CN106021347A - 一种免信息打扰的在线交互答疑系统及方法 - Google Patents

Abstract

本发明涉及一种免信息打扰的在线交互答疑系统及方法，包括依次连接的学生提问模块、问题分类模块、免信息打扰模块、关联度计算模块、教师答疑模块、师生评分模块、关联信息存储与更新模块；本发明通过设置教师状态标志为教师设置了工作状态和免信息打扰状态，引入了免信息打扰的机制；并且提供具体的关联度计算方法，确保师生之间交流和辅导的针对性和有效性。

Description

一种免信息打扰的在线交互答疑系统及方法

技术领域

本发明涉及一种免信息打扰的在线交互答疑系统及方法，属于信息检索及计算机网络应用的技术领域。

背景技术

随着信息技术的高速发展，人们传统的学习方式也在发生着巨大的变化。传统的课堂授课方式固然有其诸多的优点，不过在当今的信息时代背景下，传统的课堂授课方式由于受到时间、地点以及师资资源等多方面的限制，使得真正能够有机会接受优秀教师授课的人数受到极大的限制，同时由于学生的个体差别和教师知识面的局限，无法进行一对一的针对性的学习和辅导，使得学习效率不高。

网上在线学习充分利用了信息技术所带来的方便快捷的优势，突破了时间、地点及师资资源的限制，为学生提供了随时随地、灵活有效的学习方式。不过需要指出的是，学生在享受网上在线学习的方便快捷的同时，也面临了一些问题：学生和教师之间通过网络进行联系，师生之间缺乏直接接触，无法相互深入了解对方；时间安排的灵活性使得师生之间的实时在线交互出现了一些问题，特别是无法保证教师答疑的实时性；学生学习时间的灵活性容易给教师的休息时间造成打扰；由于师生之间的不熟悉，容易造成双方在交流和辅导方面的低效率。

基于以上的陈述，对于网上在线学习来讲，需要引入一种免信息打扰的机制，保证教师的休息时间，同时要引入一种学生和教师之间的关联机制，确保师生之间交流和辅导的针对性和有效性。

中国专利文献CN103886054A公开了一种网络教学资源推荐系统及方法。该系统包括：数据构建模块，其构建教师行为数据、教师模型数据、课程模型数据、资源模型数据；离线数据处理模块，其用于初始化和调整课程模型数据和资源模型数据，并利用教师行为数据推断教师身份，根据教师行为数据计算资源之间的关联度，根据资源模型数据计算资源之间的相似度，根据资源模型数据和课程模型数据计算课程与资源之间的关联度；在线推荐模块，其利用资源之间的关联度、资源之间的相似度、课程与资源的关联度、教师的动态描述在线推荐资源，还根据教师对推荐资源的反馈推荐资源标签，并通过UI交互，将教师的行为数据传输到数据构建模块的教师行为数据中，但是，本专利存在以下缺陷：(1)该专利的着眼点是在于教学资源的推荐方面，对于教师的在线答疑涉及较少；(2)该专利没有引入教师的免打扰机制，没有考虑教师的休息时间；(3)该专利算法过于复杂，耗费时间。

