【技术实现步骤摘要】
基于人工智能的职业教育教学资源管理方法和系统
[0001]本专利技术涉及职业教育教学资源管理
，具体涉及一种基于人工智能的职业教育教学资源管理方法和系统。
技术介绍
[0002]职业教育是教育体系的一种，包括职业学校和职业培训。在职业教育更加偏重于技能和动手操作的能力，对于学员参加工作，快速适应工作环境极其重要。学员作为学习和受教育的主体，其学习效果是衡量教学质量的最终标准，提高注意力，认真听讲，是学员能够获得良好教育效果的重要保证。随着多媒体、电子设备和网络的普及应用，为教学课堂的教学提供了多种多样的教学方法。
[0003]教学资料是教学必备的工具，可以帮助教师和学员理清知识点，以便学员能够快速掌握教学内容，提高教学质量。教学资料的内容通常包括图片信息和文本信息，各教师之间的教学风格不同，学员的学习习惯也不同，不同风格的教学资料得到的教学效果也不同。但是现有技术中没有对教学资料进行详细分类的方法，因此不便于查询到适合教师和学员的教学资料，影响教学效果。
技术实现思路
[0004]本专利技术的目...
【技术保护点】
【技术特征摘要】
1.基于人工智能的职业教育教学资源管理方法，其特征在于，包括如下步骤：步骤一：建立主分类集合，主分类集合中包括多个主类别，每个主类别对应设置有一个主题集合，每个主题集合中包括多个主题，每个主题对应设置有一个关键词组，各关键词组中设置有与相应主题对应的关键词；步骤二：获取待分类课件的标题，并根据待分类课件的标题得到其对应的主类别；步骤三：对待分类课件各页中的图像区域、文本区域进行识别，得到其图像区域的面积平均占比和文本区域的面积平均占比，并根据其图像面积平均占比和文本区域面积平均占比构建向量，将该向量作为待分类课件的图文特征；步骤四：对待分类课件中各业的文本信息和图像信息进行识别，得到其主类别对应主题集合中的主题，并根据各主题对应图像以及对应关键词组中关键词出现的频率计算各主题与待分类课件之间的相关度，以及根据各主题对应图像、对应关键词组中关键词在待分类课件中的分布得到各主题的分布特征；步骤五：根据待分类课件的图文特征、与各主题之间的相关度以及各主题的分布特征建立其特征矩阵，并结合该特征矩阵的L1范数和Kmeans聚类算法对待分类课件进行分类，得到待分类课件的风格类别。2.根据权利要求1所述的基于人工智能的职业教育教学资源管理方法，其特征在于，所述步骤四中获取主题与待分类课件之间相关度的方法为：设待分类课件的文本区域涉及其主类别对应主题集合中的N个主题，第n个主题对应关键词组中的关键词在待分类课件中共有M
n
个，其中第i个关键词出现的次数为该主题对应的图像出现的次数为K
n
，则该主题与待分类课件之间的关系度为3.根据权利要求1所述的基于人工智能的职业教育教学资源管理方法，其特征在于，所述步骤四中获取主题在待分类课件中分布特征的方法为：设待分类课件的文本区域涉及其主类别对应主题集合中的N个主题，第n个主题对应关键词组中的关键词在待分类课件中共有M
n
个，共有数量为P
in
的页面上有第n个主题中的第i个关键词，则第n个主题待分类课件中分布特征为其中
4.根据权利要求1所述的基于人工智能的职业教育教学资源管理方法，其特征在于，设待分类课件的文本区域涉及其主类别对应主题集合中的N个主题，所述特征矩阵为H，该矩阵中为一行2+2N列的矩阵，其中第r列的元素为H
r
，则当r<3时，H
r
＝α
r
当3≤r≤2+N时，H
r
＝ap
r
‑2当r>2+N时，H
r
＝bβ
r
‑2‑
N
，其中a和b分别为关系度权重和分布特征权重。5.根据权利要求1
‑
4中任一项所述的基于人工智能的职业教育教学资源管理方法，其特征在于，所述步骤五中结合待分类课件特征矩阵的L1范数和Kmeans聚类算法对其进行分类的方法为：首先建立样本数据集，样本数据集中包括多组设定风格类别课件的特征向量的L1范数样本；所述设定风格类别包括多图针对性讲解、多字针对性讲解、多图联动性讲解、多字联动性讲解；然后设置各风格类别课件特征向量L1范数的初始聚类中心，并利用样本数据集中的样本数据对各聚类中心进行更新，直到各聚类中心收敛，得到更新后的聚类中心；计算出待分类课件特征矩阵H的L1范数，得到与其距离最小的更新后的聚类中心，将其作为待分类课件的类别。6.基于人工智能的职业教育教学资源管理系统，包括处理器和存储器，存储器上存储有用于...
【专利技术属性】
技术研发人员：董丹丹，吴琳，刘爽，祝艺辉，王凌云，张锴轩，常珞珞，侯彬彬，
申请(专利权)人：郑州铁路职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。