在线教育师生智能匹配方法、装置及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，应用于智慧城市的智慧教育领域中，尤其涉及一种在线教育师生智能匹配方法、装置及存储介质。本发明专利技术的在线教育师生智能匹配方法、装置及存储介质，基于学生课后对老师的文本评价提取标签词，对标签词进行情感分类以生成学生的第一用户画像，对标签词进行存在性分类以生成老师的第二用户画像，最后根据所述学生的第一用户画像以及所述老师的第二用户画像，获取所述老师与所述当前学生的匹配值；通过上述方式，无需老师和学生分别进行自我评估，降低了人力成本；学生课后的文本评价比主观的自我评价更加真实准确，增加匹配的精确性，随着文本评价数据的积累，老师和学生的画像会逐渐完善和具体化，精确性还会逐步升高。还会逐步升高。还会逐步升高。

【技术实现步骤摘要】
在线教育师生智能匹配方法、装置及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种在线教育师生智能匹配方法、装置及存储介质。

技术介绍

[0002]随着互联网和信息技术的发展，在线教育近年来发生着重大变化，教育资源的利用率以及教学质量都有大幅度提升。在线一对一辅导、直播教学、在线辅导等教学方式极大的改变了人们对教育方式的认知。教学对于老师和学生而言，是一个相互的过程。某些老师的教学方式，可能对一些同学很有效，但是对于另一些同学却效果不佳，如何去精准匹配最适合学生的老师，对于提升教学质量有着重大意义。
[0003]现有技术的匹配方法，流程都比较繁琐，需要教师对自己的性格、学科特征进行评估打分，学生也需要做一些专门的测试来得到自己的画像，并且，均为主观评价，导致匹配的精确性有待提高。
[0004]因此，有必要提供一种新的在线教育师生智能匹配方法。

