[发明专利]一种视频观看行为的在线异步教学反馈分析方法及系统

权利要求书

1.一种视频观看行为的在线异步教学反馈分析方法，其特征在于，包括以下步骤：

对视频观看行为数据进行特征提取与融合，获取视频观看行为样本数据；

利用XGBoost方法，在视频观看行为样本数据中筛选出异常数据；

采用随机森林和神经网络模型对异常数据进行行为分类，获取反馈信息；

基于反馈信息，提供在线异步教学建议；

其中，所述异常数据包括反复观看引起的数据和跳看引起的数据；

所述视频观看行为数据的获取方法，包括以下步骤：

采用数据库调用或API接口调用方式获取观看操作数据和时间热度数据；

基于贝叶斯推理对观看操作数据和时间热度数据的缺失值进行填充；

通过异常值检测，对填充后的观看操作数据和时间热度数据消除噪音，获取视频观看行为数据；

其中，观看操作数据为用户观看时在视频时间进度条上的操作数据；时间热度数据为视频某一段内容被观看次数的数据；

提取的特征包括视频属性特征、统计型特征和变化特征；

所述视频属性特征包括视频的类别、长度、总观看量和总观看点击数；

所述统计型特征包括视频观看操作数据或时间热度数据的整体平均值、方差；

所述变化特征包括根据数据绘制的时间曲线计算在某个时间点上的斜率和导数；

所述反馈信息包括认知困难反馈、内容跳过反馈、课外因素反馈和重点认知参考；

所述认知困难反馈为用户对视频中某分某秒至某分某秒需要反复观看理解；

所述内容跳过反馈为用户因不感兴趣或内容不重要，跳过视频中的某个时间段；

所述课外因素反馈为用户在视频的某个时间段，被非教学因素吸引而产生的异常观看行为；

所述重点认知参考为用户在完成视频学习后，对认知中的重点内容进行回看，以用来完成作业或复习考试。

2.根据权利要求1所述的在线异步教学反馈分析方法，其特征在于，对视频中用户的异常观看行为进行人工标注，使用交叉验证的方法训练随机森林、XGBoost和神经网络。

3.一种视频观看行为的在线异步教学反馈分析系统，其特征在于，包括样本数据获取模块、异常数据检测模块、行为分类模块和建议提供模块；

所述样本数据获取模块用于对视频观看行为数据进行特征提取与融合，获取视频观看行为样本数据；

所述异常数据检测模块用于利用XGBoost方法，在视频观看行为样本数据中筛选出异常数据；

所述行为分类模块用于采用随机森林和神经网络模型对异常数据进行行为分类，获取反馈信息；

所述建议提供模块用于基于反馈信息，提供在线异步教学建议；

其中，所述异常数据包括反复观看引起的数据和跳看引起的数据；

所述样本数据获取模块包括数据调度单元、数据填充单元和数据消噪单元；

所述数据调度单元用于采用数据库调用或API接口调用方式获取观看操作数据和时间热度数据；

所述数据填充单元用于基于贝叶斯推理对观看操作数据和时间热度数据的缺失值进行填充；

所述数据消噪单元用于通过异常值检测，对填充后的观看操作数据和时间热度数据消除噪音，获取视频观看行为数据；

其中，观看操作数据为用户观看时在视频时间进度条上的操作数据；时间热度数据为视频某一段内容被观看次数的数据；

提取的特征包括视频属性特征、统计型特征和变化特征；

所述视频属性特征包括视频的类别、长度、总观看量和总观看点击数；

所述统计型特征包括视频观看操作数据或时间热度数据的整体平均值、方差；

所述变化特征包括根据数据绘制的时间曲线计算在某个时间点上的斜率和导数；

所述反馈信息包括认知困难反馈、内容跳过反馈、课外因素反馈和重点认知参考；

所述认知困难反馈为用户对视频中某分某秒至某分某秒需要反复观看理解；

所述内容跳过反馈为用户因不感兴趣或内容不重要，跳过视频中的某个时间段；

所述课外因素反馈为用户在视频的某个时间段，被非教学因素吸引而产生的异常观看行为；

所述重点认知参考为用户在完成视频学习后，对认知中的重点内容进行回看，以用来完成作业或复习考试。