TWI707296B - 智慧教學顧問生成方法、系統、設備及儲存介質 - Google Patents

智慧教學顧問生成方法、系統、設備及儲存介質 Download PDF

Info

Publication number
TWI707296B
TWI707296B TW108138430A TW108138430A TWI707296B TW I707296 B TWI707296 B TW I707296B TW 108138430 A TW108138430 A TW 108138430A TW 108138430 A TW108138430 A TW 108138430A TW I707296 B TWI707296 B TW I707296B
Authority
TW
Taiwan
Prior art keywords
teacher
textbook
student
teaching
video
Prior art date
Application number
TW108138430A
Other languages
English (en)
Other versions
TW202042172A (zh
Inventor
楊正大
Original Assignee
麥奇數位股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 麥奇數位股份有限公司 filed Critical 麥奇數位股份有限公司
Application granted granted Critical
Publication of TWI707296B publication Critical patent/TWI707296B/zh
Publication of TW202042172A publication Critical patent/TW202042172A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/06—Foreign languages
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Multimedia (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

一種智慧教學顧問生成方法，包含以下步驟：一視頻生成模組生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻；一教師匹配模組根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一匹配教師；一教材匹配模組根據每一教材相關的多個教材標籤及該學生相關的該等學生標籤產生一匹配教材；及一視頻推送模組將相關於該匹配教師及該匹配教材的該等教學視頻其中一者推送給該學生。

