一种实时网络在线教育培训人员管理信息方法及系统技术方案

本发明专利技术提供了一种实时网络在线教育培训人员管理信息方法及系统，包括：获取在线教育培训人员的登录信息，并划分与登录信息相对应的区块链网络，构建区块链网络中的在线培训信息节点，并自动匹配在线教育培训人员的身份信息；根据关联匹配方式，获取在线教育培训人员的在线教育培训课程信息；生成在线教育培训人员的学习边缘节点，并圈定学习程度区域；获取在线教育培训人员的培训适应度数据；根据学习程度比例尺对所述在线教育培训人员的培训适应度数据进行多级划分，并建立网格索引；对所述网络在线教育培训人员的身份信息、课程学习程度进行在线存储与管理；本方法大大提高了实时网络在线教育培训人员管理信息的全面性以及便利性。及便利性。及便利性。

【技术实现步骤摘要】
一种实时网络在线教育培训人员管理信息方法及系统


[0001]本专利技术涉及教育培训管理
，特别涉及一种实时网络在线教育培训人员管理信息方法及系统。

技术介绍

[0002]目前，在企业中，利用计算机软硬件系统，将整个企业的人员及其日常操作收纳于单一系统所形成的管理系统，已成为目前企业常用的工具。借助这种系统，企业、教育机构、餐饮等机构可在该系统中进行其日常业务操作。
[0003]但是现有的相关技术并不能通过自动匹配在线教育培训人员的身份信息，获取在线教育培训人员的培训适应度数据，且对在线教育培训人员的学习情况的基本信息管理的不够准确，因此本专利技术提供了一种实时网络在线教育培训人员管理信息方法及系统。

