基于图搜索方式的非关联性知识点的推荐方法和系统技术方案

本发明专利技术提供了基于图搜索方式的非关联性知识点的推荐方法和系统，其能够对任意目标对象图像进行识别而得到目标对象包含的知识数据，进而根据该知识数据出现次数最高的若干知识词汇，在预设知识数据库中搜索得到相应的公式数据和/或图表数据，最后修正公式数据和/或图表数据存在的错误后，结合当前学习者的学习成绩，向学习者推荐合适的公式数据和/或学习数据，以供学习者进行扩展延伸学习，这样能够避免学生学习知识的范畴局限在既有的课本或者课程上，以及能够大大地提高学生的学习兴趣以及学生的学习效率和知识积累速度。以及学生的学习效率和知识积累速度。以及学生的学习效率和知识积累速度。

【技术实现步骤摘要】
基于图搜索方式的非关联性知识点的推荐方法和系统


[0001]本专利技术涉及智能教学的
，特别涉及基于图搜索方式的非关联性知识点的推荐方法和系统。

技术介绍

[0002]目前，学生都是按照预定的课本内容或者课程内容来进行学习的，这种方式能够便于学生对不同类型或者难以程度的知识内容进行循序渐进的学习，从而最大限度地提高学生学习的有效性。但是，上述学习方式只能将学生学习知识的范畴局限在既有的课本或者课程上，其无法对学生的学习思维进行有效的扩展发散，这不仅不利于提高学生的学习兴趣，并且还大大降低了学生的学习效率和知识积累速度。