Description

智慧教學顧問生成方法、系統、設備及儲存介質
本發明涉及線上教學技術領域，特別是指一種智慧教學顧問生成的方法、系統、設備及儲存介質。
現今虛擬教室學習的技術已經十分成熟，教師可以通過網路進入已建立的虛擬教室進行教學，學生可以通過網路進入到與自己學習進度相匹配的虛擬教室進行學習，一個虛擬教室可能同時容納多個學生。然而在實際應用中，並非所有學生都能夠匹配到最適合自己的教師，也並非所有學生都能夠匹配到最符合自己興趣和教學進度的教室，並且教師一旦累了，適合的教師也無法發揮他的教學水準。
現有技術中出現了一些學習輔助的工具，例如“多鄰國”，其技術手段是採用一套對話教學平台，該平台可以根據學生學習狀況調整難易度。然而，其缺點在於教學平台幾乎都是用文字顯示，並且沒有使用一個人臉輔助顯示發音口型，與學生的互動性很低。現有技術中還有一種方式是採用一個實體機器人在學生旁邊教授課程，然而實體機器人佔用空間很大並且耗電量很大，另外為每個學生配備一個實體機器人也會引起很大的成本。
因此，本發明的目的，即在提供一種至少可解決現有技術的至少一缺點的智慧教學顧問生成方法。
於是，本發明智慧教學顧問生成方法包含以下步驟：
S100、一視頻生成模組生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻。
S200、一教師匹配模組根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一教師匹配結果，該教師匹配結果包含一相關於該等教師其中一個作為一匹配教師的教師的教師識別資料。
S300、一教材匹配模組根據每一教材相關的多個教材標籤及該學生相關的該等學生標籤產生一教材匹配結果，該教材匹配結果包含一相關於該等教材其中一個作為一匹材教材的教材的教材識別資料。
S400、一視頻推送模組根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為一匹配視頻的教學視頻推送給該學生，該匹配視頻相關於該匹配教師及該匹配教材。
在一些實施態樣中，步驟S100包括以下步驟：
S110、該視頻生成模組獲取該等教學視頻及多個分別對應該等教學視頻的課程資訊，每一課程資訊包括對應之該教學視頻所相關的該教師的一教師識別資料及所相關的該教材的一教材資料，且該視頻生成模組建立每一教學視頻與對應之該課程資訊的該教師識別資料及該教材資料的映射關係。
在一些實施態樣中，步驟S100中，步驟S110之後，還包括以下步驟：
S120、該視頻生成模組從每一教學視頻中獲取多個語音文本，及多個分別對應該等語音文本的語音時間區段資料，每一語音時間區段資料包含一開始時間點及一結束時間點。
S130、該視頻生成模組從每一課程資訊的該教材資料獲取多個教材頁數，及多個分別對應該等教材頁數的視頻時間區段資料，每一視頻時間區段資料包含一開始時間點及一結束時間點。
S140、該視頻生成模組針對每一教學視頻，根據該等語音文本、該等語音時間區段資料、該等教材頁數及該等視頻時間區段資料，建立該等語音文本與該等教材頁數的映射關係。
在一些實施態樣中，步驟S100中，步驟S140之後，還包括以下步驟：S151、該視頻生成模組針對每一教學視頻，判斷兩相鄰的語音文本是否對應於同一教材頁數。S152、當該視頻生成模組判斷出對應於同一教材頁數的兩相鄰的語音文本對應之兩語音時間區段資料之間的一停頓時間區段的長度大於一第一停頓閾值，該視頻生成模組將該教學視頻中該停頓時間區段對應的視頻片段刪除。S153、當該視頻生成模組判斷出對應於不同教材頁數的兩相鄰的語音文本對應之兩語音時間區段資料之間的一停頓時間區段的長度大於一第二停頓閾值，該視頻生成模組將該教學視頻中該停頓時間區段對應的視頻片段刪除。
在一些實施態樣中，步驟S100中，步驟S140之後，還包括以下步驟：S161、該視頻生成模組識別每一教學視頻中該教師出現的負面表情及負面動作。S162、該視頻生成模組將每一教學視頻中該教師出現負面表情及負面動作對應的視頻片段刪除。
在一些實施態樣中，步驟S100中，步驟S140之後，還包括以下步驟：S171、該視頻生成模組判斷被刪除的視頻片段的時間是否小於等於一平滑時間閾值。S172、如果是，該視頻生成模組則對被刪除的視頻片段前後的視頻進行平滑處理。
在一些實施態樣中，步驟S200包括以下步驟：
S210、該教師匹配模組根據每一教師所相關該等教師標籤其中多個作為教師身份標籤的教師標籤及該學生所相關的該等學生標籤其中多個作為教師身份標籤的學生標籤，產生一第一教師篩選結果，該第一教師篩選結果包含一個或多個分別相關於該等教師其中一個或多個作為一個或多個候選教師的教師的教師識別資料。
S220、該教師匹配模組根據該候選教師或該等候選教師所相關的該等教師標籤其中多個分別作為多個教師興趣標籤的教師標籤，及該學生所相關的該等學生標籤其中多個分別作為多個學生興趣標籤的學生標籤，產生一個或多個分別對應該等候選教師的教師興趣相似度。
S230、該教師匹配模組根據該教師興趣相似度或該等教師興趣相似度，產生該教師匹配結果。
在一些實施態樣中，步驟S230包括以下步驟：S231、該教師匹配模組獲取相關於該學生的一上課進度資料，該上課進度資料包括多個分別相關該等教師的評分。S232、該教師匹配模組根據該等評分，及該教師興趣相似度或該等教師興趣相似度，產生多個分別對應該等候選教師的綜合相似度，每一綜合相似度為對應之該候選教師所相關的該評分乘以所對應的教師興趣相似度。S233、該教師匹配模組選擇該綜合相似度最高者所對應的該候選教師作為該匹配教師。
在一些實施態樣中，步驟S300包括如下步驟：
S310、該教材匹配模組獲取一包含多個指示出該學生已上過的該等教材所分別對應的教材識別資料的上課進度資料，並根據該上課進度資料及多個分別對應所有教材的教材識別資料，產生一篩選結果，該篩選結果包含多個指示出該學生未上過的該等教材所分別對應的教材識別資料。
S320、該教材匹配模組根據該篩選結果的該等教材識別資料所對應的該等教材所對應的該等教材標籤，及該學生所相關的該等學生標籤其中多個作為多個學生興趣標籤的學生標籤，產生多個分別對應該篩選結果的該等教材識別資料所對應的該等教材的教材興趣相似度，且根據該等教材興趣相似度，從該篩選結果的該等教材識別資料所對應的該等教材選擇其中一者作為該匹配教材。
本發明智慧教學顧問生成系統，應用於所述的智慧教學顧問生成方法，該智慧教學顧問生成系統包括一視頻生成模組、一教師匹配模組、一教材匹配模組，及一視頻推送模組。該視頻生成模組生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻。該教師匹配模組根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一教師匹配結果，該教師匹配結果包含一相關於該等教師其中一個作為一匹配教師的教師的教師識別資料。該教材匹配模組根據每一教材相關的多個教材標籤及該學生相關的該等學生標籤產生一教材匹配結果，該教材匹配結果包含一相關於該等教材其中一個作為一匹材教材的教材的教材識別資料。該視頻推送模組根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為一匹配視頻的教學視頻推送給該學生，該匹配視頻相關於該匹配教師及該匹配教材。
本發明智慧教學顧問生成設備，包括一處理器，及一記憶體。該記憶體中儲存有該處理器可執行的多個指令。該處理器配置為經由執行該等指令來執行所述的智慧教學顧問生成方法的步驟。
本發明電腦可讀儲存介質，用於儲存一程式，該程式被執行時實現所述的智慧教學顧問生成方法的步驟。
本發明的功效在於：藉由該教師匹配模組根據每一教師相關的該等教師標籤及該學生相關的該等學生標籤產生該教師匹配結果，並且藉由該教材匹配模組根據每一教材相關的該等教材標籤及該學生相關的該等學生標籤產生該教材匹配結果，以及藉由該視頻推送模組根據該教師匹配結果及該教材匹配結果將該等教學視頻其中一個作為該匹配視頻的教學視頻並推送給該學生，從而形成一個針對該學生的智慧教學顧問，從而讓學生能夠接受到定制化的最符合需求的教學內容，提高教學品質，提升學生學習體驗。
在本發明被詳細描述之前，應當注意在以下的說明內容中，類似的元件是以相同的編號來表示。
參閱圖1與圖2，本發明一種智慧教學顧問生成方法的一實施例包含以下步驟：
S100、一視頻生成模組生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻。