技术实现思路

[0005]本专利技术的目的在于提供一种在线教育师生智能匹配方法、装置及存储介质，解决现有技术中流程繁琐及精确性不高的技术问题。
[0006]本专利技术的技术方案如下：提供一种在线教育师生智能匹配方法，包括：
[0007]获取学生对老师的文本评价，从所述文本评价中提取标签词，其中，所述标签词为用于表征老师上课特点的词汇；
[0008]基于所述文本评价对所述标签词进行情感分类；
[0009]针对每个学生，根据指向所述学生的所述文本评价中的所述标签词以及所述标签词的情感分类结果生成所述学生的第一用户画像；
[0010]基于所述文本评价对所述标签词进行存在性分类，以判断所述文本评价指向的老师是否具有所述标签词表征的上课特点，其中，当所述老师具有所述标签词表征的上课特点时，存在性分类结果为存在；
[0011]针对每个老师，根据指向所述老师的所述文本评价中存在性分类结果为存在的所述标签词生成所述老师的第二用户画像；
[0012]针对当前学生，根据所述当前学生的第一用户画像以及所述老师的第二用户画像，获取所述老师与所述当前学生的匹配值，根据所述匹配值生成所述当前学生的匹配结果。
[0013]优选地，所述从所述文本评价中提取标签词，包括：
[0014]对所述文本评价进行分词处理，得到所述文本评价的分词词语；
[0015]根据预先确定的词语与词向量的对应关系，确定所述文本评价中每个分词词语对应的词向量，以生成所述文本评价的词向量矩阵；
[0016]将所述文本评价的词向量矩阵输入至长短期记忆网络模型中，提取所述文本评价中的标签词，其中，所述长短期记忆网络模型用于识别所述标签词。
[0017]优选地，所述基于所述文本评价对所述标签词进行情感分类，包括：
[0018]获取提取出所述标签词的所述文本评价；
[0019]将所述文本评价输入至第一BERT模型中，对所述标签词进行情感分类，以获取所述标签词的情感分类结果；
[0020]所述在线教育师生智能匹配方法还包括：
[0021]将所述学生的第一用户画像以及所述老师的第二用户画像上传至区块链中，以使得所述区块链对所述学生的第一用户画像以及所述老师的第二用户画像进行加密存储。
[0022]优选地，所述基于所述文本评价对所述标签词进行存在性分类，包括：
[0023]获取提取出所述标签词的所述文本评价；
[0024]将所述文本评价输入至第二BERT模型中，对所述标签词进行存在性分类，以获取所述标签词的存在性分类结果。
[0025]优选地，所述第二BERT模型是通过如下步骤获取的：
[0026]构建第二BERT模型，对所述第二BERT模型进行初始化，以确定所述第二BERT模型的初始参数；
[0027]获取提取出所述标签词的所述文本评价，对所述标签词进行存在性分类标注，以获取第二训练样本集合，其中，所述存在性分类的类别包括存在和不存在；
[0028]根据所述第二BERT模型的初始参数，通过所述第二BERT模型对所述第二训练样本集合进行处理，确定所述第二BERT模型的更新参数；
[0029]根据所述第二BERT模型的更新参数，利用所述第二训练样本集合对所述第二BERT模型的参数进行迭代更新，以实现通过所述第二BERT模型对对所述标签词进行存在性分类。
[0030]优选地，所述从所述文本评价中提取标签词之后，还包括：
[0031]根据预设聚类算法对所述标签词进行聚类，得到多个标签组，每个标签组对应一类标签词；
[0032]根据指向所述学生的所述文本评价中的所述标签词以及所述标签词的情感分类结果生成所述学生的第一用户画像，包括：
[0033]获取指向所述学生的所述文本评价中的所述标签词以及所述标签词的情感分类结果；
[0034]将所述标签词根据对应的标签组进行合并，得到指向所述学生的至少一个标签组；
[0035]将所述标签词的情感分类结果作为对应标签组的情感分类结果，将所述标签组以及所述标签组的情感分类结果作为所述学生的第一用户画像。
[0036]优选地，所述情感分类的类别包括正面极性和负面极性；
[0037]所述根据所述当前学生的第一用户画像以及所述老师的第二用户画像，获取所述老师与所述当前学生的匹配值，根据所述匹配值生成所述当前学生的匹配结果，包括：
[0038]获取当前学生的第一用户画像中情感分类结果为正面极性的标签组；
[0039]针对每个正面极性的标签组，获取所述老师的第二用户画像中与所述标签组匹配
的标签词的第一数量，根据所有正面极性的标签组的所述第一数量计算第一得分；
[0040]获取当前学生的第一用户画像中情感分类结果为负面极性的标签组；
[0041]针对每个负面极性的标签组，获取所述老师的第二用户画像中与所述标签组匹配的标签词的第二数量，根据所有负面极性的标签组的所述第二数量计算第二得分；
[0042]将所述第一得分与所述第二得分的差值作为所述老师与所述当前学生的匹配值；
[0043]将所述老师与所述当前学生的匹配值按照从大到小进行排序，提取匹配值排序前N位的N个老师作为所述匹配结果，所述N为大于或等于1的整数。
[0044]本专利技术的另一技术方案如下：提供一种在线教育师生智能匹配装置，包括：
[0045]标签词识别模块，用于获取学生对老师的文本评价，从所述文本评价中提取标签词，其中，所述标签词为用于表征老师上课特点的词汇；
[0046]情感分类模块，用于基于所述文本评价对所述标签词进行情感分类；
[0047]学生画像生成模块，用于针对每个学生，根据指向所述学生的所述文本评价中的所述标签词以及所述标签词的情感分类结果生成所述学生的第一用户画像；
[0048]存在性分类模块，用于基于所述文本评价对所述标签词进行存在性分类，以判断所述文本评价指向的老师是否具有所述标签词表征的上课特点，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在线教育师生智能匹配方法，其特征在于，包括：获取学生对老师的文本评价，从所述文本评价中提取标签词，其中，所述标签词为用于表征老师上课特点的词汇；基于所述文本评价对所述标签词进行情感分类；针对每个学生，根据指向所述学生的所述文本评价中的所述标签词以及所述标签词的情感分类结果生成所述学生的第一用户画像；基于所述文本评价对所述标签词进行存在性分类，以判断所述文本评价指向的老师是否具有所述标签词表征的上课特点，其中，当所述老师具有所述标签词表征的上课特点时，存在性分类结果为存在；针对每个老师，根据指向所述老师的所述文本评价中存在性分类结果为存在的所述标签词生成所述老师的第二用户画像；针对当前学生，根据所述当前学生的第一用户画像以及所述老师的第二用户画像，获取所述老师与所述当前学生的匹配值，根据所述匹配值生成所述当前学生的匹配结果。2.根据权利要求1所述的在线教育师生智能匹配方法，其特征在于，所述从所述文本评价中提取标签词，包括：对所述文本评价进行分词处理，得到所述文本评价的分词词语；根据预先确定的词语与词向量的对应关系，确定所述文本评价中每个分词词语对应的词向量，以生成所述文本评价的词向量矩阵；将所述文本评价的词向量矩阵输入至长短期记忆网络模型中，提取所述文本评价中的标签词，其中，所述长短期记忆网络模型用于识别所述标签词。3.根据权利要求1所述的在线教育师生智能匹配方法，其特征在于，所述基于所述文本评价对所述标签词进行情感分类，包括：获取提取出所述标签词的所述文本评价；将所述文本评价输入至第一BERT模型中，对所述标签词进行情感分类，以获取所述标签词的情感分类结果；所述在线教育师生智能匹配方法还包括：将所述学生的第一用户画像以及所述老师的第二用户画像上传至区块链中，以使得所述区块链对所述学生的第一用户画像以及所述老师的第二用户画像进行加密存储。4.根据权利要求1所述的在线教育师生智能匹配方法，其特征在于，所述基于所述文本评价对所述标签词进行存在性分类，包括：获取提取出所述标签词的所述文本评价；将所述文本评价输入至第二BERT模型中，对所述标签词进行存在性分类，以获取所述标签词的存在性分类结果。5.根据权利要求4所述的在线教育师生智能匹配方法，其特征在于，所述第二BERT模型是通过如下步骤获取的：构建第二BERT模型，对所述第二BERT模型进行初始化，以确定所述第二BERT模型的初始参数；获取提取出所述标签词的所述文本评价，对所述标签词进行存在性分类标注，以获取第二训练样本集合，其中，所述存在性分类的类别包括存在和不存在；
根据所述第二BERT模型的初始参数，通过所述第二BERT模型对所述第二训练样本集合进行处理，确定所述第二BERT模型的更新参数；根据所述第二BERT模型的更新参数，利用所述第二训练样本集合对所述第二BERT模型的参数进行迭代更新，以实现通过所述第二BERT模型对对所述标签词进行存在性分类。6.根据权利要求1所述的在线教育师生智能匹配方法，其特征在于，所述从所述文本评价中提取标签词之后，还包括：根据预...

【专利技术属性】
技术研发人员：吴悠，
申请(专利权)人：深圳赛安特技术服务有限公司，
类型：发明
国别省市：