视频智能推送方法和系统技术方案

本发明专利技术公开了一种视频智能推送方法和系统，方法包括步骤：采集录入试题，对所述试题添加试题属性标签；对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络；学生学习成果考核情况分析和薄弱项大数据分析，得到学生学情画像；采集教学视频，分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签；构建知识图谱；构建推送模型及视频推送。本发明专利技术的视频智能推送方法和系统在推送试题的同时推送视频，视频是录制的知识点讲解视频，自动进行图片和音频的处理分析，得到对应的试题，实现试题与视频的关联，学生在得到推送试题的同时，得到对应知识点的视频讲解。

【技术实现步骤摘要】
视频智能推送方法和系统
本专利技术涉及计算机与数据处理
，更具体地，涉及一种视频智能推送方法和系统。
技术介绍
随着互联网的发展，教育行业在十年前就推广远程教育，通过互联网虚拟教室来实现远程视频授课、电子文档共享，从而让教师与学生在网络上形成一种授课与学习的互动；而现在的4G时代的来临让更加方便的学习不仅仅通过笨重的计算机，只要一个可以有大流量通的手机，通过4G的快速网络推进，就能更方便的直接地通过手机等掌上工具在线学习，而无线的网络使得人们的日常互动变得更加的有效。现有技术，公开了一种关联视频的试题推送方法及系统，该方法包括:按照属性信息，对视频资料标记视频属性信息，以及对试题标记试题属性信息，属性信息包括：年级、科目、版本以及章节；根据视频属性信息以及试题属性信息，将视频资料与试题形成映射关系；提取学生当前播放的视频资料的视频属性信息，根据映射关系，匹配对应的试题；根据预设推送规则，将对应的试题推送给学生。现有技术将视频资料与试题进行关联，根据视频资料的视频属性信息可以推送配套的试题，以供学生进行针对性的巩固练习。但是学生接收其他情况的试题推送时，例如基于错题等试题推送等，仍然没有针对性的视频讲解。
技术实现思路
有鉴于此，本专利技术提供了一种视频智能推送方法和系统，包括步骤：采集录入试题，对所述试题添加试题属性标签，所述试题属性标签包括：科目、版本、年级、章节、及知识点，根据试题属性标签确定试题的核心知识点和相关知识点形成试题库，其中，所述核心知识点是所述试题主要考察的知识点，所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点；对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络；学生学习成果考核情况分析和薄弱项大数据分析，得到学生学情画像：通过学生对试题库内的试题进行考试和作业练习，从单科、综合排名波动分析该学生学习进度、学习完成度、和知识点掌握度；通过大数据分析该学生某学科在其班级的学习水平、该学生班级在其年级的教学水平、该学生学校在其地区教学水平情况、该学生所在地区教学水平情况，结合学生考试、作业、在线练习的知识点考核面以及答题情况，结合知识点难度、该校该省历往考情精准分析适合学生现进度的学习突破点；采集教学视频，分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签；构建知识图谱，包括步骤：实体链接，对视频中语音、试题文本进行基于BiLSTM+CRF算法的命名实体识别进行实体抽取，抽取后的实体将在不同的子知识图谱上的同一实体信息进行链接，使用CoLink无监督学习框架实现实体链接；提取知识图谱特征：基于知识图谱特征学习的TranD算法进行知识图谱特征提取，实体的上下文实体特征，对该实体进行准确地刻画；构建推送模型及视频推送，包括步骤：基于知识图谱建立学生、试题、和教学视频之间的一致性或关联性，利用知识图谱发现不同类型实体间的关联路径，基于迭代的权重传播算法计算实体结点的相关度；对学生、试题、和教学视频进行特征语义关联；基于Manifold算法找出学生、试题、和教学视频的潜在关联，利用DN-DBpedia语料结合ESA模型找出不同标签间的语义关联；基于卷积神经网络和注意力机制建立试题和视频推送算法；分地区、教材版本、学校、年级进度，结合教学质量、学生学情画像、知识点难易度、知识点考试频率，结合知识点图谱综合匹配，匹配提分策略，制定提分率、提分难易度最优的视频进行推送；通过同班同学的学习数据，精准跟进教学节律，结合学生学情画像和已匹配提分策略，进行视频推送；视频学习完成后精准匹配推送优质名校精题，巩固学习效果、验证掌握程度，相应数据回流学生学情画像。优选地，所述采集教学视频，分别对图像和语音进行分析，并对教学视频进行标记视频画像标签，进一步为，对教学视频的音频部分进行语音识别，记录语音识别结果的同时，对语音识别结果进行基于知识图谱进行知识提取，得到教学视频知识关键词，同时记录对应的视频播放位置；对教学视频图像部分进行图像识别，分别进行人脸识别、光学字符识别、和公式识别，人脸识别出视频中的教师信息；通过光学字符识别进行基于知识图谱的知识提取，提取出视频图像中的知识点和知识关键词；对于试题讲解类型视频，光学字符识别出包含试题题干、答案、和解析的文本信息；公式识别出视频图像中的LaTex公式及公式结构类型；对语音识别结果及图片中文本信息进行基于知识图谱的语义分析，分析出教学场景，所述教学场景包括教学的知识点范围、教学视频知识关键词、和视频类型，其中视频类型包括试题讲解类型和知识点讲解类型；对试题属性、试题文本建立基于知识图谱的语义关系；标记视频标签，标签包括教学的知识点范围、视频类型、教师信息、知识关键词及其视频位置、LaTex公式及公式结构类型、以及基于知识图谱的视频语义关系，当视频类型为试题讲解类型时，标签还包括试题题干、答案和解析。优选地，所述通过同班同学的学习数据，精准跟进教学节律，结合学生学情画像和已匹配提分策略，进行视频推送，进一步为，将所述视频的链接地址与试题建立关联，同时推送给学生。优选地，还包括：学生接收到视频的链接地址与所述试题后，调用播放器对视频的链接地址内存储的教学视频进行播放。本专利技术还公开了一种视频智能推送系统，包括试题采集设备、教学视频采集设备、存储设备、学生学情统计模块、处理器、构建知识图谱模块、以及构建推送模型及视频推送模块，其中，所述试题采集设备，与所述处理器相连接，用于采集录入试题，并发送至所述处理器；所述教学视频采集设备，与所述处理器相连接，用于采集教学视频，发送至所述处理器；所述学生学情统计模块，与所述存储设备相连接，通过学生对试题库内的试题进行考试和作业练习，从单科、综合排名波动分析该学生学习进度、学习完成度、和知识点掌握度；通过大数据分析该学生某学科在其班级的学习水平、该学生班级在其年级的教学水平、该学生学校在其地区教学水平情况、该学生所在地区教学水平情况，结合学生考试、作业、在线练习的知识点考核面以及答题情况，结合知识点难度、该校该省历往考情精准分析适合学生现进度的学习突破点，得到学生学情画像反馈至存储设备进行存储；所述处理器，分别与所述试题采集设备、教学视频采集设备和存储设备相连接，对所述试题添加试题属性标签，所述试题属性标签包括：科目、版本、年级、章节、及知识点，根据试题属性标签确定试题的核心知识点和相关知识点形成试题库，其中，所述核心知识点是所述试题主要考察的知识点，所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点，对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络，并将试题库和试题画像发送至存储设备进行存储；分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签，发送至存储设备进行存储；所述构建知识图谱模块，分别与所述存储设备、构建推送模型及视频推送模块相连接，用于实体链接，对存储设备存储的视频中语音、试题文本进行基于BiLSTM+CRF算法的命名实体识别进行实体抽取，抽取后的实体将在不同的子知识图谱上的同一实体信息进行链接，使用CoLink无监督学习框架实现实体链接；提取知识图谱特征：基于知识图谱特征学习的T本文档来自技高网...