发明内容

针对现有网上在线学习系统的缺点和不足，本发明提供一种免信息打扰的在线交互答疑系统；

本发明还提供了一种免信息打扰的在线交互答疑方法；

本发明的技术方案为：

一种免信息打扰的在线交互答疑系统，包括依次连接的学生提问模块、问题分类模块、免信息打扰模块、关联度计算模块、教师答疑模块、师生评分模块、关联信息存储与更新模块；

所述学生提问模块用于：学生提出问题；

所述问题分类模块用于：对学生提出的问题的关键字进行分析，对问题进行特征提取和特征匹配，将问题分为相应的类别；

所述免信息打扰模块用于：通过设置教师的状态标志，来确定教师是否对学生提出的问题进行答疑，以免打扰教师的休息；

所述关联度计算模块用于：提供相应的关联度计算方法，找出和学生提出的问题类型关联度最高的教师；

所述教师答疑模块用于：通过所述关联度计算模块找出的所述教师对所述学生提出的问题进行答疑；

所述师生评分模块用于：每次答疑结束，提供师生相互评分功能，并将该评分作为关联信息更新的依据；

所述关联信息存储与更新模块用于：存储学生、教师和问题类型之间的关联信息，并提供相应的更新算法，用于所述关联信息的更新。

一种免信息打扰的在线交互答疑方法，

设定所述在线交互答疑系统的注册学生人数为M，任意一位学生的标号记为i，i＝1，2，…，M；

设定所述在线交互答疑系统的注册教师人数为N，任意一位教师的标号记为j，j＝1，2，…，N；所述在线交互答疑系统保存有任意一位教师j状态标志FLAG(j)，FLAG(j)为1或0，当FLAG(j)＝1时，教师j处于工作状态，接受学生提问和问题答疑，当FLAG(j)＝0时，教师j处于免信息打扰状态，不接受学生提问和问题答疑；

设定所述在线交互答疑系统的问题类型数目为L，任意一类问题类型的标号记为k，k＝1，2，…，L；所述问题类型是指：例如，问题先按照学科划分理科、工科、文科，每一个学科中的问题，再细分为相应的专业类型，理科又细分为数学、化学等类型。

设定师生关联矩阵T，如式(Ⅰ)所示：

式(Ⅰ)中，T∈R^M×N，R^M×N是指M行N列的矩阵，R代表取值为实数；师生关联矩阵T的任意元素a_ij表示学生i与教师j的关联值，任意a_ij的初始值为1；所述关联值是一个数学上的概念，在一定程度表示了学生和教师之间的联系的紧密程度，但不等同于关联度。其初始值的设定和以后的更新在算法中均有明确的说明，具体的更新方法参考式(Ⅴ)。

设定问题关联矩阵p，如式(II)所示：

式(II)中，P∈R^L×N，R^L×N是指L行N列的矩阵，问题关联矩阵p的任意元素b_kj表示问题类型k与教师j的关联值，b_kj的初始值为1；

设定历史关联度矩阵H，如式(III)所示：

式(III)中，H∈R^M×N，历史关联度矩阵H的任意元素h_ij表示学生i与教师j的历史关联度，任意h_ij的初始值为历史关联度是一个数学上的概念，直观上可以解释为学生和教师在过去的时间里的联系程度，历史关联度随着答疑的过程进行动态的更新，更新方法参考式(VII)；

设定加权系数α，β，γ，α，β，γ均为正数，并且α+β+γ＝1；

具体步骤包括：

(1)教师j登录所述在线交互答疑系统，设置教师状态标志FLAG(j)；

(2)学生i登录所述在线交互答疑系统，提出问题；

(3)提取问题的关键词，将问题的关键词与每一类问题类型进行特征匹配，将问题分为相应的问题类别k；

(4)选出所述在线交互答疑系统中处于工作状态的所有教师；

(5)计算学生i与处于工作状态的所有教师相对于问题类型k的综合关联度ρ_ijk，选出综合关联度ρ_ijk最大值对应的教师j；

(6)步骤(5)选出的教师j对学生i进行实时在线答疑；

(7)在线答疑结束后，师生之间相互评分，学生i对教师j的评分记为STUDENT，STUDENT∈[0,100],教师j对学生i的评分记为TEACHER,TEACHER∈[0,100],计算出综合评分GRADE，GRADE∈[0，100]，如式(IV)所示：

$GRADE=\frac{STUDENT+TEACHER}{2}---\left(IV\right)$

(8)根据步骤(7)计算出的综合评分GRADE对关联信息更新，具体步骤如下：

a、更新师生关联矩阵T中学生i和教师j所对应的元素a_ij，如式(Ⅴ)所示：

$a_{ij}\←a_{ij}+\frac{GRADE}{100}---\left(V\right)$

b、更新问题关联矩阵P中问题类型k和教师j所对应的元素b_kj，如式(VI)所示：

$b_{kj}\←b_{kj}+\frac{GRADE}{100}---\left(VI\right)$

c、更新历史关联度矩阵H中学生i和教师j所对应的元素h_ij，如式(VII)所示：

$h_{ij}\←\frac{GRADE\·{\mathrm{\ρ}}_{ijk}+(100-GRADE)\·h_{ij}}{100}---\left(VII\right)$

