一种基于网络教学资源的数据存储方法及系统技术方案

本发明专利技术涉及信息技术领域，尤其涉及一种基于网络教学资源的数据存储方法及系统

【技术实现步骤摘要】
一种基于网络教学资源的数据存储方法及系统


[0001]本专利技术涉及信息
，尤其涉及一种基于网络教学资源的数据存储方法及系统
。

技术介绍

[0002]随着网络技术的迅猛发展，网络教学已经成为教育领域的重要组成部分
。
网络教学资源包括教学课件
、
学习资料
、
教学视频等形式的信息，这些资源数量庞大且多样化
。
当前，许多教育机构和教师都面临着如何有效存储和管理这些网络教学资源的挑战
。
[0003]现有的数据存储方法存在一些问题
。
首先，大量的网络教学资源的存储和管理面临着一些挑战，如资源分类不清晰
、
存储无序以及检索效率低下等
。
传统的本地存储方式存在空间限制，无法满足大规模教学资源的存储需求
。
此外，由于网络教学资源的特殊性，需要确保其安全性和完整性，以防止资源的非法访问和篡改
。

技术实现思路

[0004]基于此，本专利技术有必要提供一种基于网络教学资源的数据存储方法，以解决至少一个上述技术问题
。
[0005]为实现上述目的，一种基于网络教学资源的数据存储方法，包括以下步骤：步骤
S1
：通过深度爬虫技术进行网络教学资源深度采集，从而获取教学资源数据集；对教学资源数据集进行格式转换，从而获取规范教学资源数据集；步骤
S2
：对规范教学资源数据集进行主题分类，从而获取分类教学资源数据集；按照难度对分类教学资源数据集进行难度等级划分，从而获取难度等级数据集；利用难度等级数据集对对应类别的教学资源数据集进行自动化标注以及自动错题生成，从而获取类内分级教学资源数据集以及对应的智能错题数据集；步骤
S3
：对类内分级教学资源数据集以及对应的智能错题数据集进行完全同态加密，从而获取加密教学资源数据块和加密错题数据块；根据加密教学资源数据块和加密错题数据块对分布式云存储器进行最优负载分配规划，从而获取教学资源存储方案；步骤
S4
：根据教学资源存储方案将加密教学资源数据块和加密错题数据块传输至对应的云存储器，从而获取教学资源存储数据集以及对应的智能错题存储数据集；对教学资源存储数据集以及对应的智能错题存储数据集进行知识图谱构建，从而获取教学资源关系知识图谱；步骤
S5
：获取用户资源请求指令数据；根据用户资源请求指令数据以及教学资源关系知识图谱对教学资源存储数据集进行语义解释检索，并进行查询响应时间监测，从而获取目标教学资源数据以及查询性能时间数据；根据查询性能时间数据对教学资源关系知识图谱进行索引结构自适应优化
。
[0006]本专利技术通过深度爬虫技术，可以广泛收集网络上的教学资源，包括课程视频
、
文档
、
练习题等
。
这样可以获得更多的教学资源，丰富了数据集的内容
。
将采集到的教学资源
数据集进行格式转换，可以使得数据集的结构统一和规范化
。
这样可以方便后续的数据处理和管理
。
对规范教学资源数据集进行主题分类可以将教学资源按照不同的学科或主题进行划分，提高数据的组织和管理效率
。
将分类教学资源数据集按照难度等级划分，可以根据学习者的不同需求提供不同难度的教学资源，个性化地满足学习者的需求
。
利用难度等级数据集进行自动化标注和错题生成，可以提高教学资源的质量和多样性，帮助学习者更好地理解和应用知识
。
对教学资源数据块和错题数据块进行完全同态加密可以保证教学资源和错题数据的安全性和完整性，防止其被非法访问和篡改；并且可以根据加密数据块的特征和需求对分布式云存储器进行最优负载分配规划，使得教学资源和错题数据能够高效地存储在云端，节省存储空间和成本
。
根据加密数据块对分布式云存储器进行最优负载分配规划，可以提高存储器的利用率和性能，确保教学资源的高效存储和访问
。
根据存储方案将加密的教学资源数据块和错题数据块传输至云存储器，可以实现教学资源的安全存储和备份，确保数据的可靠性和持久性
。
