课件质量的评价方法、装置、服务器及存储介质制造方法及图纸

本申请属于互联网技术领域，具体而言，涉及一种课件质量的评价方法、装置、服务器及存储介质。其中，一种课件质量的评价方法，包括：获取待评价课件；基于全局向量提取模型对所述待评价课件进行特征提取，得到所述待评价课件的全局向量；计算所述待评价课件的全局向量与课件样本集中每个课件样本的全局向量之间的相似度，得到多个相似度值；基于所述多个相似度值，确定所述待评价课件的质量值。因此当用户新提交一个待评价课件时，服务器可以计算待评价课件的全局向量与课件样本集中每个课件样本的全局向量之间的相似度，确定待评价课件的质量值，不需要服务器获取该待评价课件的点击量，可以提高课件质量的评价效率。

Evaluation method, device, server and storage medium of courseware quality

【技术实现步骤摘要】
课件质量的评价方法、装置、服务器及存储介质
本申请属于互联网
，具体而言，涉及一种课件质量的评价方法、装置、服务器及存储介质。
技术介绍
随着科学技术的发展，课件质量的评价方法也有很多。例如用户获取质量较高的课件时，可以在用户生成内容(UserGeneratedContent，UGC)平台上基于热门推送获取到质量较高的课件。当用户获取到质量较高的课件时，可以点击并打开该课件。用户采用热门推送方法获取到质量较高的课件时，该质量较高的课件可以是用户点击量较高的课件。因此热门推荐的课件的点击量会越来越高。因此对于从未曝光的课件，无法获取到从未曝光的课件的点击量，因此服务器无法对从未曝光的课件质量进行评价，课件质量的评价效率较低。
技术实现思路
本申请实施例提供一种课件质量的评价方法、装置、服务器及存储介质，可以提高课件质量的评价效率。第一方面，本申请实施例提供一种课件质量的评价方法，包括：获取待评价课件；基于全局向量提取模型对所述待评价课件进行特征提取，得到所述待评价课件的全局向量；计算所述待本文档来自技高网...

【技术保护点】
1.一种课件质量的评价方法，其特征在于，包括：/n获取待评价课件；/n基于全局向量提取模型对所述待评价课件进行特征提取，得到所述待评价课件的全局向量；/n计算所述待评价课件的全局向量与课件样本集中每个课件样本的全局向量之间的相似度，得到多个相似度值；/n基于所述多个相似度值，确定所述待评价课件的质量值。/n

【技术特征摘要】
1.一种课件质量的评价方法，其特征在于，包括：
获取待评价课件；
基于全局向量提取模型对所述待评价课件进行特征提取，得到所述待评价课件的全局向量；
计算所述待评价课件的全局向量与课件样本集中每个课件样本的全局向量之间的相似度，得到多个相似度值；
基于所述多个相似度值，确定所述待评价课件的质量值。


2.如权利要求1所述的课件质量的评价方法，其特征在于，所述基于全局向量提取模型对所述待评价课件进行特征提取，得到所述待评价课件的全局向量，包括：
获取所述待评价课件的多个局部向量，所述多个局部向量包括多个图片局部向量和多个文本局部向量；
基于向量池化网络融合模型对所述待评价课件的所述多个局部向量进行融合，得到所述待评价课件的全局向量。


3.如权利要求2所述的课件质量的评价方法，其特征在于，所述获取所述待评价课件的多个局部向量，包括：
基于图像神经网络模型，获取所述待评价课件中每张图片对应的图片局部向量；
基于文本神经网络模型，获取所述待评价课件中每页文本对应的文本局部向量；
基于投影神经网络模型对所述图片局部向量和所述文本局部向量进行投影处理，获取所述待评价课件的所述多个局部向量。


4.如权利要求2所述的课件质量的评价方法，其特征在于，所述方法还包括：
基于所述第一训练样本和所述第二训练样本，训练所述全局向量提取模型；
第一训练样本包括所述多个局部向量和所述待评价课件的全局向量；
第二训练样本包括所述多个局部向量和所述课件样本集中每个课件样本的全局向量。


5.如权利要求1所述的课件质量的评价方法，其特征在于，所述基于所述多个相似度值，确定所述待评价课件的质量值，包括：
按照相似度值由高到低的顺序，对所述课件样本集中每个课件样本进行排序；
按照相似度值由高到低的顺...

【专利技术属性】
技术研发人员：胡启明，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东;44