进入步骤(1)。

根据本发明优选的，所述步骤(3)中，将问题的关键词与每一类问题类型进行特征匹配，将问题分为相应的问题类别k，具体是指：

ⅰ、对每一类问题类型均提前设置好体现其特征的多个关键词，并建立关键词的索引表；

ii、提取问题的关键词，分别查找每一个问题类型的索引表，统计关键词重合的数目，找出关键词重合最多的问题类型，将该问题分为相应的问题类别k。

根据本发明优选的，所述步骤(5)中，计算学生i与处于工作状态的所有教师相对于问题类型k的综合关联度ρ_ijk，选出综合关联度ρ_ijk最大值对应的教师j，具体步骤如下：

①根据师生关联矩阵T计算师生关联度t_ij，如式(VIII)所示：

$t_{ij}=\frac{a_{ij}}{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{a}_{ij}}---\left(VIII\right)$

式(VIII)中，师生关联度t_ij是指学生i与教师j的关联度；

②根据问题关联矩阵P计算问题关联度p_kj，如式(IX)所示：

$p_{kj}=\frac{b_{kj}}{{\mathrm{\Σ}}_{k=1}^L{\mathrm{\Σ}}_{j=1}^N{b}_{kj}}---\left(IX\right)$

式(IX)中，问题关联度p_kj是指问题类型k与教师j的关联度；

③根据加权系数α，β，γ、师生关联度t_ij、问题关联度p_kj和历史关联度矩阵H，计算综合关联度ρ_ijk，如式(X)所示：

ρ_ijk＝α·t_ij+β·p_kj+γ·h_ij(X)

式(X)中，综合关联度ρ_ijk是指学生i与教师j相对于问题类型k的综合关联度；

④选出综合关联度ρ_ijk的最大值，如果综合关联度ρ_ijk的最大值有一个，则选择该最大值对应的教师j，如果综合关联度ρ_ijk的最大值存在多个，则从这些最大值对应的教师中随机选择一个教师j。

本发明的有益效果为：

1、本发明通过设置教师状态标志为教师设置了工作状态和免信息打扰状态，引入了免信息打扰的机制；并且提供具体的关联度计算方法，确保师生之间交流和辅导的针对性和有效性；

2、本发明通过提取问题的关键词，以此和各问题类型进行特征匹配，将问题分为相应的类别，以便选择相关领域的优秀教师进行有针对性的在线答疑；

3、本发明通过引入师生关联矩阵、问题关联矩阵、历史关联度矩阵以及相应的关联度计算方法，确立了学生、教师和问题类型之间的关联机制，从而为学生筛选出最合适的教师对具体的问题类型进行在线答疑；

4、本发明设置了师生评分模块以及相应的评分算法，将评分作为关联信息更新的重要依据，并且提供了关联信息更新的算法，使得学生、教师和问题类型之间的关联度随着每一次答疑的过程进行动态的更新。

附图说明

图1是所述免信息打扰的在线交互答疑系统的结构框图；

图2是所述免信息打扰的在线交互答疑方法详细流程图；

图3是所述免信息打扰的在线交互答疑方法在具体应用场景下的示意图。

具体实施方式

下面结合说明书附图和实施例对本发明作进一步限定，但不限于此。

实施例1

一种免信息打扰的在线交互答疑系统，包括依次连接的学生提问模块、问题分类模块、免信息打扰模块、关联度计算模块、教师答疑模块、师生评分模块、关联信息存储与更新模块；如图1所示。