S200、一教師匹配模組根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一教師匹配結果，該教師匹配結果包含一相關於該等教師其中一個作為一匹配教師的教師的教師識別資料。
S300、一教材匹配模組根據每一教材相關的多個教材標籤及該學生相關的該等學生標籤產生一教材匹配結果，該教材匹配結果包含一相關於該等教材其中一個作為一匹材教材的教材的教材識別資料。
S400、一視頻推送模組根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為一匹配視頻的教學視頻推送給該學生，該匹配視頻相關於該匹配教師及該匹配教材。
也就是說，本發明首先採用步驟S100生成該等教學視頻，並且建立該等教學視頻和該等教師以及該等教材的映射關係，即每個教學視頻對應於一教師和一教材。通過步驟S200可以選擇適合該學生的該等教師其中一者作為一匹配教師，通過步驟S300可以選擇適合該學生的該等教材其中一者作為一匹配教材，然後通過步驟S400來選擇與該匹配教師和該匹配教材相關聯的該等教學視頻其中一者作為一匹配視頻並推送給該學生。對於該學生來說，相當於智慧生成一個個性化的虛擬顧問，該學生可以向該虛擬顧問學習到所需要的知識，並且這個虛擬顧問是符合該學生需求的，從而在實現線上教學的同時提供最符合該學生需求的教學視頻，提升該學生學習品質和使用體驗。
如圖2所示，在該實施例中，步驟S100包括如下步驟：S110、該視頻生成模組獲取該等教學視頻及多個分別對應該等教學視頻的課程資訊，每一課程資訊包括對應之該教學視頻所相關的該教師的一教師識別資料及所相關的該教材的一教材資料，且該視頻生成模組建立每一教學視頻與對應之該課程資訊的該教師識別資料及該教材資料的映射關係。
也就是說，該視頻生成模組獲取一課程對應的教學視頻和課程資訊，所述課程資訊包括所述課程對應的一教師和一教材，該視頻生成模組建立所述教學視頻與該教師和該教材的映射關係，用於步驟S400中通過該教師和該教材的資訊選擇對應的教學視頻。
進一步地，步驟S100中，步驟S110之後，還包括如下步驟：S120、該視頻生成模組從每一教學視頻中獲取多個語音文本，及多個分別對應該等語音文本的語音時間區段資料，每一語音時間區段資料包含一開始時間點及一結束時間點。換句話說，在步驟S120中，該視頻生成模組從所述教學視頻中獲取老師的語音文本和每段連續語音文本的語音時間點；此處每段連續語音文本的語音時間點包括每段連續語音文本的開始時間點和結束時間點。
具體地，在獲取教師的語音文本時，可以識別教學視頻中的教師語音，得到對應的文字，並對所述文字進行分詞；語音辨識和文字分詞的方法可以採用自然語言處理（Natural Language Processing）的方法來進行，也可以採用其他一些現有的軟體技術進行語言識別，例如，採用Bi-LSTM-CRF模型或深度學習模型等。
在獲取每段連續語音文本的語音時間點時，可以採用語音端點檢測技術（Voice Activity Detection，VAD）對所述教學視頻進行語音端點識別，根據識別到的語音端點作為分割點將語音文本進行分段，分成多段連續語音文本。語音端點檢測可以通過對語音端點的檢測實現在不切斷完整語音段落的前提下進行語音文本分段，即保證每一段連續語音文本是完整的。
S130、該視頻生成模組從每一課程資訊的該教材資料獲取多個教材頁數，及多個分別對應該等教材頁數的視頻時間區段資料，每一視頻時間區段資料包含一開始時間點及一結束時間點。S140、該視頻生成模組針對每一教學視頻，根據該等語音文本、該等語音時間區段資料、該等教材頁數及該等視頻時間區段資料，建立該等語音文本與該等教材頁數的映射關係。
換句話說，該視頻生成模組從所述課程資訊中獲取所述教材中頁數和教材文本的翻頁時間點，並根據每一教師的每段連續語音文本的語音時間點和翻頁時間點的關係，建立每頁教材文本與該等教師的連續語音文本的映射關係，即實現了每頁教材文本和每一教師的語音文本的同步，並且可以根據每一教師的語音和圖像資料的關聯關係，建立該教師的圖像資料和每頁教材文本的映射關係，獲得每頁教材文本所對應的教師的語音文本和表情動作資料。
在該實施例中，步驟S100中，步驟S140之後，還包括S150、刪除教學視頻中過長的停頓部分，具體步驟S150包括如下步驟：S151、該視頻生成模組針對每一教學視頻，判斷兩相鄰的語音文本是否對應於同一教材頁數。S152、當該視頻生成模組判斷出對應於同一教材頁數的兩相鄰的語音文本對應之兩語音時間區段資料之間的一停頓時間區段的長度大於一第一停頓閾值，該視頻生成模組將該教學視頻中該停頓時間區段對應的視頻片段刪除。S153、當該視頻生成模組判斷出對應於不同教材頁數的兩相鄰的語音文本對應之兩語音時間區段資料之間的一停頓時間區段的長度大於一第二停頓閾值，該視頻生成模組將該教學視頻中該停頓時間區段對應的視頻片段刪除。
也就是說，如果屬於同一個教材頁面，該視頻生成模組則判斷兩個相鄰的連續語音片段之間的停頓時間是否大於第一停頓閾值，將大於第一停頓閾值的停頓時間對應的視頻片段刪除，第一停頓閾值例如可以設置為5～10s。
換句話說，如果不屬於同一個教材頁面，該視頻生成模組則判斷兩個相鄰的連續語音片段之間的停頓時間是否大於第二停頓閾值，將大於第二停頓閾值的停頓時間對應的視頻片段刪除，由於當兩個連續語音片段分別處於同一個教材頁面時，中間的停頓可能會長於正常在講解一個教材頁面時的長度，所述第二停頓閾值大於第一停頓閾值，第二停頓閾值例如可以設置為15～30s。
此外，在對視頻進行處理時，還可以包括通過結巴偵測刪除教學視頻中出現結巴情況的視頻片段。具體地，可以通過分析得到語音文本中存在的超過三次連續重複的詞或者語音文本中不完全詞，將這些部分對應的視頻片段刪除。
在該實施例中，步驟S100中，步驟S140之後，還包括如下步驟：
S161、該視頻生成模組識別每一教學視頻中該教師出現的負面表情及負面動作。也就是該視頻生成模組識識別所述教學視頻中老師的表情和動作，將老師的表情分為正面表情和負面表情，將老師的動作分為正面動作和負面表情。
S162、該視頻生成模組將每一教學視頻中該教師出現負面表情及負面動作對應的視頻片段刪除。換句話說，該視頻生成模組識刪除所述教學視頻中負面表情和負面動作所對應的視頻片段。
在步驟S161中識別教師的表情時，可以首先從視頻中提取人臉區域，確定畫面中人臉位置範圍。人臉識別的方法可以採用現有技術中的人臉識別技術，例如利用開源的OpenCV作為抓取臉部各個特徵點的工具，並在使用前提供大量的設定好特徵點標記的人臉圖像進行訓練，提高特徵點抓取的準確度，在抓取到各個特徵點（例如眼睛、鼻子、嘴巴、左側鬢角、右側鬢角等）的位置之後，可以確定人臉區域的範圍。可以根據人臉區域在整個畫面中的位置判斷教師是否嚴重偏離鏡頭。臉部表情的辨識可以採用FACS（Facial Action Coding System，面部行為編碼系統）的概念，採用OpenCV進行臉部特徵點的辨識和表情的區分。表情可以分為正面表情例如高興、驚喜等和負面表情憤怒、哀傷、厭惡、鄙視、無聊、閉眼等。
在步驟S161中識別教師的動作時，對所述視頻子段落的各幀畫面進行肢體特徵點識別，識別到各幀畫面中預設的肢體特徵點的位置，識別在畫面中肢體特徵點位置以及不同畫面中各個肢體特徵點位置的變化，根據預設的動作的肢體特徵點位置和肢體特徵點變化條件，確定教師的動作。肢體特徵點抓取可以採用各種現有的方法，例如通過OpenCV抓取肢體特徵點，在使用OpenCV模型之前，可以採用多個標記好肢體特徵點的人體圖片作為訓練集進行訓練，從而提高肢體特徵點識別的準確度。抓取的特徵點可以包括肩部特徵點、兩個手肘特徵點以及手部特徵點等等。負面動作例如包括教師不在鏡頭前、教師打哈欠、教師嚴重偏離鏡頭、坐姿不端正等。
此外，在獲取到教學視頻的圖像後，還可以刪除視頻圖像出現問題的視頻片段。例如視頻圖像出現黑屏、影像模糊等問題時，刪除對應的視頻片段。
在該實施例中，步驟S100中，步驟S140之後，還包括如下步驟：S171、該視頻生成模組判斷被刪除的視頻片段的時間是否小於等於一平滑時間閾值。S172、如果是，該視頻生成模組則對被刪除的視頻片段前後的視頻進行平滑處理。S173、如果否，則不對所述視頻進行平滑處理。
平滑處理的方式可以通過在被刪除的視頻片段處添加1s的緩衝時間來實現，這1s的緩衝時間對應的畫面可以通過被刪除的視頻片段前一秒圖像和後一秒圖像做平均得到。該平滑時間閾值例如可以選擇為3s，即在被刪除的視頻片段的時長大於3s時，無需進行平滑處理，此處平滑時間閾值可以根據需要選擇其他值。