技术实现思路

[0003]针对现有技术存在的缺陷，本专利技术提供基于图搜索方式的非关联性知识点的推荐方法和系统，其通过对目标对象进行拍摄，以此获得相应的目标对象图像，并对该目标对象图像进行预处理和识别处理，从该目标对象图像中提取得到该目标对象包含的知识数据，再对该知识数据包含的所有字符进行分析，从而确定该知识点数据中出现次数最高的若干知识词汇，并从搜索与该知识词汇相匹配的公式数据和/或图表数据，最后对该公式数据和/或该图表数据中存在的错误进行修正后，再根据该公式数据和/或该图表数据各自的难易程度以及当前学习者的学习成绩，向当前学习者推荐相应的公式数据和/或图表数据；可见，该基于图搜索方式的非关联性知识点的推荐方法和系统能够对任意目标对象图像进行识别而得到目标对象包含的知识数据，进而根据该知识数据出现次数最高的若干知识词汇，在预设知识数据库中搜索得到相应的公式数据和/或图表数据，最后修正公式数据和/或图表数据存在的错误后，结合当前学习者的学习成绩，向学习者推荐合适的公式数据和/或学习数据，以供学习者进行扩展延伸学习，这样能够避免学生学习知识的范畴局限在既有的课本或者课程上，以及能够大大地提高学生的学习兴趣以及学生的学习效率和知识积累速度。
[0004]本专利技术提供基于图搜索方式的非关联性知识点的推荐方法，其特征在于，其包括如下步骤：
[0005]步骤S1，对目标对象进行拍摄，以此获得相应的目标对象图像，并对所述目标对象图像进行预处理和识别处理，从所述目标对象图像中提取得到所述目标对象包含的知识数据；
[0006]步骤S2，对所述知识数据包含的所有字符进行分析，从而确定所述知识点数据中出现次数最高的若干知识词汇，并从预设知识数据库中搜索与所述知识词汇相匹配的公式数据和/或图表数据；
[0007]步骤S3，对所述公式数据和/或所述图表数据中存在的错误进行修正后，再根据所述公式数据和/或所述图表数据各自的难易程度以及当前学习者的学习成绩，向当前学习
者推荐相应的公式数据和/或图表数据；
[0008]进一步，在所述步骤S1中，对目标对象进行拍摄，以此获得相应的目标对象图像，并对所述目标对象图像进行预处理和识别处理，从所述目标对象图像中提取得到所述目标对象包含的知识数据具体包括：
[0009]步骤S101，对所述目标对象进行扫描拍摄，以此获得相应的目标对象图像；
[0010]步骤S102，获取所述目标对象图像的实际图像分辨率，并将所述实际图像分辨率与预设分辨率阈值进行比对，若所述实际分辨率超过所述预设分辨率阈值，则对所述目标对象图像直接进行背景噪声成分过滤预处理，否则，对所述目标对象图像进行图像清晰度修复后，再对修复后的目标对象图像进行背景噪声成分过滤预处理；
[0011]步骤S103，识别经过预处理后的目标对象图像包含的中文字符和/或英文字符，以此将所述中文字符和/或所述英文字符作为所述知识数据；
[0012]进一步，在所述步骤S102中，对所述目标对象图像进行图像清晰度修复具体包括：
[0013]第一、利用下面公式(1)，将对所述目标对象图像进行像素放大，
[0014][0015]在上述公式(1)中，M
i,j
表示像素放大后的所述目标对象图像的第i行第j列像素点的像素值，m
i+a,j+b
表示像素放大前的所述目标对象图像的第i+a行第j+b列像素点的像素值，K(a)表示对所述目标对象图像进行像素放大的纵向放大倍数、且K(b)表示对所述目标对象图像进行像素放大的横向放大倍数、且a的取值为区间[
‑
2，2]中的整数，b的取值为区间[
‑
2，2]中的整数；
[0016]第二，利用下面公式(2)，将像素放大后的所述目标对象图像进行关于人工智能神经网络的多层卷积处理，
[0017][0018]在上述公式(2)中，表示经过多层卷积处理后的所述目标对象图像第i行第j列像素点的像素值，*表示卷积运算符号，H
i,j
表示所述人工智能神经网络的进行所述多层卷积处理的卷积核，n表示进行卷积运算的总次数；
[0019]第三，利用下面公式(3)，确定经过多层卷积处理后的所述目标对象图像与经过像素放大处理后的所述目标对象图像之间的均方误差L，
[0020][0021]在上述公式(3)中，I表示所述目标对象图像中每一像素行的像素点总数量，J表示所述目标对象图像中每一像素列的像素点总数量；
[0022]当所述均方误差L小于预设误差阈值时，将对应的多层卷积处理后的所述目标对象图像第i行第j列像素点的像素值作为图像清晰度修复后所述目标对象图像第i行
第j列像素点的像素值；
[0023]进一步，在所述步骤S2中，对所述知识数据包含的所有字符进行分析，从而确定所述知识点数据中出现次数最高的若干知识词汇，并从预设知识数据库中搜索与所述知识词汇相匹配的公式数据和/或图表数据具体包括：
[0024]步骤S201，统计所述知识数据中所有名词词汇各自出现的次数，从而确定所述知识点数据中出现次数最高的若干中文名词词汇和/或英文名词词汇；
[0025]步骤S202，从预设中文知识数据库和/或预设英文知识数据库中搜索包含所述中文名词词汇和/或所述英文名词词汇的公式数据和/或图表数据；
