[发明专利]基于AI技术的教学方式推送方法及装置

权利要求书

1.一种基于AI技术的教学方式推送方法，其特征在于，所述方法包括：

对历史课堂视频进行识别，并分别获取老师和学生的上课特征；

通过机器学习分析学生上课的特征，生成对教学方式满意的学生的用户画像，并分析出满意的原因；

根据对教学方式满意的学生用户画像和满意的原因，匹配出该教学方式所对应的老师的上课特征；

将令不同学生满意的教学方式所对应的老师的上课特征，分别推送给老师用户，以使其根据不同的学生选择不同的教学方式；具体地，根据不同学生所满意的教学方式，将不同学生所满意的老师的上课特征推送给老师，以便于老师对教学习惯作出调整；

所述根据对教学方式满意的学生用户画像和满意的原因，匹配出该教学方式所对应的老师的上课特征包括：

将学生对教学方式满意的上课特征与采用该教学方式时老师的上课特征进行关联；

根据学生对教学方式满意的上课特征找出老师上课时的特征；

所述对历史课堂视频进行识别，并分别获取老师和学生的上课特征包括：

采集当前课时的课堂教学视频数据，分别获取老师和学生在上课过程的行为特征；

采集当前课时的课堂教学语音数据，分别获取老师和学生在上课过程的语音特征；

所述采集当前课时的课堂教学视频数据，分别获取老师和学生在上课过程的行为特征包括：

采集当前课时课堂教学视频，每隔预设时间对其进行一次截图以实现图像提取，将取得的图片按老师和学生进行分类，并按提取顺序存储为图片集；

按图片集的顺序将老师和学生的图片分别依次输入到经过预训练的SVDA模型进行捕捉处理；所述捕捉处理包括：检测人脸和手势，标记人脸和手势的边界框，捕捉人脸和手势特征，对人脸和手势特征进行标注分类，并与提前收集的人脸、手势数据库进行匹配；

将不同时间所识别到的师生人脸、手势分别提取和存储，并将每个时间每张图片所识别出的面部表情以及手势进行统计，以获取老师和学生的行为特征；

所述按图片集的顺序将老师和学生的图片分别依次输入到经过预训练的SVDA模型进行捕捉处理包括：

收集人脸、手势数据于数据库图像集，形成人脸、手势两个数据库；

分别对人脸、手势图像数据集进行预处理，并将两个数据库中的数据分别划分为训练集，验证集和测试集，保证三者之间的比例为6:3:1；

将人脸、手势图像数据对应的多维特征输入SVDA模型，选择合适的投影面，实现高维特征的降维，对于降维后的多重特征，运用KNN分类方法将其进行多重比对，先根据样本分布设置初始分类参考特征数量，为每一张图片实现分类标注，再通过交叉验证选择后，确定适合作为比对的最相似的6张图片，即可得到训练好的SVDA模型。

2.如权利要求1所述的基于AI技术的教学方式推送方法，其特征在于，所述采集当前课时的课堂教学语音数据，分别获取老师和学生在上课过程的语音特征包括：

采集当前课时音频数据，对音频数据进行初步处理，将处理后的数据存入语音数据集；

采用LPC对语音数据集中的语音数据进行特征提取及加工，采用卷积神经网络进一步处理上述处理后的语音数据，得到语音数据对应的文字数据，将文字数据存入文字数据集；

对文字数据进行预处理，将处理后的数据存入文字数据集，采用词袋模型Bow对预处理后的文字数据进行特征提取及加工，以得到所述语音特征；

所述语音特征包括特定词语出现次数以及词语总数之间的比值，获取夸赞次数以及语速。

3.如权利要求1所述的基于AI技术的教学方式推送方法，其特征在于，所述通过机器学习分析学生上课的特征，生成对教学方式满意的学生的用户画像，并分析出满意的原因具体包括：

获取学生唯一特征的样本矩阵数据；

采用聚类算法对获取到的学生数据进行计算，以构建学生满意度的用户画像；所述用户画像包括学生用户的基本信息、对课堂的满意度以及课堂表现。

4.如权利要求3所述的基于AI技术的教学方式推送方法，其特征在于，所述采用聚类算法对获取到的学生数据进行计算，以构建学生满意度的用户画像包括：

预先定义每个特征数据对满意度的影响是正相关还是负相关，并给予预先设定的权重；

对数据指标的权重进行标准化处理，所述标准化公式为：

。