下面結合圖3～圖6進一步介紹一具體實例中視頻生成的過程。
（1.1）該視頻生成模組首先選擇一個教學視頻A，該教學視頻A可以是通過多種屬性（聲音品質、畫面品質、學生回饋、教師回饋）進行評分後得到的高評分教學視頻，該教學視頻A對應於教材A，教材A一共有三個投影的頁面，該教學視頻A包括教師影像、教師語音和教材翻頁事件。
（1.2）然後該視頻生成模組使用語音辨識技術辨識教師語音文本得到如下多段連續語音的開始時間點和結束時間點。 “Hello class, My name is John Doe.”: 開始0:03，結束0:09。 “Text 2…”: 開始0:12，結束0:30； “Text 3…”: 開始0:35，結束1:27； “Text 4…”: 開始1:34，結束2:16； “Text 5…”: 開始2:18，結束3:02； “Text 6…”: 開始3:05，結束3:52； “Text 7…”: 開始3:58，結束4:15； “Text 8…”: 開始4:31，結束4:44； “Text 9…”: 開始4:46，結束4:54； “Text 10…”: 開始5:03，結束5:20； “Text 11…”: 開始5:21，結束5:30。
（1.3）該視頻生成模組使用人臉辨識技術以每秒f幀辨識教師的表情、動作、視頻問題以及觸發時間點得到各種不同表情、動作等對應的開始時間點和結束時間點如下： 高興表情：開始0:10，結束3:04； 打呵欠：開始3:10，結束3:12； 眼神方向(左下)：開始4:15，結束5:02； 高興表情：開始5:00，結束5:30； 翻到第二頁：觸發時間2:17； 翻到第三頁：觸發時間3:56。
（1.4）該視頻生成模組根據語音落入哪一個頁面時間範圍內，同步連續語音文本和教材頁面，得到同步資訊如圖3所示。從而得到每個教材的投影頁面所對應的語音文本和教師的表情動作資料。在向學生推送該視頻時，可以同時顯示教師的視頻錄影和教材的投影頁面，並且同步播放語音文本。
（1.5）該實施例中，將該第一停頓閾值設為8s，該第二停頓閾值設為10s，刪除結巴或者超過停頓閾值的停頓部分，過濾後的視頻資訊如圖4所示。
（1.6）通過對教師的表情和動作進行識別，刪除負面表情和負面動作所對應的視頻部分，刪除視頻出現問題的部分，過濾後的視頻資訊如圖5所示。
（1.7）對被刪除視頻部分的前後視頻進行平滑處理，最後得到的教學視頻的資訊如圖6所示。
也就是說，在該實施例中，所述學生的標籤包括多個學生的興趣標籤和多個教師身份標籤，各個教師的標籤包括多個教師的興趣標籤和多個教師身份標籤。該等興趣標籤可以指示商務英語、託福、青少年英語等學生感興趣的標籤，而該等教師身份標籤則可以指示教師的口音、教師性別、教師年齡等與教師身份有關的標籤。
如圖7所示，步驟S200包括如下步驟：
S210、該教師匹配模組根據每一教師所相關該等教師標籤其中多個作為教師身份標籤的教師標籤及該學生所相關的該等學生標籤其中多個作為教師身份標籤的學生標籤，產生一第一教師篩選結果，該第一教師篩選結果包含一個或多個分別相關於該等教師其中一個或多個作為一個或多個候選教師的教師的教師識別資料。也就是說，從各個教師中篩選得到符合學生的教師身份標籤的教師，作為第一次篩選的教師。如果教師比較多，第一次篩選時可以選擇符合學生的全部教師身份標籤的教師，如果教師比較少，第一次篩選時可以選擇符合學生的任一教師身份標籤的教師。
S220、該教師匹配模組根據該候選教師或該等候選教師所相關的該等教師標籤其中多個分別作為多個教師興趣標籤的教師標籤，及該學生所相關的該等學生標籤其中多個分別作為多個學生興趣標籤的學生標籤，產生一個或多個分別對應該等候選教師的教師興趣相似度。也就是說，該教師匹配模組計算第一次篩選的老師的興趣標籤與學生的興趣標籤的相似度，作為老師與學生的第一次計算的相似度。此處計算相似度，可以包括首先獲取老師的興趣標籤的詞向量和學生的興趣標籤的詞向量，然後計算詞向量的餘弦相似度，得到老師和學生第一次計算的相似度。在興趣標籤多於一個時，可以分別計算每兩個興趣標籤之間的相似度，然後取平均值作為老師和學生的相似度。
S230、該教師匹配模組根據該教師興趣相似度或該等教師興趣相似度，產生該教師匹配結果。換句話說，計算第一次篩選的教師的興趣標籤與學生的興趣標籤的相似度，作為教師與學生的教師興趣相似度。此處計算相似度，可以包括首先獲取教師的興趣標籤的詞向量和學生的興趣標籤的詞向量，然後計算詞向量的餘弦相似度，得到教師和學生第一次計算的相似度。在興趣標籤多於一個時，可以分別計算每兩個興趣標籤之間的相似度，然後取平均值作為教師和學生的相似度。
進一步地，在該實施例中，將步驟S230包括如下步驟：
S231、該教師匹配模組獲取相關於該學生的一上課進度資料，該上課進度資料包括多個分別相關該等教師的評分。也就是說，該教師匹配模組獲取該學生的教學進度資料，所述教學進度資料包括學生已學習的課程的教師和學生對教師的評分；如果學生對一個教師有多次評分，則計算多次評分的平均值作為學生對教師的評分，如果學生對一個教師沒有評過分，則將學生對該教師的評分計為預設值；學生在評分時一般分數為0～10分之間，為了下一步計算方便，將評分除以10而使得評分為0.0～1.0之間的數值。
S232、該教師匹配模組根據該等評分，及該教師興趣相似度或該等教師興趣相似度，產生多個分別對應該等候選教師的綜合相似度，每一綜合相似度為對應之該候選教師所相關的該評分乘以所對應的教師興趣相似度。換句話說，該教師匹配模組將老師與學生的第一次計算的相似度與學生對該老師的評分相乘，得到老師與學生的第二次計算的相似度。
S233、該教師匹配模組選擇該綜合相似度最高者所對應的該候選教師作為該匹配教師。也就是選擇第二次計算的相似度最高的老師作為匹配老師。
下面結合一個具體實例來具體介紹教師的選擇方法。
（2.1）一學生A的標籤包括t_1標籤、t_2標籤、A口音、x性別、無喜好年紀，其中t_1標籤、t_2標籤為興趣標籤，A口音、x性別、無喜好年紀為教師身份標籤。
（2.2）學生A上過10節課程(c_n)的資料分別為c_1，c_2，…，c_10。
（2.3）該教師匹配模組從資料庫中的教師資料中篩選得到對應學生喜好的有教師T_1，T_2，T_3，T_4，T_5，此處主要根據學生的教師身份標籤進行篩選。
（2.4）教師T_1，T_2，T_3，T_4的標籤與跟學生喜好相似度分別為。 教師T_1：興趣標籤t_1，t_3，t_4，t_5，相似度：0.354； 教師T_2：興趣標籤t_2，t_4，t_6，相似度：0.408； 教師T_3：興趣標籤t_1，t_2，相似度：1.0； 教師T_4：興趣標籤t_5，t_6，相似度：0.0； 教師T_5：興趣標籤t_1，t_2，t_3，t_6，相似度：0.707。
（2.5） 學生A上過的10節課程中教師T_1為課程c_1，c_3，c_8的教師，教師T_2為課程c_7，c_10教師，教師T_3沒教過，教師T_4沒教過，教師T_5為課程c_6，c_8，c_9的教師，教師T_3和教師T_4的評分選擇為預設值1。 教師T_1在教過課程中的課後教師評分為:8，9，8，平均評分為0.833； 教師T_2在教過課程中的課後教師評分為: 9，2，平均評分為0.55； 教師T_5在教過課程中的課後教師評分為: 6，8，9，平均評分為0.76。
（2.6）該教師匹配模組用（2.4）跟（2.5）的結果算出教師跟學生A的相似度如下： 教師T_1和學生A的相似度：0.354 * 0.833 =0.295； 教師T_2和學生A的相似度：0.408 * 0.55 =0.2244； 教師T_3和學生A的相似度：1.0； 教師T_4和學生A的相似度：0.0； 教師T_5和學生A的相似度：0.707 * 0.76 = 0.537； 相似度高到低順序為T_3，T_5，T_1，T_2，T_4。
（2.7）該教師匹配模組選擇相似度最高的教師T_3為匹配教師。
如圖8所示，在該實施例中，步驟S300包括如下步驟：
S310、該教材匹配模組獲取一包含多個指示出該學生已上過的該等教材所分別對應的教材識別資料的上課進度資料，並根據該上課進度資料及多個分別對應所有教材的教材識別資料，產生一篩選結果，該篩選結果包含多個指示出該學生未上過的該等教材所分別對應的教材識別資料。換句話說，該教材匹配模組獲取學生的教學進度資料，從各個教材中濾除學生已學習過的教材，得到第一次篩選的教材。