【技术保护点】
1.一种视频智能推送方法，其特征在于，包括步骤：采集录入试题，对所述试题添加试题属性标签，所述试题属性标签包括：科目、版本、年级、章节、及知识点，根据试题属性标签确定试题的核心知识点和相关知识点形成试题库，其中，所述核心知识点是所述试题主要考察的知识点，所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点；对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络；学生学习成果考核情况分析和薄弱项大数据分析，得到学生学情画像：通过学生对试题库内的试题进行考试和作业练习，从单科、综合排名波动分析该学生学习进度、学习完成度、和知识点掌握度；通过大数据分析该学生某学科在其班级的学习水平、该学生班级在其年级的教学水平、该学生学校在其地区教学水平情况、该学生所在地区教学水平情况，结合学生考试、作业、在线练习的知识点考核面以及答题情况，结合知识点难度、该校该省历往考情精准分析适合学生现进度的学习突破点；采集教学视频，分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签；构建知识图谱，包括步骤：实体链接，对视频中语音、试题文本进行基于BiLSTM+CRF算法的命名实体识别进行实体抽取，抽取后的实体将在不同的子知识图谱上的同一实体信息进行链接，使用CoLink无监督学习框架实现实体链接；提取知识图谱特征：基于知识图谱特征学习的TranD算法进行知识图谱特征提取，实体的上下文实体特征，对该实体进行准确地刻画；构建推送模型及视频推送，包括步骤：基于知识图谱建立学生、试题、和教学视频之间的一致性或关联性，利用知识图谱发现不同类型实体间的关联路径，基于迭代的权重传播算法计算实体结点的相关度；对学生、试题、和教学视频进行特征语义关联；基于Manifold算法找出学生、试题、和教学视频的潜在关联，利用DN‑DBpedia语料结合ESA模型找出不同标签间的语义关联；基于卷积神经网络和注意力机制建立试题和视频推送算法；分地区、教材版本、学校、年级进度，结合教学质量、学生学情画像、知识点难易度、知识点考试频率，结合知识点图谱综合匹配，匹配提分策略，制定提分率、提分难易度最优的视频进行推送；通过同班同学的学习数据，精准跟进教学节律，结合学生学情画像和已匹配提分策略，进行视频推送；视频学习完成后精准匹配推送优质名校精题，巩固学习效果、验证掌握程度，相应数据回流学生学情画像。...

