一种用户交互式教育的语音学习资源推送方法技术

本发明专利技术属于信息化教育技术领域，具体涉及一种用户交互式教育的语音学习资源推送方法，包括：预先建立数据库；获取用户语音数据、对语音数据进行处理、识别目标关键词得到识别结果，并结合预设推送程序配置初始学习资源进行推送，最终迭代进行生成最终学习资源进行推送并更新该用户学习进度数据。本发明专利技术操作简单、智能化程度高，能够根据每个用户的学习情况提供个性化的学习资源，极大地提高了学习效率。

【技术实现步骤摘要】
一种用户交互式教育的语音学习资源推送方法
本专利技术属于信息化教育
，具体涉及一种用户交互式教育的语音学习资源推送方法。
技术介绍
语言是人们进行思维、情感和观点交流的主要方式。随着计算技术和网络技术的发展，人工智能时代的即将来临，人机交互在生活生产中的所使用十分广泛，身份识别技术变得日益重要。而简单快捷的身份证验证是声纹识别(VoiceprintRecognition，VPR)，随着技术的发展，语音交互越来越受到广泛的欢迎。另外随着电子化学习的展开，个性化学习有着日趋提高的需求。所谓个性化学习，是指学员可以依据本人的背景、偏好等主客观属性，选取与之匹配的学习资源进行学习。作为提供学习资源的网站，不仅要满足学员选取学习资源的需求，而且还要做到快速和准确。如何将语音交互与教育资源准确推送结合起来是亟需解决的问题。
技术实现思路
针对现有技术中的问题，本专利技术的目的是设计一个新的技术方案，提供一种用户交互式教育的语音学习资源推送方法，用以解决上述问题。以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。为了达到上述目的，本专利技术是通过以下技术方案来实现的：预先建立数据库，所述数据库中存储有用户身份数据、用户学习属性数据、学习资源数据、学习进度数据、用户身份数据和学习资源数据之间的关联数据；获取用户语音数据，对语音数据进行处理，采用声纹识别用户身份并从所述语音数据中提取目标关键词；识别目标关键词所对应的学习资源数据中的科目类别，得到识别结果，并结合预设推送程序配置初始学习资源进行推送，其中配置的初始资源包括：知识点配置数据、知识点考察比重配置数据、题型配置数据、题型数量配置数据、难度配置数据中的至少一种；所述预设推送程序包括：采用协同过滤推荐算法对待推送用户在数据库中进行目标用户匹配，包括首先计算各用户的学习属性相似性，然后选择相似性最高的若干用户作为待推送用户的目标用户，根据目标用户的学习属性数据和学习进度数据，预测待推送用户对未选择和访问的学习资源数据的兴趣度，并将兴趣度高于设定阈值的类别资源结合所述目标关键词所对应的学习资源数据配置初始学习资源；接收用户针对初始学习资源的反馈语音数据，继续提取目标关键词对初始学习资源进行修改并继续推送，迭代进行生成最终学习资源进行推送并更新该用户学习进度数据。优选地，所述采用声纹识别用户身份包括：预先经过前端处理输出用户纯净的语音，再提取用户语音的特征参数，进行模型训练，得到每一个用户的模型参数，建立全部用户的模板库；识别时对待识别语音作前端处理，再提取说话者语音的特征，后使用模板库中的参数进行匹配，将匹配度最高的作为识别的最终结果。优选地，所述提取用户语音的特征参数包括：对于语音做包括分帧、加窗和预加重在内的预处理，；计算出每一帧语音信号的线性预测系数(LPC)；对每帧的LPC作短时傅里叶变换，后求谱线能量；将每帧的谱线能量通过Bark滤波器组，计算出巴克滤波器组能量；对每帧巴克滤波器能量取对数，后作离散余弦变换得到线性预测巴克倒谱系数LPBFCC。优选地，所述提取用户语音的特征参数还包括在线性预测巴克倒谱系数LPBFCC的基础上加入每帧的短时能量，组成组合特征参数ELPBFCC，其中短时能量是每帧采样点幅值的加权平方和,短时能量定义如下：上式中，T为窗的长度。优选地，还包括对学习资源数据进行分类标记，具体为：对学习资源数据进行行业分类、岗位分类、知识级别、适龄人群和难易程度不同维度的标记，对知识课件进行资源分类，并对知识课件时长区间进行标记；所述学习资源数据包括课程、课件和知识点。优选地，还包括对分类标记后的学习资源数据进行优化建网,具体为：对标记分类后的学习资源数据进行数据清洗，对知识点进行Hash散列操作，建立HashMap映射关系网状图。优选地，还包括对用户所需学习的知识点集成化建模，并根据建模结果进行结构变换，抽取学习活动序列LAS，对序列LAS进行优化求解，得到学习过程和学习资源中的用户掌控不足的知识点，匹配得到的得到的映射关系网状图进行聚类分析，得到最优的辅导知识点作为阶段性学习资源推送给用户。优选地，所述用户掌控不足的知识点判定包括根据用户对学习资源的评价以及知识点阶段测试结果来确定学习者掌握度不足的知识点。本专利技术还提供一种用户交互式教育的语音学习资源推送系统，包括：服务器模块，用于预先建立数据库，所述数据库中存储有用户身份数据、用户学习属性数据、学习资源数据、学习进度数据、用户身份数据和学习资源数据之间的关联数据；语音采集处理模块，用于获取用户语音数据，对语音数据进行处理，采用声纹识别用户身份并从所述语音数据中提取目标关键词；识别目标关键词所对应的学习资源数据中的科目类别，得到识别结果，并结合预设推送程序配置初始学习资源进行推送，其中配置的初始资源包括：知识点配置数据、知识点考察比重配置数据、题型配置数据、题型数量配置数据、难度配置数据中的至少一种；所述预设推送程序包括：采用协同过滤推荐算法对待推送用户在数据库中进行目标用户匹配，包括首先计算各用户的学习属性相似性，然后选择相似性最高的若干用户作为待推送用户的目标用户，根据目标用户的学习属性数据和学习进度数据，预测待推送用户对未选择和访问的学习资源数据的兴趣度，并将兴趣度高于设定阈值的类别资源结合所述目标关键词所对应的学习资源数据配置初始学习资源；接收用户针对初始学习资源的反馈语音数据，继续提取目标关键词对初始学习资源进行修改并继续推送，迭代进行生成最终学习资源进行推送并更新该用户学习进度数据；推送反馈模块，用于将学习学习资源以语音、图像、文字形式反馈至用户。本专利技术还提供一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求前述的方法步骤。本专利技术具有如下的有益效果：本专利技术不仅能够获取到每个用户的学习情况，还能够根据每个用户的学习情况提供个性化的教育学习资源，可以让用户更快速、更方便、更准确地在海量的学习资源清单中找到合适的学习资源，并结合用户的学习活动做到快速和准确的推送学习资源，有效提升资源推荐服务效果，极大地提高了学习效率。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1是本实施例中用户交互式教育的语音学习资源推送系统的结本文档来自技高网...

