[發明專利]基于大數據和人工智能的互聯網精準化教學方法及系統

在審

• 申請號: 202011358911.3
• 申請日: 2020-11-27
• 公開（公告）號: CN112487290A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 李海峰
• 申請（專利權）人: 大連交通大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/2458;G06F21/31;G06Q50/20
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 何健雄;廖祥文

1.基于大數據和人工智能的互聯網精準化教學方法，其特征是，包括以下步驟：

S101：獲取用戶的身份信息，并在身份信息驗證通過后授予相應的學習權限；

S102：根據身份信息進行大數據實時搜索用戶的歷史網絡足跡數據，并對歷史網絡足跡數據進行數據分類、數據分析后得到用戶的興趣愛好領域信息；

S103：通過識別用戶的身份信息以獲取用戶的學習等級信息，并根據學習等級信息從預構建的課程數據庫中匹配相應的知識點課程；

S104：提取知識點課程中的知識點信息，根據知識點信息在預構建的示例數據庫中匹配出與知識點信息關聯的示例總集，并從示例總集中篩選出與興趣愛好領域信息匹配的示例子集；

S105：將示例子集與對應的知識點信息關聯后生成示例鏈接，并將示例鏈接嵌入知識點課程中知識點信息對應位置處，以及對知識點課程進行更新后得到互聯網精準化教學課程。

2.根據權利要求1所述的基于大數據和人工智能的互聯網精準化教學方法，其特征是，所述興趣愛好領域信息獲取具體為：

根據生活習性分類將歷史網絡足跡數據分成多個數據集；

獲取數據集中各個足跡數據在預設期間內的瀏覽頻率、瀏覽時間、間隔時間；

根據瀏覽頻率、停留時間、瀏覽間隔時間計算各個數據集的評價權重值；

選取評價權重值最大的數據集所標記的習性分類類別作為興趣愛好領域信息。

3.根據權利要求2所述的基于大數據和人工智能的互聯網精準化教學方法，其特征是，所述評價權重值計算具體為：

式中，n表示數據集中足跡數據的數量；W_n表示第n個足跡數據的評價權重值；T₀表示預設期間；f_n表示第n個足跡數據的瀏覽頻率；表示第n個足跡數據的瀏覽時間平均值；表示n個足跡數據之間瀏覽切換的間隔時間平均值；表示數據集的評價權重值。

4.根據權利要求1所述的基于大數據和人工智能的互聯網精準化教學方法，其特征是，所述知識點信息提取具體為：

根據關鍵詞識別技術提取知識點課程中每一個知識點對應的關鍵詞組；

獲取知識點課程中對應知識點的目錄關聯關系；

根據目錄關聯關系對關鍵詞組中的關鍵詞進行分級處理后建立教學思路框架；

將關鍵詞組中的關鍵詞與教學思路框架融合處理后建立對應知識點的教學思路圖譜。

5.根據權利要求1所述的基于大數據和人工智能的互聯網精準化教學方法，其特征是，所述示例總集匹配具體為：

獲取示例數據庫中各個教學示例的的示例思路圖譜；

根據示例思路圖譜和教學思路圖譜計算各個教學示例的實際相識度；

選擇實際相識度不小于預設的標準相識度的教學示例構成示例總集。

6.根據權利要求5所述的基于大數據和人工智能的互聯網精準化教學方法，其特征是，所述實際相識度計算具體為：

式中，XS表示實際相識度；N_S表示示例思路圖譜中的關鍵詞數量；N_J表示教學思路圖譜中的關鍵詞數量；N_T表示示例思路圖譜與教學思路圖譜中的相同關鍵詞數量；N_iL表示某一相同關鍵詞在示例思路圖譜中與其他相同關鍵詞存在同級或鄰級關系的數量；K_iL表示兩個相同關鍵詞的識別度，若兩個相同關鍵詞在教學思路圖譜中存在同級或鄰級關系，則K_iL取值為1，反之取值為0。

7.根據權利要求1所述的基于大數據和人工智能的互聯網精準化教學方法，其特征是，所述示例子集匹配具體為：

獲取示例總集中表征領域方向的領域特征信息，并將領域特征信息劃分成與興趣愛好領域信息相關的相關領域集和不相關的不相關領域集；

選取相關領域集在領域特征信息的占比值大于預設占比值的教學示例作為示例子集。