基于人工智能和大数据的在线精准化教学辅导方法及系统技术方案

本发明专利技术涉及教学辅导技术领域，具体地说，涉及基于人工智能和大数据的在线精准化教学辅导方法及其系统、存储介质。包括客户端、错题收集单元、题型整合单元、在线点评单元和互动讨论单元。本发明专利技术设计将归纳的错题采用精准题型合成算法制定教学题型，发布教学任务到学生个人的学生客户端，结合学生个人的情况进行针对性的教学规划，有利于对学生个人的薄弱题型进行精准化的教学辅导，实用性更强，学生选择性的查看自己学习错误处的视频解析，也可以对不太懂的但是答对的题型查看视频解析，有利于学生更透彻的了解题型解题方法，针对性的对学生学习进行教学规划，有利于学习进步。有利于学习进步。

【技术实现步骤摘要】
基于人工智能和大数据的在线精准化教学辅导方法及系统


[0001]本专利技术涉及教学辅导
，具体地说，涉及基于人工智能和大数据的在线精准化教学辅导方法及其系统、存储介质。

技术介绍

[0002]伴随着信息技术、移动通信技术以及大数据技术在实际生活中的应用，面临着教学形式和方法上的变革和挑战，顺应“互联网教育”时代趋势，随着“互联网+”在线课堂项目实施，区域内优质资源共享的基础目标得以实现，农村薄弱学校通过远程在线互动的方式获取优质教育资源，但是对于主讲课堂的老师来说，仅仅通过大屏要了解远端学生的学情数据，沟通与交流还是有局限性的，不能根据不同学生的薄弱题型上进行针对性的教学辅导，导致教师的指导不具备针对性，不仅浪费学生时间，还导致学习自身不明白的题型不能得到指导，不利于快速进步。