技术实现思路

[0004]本专利技术提供一种实时网络在线教育培训人员管理信息方法及系统，用以通过自动匹配在线教育培训人员的身份信息，获取在线教育培训人员的培训适应度数据，并对数据进行处理，实现准确对在线教育培训人员的学习情况的基本信息进行管理，提高了实时网络在线教育培训人员管理信息的全面性以及便利性。
[0005]一种实时网络在线教育培训人员管理信息方法，包括：步骤1：获取在线教育培训人员的登录信息，并划分与所述登录信息相对应的区块链网络，构建所述区块链网络中的在线培训信息节点，并根据所述在线培训信息节点自动匹配在线教育培训人员的身份信息；步骤2：基于所述在线教育培训人员的身份信息，并根据关联匹配方式，获取所述在线教育培训人员的在线教育培训课程信息；步骤3：根据所述在线教育培训课程信息，生成所述在线教育培训人员的学习边缘节点，并根据所述学习边缘节点圈定学习程度区域；步骤4：基于所述学习程度区域，获取所述在线教育培训人员的培训适应度数据；步骤5：根据学习程度比例尺对所述在线教育培训人员的培训适应度数据进行多级划分，并建立网格索引；步骤6：基于所述网格索引，对所述网络在线教育培训人员的身份信息、课程学习程度进行在线存储与管理。
[0006]优选的，一种实时网络在线教育培训人员管理信息方法，步骤1中，根据所述在线培训信息节点自动匹配在线教育培训人员的身份信息的具体工作过程，包括：构建所述在线培训信息节点对象，并基于所述在线培训信息节点对象确定在线培训信息节点的对象特征向量；基于所述在线培训信息节点的对象特征向量，确定在线培训信息节点的特征数据集；
同时，根据所述在线培训信息节点的特征数据集并根据权重系数，对在线教育培训人员的注册信息进行筛选；获取筛选后的所述在线教育培训人员的注册信息的特征子集；根据所述注册信息的特征子集对所述在线教育培训人员的身份信息进行自动匹配。
[0007]优选的，一种实时网络在线教育培训人员管理信息方法，构建所述在线培训信息节点对象的具体工作过程，包括：步骤11：获取所述在线培训信息节点的节点参数矩阵，并基于所述节点参数矩阵生成对象生成指令；步骤12：将所述对象生成指令放置于预设对象生成配置网络中进行匹配获取第一对象生成指令控制算法；步骤13：根据所述第一对象生成指令控制算法，并基于所述节点参数矩阵构建第一在线培训信息节点对象；步骤14：将所述第一在线培训信息节点对象与在线培训信息数据库中进行完整度检验；步骤15：当所述第一在线培训信息节点对象符合完整度检验时，完成对所述在线培训信息节点对象的构建；步骤16：否则，重复步骤12
‑
13，构建第二在线培训信息节点对象，其中，获取在线培训信息节点对象的次数小于或等于二；步骤17：将所述第一在线培训信息节点对象与所述第二在线培训信息节点对象进行结合，获取所述在线培训信息节点对象。
[0008]优选的，一种实时网络在线教育培训人员管理信息方法，步骤2中，基于所述在线教育培训人员的身份信息，并根据关联匹配方式，获取所述在线教育培训人员的在线教育培训课程信息，包括：获取所述在线教育培训人员的个人基础信息以及个人标签信息，其中，个人基础信息包括在线教育培训人员的姓名、性别、年龄及在线教育培训的课程种类；对所述在线教育培训人员的个人基础信息进行扩展，形成用户画像属性，其中所述用户画像属性包括所述在线教育培训人员培训课程的标签信息；根据预设的匹配规则，将所述个人标签信息与在线教育培训人员培训课程的标签信息进行匹配，得到所述在线教育培训人员的在线教育培训课程信息；其中，预设的匹配规则包括精准匹配规则、模糊匹配规则。
[0009]优选的，一种实时网络在线教育培训人员管理信息方法，步骤3中，根据所述在线教育培训课程信息，生成所述在线教育培训人员的学习边缘节点，并根据所述学习边缘节点圈定学习程度区域的具体工作过程，包括：获取在线教育课程信息的信息数据，并对所述在线教育课程信息的信息数据进行线性判定，获取判定结果；基于所述判定结果，生成对应的线性拟合数据，并根据所述线性拟合数据的坐标点，生成拟合模型；获取与所述拟合模型相符合的拟合函数，并根据所述拟合函数对所述信息数据进
行拟合，并获取拟合结果；基于所述拟合结果，绘制所述在线教育课程信息的信息数据的拟合曲线；根据所述拟合曲线，对所述在线教育课程信息的信息数据进行数据区域划分，并获取n个子数据区域；分别将所述n个子数据区域的数据进行合并，并生成子数据节点；计算所述子数据节点的离散程度，同时，将每个所述子数据节点的离散程度进行均值化，并将均值化后的结果作为基准离散程度；将所述子数据节点的离散程度与所述基准离散程度进行比较；当所述子数据节点的离散程度大于所述基准离散程度的预设百分比时，将所述子数据节点定义为学习边缘节点；对所述学习边缘节点进行预处理，获取所述学习边缘节点在拟合曲线中的横坐标与纵坐标；基于所述拟合曲线中的横坐标与纵坐标确定所述学习边缘节点的具体位置；同时，根据预设方程计算所述学习边缘节点的梯度分量，并根据所述梯度分量建立梯度矩阵；根据所述学习边缘节点的具体位置以及所述梯度矩阵，构造学习程度区域的圈定方法；根据所述学习程度的圈定方法对所述学习程度区域进行圈定。
[0010]优选的，一种实时网络在线教育培训人员管理信息方法，步骤5中，根据学习程度比例尺对所述在线教育培训人员的培训适应度数据进行多级划分，包括：获取对所述在线教育培训人员的培训适应度数据的多级划分结果，得到M个数据块；其中，所述M个数据块分别具有根据优先级设置的排序标识；基于所述排序标识，将得到的M个数据块按照优先级递减的顺序完成排序。