并且可以利用知识图谱技术对教学资源和错题数据进行关系建模和语义表示，使得其具有更强的逻辑性和可解释性
。
根据用户资源请求指令数据和教学资源关系知识图谱进行语义解释检索，可以提供更准确和相关的教学资源结果，提高学习者的满意度和学习效果
。
对查询响应时间进行监测可以评估系统的性能和效率，及时发现和解决性能瓶颈，提供更快速和高效的教学资源检索体验
。
根据查询性能时间数据对教学资源关系知识图谱进行索引结构自适应优化，可以提升系统的查询性能和响应速度，优化资源的搜索和访问效率
。
综上所述，本专利技术通过采用规范教学资源数据集
、
主题分类和难度等级划分等技术手段，克服了资源分类不清晰
、
存储无序等问题
。
这样，教育机构和教师可以更有效地组织和管理大量的网络教学资源，提高存储和管理效率
。
通过完全同态加密技术，教学资源数据块得到了安全加密，防止非法访问和篡改
。
这样，教育机构和教师可以放心将教学资源存储在云存储器中，确保资源的安全性和完整性
。
通过教学资源关系知识图谱的构建和索引结构的自适应优化，教学资源的语义解释检索和查询响应时间监测变得更加高效
。
这样，学习者可以更快速地找到目标教学资源，节省搜索时间，提高学习效率
。
本专利技术能够实现教学资源存储和管理效率的提升，个性化学习支持的增强，教学资源的安全性和完整性的保障，以及教学资源检索效率的提高
。
[0007]优选地，本专利技术还提供了一种基于网络教学资源的数据存储系统，用于执行如上所述的一种基于网络教学资源的数据存储方法，该基于网络教学资源的数据存储系统包括：网络教学资源采集模块，用于通过深度爬虫技术进行网络教学资源深度采集，从而获取教学资源数据集；对教学资源数据集进行格式转换，从而获取规范教学资源数据集；教学资源分类模块，用于对规范教学资源数据集进行主题分类，从而获取分类教学资源数据集；按照难度对分类教学资源数据集进行难度等级划分，从而获取难度等级数据集；利用难度等级数据集对对应类别的教学资源数据集进行自动化标注以及自动错题生成，从而获取类内分级教学资源数据集以及对应的智能错题数据集；教学资源存储规划模块，用于对类内分级教学资源数据集以及对应的智能错题数据集进行完全同态加密，从而获取加密教学资源数据块和加密错题数据块；根据加密教学资源数据块和加密错题数据块对分布式云存储器进行 最优负载分配规划，从而获取教学资源存储方案；
存储部署模块，用于根据教学资源存储方案将加密教学资源数据块和加密错题数据块传输至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于网络教学资源的数据存储方法，其特征在于，包括以下步骤：步骤
S1
：通过深度爬虫技术进行网络教学资源深度采集，从而获取教学资源数据集；对教学资源数据集进行格式转换，从而获取规范教学资源数据集；步骤
S2
：对规范教学资源数据集进行主题分类，从而获取分类教学资源数据集；按照难度对分类教学资源数据集进行难度等级划分，从而获取难度等级数据集；利用难度等级数据集对对应类别的教学资源数据集进行自动化标注以及自动错题生成，从而获取类内分级教学资源数据集以及对应的智能错题数据集；步骤
S3
：对类内分级教学资源数据集以及对应的智能错题数据集进行完全同态加密，从而获取加密教学资源数据块和加密错题数据块；根据加密教学资源数据块和加密错题数据块对分布式云存储器进行最优负载分配规划，从而获取教学资源存储方案；步骤
S4
：根据教学资源存储方案将加密教学资源数据块和加密错题数据块传输至对应的云存储器，从而获取教学资源存储数据集以及对应的智能错题存储数据集；对教学资源存储数据集以及对应的智能错题存储数据集进行知识图谱构建，从而获取教学资源关系知识图谱；步骤
S5
：获取用户资源请求指令数据；根据用户资源请求指令数据以及教学资源关系知识图谱对教学资源存储数据集进行语义解释检索，并进行查询响应时间监测，从而获取目标教学资源数据以及查询性能时间数据；根据查询性能时间数据对教学资源关系知识图谱进行索引结构自适应优化