所述学生提问模块用于：学生提出问题；

所述问题分类模块用于：对学生提出的问题的关键词进行分析，对问题进行特征提取和特征匹配，将问题分为相应的类别；

所述免信息打扰模块用于：通过设置教师的状态标志，来确定教师是否对学生提出的问题进行答疑，以免打扰教师的休息；

所述关联度计算模块用于：提供相应的关联度计算方法，找出和学生提出的问题类型关联度最高的教师；

所述教师答疑模块用于：通过所述关联度计算模块找出的所述老师对所述学生提出的问题进行答疑；

所述师生评分模块用于：每次答疑结束，提供师生相互评分功能，并将该评分作为关联信息更新的依据；

所述关联信息存储与更新模块用于：存储学生、教师和问题类型之间的关联信息，并提供相应的更新算法，用于所述关联信息的更新。

实施例2

一种免信息打扰的在线交互答疑方法，详细流程图如图2所示，具体应用场景下的示意图如图3所示。

设定所述在线交互答疑系统的注册学生人数为M，任意一位学生的标号记为i，i＝1，2，…，M；

设定所述在线交互答疑系统的注册教师人数为N，任意一位教师的标号记为j，j＝1，2，…，N；所述在线交互答疑系统保存有任意一位教师j状态标志FLAG(j)，FLAG(j)为1或0，当FLAG(j)＝1时，教师j处于工作状态，接受学生提问和问题答疑，当FLAG(j)＝0时，教师j处于免信息打扰状态，不接受学生提问和问题答疑；

设定所述在线交互答疑系统的问题类型数目为L，任意一类问题类型的标号记为k，k＝1，2，…，L；所述问题类型是指：问题先按照学科划分理科、工科、文科，每一个学科中的问题，再细分为相应的专业类型，理科又细分为数学、化学等类型。

设定师生关联矩阵T，如式(Ⅰ)所示：

式(Ⅰ)中，T∈R^M×N，R^M×N是指M行N列的矩阵，R代表取值为实数；师生关联矩阵T的任意元素a_ij表示学生i与教师j的关联值，任意a_ij的初始值为1；所述关联值是一个数学上的概念，在一定程度表示了学生和教师之间的联系的紧密程度，但不等同于关联度。其初始值的设定和以后的更新在算法中均有明确的说明，具体的更新方法参考式(Ⅴ)。

设定问题关联矩阵p，如式(II)所示：

式(II)中，P∈R^L×N，R^L×N是指L行N列的矩阵，问题关联矩阵p的任意元素b_kj表示问题类型k与教师j的关联值，b_kj的初始值为1；

设定历史关联度矩阵H，如式(III)所示：

式(III)中，H∈R^M×N，历史关联度矩阵H的任意元素h_ij表示学生i与教师j的历史关联度，任意h_ij的初始值为历史关联度是一个数学上的概念，直观上可以解释为学生和教师在过去的时间里的联系程度，历史关联度随着答疑的过程进行动态的更新，更新方法参考式(VII)；

设定加权系数α，β，γ，α，β，γ均为正数，并且α+β+γ＝1；

具体步骤包括：

(1)教师j通过计算机的浏览器或者手机浏览器登录所述在线交互答疑系统，设置教师状态标志FLAG(j)；

(2)学生i通过计算机的浏览器或者手机浏览器登录所述在线交互答疑系统，提出一个数学问题；

(3)提取上述数学问题的关键词，有微积分，函数等关键词，则此问题通过和各问题类型进行关键词匹配，被分为数学类的问题类型k。

(4)选出所述在线交互答疑系统中处于工作状态的所有教师；

(5)计算学生i与处于工作状态的所有教师相对于问题类型k的综合关联度ρ_ijk，选出综合关联度ρ_ijk最大值对应的教师j；具体包括：

①根据师生关联矩阵T计算师生关联度t_ij，如式(VIII)所示：

$t_{ij}=\frac{a_{ij}}{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{a}_{ij}}---\left(VIII\right)$

式(VIII)中，师生关联度t_ij是指学生i与教师j的关联度；

②根据问题关联矩阵P计算问题关联度p_kj，如式(IX)所示：

$p_{kj}=\frac{b_{kj}}{{\mathrm{\Σ}}_{k=1}^L{\mathrm{\Σ}}_{j=1}^N{b}_{kj}}---\left(IX\right)$

式(IX)中，问题关联度p_kj是指问题类型k与教师j的关联度；

③历史关联度记录查找：查找历史关联度矩阵H，找出相应的元素h_ij，该元素表示学生i与教师j的历史关联度；

④根据加权系数α，β，γ、师生关联度t_ij、问题关联度p_kj和历史关联度矩阵H，计算综合关联度ρ_ijk，如式(X)所示：

ρ_ijk＝α·t_ij+β·p_kj+γ·h_ij(X)