【技术保护点】
1.一种用户交互式教育的语音学习资源推送方法，其特征在于：包括：/n预先建立数据库，所述数据库中存储有用户身份数据、用户学习属性数据、学习资源数据、学习进度数据、用户身份数据和学习资源数据之间的关联数据；/n获取用户语音数据，对语音数据进行处理，采用声纹识别用户身份并从所述语音数据中提取目标关键词；/n识别目标关键词所对应的学习资源数据中的科目类别，得到识别结果，并结合预设推送程序配置初始学习资源进行推送，其中配置的初始资源包括：知识点配置数据、知识点考察比重配置数据、题型配置数据、题型数量配置数据、难度配置数据中的至少一种；/n所述预设推送程序包括：/n采用协同过滤推荐算法对待推送用户在数据库中进行目标用户匹配，包括首先计算各用户的学习属性相似性，然后选择相似性最高的若干用户作为待推送用户的目标用户，根据目标用户的学习属性数据和学习进度数据，预测待推送用户对未选择和访问的学习资源数据的兴趣度，并将兴趣度高于设定阈值的类别资源结合所述目标关键词所对应的学习资源数据配置初始学习资源；/n接收用户针对初始学习资源的反馈语音数据，继续提取目标关键词对初始学习资源进行修改并继续推送，迭代进行生成最终学习资源进行推送并更新该用户学习进度数据。/n...

【技术特征摘要】
1.一种用户交互式教育的语音学习资源推送方法，其特征在于：包括：
预先建立数据库，所述数据库中存储有用户身份数据、用户学习属性数据、学习资源数据、学习进度数据、用户身份数据和学习资源数据之间的关联数据；
获取用户语音数据，对语音数据进行处理，采用声纹识别用户身份并从所述语音数据中提取目标关键词；
识别目标关键词所对应的学习资源数据中的科目类别，得到识别结果，并结合预设推送程序配置初始学习资源进行推送，其中配置的初始资源包括：知识点配置数据、知识点考察比重配置数据、题型配置数据、题型数量配置数据、难度配置数据中的至少一种；
所述预设推送程序包括：
采用协同过滤推荐算法对待推送用户在数据库中进行目标用户匹配，包括首先计算各用户的学习属性相似性，然后选择相似性最高的若干用户作为待推送用户的目标用户，根据目标用户的学习属性数据和学习进度数据，预测待推送用户对未选择和访问的学习资源数据的兴趣度，并将兴趣度高于设定阈值的类别资源结合所述目标关键词所对应的学习资源数据配置初始学习资源；
接收用户针对初始学习资源的反馈语音数据，继续提取目标关键词对初始学习资源进行修改并继续推送，迭代进行生成最终学习资源进行推送并更新该用户学习进度数据。


2.根据权利要求1所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：所述采用声纹识别用户身份包括：
预先经过前端处理输出用户纯净的语音，再提取用户语音的特征参数，进行模型训练，得到每一个用户的模型参数，建立全部用户的模板库；
识别时对待识别语音作前端处理，再提取说话者语音的特征，后使用模板库中的参数进行匹配，将匹配度最高的作为识别的最终结果。


3.根据权利要求2所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：所述提取用户语音的特征参数包括：
对于语音做包括分帧、加窗和预加重在内的预处理，；
计算出每一帧语音信号的线性预测系数(LPC)；
对每帧的LPC作短时傅里叶变换，后求谱线能量；
将每帧的谱线能量通过Bark滤波器组，计算出巴克滤波器组能量；
对每帧巴克滤波器能量取对数，后作离散余弦变换得到线性预测巴克倒谱系数LPBFCC。


4.根据权利要求3所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：所述提取用户语音的特征参数还包括在线性预测巴克倒谱系数LPBFCC的基础上加入每帧的短时能量，组成组合特征参数ELPBFCC，其中短时能量是每帧采样点幅值的加权平方和,短时能量定义如下：



上式中，T为窗的长度。


5.根据权利要求1所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：还包括对学习资源数据进行分类标记，具体为：
对学习资源数据进行行业分类、岗位分类、知识级...

【专利技术属性】
技术研发人员：杨峰，韩忠国，彭岸青，秦建明，
申请(专利权)人：合肥分贝工场科技有限公司，
类型：发明
国别省市：安徽;34