S320、該教材匹配模組根據該篩選結果的該等教材識別資料所對應的該等教材所對應的該等教材標籤，及該學生所相關的該等學生標籤其中多個作為多個學生興趣標籤的學生標籤，產生多個分別對應該篩選結果的該等教材識別資料所對應的該等教材的教材興趣相似度，且根據該等教材興趣相似度，從該篩選結果的該等教材識別資料所對應的該等教材選擇其中一者作為該匹配教材。也就是說，該教材匹配模組根據第一次篩選的教材的標籤與學生的標籤的相似度，選擇匹配教材，即選擇學生沒有學習過並且符合學生的標籤的教材作為學生需要學習的教材。
在該實施例中，步驟S310和步驟S320之間，還包括根據學生的歷史資料對學生的標籤進行過濾的步驟，具體包括如下步驟：根據學生的教學進度資料，獲取學生已學習過的教材的標籤和學生對教材的評分；統計各個標籤的出現次數以及各個標籤每次出現時的學生評分，計算各個標籤的平均評分；在資料量特別大時，可以只選擇學生最近上過的x節課程中的教材的標籤出現次數和各個標籤每次出現時的學生評分，x可以選擇3～15之間的數值，但本發明不限於此；將平均評分低於第一評分閾值的標籤從學生的標籤中濾除，將過濾後的學生的標籤作為步驟S320中的學生的標籤，第一評分閾值可以選擇如1～5之間的數值，但本發明不限於此，即從學生的標籤中篩選掉一些評分比較低的標籤，此處標籤主要指的是學生的興趣標籤。
舉例來說，一學生上過的教材為：A、B、C、D，所述學生對教材A、B、C、D的評分分別為2、10、3、7，且A教材的標籤為T1、T2、T3，B教材的標籤為T3、T4、T5，C教材的標籤為T1、T2、T4，D教材的標籤為T2、T3、T5。
因此，標籤T1的平均評分為（2+3）/ 2 = 2.5。標籤T2的平均評分為（2+3+7）/ 3 = 4。標籤T3的平均評分為（2+10+7）/ 3 = 6.3。標籤T4的平均評分為（10+3）/ 2 = 6.5。標籤T5的平均評分為（10+7）/ 2 = 8.5。
因此，若該第一評分閾值為3，該教材匹配模組會將該標籤T1濾除，而產生的該已篩選學生興趣標籤為T2、T3、T4及T5。
在該實施例中，步驟S320包括如下步驟：步驟S320包括以下步驟：該教材匹配模組將該平均評分高於一第二評分閾值的該學生已上過的教材的該等教材標籤作為多個高評分標籤的教材標籤，該第二評分閾值大於該第一評分閾值；該教材匹配模組根據該上課進度資料及該等教材識別資料篩選出一包含多個該學生未上過的教材的教材識別資料的第一次篩選資料；該教材匹配模組將該第一次篩選資料中的該等教材識別資料所對應的該等教材標籤任一者符合該等高評分標籤的教材標籤的其中多者作為一包含多個符合高評分標籤的教材標籤所對應的該等教材識別資料的第二次篩選資料；該教材匹配模組根據該第二次篩選資料所包含的該等教材識別資料所對應的該等教材標籤及該學生所相關的該已篩選學生興趣標籤，產生多個分別對應該第二次篩選資料的該等教材識別資料所對應的該等教材的教材興趣相似度，且根據該等教材興趣相似度，從該第二次篩選資料的該等教材識別資料所對應的該等教材選擇其中一者作為該匹配教材。
從學生的標籤中選擇平均評分高於第二評分閾值的標籤作為高評分標籤，所述第二評分閾值大於所述第一評分閾值，第二評分閾值可以選擇如7～10之間的數值，但本發明不限於此，即選擇一些評分比較高的標籤作為優先判斷條件；從第一次篩選的教材中選擇具有任一所述高評分標籤的教材，作為第二次篩選的教材；計算第二次篩選的教材的標籤與學生的標籤的相似度，將相似度最高的教材作為匹配教材，此處計算相似度也可以通過得到各個教材的標籤的詞向量和學生的標籤的詞向量，計算各個教材的標籤與學生的標籤的餘弦相似度，作為各個教材的標籤與學生的標籤的相似度。當教材的標籤和學生的標籤多於一個時，可以計算每兩個標籤的詞向量的餘弦相似度，然後取平均值，作為教材的標籤和學生的標籤的餘弦相似度。
承接前例，若該第二評分閾值為7，該教材匹配模組所產生的該高評分標籤為T5。
下面結合一個具體實例進一步介紹教材的選擇方法。 （3.1）一學生A的興趣標籤包括t_1標籤、t_2標籤； （3.2）學生A上過10節課程(c_n)的資料分別為c_1，c_2，…，c_10； （3.3）該教材匹配模組篩選得到八份教材M_1,M_2,…,M_8符合學生A沒上過、有學生興趣標籤的教材； （3.4）該教材匹配模組計算八份教材的標籤和學生A的興趣標籤的相似度，得到八份教材的相似度從高到低的排序順序為： M_7,M_3,M_5,M_2,M_4,M_1,M_6,M_8； （3.5）該教材匹配模組選擇教材M_7為學生A的匹配教材。
通過上述兩個具體實例分別介紹了教師和教材的選擇方法，在選擇了教師T_3為匹配教師，教材M_7為匹配教材之後，通過步驟S400該視頻推送模組選擇教師T_3教授的教材M_7的課程的教學視頻，將該教學視頻推送給學生。
具體地，在該實施例中，可以採用一教學伺服器和一顧問合成伺服器執行上述各個步驟，該顧問合成伺服器執行步驟S100中教學視頻生成的步驟，生成並儲存不同教師教授不同教材的教學視頻，該教學伺服器執行步驟S200和步驟S300的步驟，並且可以直接與學生端的電子裝置進行通信。
如圖9所示，步驟S400中推送教學視頻可以包括如下步驟：S410、一教學伺服器將選定的所述匹配教師和所述匹配教材的資訊發送至一顧問合成伺服器。S420、所述顧問合成伺服器根據所述匹配教師和所述匹配教材選擇匹配的教學視頻，將所述教學視頻發送給所述教學伺服器。S430、所述教學伺服器將所述教學視頻發送給學生端的電子裝置。S440：學生端的電子裝置接收到所述教學視頻後進行顯示。
如圖10所示，本發明實施例還提供一種智慧教學顧問生成系統，應用於所述的智慧教學顧問生成方法，該智慧教學顧問生成系統包括一視頻生成模組M100、一教師匹配模組M200、一教材匹配模組M300，及一視頻推送模組M400。
該視頻生成模組M100用於生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻。該教師匹配模組M200用於根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一教師匹配結果，該教師匹配結果包含一相關於該等教師其中一個作為一匹配教師的教師的教師識別資料。該教材匹配模組M300用於根據每一教材相關的多個教材標籤及該學生相關的該等學生標籤產生一教材匹配結果，該教材匹配結果包含一相關於該等教材其中一個作為一匹材教材的教材的教材識別資料。該視頻推送模組M400用於根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為一匹配視頻的教學視頻推送給該學生，該匹配視頻相關於該匹配教師及該匹配教材。
也就是說，本發明首先採用視頻生成模組M100生成多個教學視頻，作為教學素材，用於合成虛擬的智慧顧問，並且建立每一教學視頻和相關於該教學視頻的該等教師其中一者以及該等教材其中一者的映射關係，即每個教學視頻對應於一個教師和一個教材。通過教師匹配模組M200可以選擇適合學生的該等教師其中一者作為該匹配教師，通過教材匹配模組M300可以選擇適合學生的該等教材其中一者作為該匹配教材，然後通過視頻推送模組M400來選擇與該匹配教師和該匹配教材相關聯的該教學視頻推送給學生。對於學生來說，相當於智慧生成一個個性化的虛擬顧問，學生可以向該虛擬顧問學習到所需要的知識，並且這個虛擬顧問是符合學生需求的，從而在實現線上教學的同時提供最符合學生需求的教學視頻，提升學生學習品質和使用體驗。
該實施例中，該智慧教學顧問生成系統中各個模組的功能可以採用上述智慧教學顧問生成方法中各個步驟的具體實施方式來實現。例如，該視頻生成模組M100可以採用如圖2所示的步驟S100的流程來實現功能，該教師匹配模組M200可以採用如圖7所示的步驟S200的流程來實現功能，該教材匹配模組M300可以採用如圖8所示的步驟S300的流程來實現功能，該視頻推送模組M400可以採用如圖9所示的步驟S400的流程來實現功能。此處不予贅述。
本發明實施例還提供一種智慧教學顧問生成設備，該智慧教學顧問生成設備包括一處理器，及一記憶體。該記憶體儲存有多個該處理器可執行的指令。其中，該處理器經由執行該等指令來執行該智慧教學顧問生成方法的該等步驟。
所屬技術領域的技術人員能夠理解，本發明的各個方面可以實現為系統、方法或程式產品。因此，本發明的各個方面可以具體實現為以下形式，即：完全的硬體實施方式、完全的軟體實施方式（包括固件、微代碼等），或硬體和軟體方面結合的實施方式，這裡可以統稱為「電路」、「模組」或「平臺」。