。2.
根据权利要求1所述的基于网络教学资源的数据存储方法，其特征在于，步骤
S1
包括以下步骤：步骤
S11
：构建基于神经网络的深度爬虫模型，其中深度爬虫模型包括编码器和解码器模块；步骤
S12
：获取种子网站教学资源网址数据；将种子网站教学资源网址数据输入至编码器模块，通过解码器模块进行强化学习抓取策略生成，从而获取抓取策略方案；步骤
S13
：根据抓取策略方案对教学资源网站进行广度和深度爬取，从而获取教学资源数据集；步骤
S14
：对教学资源数据集进行去重和质量控制，从而获取净化教学资源数据集；步骤
S15
：对净化教学资源数据集进行统一数据格式转换，从而获取规范教学资源数据集
。3.
根据权利要求1所述的基于网络教学资源的数据存储方法，其特征在于，步骤
S2
包括以下步骤：步骤
S21
：对规范教学资源数据集进行模态识别以及数据流分类，从而获取多模态教学资源数据集，其中多模态教学资源数据集包括教学资源视频数据集以及教学资源文本数据集；步骤
S22
：对教学资源视频数据集进行视觉语音特征提取，从而获取视频特征数据集；步骤
S23
：根据视频特征数据集对教学资源视频数据集进行主题分类，从而获取分类视频资源数据集；步骤
S24
：对教学资源文本数据集进行基于深度学习的词嵌入编码，从而获取文本语义特征数据集；
步骤
S25
：根据文本语义特征数据集对教学资源文本数据集进行主题分类，从而获取分类文本资源数据集；步骤
S26
：根据分类视频资源数据集以及分类文本资源数据集进行同主题类数据集成，从而获取分类教学资源数据集；步骤
S27
：按照难度对分类教学资源数据集进行难度等级划分，从而获取难度等级数据集；步骤
S28
：利用难度等级数据集对对应类别的教学资源数据集进行自动化标注以及自动错题生成，从而获取类内分级教学资源数据集以及对应的智能错题数据集
。4.
根据权利要求3所述的基于网络教学资源的数据存储方法，其特征在于，步骤
S27
包括以下步骤：步骤
S271
：获取分类教学资源数据集每类教学资源数据对应的学生难度评价数据以及学习总时长数据，从而获取学生难度评价数据集以及学习总时长数据集；步骤
S272
：通过预设的学习时间阈值根据分类教学资源数据集以及学习总时长数据集对学生难度评价数据集对应的学生进行评价合理性验证并剔除不合理评价，从而获取有效难度评价数据集；步骤
S273
：对有效难度评价数据集对应的学生进行课后习题完成度检测以及验证，从而获取学生习题完成度数据以及习题性能数据；步骤
S274
：根据学生习题完成度数据以及习题性能数据对有效难度评价数据集中每个评价进行可信度评估，从而获取可信度评估数据集；根据可信度评估数据集将有效难度评价数据集中低于预设的可信度阈值的评价剔除，从而获取难度评价数据集；步骤
S275
：根据难度评价数据集对分类教学资源数据集进行难度等级划分，从而获取难度等级数据集
。5.
根据权利要求1所述的基于网络教学资源的数据存储方法，其特征在于，步骤
S3
包括以下步骤：步骤
S31
：对类内分级教学资源数据集以及对应的智能错题数据集进行数据集分割，从而获取教学资源数据块和智能错题数据块；步骤
S32
：根据教学资源数据块和智能错题数据块进行同态计算分片方案设计，从而获取同态分片加解密方案；步骤
S33
：根据同态分片加解密方案对教学资源数据块和智能错题数据块进行完全同态加密，从而获取加密教学资源数据块和加密智能错题数据块；步骤
S34
：对加密教学资源数据块和加密智能错题数据块进行存储需求评估计算，从而获取存储需求评估数据；步骤
S35
：根据类内分级教学资源数据集
、
对应的智能错题数据集以及存储需求评估数据对分布式云存储器进行...

【专利技术属性】
技术研发人员：颜思威，胡修勇，颜海鹰，
申请(专利权)人：深圳市联特微电脑信息技术开发有限公司，
类型：发明
国别省市：