式(X)中，综合关联度ρ_ijk是指学生i与教师j相对于问题类型k的综合关联度；

⑤选出综合关联度ρ_ijk的最大值，如果综合关联度ρ_ijk的最大值有一个，则选择该最大值对应的教师j，如果综合关联度ρ_ijk的最大值存在多个，则从这些最大值对应的教师中随机选择一个教师j。

(6)步骤(5)选出的教师j对学生i提出的数学问题进行实时在线答疑；

(7)在线答疑结束后，师生之间相互评分，学生i对教师j的评分记为STUDENT，STUDENT＝90，教师j对学生i的评分记为TEACHER,TEACHER＝85，计算出综合评分GRADE，如式(IV)所示：

$GRADE=\frac{STUDENT+TEACHER}{2}=87.5---\left(IV\right)$

(8)根据步骤(7)计算出的综合评分GRADE对关联信息更新，具体步骤如下：

a、更新师生关联矩阵T中学生i和教师j所对应的元素a_ij，如式(Ⅴ)所示：

$a_{ij}\←a_{ij}+\frac{GRADE}{100}---\left(V\right)$

b、更新问题关联矩阵P中问题类型k和教师j所对应的元素b_kj，如式(VI)所示：

$b_{kj}\←b_{kj}+\frac{GRADE}{100}---\left(VI\right)$

c、更新历史关联度矩阵H中学生i和教师j所对应的元素h_ij，如式(VII)所示：

$h_{ij}\←\frac{GRADE\·{\mathrm{\ρ}}_{ijk}+(100-GRADE)\·h_{ij}}{100}---\left(VII\right)$

答疑结束。

Claims (4)

1.一种免信息打扰的在线交互答疑系统，其特征在于，包括依次连接的学生提问模块、问题分类模块、免信息打扰模块、关联度计算模块、教师答疑模块、师生评分模块、关联信息存储与更新模块；

所述学生提问模块用于：学生提出问题；

所述问题分类模块用于：对学生提出的问题的关键词进行分析，对问题进行特征提取和特征匹配，将问题分为相应的类别；

所述免信息打扰模块用于：通过设置教师的状态标志，来确定教师是否对学生提出的问题进行答疑；

所述关联度计算模块用于：提供相应的关联度计算方法，找出和学生提出的问题类型关联度最高的教师；

所述教师答疑模块用于：通过所述关联度计算模块找出的所述老师对所述学生提出的问题进行答疑；

所述师生评分模块用于：每次答疑结束，提供师生相互评分功能，并将该评分作为关联信息更新的依据；

所述关联信息存储与更新模块用于：存储学生、教师和问题类型之间的关联信息，并提供相应的更新算法，用于所述关联信息的更新。

2.一种免信息打扰的在线交互答疑方法，其特征在于，

设定所述在线交互答疑系统的注册学生人数为M，任意一位学生的标号记为i，i＝1，2，…，M；

设定所述在线交互答疑系统的注册教师人数为N，任意一位教师的标号记为j，j＝1，2，…，N；所述在线交互答疑系统保存有任意一位教师j状态标志FLAG(j)，FLAG(j)为1或0，当FLAG(j)＝1时，教师j处于工作状态，接受学生提问和问题答疑，当FLAG(j)＝0时，教师j处于免信息打扰状态，不接受学生提问和问题答疑；

设定所述在线交互答疑系统的问题类型数目为L，任意一类问题类型的标号记为k，k＝1，2，…，L；

设定师生关联矩阵T，如式(Ⅰ)所示：

式(Ⅰ)中，T∈R^M×N，R^M×N是指M行N列的矩阵，R代表取值为实数；师生关联矩阵T的任意元素a_ij表示学生i与教师j的关联值，任意a_ij的初始值为1；