具體地，在該實施例中，該智慧教學顧問生成設備可以分為一教學伺服器和一顧問合成伺服器，並且該教學伺服器和該顧問合成伺服器分別包括記憶體和處理器。該教學伺服器的處理器用於執行如圖7所示的步驟S200和圖8所示的步驟S300的流程，該顧問合成伺服器用於執行如圖2所示的步驟S100的流程，並且該教學伺服器和該顧問合成伺服器共同執行如圖9所示的步驟S400的流程。該教學伺服器可以與學生端的電子裝置進行通信。通過該教學伺服器、該顧問合成伺服器的配合以及該教學伺服器與學生端的配合，可以為學生提供一個個性化定制的智慧教學顧問，在實現線上教學的同時提供最符合學生需求的教學視頻，提升學生學習品質和使用體驗。
下面參照圖11來描述根據本發明的這種實施方式的電子設備600。圖11顯示的電子設備600僅僅是一個示例，不應對本發明實施例的功能和使用範圍帶來任何限制。
如圖11所示，電子設備600以通用計算設備的形式表現。電子設備600的組合可以包括但不限於：一個處理單元610、一個儲存單元620、一連接不同平臺組合（包括該儲存單元620和該處理單元610）的匯流排630、一顯示單元640等。
其中，所述儲存單元620儲存有多個程式碼，所述程式碼可以被所述處理單元610執行，使得所述處理單元610執行本說明書上述電子處方流轉處理方法部分中描述的根據本發明各種示例性實施方式的步驟。例如，所述處理單元610可以執行如圖1中所示的步驟。具體地，所述處理單元610在執行圖1中各個步驟時，具體的步驟執行方式可以採用上述智慧教學顧問生成方法的各個步驟的具體實施方式，在此不予贅述。
所述儲存單元620可以包括易失性儲存單元形式的可讀介質，例如隨機存取儲存單元（RAM）6201和/或快取記憶體6202，還可以進一步包括唯讀記憶體（ROM）6203。
所述儲存單元620還可以包括具有一組（至少一個）程式模組6205的程式工具6204，這樣的程式模組6205包括但不限於：一作業系統、一個或者多個應用程式、其它程式模組以及程式資料，這些示例中的每一個或某種組合中可能包括網路環境的實現。
該等匯流排630可以為表示幾類匯流排結構中的一種或多種，包括儲存單元匯流排或者儲存單元控制器、週邊匯流排、圖形加速埠、處理單元或者使用多種匯流排結構中的任意匯流排結構的局域匯流排。
該電子設備600也可以與一個外部設備700或多個外部設備700（例如鍵盤、指向設備、藍牙設備等）通信，還可與一個或者多個使得使用者能與該電子設備600交互的設備通信，和/或與使得該電子設備600能與一個或多個其它計算設備進行通信的任何設備（例如路由器、數據機等等）通信。這種通信可以通過輸入/輸出（I/O）介面650進行。並且，電子設備600還可以通過網路介面卡660與一個或者多個網路（例如局域網（LAN），廣域網路（WAN）和/或公共網路，例如網際網路）通信。網路介面卡660可以通過匯流排630與電子設備600的其它模組通信。應當明白，儘管圖中未示出，可以結合電子設備600使用其它硬體和/或軟體模組，包括但不限於：微代碼、裝置驅動程式、冗餘處理單元、外部磁片驅動陣列、RAID系統、磁帶驅動器以及資料備份儲存平臺等。
本發明實施例還提供一種電腦可讀儲存介質，該電腦可讀儲存介質用於儲存多個程式，該等程式被執行時實現所述的智慧教學顧問生成方法的步驟。在一些可能的實施方式中，本發明的各個方面還可以實現為一種程式產品的形式，其包括程式碼，當該程式產品在終端設備上運行時，所述程式碼用於使所述終端設備執行本說明書上述電子處方流轉處理方法部分中描述的根據本發明各種示例性實施方式的步驟。
參考圖12所示，描述了根據本發明的實施方式的用於實現上述方法的程式產品800，其可以採用可擕式唯讀記憶光碟（CD-ROM）並包括程式碼，並可以在終端設備，例如個人電腦上運行。然而，本發明的程式產品不限於此，在本實施例中，可讀儲存介質可以是任何包含或儲存程式的有形介質，該程式可以被指令執行系統、裝置或者器件使用或者與其結合使用。
所述程式產品可以採用一個或多個可讀介質的任意組合。可讀介質可以是可讀信號介質或者可讀儲存介質。可讀儲存介質例如可以為但不限於電、磁、光、電磁、紅外線、或半導體的系統、裝置或器件，或者任意以上的組合。可讀儲存介質的更具體的例子（非窮舉的列表）包括：具有一個或多個導線的電連接、可擕式盤、硬碟、隨機存取記憶體（RAM）、唯讀記憶體（ROM）、可擦式可程式設計唯讀記憶體（EPROM或快閃記憶體）、光纖、可擕式緊湊盤唯讀記憶體（CD-ROM）、光記憶體件、磁記憶體件、或者上述的任意合適的組合。
所述電腦可讀儲存介質可以包括在基帶中或者作為載波一部分傳播的資料信號，其中承載了可讀程式碼。這種傳播的資料信號可以採用多種形式，包括但不限於電磁信號、光信號或上述的任意合適的組合。可讀儲存介質還可以是可讀儲存介質以外的任何可讀介質，該可讀介質可以發送、傳播或者傳輸用於由指令執行系統、裝置或者器件使用或者與其結合使用的程式。可讀儲存介質上包含的程式碼可以用任何適當的介質傳輸，包括但不限於無線、有線、光纜、RF等等，或者上述的任意合適的組合。
可以以一種或多種程式設計語言的任意組合來編寫用於執行本發明操作的程式碼，所述程式設計語言包括物件導向的程式設計語言—諸如Java、C++等，還包括常規的過程式程式設計語言—諸如“C”語言或類似的程式設計語言。程式碼可以完全地在使用者計算設備上執行、部分地在使用者設備上執行、作為一個獨立的套裝軟體執行、部分在使用者計算設備上部分在遠端計算設備上執行、或者完全在遠端計算設備或伺服器上執行。在涉及遠端計算設備的情形中，遠端計算設備可以通過任意種類的網路，包括局域網（LAN）或廣域網路（WAN），連接到使用者計算設備，或者，可以連接到外部計算設備（例如利用網際網路服務提供者來通過網際網路連接）。
綜上所述，與現有技術相比，本發明所提供的智慧教學顧問生成方法、系統、設備及儲存介質具有下列優點：本發明解決了現有技術中的問題，藉由該教師匹配模組根據每一教師相關的該等教師標籤及該學生相關的該等學生標籤產生該教師匹配結果，並且藉由該教材匹配模組根據每一教材相關的該等教材標籤及該學生相關的該等學生標籤產生該教材匹配結果，以及藉由該視頻推送模組根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為該匹配視頻的教學視頻並推送給該學生，從而形成一個針對該學生的智慧教學顧問，讓學生能夠接受到定制化的最符合需求的教學內容，提高教學品質，提升學生學習體驗。故確實能達成本發明之目的。
以上內容是結合具體的優選實施方式對本發明所作的進一步詳細說明，不能認定本發明的具體實施只局限於這些說明。對於本發明所屬技術領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干簡單推演或替換，都應當視為屬於本發明的保護範圍。
惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。
S100、S200、S300、S400:步驟 S110～S140、S151～S153、S161、S162、S171～S173:步驟 S210～S230、S231～S233:步驟 S310、S320:步驟 S410～S440:步驟 M100:視頻生成模組 M200:教師匹配模組 M300:教材匹配模組 M400:視頻推送模組 600:電子設備 610:處理單元 620:儲存單元 6201:隨機存取儲存單元 6202:快取記憶體 6203:唯讀記憶體 6204:程式工具 6205:程式模組 630:匯流排 640:顯示單元 650:I/O介面 660:網路介面卡 700:外部設備 800:程式產品
本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是本發明智慧教學顧問生成方法的一實施例的一流程圖； 圖2是該實施例的生成教學視頻的一流程圖； 圖3～6是該實施例生成教學視頻的一示意圖，其中圖3為同步教材頁面和視頻時間後的一示意圖，圖4為圖3中刪除結巴部分和停頓部分後的一示意圖，圖5為圖4中刪除負面表情、負面動作和視頻問題後的一示意圖，圖6為圖5中進行平滑視頻後的一示意圖； 圖7是該實施例根據標籤相似度選擇一匹配老師的一流程圖； 圖8是該實施例根據標籤相似度選擇一匹配教材的一流程圖； 圖9是該實施例根據該匹配老師和該匹配教材推送教學視頻的一流程圖； 圖10是本發明智慧教學顧問生成系統一實施例的一示意圖； 圖11是本發明智慧教學顧問生成設備一實施例的一示意圖；及 圖12是本發明電腦可讀儲存介質一實施例的一示意圖。
S100、S200、S300、S400:步驟

