[發明專利]一種在線課程知識樹的生成關聯方法

有效

• 申請號: 202011018522.6
• 申請日: 2020-09-24
• 公開（公告）號: CN112231522B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 陳浩;趙翌臣;趙玉成;肖富貴
• 申請（專利權）人: 北京奧鵬遠程教育中心有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 陳亞斌;關兆輝

本發明公開了一種在線課程知識樹的生成關聯方法，包括：基于對PPT樣式的圖片和/或文字和/或符號的識別，訓練OCR模型和YOLO目標檢測模型；基于對在線課程的大綱的爬取，獲取在線課程的知識樹主分支；基于OCR模型和在線課程的視頻，捕捉并處理所述視頻中的PPT畫面，獲取所述PPT畫面的OCR結果；基于預設規則從所述OCR結果中抽取知識點；層級化知識點，并獲取所述知識點在所述視頻中的起止時間；合并所述知識點至所述知識樹主分支，生成所述在線課程知識樹；基于所述OCR模型和/或ASR模型，獲取所述在線課程的視頻的字幕信息和/或語音信息，將所述知識點與所述在線課程的試題進行關聯。本發明可以精確實現在線課程知識點樹的生成、知識點和試題的自動關聯。

技術領域

本發明涉及文字識別領域，特別是一種在線課程知識樹的生成關聯方法。

背景技術

東北石油大學李菲在《大數據環境下課程知識點抽取與組織方法研究》中提出了一種從課程中抽取知識點并識別知識點之間關系的方法。《基于語義關聯規則的試題知識點標注及試題推薦_魏偉》一文中介紹了一種關聯試題和知識點的算法，其方法為利用已標注的試題數據生成有效規則，然后利用生成的規則對待標注試題進行(多)知識點標注。有效規則生成過程主要包括4個階段，分別是試題文本預處理、多重知識點分割、頻繁項集挖掘以及有效規則挖掘。知識點標注主要包括3個步驟，分別是特征抽取、文本語義相似性計算以及運用標注模型進行標注。

但是，《大數據環境下課程知識點抽取與組織方法研究》中，該方法依賴人工的規則抽取知識點，基于統計的思想識別知識點間的關系，所以錯誤率較高，而且在不同學科上的應用中會抽出更多的非知識點，通用性不高。一旦知識點間的關系識別錯誤生成知識樹后，人工修正的代價很高。該方法的操作對象是課程的PPT素材，不能應用于視頻素材，也不能確定知識點對應到視頻的起始位置。而在線教育中最容易獲得的課程資源為課件視頻，其畫面和語音包含了更為豐富的信息。該方法沒有解決知識點和試題關聯的問題。而知識點和試題的關聯是后續很多應用(如基于錯題的推薦)的重要前提條件。該方法生成的知識樹較多且有錯誤，人工參與修正也比較困難，以至于無法完整的表示整門課的知識結構。《基于語義關聯規則的試題知識點標注及試題推薦_魏偉》中，沒有解決課程知識點生成的問題，在線課程往往沒有已標注的試題數據，也就無法生成有效的規則；即使使用人工進行標注，一方面會帶來人力成本的增加，另一方面，該算法的平均準確率在作者實驗的歷史課程中也僅達到72.5％，準確率較低。

發明內容

本發明實施例的目的在于，提供了一種在線課程知識樹的生成關聯方法，可以精確實現在線課程知識點樹的生成、知識點和試題的自動關聯。

為達到上述目的，一方面，本發明實施例提供了一種在線課程知識樹的生成關聯方法，包括：

基于對PPT樣式的圖片和/或文字和/或符號的識別，訓練OCR模型和YOLO目標檢測模型；

基于對在線課程的大綱的爬取，獲取所述在線課程的知識樹主分支；

基于所述OCR模型和所述在線課程的視頻，捕捉并處理所述視頻中的PPT畫面，獲取所述PPT畫面的OCR結果；

基于預設規則從所述OCR結果中抽取知識點；

層級化所述知識點，并獲取所述知識點在所述視頻中的起止時間；

合并所述知識點至所述知識樹主分支，生成所述在線課程知識樹；

基于所述OCR模型和/或ASR模型，獲取所述在線課程的視頻的字幕信息和/或語音信息，將所述知識點與所述在線課程的試題進行關聯。

由以上本發明實施例提供的技術方案可見，本發明可以精確實現在線課程知識點樹的生成、知識點和試題的自動關聯。

附圖說明

圖1為本發明一些實施例的在線課程知識樹的生成關聯方法的流程圖。