设定问题关联矩阵p，如式(II)所示：

式(II)中，P∈R^L×N，R^L×N是指L行N列的矩阵，问题关联矩阵p的任意元素b_kj表示问题类型k与教师j的关联值，b_kj的初始值为1；

设定历史关联度矩阵H，如式(III)所示：

式(III)中，H∈R^M×N，历史关联度矩阵H的任意元素h_ij表示学生i与教师j的历史关联度，任意h_ij的初始值为

设定加权系数α，β，γ，α，β，γ均为正数，并且α+β+γ＝1；

具体步骤包括：

(1)教师j登录所述在线交互答疑系统，设置教师状态标志FLAG(j)；

(2)学生i登录所述在线交互答疑系统，提出问题；

(3)提取问题的关键词，将问题的关键词与每一类问题类型进行特征匹配，将问题分为相应的问题类别k；

(4)选出所述在线交互答疑系统中处于工作状态的所有教师；

(5)计算学生i与处于工作状态的所有教师相对于问题类型k的综合关联度ρ_ijk，选出综合关联度ρ_ijk最大值对应的教师j；

(6)步骤(5)选出的教师j对学生i进行实时在线答疑；

(7)在线答疑结束后，师生之间相互评分，学生i对教师j的评分记为STUDENT，STUDENT∈[0，100]，教师j对学生i的评分记为TEACHER，TEACHER∈[0，100]，计算出综合评分GRADE，GRADE∈[0，100]，如式(IV)所示：

$GRADE=\frac{STUDENT+TEACHER}{2}---\left(IV\right)$

(8)根据步骤(7)计算出的综合评分GRADE对关联信息更新，具体步骤如下：

a、更新师生关联矩阵T中学生i和教师j所对应的元素a_ij，如式(V)所示：

$a_{ij}\←a_{ij}+\frac{GRADE}{100}---\left(V\right)$

b、更新问题关联矩阵P中问题类型k和教师j所对应的元素b_kj，如式(VI)所示：

$b_{kj}\←b_{kj}+\frac{GRADE}{100}---\left(VI\right)$

c、更新历史关联度矩阵H中学生i和教师j所对应的元素h_ij，如式(VII)所示：

$h_{ij}\←\frac{GRADE\·{\mathrm{\ρ}}_{ijk}+(100-GRADE)\·h_{ij}}{100}---\left(VII\right)$

进入步骤(1)。

3.根据权利要求2所述的一种免信息打扰的在线交互答疑方法，其特征在于，将问题的关键词与每一类问题类型进行特征匹配，将问题分为相应的问题类别k，具体是指：

ⅰ、对每一类问题类型均提前设置好体现其特征的多个关键词，并建立关键词的索引表；

ii、提取问题的关键词，分别查找每一个问题类型的索引表，统计关键词重合的数目，找出关键词重合最多的问题类型，将该问题分为相应的问题类别k。

4.根据权利要求2所述的一种免信息打扰的在线交互答疑方法，其特征在于，所述步骤(5)中，计算学生i与处于工作状态的所有教师相对于问题类型k的综合关联度ρ_ijk，选出综合关联度ρ_ijk最大值对应的教师j，具体步骤如下：

①根据师生关联矩阵T计算师生关联度t_ij，如式(VIII)所示：

$t_{ij}=\frac{a_{ij}}{{\mathrm{\Σ}}_{i=1}^M{\mathrm{\Σ}}_{j=1}^N{a}_{ij}}---\left(VII\right)$

式(VIII)中，师生关联度t_ij是指学生i与教师j的关联度；

②根据问题关联矩阵P计算问题关联度p_kj，如式(IX)所示：

$p_{kj}=\frac{b_{kj}}{{\mathrm{\Σ}}_{k=1}^L{\mathrm{\Σ}}_{j=1}^N{b}_{kj}}---\left(IX\right)$

式(IX)中，问题关联度p_kj是指问题类型k与教师j的关联度；

③根据加权系数α，β，γ、师生关联度t_ij、问题关联度p_kj和历史关联度矩阵H，

计算综合关联度ρ_ijk，如式(Ⅹ)所示：

ρ_ijk＝α·t_ij+β·p_kj+γ·h_ij (X)

式(Ⅹ)中，综合关联度ρ_ijk是指学生i与教师j相对于问题类型k的综合关联度；

④选出综合关联度ρ_ijk的最大值，如果综合关联度ρ_ijk的最大值有一个，则选择该最大值对应的教师j，如果综合关联度ρ_ijk的最大值存在多个，则从这些最大值对应的教师中随机选择一个教师j。