Claims (14)

  1. 一種智慧教學顧問生成方法，包含以下步驟：S100、一視頻生成模組生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻，該視頻生成模組從每一教學視頻中獲取多個語音文本，及多個分別對應該等語音文本的語音時間區段資料，每一語音時間區段資料包含一開始時間點及一結束時間點，並且，該視頻生成模組從每一課程資訊的該教材資料獲取多個教材頁數，及多個分別對應該等教材頁數的視頻時間區段資料，每一視頻時間區段資料包含一開始時間點及一結束時間點，該視頻生成模組針對每一教學視頻，根據該等語音文本、該等語音時間區段資料、該等教材頁數及該等視頻時間區段資料，建立該等語音文本與該等教材頁數的映射關係，該視頻生成模組針對每一教學視頻，判斷兩相鄰的語音文本是否對應於同一教材頁數，當該視頻生成模組判斷出對應於同一教材頁數的兩相鄰的語音文本對應之兩語音時間區段資料之間的一停頓時間區段的長度大於一第一停頓閾值，該視頻生成模組將該教學視頻中該停頓時間區段對應的視頻片段刪除；S200、一教師匹配模組根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一教師匹配結果，該教師匹配結果包含一相關於該等教師其中一個作為一匹配教師的教師的教師識別資料；S300、一教材匹配模組根據每一教材相關的多個教 材標籤及該學生相關的該等學生標籤產生一教材匹配結果，該教材匹配結果包含一相關於該等教材其中一個作為一匹配教材的教材的教材識別資料；及S400、一視頻推送模組根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為一匹配視頻的教學視頻推送給該學生，該匹配視頻相關於該匹配教師及該匹配教材。
  2. 如請求項1所述的智慧教學顧問生成方法，其中，步驟S100包括以下步驟：S110、該視頻生成模組獲取該等教學視頻及多個分別對應該等教學視頻的課程資訊，每一課程資訊包括對應之該教學視頻所相關的該教師的一教師識別資料及所相關的該教材的一教材資料，且該視頻生成模組建立每一教學視頻與對應之該課程資訊的該教師識別資料及該教材資料的映射關係。
  3. 如請求項2所述的智慧教學顧問生成方法，其中，步驟S100中，在該視頻生成模組建立該等語音文本與該等教材頁數的映射關係之後，還包括以下步驟：S153、當該視頻生成模組判斷出對應於不同教材頁數的兩相鄰的語音文本對應之兩語音時間區段資料之間的一停頓時間區段的長度大於一第二停頓閾值，該視頻生成模組將該教學視頻中該停頓時間區段對應的視頻片段刪除。
  4. 如請求項2所述的智慧教學顧問生成方法，其中，步驟 S100中，步驟S140之後，還包括以下步驟：S161、該視頻生成模組識別每一教學視頻中該教師出現的負面表情及負面動作；S162、該視頻生成模組將每一教學視頻中該教師出現負面表情及負面動作對應的視頻片段刪除。
  5. 如請求項3或4所述的智慧教學顧問生成方法，其中，步驟S100中，步驟S140之後，還包括以下步驟：S171、該視頻生成模組判斷被刪除的視頻片段的時間是否小於等於一平滑時間閾值；S172、如果是，該視頻生成模組則對被刪除的視頻片段前後的視頻進行平滑處理。
  6. 如請求項1所述的智慧教學顧問生成方法，其中，步驟S200包括以下步驟：S210、該教師匹配模組根據每一教師所相關該等教師標籤其中多個作為教師身份標籤的教師標籤及該學生所相關的該等學生標籤其中多個作為教師身份標籤的學生標籤，產生一第一教師篩選結果，該第一教師篩選結果包含一個或多個分別相關於該等教師其中一個或多個作為一個或多個候選教師的教師的教師識別資料；S220、該教師匹配模組根據該候選教師或該等候選教師所相關的該等教師標籤其中多個分別作為多個教師興趣標籤的教師標籤，及該學生所相關的該等學生標籤其中多個分別作為多個學生興趣標籤的學生標籤，產生一個或多個分別對應該等候選教師的教師興趣相似度； S230、該教師匹配模組根據該教師興趣相似度或該等教師興趣相似度，產生該教師匹配結果。
  7. 如請求項6所述的智慧教學顧問生成方法，其中，步驟S230包括以下步驟：S231、該教師匹配模組獲取相關於該學生的一上課進度資料，該上課進度資料包括多個分別相關該等教師的評分；S232、該教師匹配模組根據該等評分，及該教師興趣相似度或該等教師興趣相似度，產生多個分別對應該等候選教師的綜合相似度，每一綜合相似度為對應之該候選教師所相關的該評分乘以所對應的教師興趣相似度；S233、該教師匹配模組選擇該綜合相似度最高者所對應的該候選教師作為該匹配教師。
  8. 如請求項1所述的智慧教學顧問生成方法，其中，步驟S300包括如下步驟：S310、該教材匹配模組獲取一包含多個指示出該學生已上過的該等教材所分別對應的教材識別資料的上課進度資料，並根據該上課進度資料及多個分別對應所有教材的教材識別資料，產生一篩選結果，該篩選結果包含多個指示出該學生未上過的該等教材所分別對應的教材識別資料；S320、該教材匹配模組根據該篩選結果的該等教材識別資料所對應的該等教材所對應的該等教材標籤，及該學生所相關的該等學生標籤其中多個作為多個學生興趣 標籤的學生標籤，產生多個分別對應該篩選結果的該等教材識別資料所對應的該等教材的教材興趣相似度，且根據該等教材興趣相似度，從該篩選結果的該等教材識別資料所對應的該等教材選擇其中一者作為該匹配教材。
  9. 如請求項8所述的智慧教學顧問生成方法，其中，步驟S310和步驟S320之間還包括以下步驟：該教材匹配模組根據包括多個分別對應於該學生已上過的該等教材的評分的該上課進度資料，計算出每一相關於每一該學生已上過的教材的所對應的教材識別資料所對應的教材標籤的一平均評分；該教材匹配模組將該平均評分低於一第一評分閾值的該等教材標籤從相關於該學生的多個學生標籤中作為多個學生興趣標籤的學生標籤濾除，並產生相關於該學生的一已篩選學生興趣標籤。
  10. 如請求項9所述的智慧教學顧問生成方法，其中，步驟S320包括以下步驟：該教材匹配模組將該平均評分高於一第二評分閾值的該學生已上過的教材的該等教材標籤作為多個高評分標籤的教材標籤，該第二評分閾值大於該第一評分閾值；該教材匹配模組根據該上課進度資料及該等教材識別資料篩選出一包含多個該學生未上過的教材的教材識別資料的第一次篩選資料；該教材匹配模組將該第一次篩選資料中的該等教材識別資料所對應的該等教材標籤任一者符合該等高評分 標籤的教材標籤的其中多者作為一包含多個符合高評分標籤的教材標籤所對應的該等教材識別資料的第二次篩選資料；該教材匹配模組根據該第二次篩選資料所包含的該等教材識別資料所對應的該等教材標籤及該學生所相關的該已篩選學生興趣標籤，產生多個分別對應該第二次篩選資料的該等教材識別資料所對應的該等教材的教材興趣相似度，且根據該等教材興趣相似度，從該第二次篩選資料的該等教材識別資料所對應的該等教材選擇其中一者作為該匹配教材。
  11. 如請求項1所述的智能教學顧問生成方法，其中，步驟S200包括：該教師匹配模組得到相關於每一教師的多個教師標簽的詞向量和相關於該學生的多個學生標簽的詞向量，計算每一教師所相關的該等教師標簽與該學生所相關的該等學生標簽的餘弦相似度，作為每一教師所相關的該等教師標簽與該學生所相關的該等學生標簽的相似度；步驟S300包括：該教材匹配模組得到每一教材所相關的多個教材標簽的詞向量和該學生所相關的多個學生標簽的詞向量，計算每一教材所相關的該等教材標簽與該學生所相關的該等學生標簽的餘弦相似度，作為每一教材所相關的該等教材標簽與該學生所相關的該等學生標簽的相似度。
  12. 一種智慧教學顧問生成系統，應用於請求項1至8中任一項所述的智慧教學顧問生成方法，該智慧教學顧問生成系統 包括：一視頻生成模組，用於生成N組視頻資料，該等視頻資料分別相關於N個教師，每一視頻資料包含M個分別相關於M個教材的教學視頻；一教師匹配模組，用於根據每一教師相關的多個教師標籤及一學生相關的多個學生標籤產生一教師匹配結果，該教師匹配結果包含一相關於該等教師其中一個作為一匹配教師的教師的教師識別資料；一教材匹配模組，用於根據每一教材相關的多個教材標籤及該學生相關的該等學生標籤產生一教材匹配結果，該教材匹配結果包含一相關於該等教材其中一個作為一匹材教材的教材的教材識別資料；及一視頻推送模組，用於根據該教師匹配結果及該教材匹配結果，將該等教學視頻其中一個作為一匹配視頻的教學視頻推送給該學生，該匹配視頻相關於該匹配教師及該匹配教材。
  13. 一種智慧教學顧問生成設備，包括：一處理器；一記憶體，其中儲存有該處理器可執行的多個指令；其中，該處理器配置為經由執行該等指令來執行請求項1至8中任一項所述的智慧教學顧問生成方法的步驟。
  14. 一種電腦可讀儲存介質，用於儲存一程式，該程式被執行時實現請求項1至8中任一項所述的智慧教學顧問生成方法的步驟。
TW108138430A 2019-05-09 2019-10-24 智慧教學顧問生成方法、系統、設備及儲存介質 TWI707296B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910385296.6A CN110275987B (zh) 2019-05-09 2019-05-09 智能教学顾问生成方法、***、设备及存储介质
CN201910385296.6 2019-05-09