[0026]进一步，在所述步骤S3中，对所述公式数据和/或所述图表数据中存在的错误进行修正后，再根据所述公式数据和/或所述图表数据各自的难易程度以及当前学习者的学习成绩，向当前学习者推荐相应的公式数据和/或图表数据具体包括：
[0027]步骤S301，将所述公式数据与云端公式数据库中具有标准格式的公式进行比对，从而确定所述公式数据存在的公式撰写错误，和/或对所述图表数据进行错别字符检查，从而确定所述图表数据存在的字符错误，再对所述公式撰写错误和/或所述字符错误进行修正；
[0028]步骤S302，获取当前学习者的若干历史考试成绩，并将若干所述历史考试成绩的平均值作为所述学习成绩，再根据所述学习成绩的高低以及所述公式数据和/或所述图表数据各自的难易程度，向当前学习者推荐相应的公式数据和/或图表数据。
[0029]本专利技术还提供基于图搜索方式的非关联性知识点的推荐系统，其特征在于，其包括拍摄模块、图像处理模块、公式/图表数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图搜索方式的非关联性知识点的推荐方法，其特征在于，其包括如下步骤：步骤S1，对目标对象进行拍摄，以此获得相应的目标对象图像，并对所述目标对象图像进行预处理和识别处理，从所述目标对象图像中提取得到所述目标对象包含的知识数据；步骤S2，对所述知识数据包含的所有字符进行分析，从而确定所述知识点数据中出现次数最高的若干知识词汇，并从预设知识数据库中搜索与所述知识词汇相匹配的公式数据和/或图表数据；步骤S3，对所述公式数据和/或所述图表数据中存在的错误进行修正后，再根据所述公式数据和/或所述图表数据各自的难易程度以及当前学习者的学习成绩，向当前学习者推荐相应的公式数据和/或图表数据。2.如权利要求1所述的基于图搜索方式的非关联性知识点的推荐方法，其特征在于：在所述步骤S1中，对目标对象进行拍摄，以此获得相应的目标对象图像，并对所述目标对象图像进行预处理和识别处理，从所述目标对象图像中提取得到所述目标对象包含的知识数据具体包括：步骤S101，对所述目标对象进行扫描拍摄，以此获得相应的目标对象图像；步骤S102，获取所述目标对象图像的实际图像分辨率，并将所述实际图像分辨率与预设分辨率阈值进行比对，若所述实际分辨率超过所述预设分辨率阈值，则对所述目标对象图像直接进行背景噪声成分过滤预处理，否则，对所述目标对象图像进行图像清晰度修复后，再对修复后的目标对象图像进行背景噪声成分过滤预处理；步骤S103，识别经过预处理后的目标对象图像包含的中文字符和/或英文字符，以此将所述中文字符和/或所述英文字符作为所述知识数据。3.如权利要求1所述的基于图搜索方式的非关联性知识点的推荐方法，其特征在于：在所述步骤S102中，对所述目标对象图像进行图像清晰度修复具体包括：第一、利用下面公式(1)，将对所述目标对象图像进行像素放大，在上述公式(1)中，M
i,j
表示像素放大后的所述目标对象图像的第i行第j列像素点的像素值，m
i+a,j+b
表示像素放大前的所述目标对象图像的第i+a行第j+b列像素点的像素值，K(a)表示对所述目标对象图像进行像素放大的纵向放大倍数、且K(b)表示对所述目标对象图像进行像素放大的横向放大倍数、且a的取值为区间[
‑
2，2]中的整数，b的取值为区间[
‑
2，2]中的整数；第二，利用下面公式(2)，将像素放大后的所述目标对象图像进行关于人工智能神经网络的多层卷积处理，在上述公式(2)中，表示经过多层卷积处理后的所述目标对象图像第i行第j列
像素点的像素值，*表示卷积运算符号，H
i,j
表示所述人工智能神经网络的进行所述多层卷积处理的卷积核，n表示进行卷积运算的总次数；第三，利用下面公式(3)，确定经过多层卷积处理后的所述目标对象图像与经过像素放大处理后的所述目标对象图像之间的均方误差L：在上述公式(3)中，I表示所述目标对象图像中每一像素行的像素点总数量，J表示所述目标对象图像中每一像素列的像素点总数量；当所述均方误差L小于预设误差阈值时，将对应的多层卷积处理后的所述目标对象图像第i行第j列像素点的像素值作为图像清晰度修复后所述目标对象图像第i行第j列像素点的像素值。4.如权利要求1所述的基于图搜索方式的非关联性知识点的推荐方法，其特征在于：在所述步骤S2中，对所述知识数据包含的所有字符进行分析，从而确定所述知识点数据中出现次数最高的若干知识词汇，并从预设知识数据库中搜索与所述知识词汇相匹配的公式数据和/或图表数据具体包括：步骤S201，统计所述知识数据中所有名词词汇各自出现的次数，从而确定所述知识点数据中出现次数最高的若干中文名词词汇和/或英文名词词汇；步骤S202，从预设中文知识数据库和/或预设英文知识数据库中搜索包含所述中文名词词汇和/或所述英文名词词汇的公式数据和/或图表数据。5.如权利要求1所述的基于图搜索方式的非关联性知识点的推荐方法，其特征在于：在所述步骤...

【专利技术属性】
技术研发人员：崔炜，
申请(专利权)人：上海松鼠课堂人工智能科技有限公司，
类型：发明
国别省市：