【技术实现步骤摘要】
本专利技术涉及思政教育领域，具体为多模态知识图谱处理方法、系统、电子设备及存储介质。
技术介绍
1、思政教育在培养学生全面发展、提升教育教学质量、服务国家发展战略等方面具有重要意义，然而，在实际教学中也面临着一些问题和挑战，主要表现为教学内容和方式单一，学生产生抵触心理，课程时间有限，教师无法深入讲解，学生难以形成认知。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供多模态知识图谱处理方法、系统、电子设备及存储介质以解决教学课程内容单一问题，同时节约教师课程课件制作时间，让教师有更多时间探索思政教育实践活动。
2、为实现上述目的，本专利技术提供如下技术方案：多模态知识图谱处理方法，包括：
3、s1. 基于不同模态知识数据，经知识抽取、知识融合、知识加工建立课程知识图谱；基于不同模态知识数据中的图像数据，经图像处理、数据标注，训练目标检测神经网络；基于不同模态知识数据中的视频数据，经数据处理、数据标注，训练行为检测神经网络；基于不同模态知识数据中的语音数据，经数...
【技术保护点】
1.多模态知识图谱处理方法，其特征在于：
2.根据权利要求1所述的多模态知识图谱处理方法，其特征在于：所述不同模态知识数据至少包括：教育教学资源、网络数据资源以及学校实地采集特色资源的图像、视频、语音、文本数据。
3.根据权利要求1所述的多模态知识图谱处理方法，其特征在于：教师课程框架语音数据包括：课程音频资料、教师口述课程框架。
4.根据权利要求3所述的多模态知识图谱处理方法，其特征在于：目标检测神经网络检测的目标类别至少包括：典型人物、典型事件。
5.根据权利要求4所述的多模态知识图谱处理方法，其特征在于：行为检测至...
【技术特征摘要】
1.多模态知识图谱处理方法，其特征在于：
2.根据权利要求1所述的多模态知识图谱处理方法，其特征在于：所述不同模态知识数据至少包括：教育教学资源、网络数据资源以及学校实地采集特色资源的图像、视频、语音、文本数据。
3.根据权利要求1所述的多模态知识图谱处理方法，其特征在于：教师课程框架语音数据包括：课程音频资料、教师口述课程框架。
4.根据权利要求3所述的多模态知识图谱处理方法，其特征在于：目标检测神经网络检测的目标类别至少包括：典型人物、典型事件。
5.根据权利要求4所述的多模态知识图谱处理方法，其特征在于：行为检测至少包括：点头、抬头。
6.根据权利要求5所述的多模态知识图谱处理方法，其特征在于：知识补全设置知识搜索的深度以控制课程发散程度。
7.根据权利要求6所述的多模态知识图谱处理方法，其特征在于：s3学生提问的方式至少包括：语音、文本、图文方式。
8.根据权利要求7所述的多模态知识图谱处理方法，其特征在于：问题回答方式至少包括：语音作答、文本作答、图片作答、多媒体影音图像辅助作答以及以上方式的混合作答。
9.根据权利要求8所述的多模态知识图谱处理方法，其特征在于：语音作答时，当知识推理的答案涉及具体人物时，声音模型使用对应的人物声音进行问题回答，增强回答渲染力以及学生代入感，当知识推理的答案涉及具体事件时，问题回答时以对...
【专利技术属性】
技术研发人员：杨锐，张骏泽，丁敏，鲍绍武，尹金，胡贵恒，陈翠红，范生万，王佳佳，曹旭，娄建顺，张胜男，
申请(专利权)人：安徽工商职业学院，
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。