技术实现思路

[0003]本专利技术的目的在于提供基于人工智能和大数据的在线精准化教学辅导方法及其系统、存储介质，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述技术问题的解决，本专利技术的目的之一在于，提供基于人工智能和大数据的在线精准化教学辅导方法，包括以下步骤：
[0005]S1、学生个人在学生客户端拍照识别错题，存储学生个人的错题；
[0006]S2、通过网络爬虫提取大数据的易错题，将大数据的易错题与学生个人的错题归纳；
[0007]S3、将归纳的错题采用精准题型合成算法制定教学题型，发布教学任务到学生个人的学生客户端，结合学生个人的情况进行针对性的教学规划，有利于对学生个人的薄弱题型进行精准化的教学辅导，实用性更强；
[0008]S4、在学生个人完成教学方案后，老师在老师客户端查看点评学生学习情况，对教学题型进行视频解析，学生在学生客户端选择播放任意教学题型的视频教学，方便学生查看自己学习错误处的视频解析，也可以对不太懂的但是答对的题型查看视频解析，有利于学生更透彻的了解题型解题方法；
[0009]S5、学生客户端采用排队互动算法将不明白的题型传输到老师客户端，使老师客户端与学生客户端进行一对一互动讨论；
[0010]S6、在老师客户端生成学生学习的个性化报告，更新学习进度至学生客户端，方便针对性的对学生学习进行更新规划，有利于学习进步。
[0011]作为本技术方案的进一步改进，所述拍照识别错题采用图像识别算法，包括以下步骤：
[0012]图像预处理，通过去噪和图像的规整化处理增强图像；
[0013]图像的不变矩特征提取，提取图像的7个不变矩；
[0014]图像识别，采用神经网络算法把网络输出出现的误差归结为各连接权的“过错"，通过把输出层的误差逐层向输人层逆向传播以“分摊”给各层单元，从而获得各层单元的参考误差以便调整相应的连接权，自适应的调整各权值而达到满意的输出内容。
[0015]利用不变矩特征，提取图像的7个不变矩，结合神经网络算法进行图像目标识别，此算法运算量较少，容易实现，同时也避免了由于比例因子变化对不变矩的影响，对于图像小日标的识别是一种很有效的方法。
[0016]作为本技术方案的进一步改进，所述网络爬虫包括以下步骤：
[0017]首先选取一部分精心挑选的种子URL；
[0018]将这些URL放入待抓取URL队列；
[0019]从待抓取URL队列中取出待抓取在URL，解析DNS，并且得到主机的ip，并将URL对应的网页下载下来，存储进已下载网页库中，此外，将这些URL放进已抓取URL队列；
[0020]分析已抓取URL队列中的URL，分析其中的其他URL，并且将URL放入待抓取URL队列，从而进入下一个循环，可以根据大数据提取易错题更全面。
[0021]作为本技术方案的进一步改进，所述精准题型合成算法包括以下步骤：
[0022]分别对学生个人的错题和大数据的易错题进行关键字提取；
[0023]将相同关键字的错题定义为一种题型；
[0024]整合多种题型，形成错题题型库；
[0025]因此，提取到学生个人的错题内容关键词与大数据的易错题内容关键词匹配，则将两个题定义为同一种题型，若学生个人的错题内容与大数据的易错题内容关键词不匹配，则将上述学生个人的错题单独定义为一种题型，相反大数据的易错题内容关键词与学生个人的错题内容关键词不匹配，将大数据的易错题单独定义为一种题型，直至所有的题型均分类存储在错题题型库中，方便后续进行学习时，可以有针对性的进行辅导。
[0026]作为本技术方案的进一步改进，所述采用精准题型合成算法包括以下计算公式：
[0027]学生个人的错题集合：
[0028]A＝{a1、a2、...、a
k
}
[0029]大数据的易错题集合：
[0030]B＝{b1、b2、...、b
k
}
[0031]错题总集合：
[0032]E＝A+B＝{(a+b)1、(a+b)2、...、(a+b)
k
}
[0033]其中，A为学生个人的错题集合，B为大数据的易错题集合，E为错题总集合，a1、a2、...、a
k
为单一的学生个人的错题型，b1、b2、...、b
k
为单一的大数据的易错题型，(a+b)1、(a+b)2、...、(a+b)
k
为融合学生个人的错题型和大数据的易错题型的单一总题型，可以将所有的题型进行归纳总结，得到更完整的错题题型库，有利于精准的辅导教学。
[0034]作为本技术方案的进一步改进，所述视频解析采用视频去噪算法，可以提高远程视频录制的清晰度，噪声过滤很可能将正常的图像信息过滤掉，因此，在进行噪声过滤的同时，准确的保护正常图像信息，包括以下步骤：
[0035]将噪声的图像进行分类，分成含噪图像和不含噪声图像；
[0036]判断含噪图像中信息的合理分布，进行有效的滤波输出，保留最大化的图像信息，如果图像中包含的噪声没有形成有效的信息，那么直接过滤，不作任何处理直接输出；
[0037]作为本技术方案的进一步改进，所述视频去噪算法包括以下公式：
[0038]加性噪声：
[0039]g＝f+n
[0040]加性噪声和图像信号强度是不相关的，如图像在传输过程中引进的“信道噪声”是摄像机扫描图像的噪声；
[0041]乘性噪声：
[0042]g＝f+fn
[0043]其中，g为噪声的图像，f为理想无噪声图像，n为噪声之和，乘性噪声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的噪声、电视扫描光栅、胶片颗粒噪声等，这类噪声和图像的关系能够利用上述公式进行描述；
[0044]量化噪声：
[0045][0046]其中，G为量化噪声参数，n1为数字图像的像素数目，m为原始图像的像素数目，L为教育视频图像传输距离，v为数据传输速度，量化噪声是数字图像的主要噪声源，其大小显示出数字图像和原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能和大数据的在线精准化教学辅导方法，其特征在于：包括以下步骤：S1、学生个人在学生客户端拍照识别错题，存储学生个人的错题；S2、通过网络爬虫提取大数据的易错题，将大数据的易错题与学生个人的错题归纳；S3、将归纳的错题采用精准题型合成算法制定教学题型，发布教学任务到学生个人的学生客户端；S4、在学生个人完成教学方案后，老师在老师客户端查看点评学生学习情况，对教学题型进行视频解析，学生在学生客户端选择播放任意教学题型的视频教学；S5、学生客户端采用排队互动算法将不明白的题型传输到老师客户端，使老师客户端与学生客户端进行一对一互动讨论；S6、在老师客户端生成学生学习的个性化报告，更新学习进度至学生客户端。2.根据权利要求1所述的基于人工智能和大数据的在线精准化教学辅导方法，其特征在于：所述拍照识别错题采用图像识别算法，包括以下步骤：图像预处理，通过去噪和图像的规整化处理增强图像；图像的不变矩特征提取，提取图像的7个不变矩；图像识别，采用神经网络算法把网络输出出现的误差归结为各连接权的“过错"，通过把输出层的误差逐层向输人层逆向传播以“分摊”给各层单元，从而获得各层单元的参考误差以便调整相应的连接权，自适应的调整各权值而达到满意的输出内容。3.根据权利要求1所述的基于人工智能和大数据的在线精准化教学辅导方法，其特征在于：所述网络爬虫包括以下步骤：首先选取一部分精心挑选的种子URL；将这些URL放入待抓取URL队列；从待抓取URL队列中取出待抓取在URL，解析DNS，并且得到主机的ip，并将URL对应的网页下载下来，存储进已下载网页库中，此外，将这些URL放进已抓取URL队列；分析已抓取URL队列中的URL，分析其中的其他URL，并且将URL放入待抓取URL队列，从而进入下一个循环。4.根据权利要求1所述的基于人工智能和大数据的在线精准化教学辅导方法，其特征在于：所述精准题型合成算法包括以下步骤：分别对学生个人的错题和大数据的易错题进行关键字提取；将相同关键字的错题定义为一种题型；整合多种题型，形成错题题型库。5.根据权利要求4所述的基于人工智能和大数据的在线精准化教学辅导方法，其特征在于：所述采用精准题型合成算法包括以下计算公式：学生个人的错题集合：A＝{a1、a2、...、a
k
}大数据的易错题集合：B＝{b1、b2、...、b
k
}错题总集合：E＝A+B＝{(a+b)1、(a+b)2、...、(a+b)
k
}其中，A为学生个...

【专利技术属性】
技术研发人员：ꢀ五一IntClG零六F一六九五一，
申请(专利权)人：杨成兴，
类型：发明
国别省市：