Publications (2)

Publication Number Publication Date
TWI707296B true TWI707296B (zh) 2020-10-11
TW202042172A TW202042172A (zh) 2020-11-16

Family

ID=67959750

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108138430A TWI707296B (zh) 2019-05-09 2019-10-24 智慧教學顧問生成方法、系統、設備及儲存介質

Country Status (3)

Country Link
US (1) US20200357302A1 (zh)
CN (1) CN110275987B (zh)
TW (1) TWI707296B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111506810A (zh) * 2020-03-19 2020-08-07 威比网络科技(上海)有限公司 课程信息推送方法、***、设备及存储介质
CN111563196A (zh) * 2020-03-30 2020-08-21 威比网络科技(上海)有限公司 在线语言类课程信息推送方法、***、设备及存储介质
CN111515957A (zh) * 2020-05-13 2020-08-11 暨南大学 用于坐姿检测和语言聊天的桌面机器人***及桌面机器人
CN112559749B (zh) * 2020-12-18 2024-04-09 深圳赛安特技术服务有限公司 在线教育师生智能匹配方法、装置及存储介质
CN112509401A (zh) * 2020-12-21 2021-03-16 浙江机电职业技术学院 一种基于增强现实投影交互的远程实操教学方法与***
WO2022144914A1 (en) * 2021-01-02 2022-07-07 Kakumanu Sarath Kakumanu Online digital textbooks or notes along with teaching and concept videos to explain the content in the session
US11532179B1 (en) 2022-06-03 2022-12-20 Prof Jim Inc. Systems for and methods of creating a library of facial expressions

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622706A (zh) * 2017-10-11 2018-01-23 北京中加国道科技有限责任公司 一种面向智慧教育的敏捷录课***及方法
TW201816747A (zh) * 2016-10-28 2018-05-01 創芙國際有限公司 線上教學暨行動學習系統
CN109359215A (zh) * 2018-12-03 2019-02-19 江苏曲速教育科技有限公司 视频智能推送方法和***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101595499A (zh) * 2006-12-15 2009-12-02 朴南教 用于推荐针对个人定制的讲课的设备和方法及其连接终端
US20180233057A1 (en) * 2017-02-13 2018-08-16 Microsoft Technology Licensing, Llc Proactive content recommendation in teaching space
CN109670110B (zh) * 2018-12-20 2023-05-12 蒋文军 一种教育资源推荐方法、装置、设备及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201816747A (zh) * 2016-10-28 2018-05-01 創芙國際有限公司 線上教學暨行動學習系統
CN107622706A (zh) * 2017-10-11 2018-01-23 北京中加国道科技有限责任公司 一种面向智慧教育的敏捷录课***及方法
CN109359215A (zh) * 2018-12-03 2019-02-19 江苏曲速教育科技有限公司 视频智能推送方法和***

Also Published As

Publication number Publication date
CN110275987B (zh) 2021-10-19
TW202042172A (zh) 2020-11-16
CN110275987A (zh) 2019-09-24
US20200357302A1 (en) 2020-11-12

Similar Documents

Publication Publication Date Title
TWI707296B (zh) 智慧教學顧問生成方法、系統、設備及儲存介質
Saneiro et al. Towards emotion detection in educational scenarios from facial expressions and body movements through multimodal approaches
CN109698920A (zh) 一种基于互联网教学平台的跟随教学***
CN109508375A (zh) 一种基于多模态融合的社交情感分类方法
WO2020082566A1 (zh) 基于生物识别的远程教学方法、装置、设备及存储介质
CN109801193A (zh) 一种具有语音评价功能的跟随教学***
CN113870395A (zh) 动画视频生成方法、装置、设备及存储介质
Camgöz et al. Sign language recognition for assisting the deaf in hospitals
WO2021039561A1 (ja) 動画生成方法、動画生成装置及び記憶媒体
CN115205764B (zh) 基于机器视觉的在线学习专注度监测方法、***及介质
US20240153395A1 (en) Tracking concepts and presenting content in a learning system
Zhang et al. Teaching chinese sign language with a smartphone
Alshammari et al. Robotics utilization in automatic vision-based assessment systems from artificial intelligence perspective: A systematic review
TW202042561A (zh) 基於線上學習的廣告投放方法、系統、設備及電腦可讀取記錄媒體
CN113065757A (zh) 线上课程授课质量的评价方法及装置
Haider et al. An active data representation of videos for automatic scoring of oral presentation delivery skills and feedback generation
US20180005116A1 (en) Method and system for automatic real-time identification and presentation of analogies to clarify a concept
EP4336379A1 (en) Tracking concepts within content in content management systems and adaptive learning systems
CN113963306B (zh) 基于人工智能的课件片头制作方法和装置
JP2020115175A (ja) 情報処理装置、情報処理方法及びプログラム
CN115171673A (zh) 一种基于角色画像的交流辅助方法、装置及存储介质
CN112270231A (zh) 一种确定目标视频属性特征的方法、存储介质、电子设备
KR20220053441A (ko) 신경망을 이용한 강의 영상 평가 방법, 장치 및 컴퓨터 프로그램
CN112446360A (zh) 目标行为检测方法、装置及电子设备
CN112289321A (zh) 讲解同步的视频高光处理方法、装置、计算机设备及介质