本文结合使用场景和角色,对系统进行了需求分析,提出了系统的功能需求与非功能性需求。然后,进行了系统设计,设计了系统的软件架构,将系统划分为六个模块,并对各个模块做了详细设计,给出各模块的流程图与类图,根据详细设计,对每个模块进行了编码实现。最后进行了系统测试,并对测试结果进行了分析。通过系统的功能测试与性能测试,本文设计的基于深度学习的专业分流系统各功能模块符合预期标准,系统性能指标符合预期标准,系统能够在实际场景中应用。