【技术特征摘要】
1.一种视频智能推送方法，其特征在于，包括步骤：采集录入试题，对所述试题添加试题属性标签，所述试题属性标签包括：科目、版本、年级、章节、及知识点，根据试题属性标签确定试题的核心知识点和相关知识点形成试题库，其中，所述核心知识点是所述试题主要考察的知识点，所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点；对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络；学生学习成果考核情况分析和薄弱项大数据分析，得到学生学情画像：通过学生对试题库内的试题进行考试和作业练习，从单科、综合排名波动分析该学生学习进度、学习完成度、和知识点掌握度；通过大数据分析该学生某学科在其班级的学习水平、该学生班级在其年级的教学水平、该学生学校在其地区教学水平情况、该学生所在地区教学水平情况，结合学生考试、作业、在线练习的知识点考核面以及答题情况，结合知识点难度、该校该省历往考情精准分析适合学生现进度的学习突破点；采集教学视频，分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签；构建知识图谱，包括步骤：实体链接，对视频中语音、试题文本进行基于BiLSTM+CRF算法的命名实体识别进行实体抽取，抽取后的实体将在不同的子知识图谱上的同一实体信息进行链接，使用CoLink无监督学习框架实现实体链接；提取知识图谱特征：基于知识图谱特征学习的TranD算法进行知识图谱特征提取，实体的上下文实体特征，对该实体进行准确地刻画；构建推送模型及视频推送，包括步骤：基于知识图谱建立学生、试题、和教学视频之间的一致性或关联性，利用知识图谱发现不同类型实体间的关联路径，基于迭代的权重传播算法计算实体结点的相关度；对学生、试题、和教学视频进行特征语义关联；基于Manifold算法找出学生、试题、和教学视频的潜在关联，利用DN-DBpedia语料结合ESA模型找出不同标签间的语义关联；基于卷积神经网络和注意力机制建立试题和视频推送算法；分地区、教材版本、学校、年级进度，结合教学质量、学生学情画像、知识点难易度、知识点考试频率，结合知识点图谱综合匹配，匹配提分策略，制定提分率、提分难易度最优的视频进行推送；通过同班同学的学习数据，精准跟进教学节律，结合学生学情画像和已匹配提分策略，进行视频推送；视频学习完成后精准匹配推送优质名校精题，巩固学习效果、验证掌握程度，相应数据回流学生学情画像。2.根据权利要求1所述的视频智能推送方法，其特征在于，所述采集教学视频，分别对图像和语音进行分析，并对教学视频进行标记视频画像标签，进一步为，对教学视频的音频部分进行语音识别，记录语音识别结果的同时，对语音识别结果进行基于知识图谱进行知识提取，得到教学视频知识关键词，同时记录对应的视频播放位置；对教学视频图像部分进行图像识别，分别进行人脸识别、光学字符识别、和公式识别，人脸识别出视频中的教师信息；通过光学字符识别进行基于知识图谱的知识提取，提取出视频图像中的知识点和知识关键词；对于试题讲解类型视频，光学字符识别出包含试题题干、答案、和解析的文本信息；公式识别出视频图像中的LaTex公式及公式结构类型；对语音识别结果及图片中文本信息进行基于知识图谱的语义分析，分析出教学场景，所述教学场景包括教学的知识点范围、教学视频知识关键词、和视频类型，其中视频类型包括试题讲解类型和知识点讲解类型；对试题属性、试题文本建立基于知识图谱的语义关系；标记视频标签，标签包括教学的知识点范围、视频类型、教师信息、知识关键词及其视频位置、LaTex公式及公式结构类型、以及基于知识图谱的视频语义关系，当视频类型为试题讲解类型时，标签还包括试题题干、答案和解析。3.根据权利要求1所述的视频智能推送方法，其特征在于，所述通过同班同学的学习数据，精准跟进教学节律，结合学生学情画像和已匹配提分策略，进行视频推送，进一步为，将所述视频的链接地址与试题建立关联，同时推送给学生。4.根据权利要求2所述的视频智能推送方法，其特征在于，还包括：学生接收到视频的链接地址与所述试题后，调用播放器对视频的链接地址内存储的教学视频进行播放。5.一种视频智能推送系统，其特征在于，包括试题采集设备、教学视频采集设备、存储设备、学生学情统计模块、处理器、构建知识图谱模块、以及构建推送模型及视频推送模块，其中，所述试题采集设备，与所述处理器相连接，用于采集录入试题，并发送...

【专利技术属性】
技术研发人员：郭晨阳，石晓云，郭春雪，李可佳，
申请(专利权)人：江苏曲速教育科技有限公司，
类型：发明
国别省市：江苏,32