[0011]优选的，一种实时网络在线教育培训人员管理信息方法，步骤4中，基于所述学习程度区域，获取所述在线教育培训人员的培训适应度数据的具体工作过程，包括：根据所述学习程度区域，确定区域分析目标，并基于所述区域分析目标对所述在线教育培训人员的知识掌握程度进行规划；根据规划结果，确定所述在线培训人员的知识掌握密度；根据所述知识掌握密度，获取所述在线教育培训人员的培训适应度数据。
[0012]优选的，一种实时网络在线教育培训人员管理信息方法，步骤6中：对所述网络在线教育培训人员的身份信息、课程学习程度进行在线存储与管理后，还包括：对学习程度区域进行分析，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种实时网络在线教育培训人员管理信息方法，其特征在于，包括：步骤1：获取在线教育培训人员的登录信息，并划分与所述登录信息相对应的区块链网络，构建所述区块链网络中的在线培训信息节点，并根据所述在线培训信息节点自动匹配在线教育培训人员的身份信息；步骤2：基于所述在线教育培训人员的身份信息，并根据关联匹配方式，获取所述在线教育培训人员的在线教育培训课程信息；步骤3：根据所述在线教育培训课程信息，生成所述在线教育培训人员的学习边缘节点，并根据所述学习边缘节点圈定学习程度区域；步骤4：基于所述学习程度区域，获取所述在线教育培训人员的培训适应度数据；步骤5：根据学习程度比例尺对所述在线教育培训人员的培训适应度数据进行多级划分，并建立网格索引；步骤6：基于所述网格索引，对所述网络在线教育培训人员的身份信息、课程学习程度进行在线存储与管理。2.根据权利要求1所述的一种实时网络在线教育培训人员管理信息方法，其特征在于，步骤1中，根据所述在线培训信息节点自动匹配在线教育培训人员的身份信息的具体工作过程，包括：构建所述在线培训信息节点对象，并基于所述在线培训信息节点对象确定在线培训信息节点的对象特征向量；基于所述在线培训信息节点的对象特征向量，确定在线培训信息节点的特征数据集；同时，根据所述在线培训信息节点的特征数据集并根据权重系数，对在线教育培训人员的注册信息进行筛选；获取筛选后的所述在线教育培训人员的注册信息的特征子集；根据所述注册信息的特征子集对所述在线教育培训人员的身份信息进行自动匹配。3.根据权利要求2所述的一种实时网络在线教育培训人员管理信息方法，其特征在于，构建所述在线培训信息节点对象的具体工作过程，包括：步骤11：获取所述在线培训信息节点的节点参数矩阵，并基于所述节点参数矩阵生成对象生成指令；步骤12：将所述对象生成指令放置于预设对象生成配置网络中进行匹配获取第一对象生成指令控制算法；步骤13：根据所述第一对象生成指令控制算法，并基于所述节点参数矩阵构建第一在线培训信息节点对象；步骤14：将所述第一在线培训信息节点对象与在线培训信息数据库中进行完整度检验；步骤15：当所述第一在线培训信息节点对象符合完整度检验时，完成对所述在线培训信息节点对象的构建；步骤16：否则，重复步骤12
‑
13，构建第二在线培训信息节点对象，其中，获取在线培训信息节点对象的次数小于或等于2；步骤17：将所述第一在线培训信息节点对象与所述第二在线培训信息节点对象进行结合，获取所述在线培训信息节点对象。
4.根据权利要求1所述的一种实时网络在线教育培训人员管理信息方法，其特征在于，步骤2中，基于所述在线教育培训人员的身份信息，并根据关联匹配方式，获取所述在线教育培训人员的在线教育培训课程信息，包括：获取所述在线教育培训人员的个人基础信息以及个人标签信息，其中，个人基础信息包括在线教育培训人员的姓名、性别、年龄及在线教育培训的课程种类；对所述在线教育培训人员的个人基础信息进行扩展，形成用户画像属性，其中所述用户画像属性包括所述在线教育培训人员培训课程的标签信息；根据预设的匹配规则，将所述个人标签信息与在线教育培训人员培训课程的标签信息进行匹配，得到所述在线教育培训人员的在线教育培训课程信息；其中，预设的匹配规则包括精准匹配规则、模糊匹配规则。5.根据权利要求1所述的一种实时网络在线教育培训人员管理信息方法，其特征在于，步骤3中，根据所述在线教育培训课程信息，生成所述在线教育培训人员的学习边缘节点，并根据所述学习边缘节点圈定学习程度区域的具体工作过程，包括：获取在线教育课程信息的信息数据，并对所述在线教育课程信息的信息数据进行线性判定，获取判定结果；基于所述判定结果，生成对应的线性拟合数据，并根据所述线性拟合数据的坐标点，生成拟合模型；获取与所述拟合模型相符合的拟合函数，并根据所述拟合函数对所述信息数据进行拟合，并获取拟合结果；基于所述拟合结果，绘制所述在线教育课程信息的信息数据的拟合曲线；根据所述拟合曲线，对所述在线教育课程信息的信息数据进行数据区域划分，并获取n个子数据区域；分别将所述n个子数据区域的数据进行合并，并生成子数据节点；计算所述子数据节点的离散程度，同时，将每个所述子数据节点的离散程度进行均值化，并将均值化后的结果作为基准离散程度；将所述子数据节点的离散程度与所述基准离散程度进行比较；当所述子数据节点的离散程度大于所述基准离散程度的预设百分比时，将所述子数据节点定义为学习边缘节点；对所述学习边缘节点进行预处理，获取所述学习边缘节点在拟合曲线中的横坐标与纵坐标；基于所述拟合曲线中的横坐标与纵坐标确定所述学习...

【专利技术属性】
技术研发人员：王贤福，
申请(专利权)人：深圳市华师兄弟教育科技有限公司，
类型：发明
国别省市：