CN111836077B - 一种交互式网络教学直播系统及方法 - Google Patents

一种交互式网络教学直播系统及方法 Download PDF

Info

Publication number
CN111836077B
CN111836077B CN202010585540.6A CN202010585540A CN111836077B CN 111836077 B CN111836077 B CN 111836077B CN 202010585540 A CN202010585540 A CN 202010585540A CN 111836077 B CN111836077 B CN 111836077B
Authority
CN
China
Prior art keywords
keyword
barrage
server
keywords
comment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010585540.6A
Other languages
English (en)
Other versions
CN111836077A (zh
Inventor
陈启远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Scholar Culture Education Technology Development Co ltd
Original Assignee
Shenzhen Scholar Culture Education Technology Development Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Scholar Culture Education Technology Development Co ltd filed Critical Shenzhen Scholar Culture Education Technology Development Co ltd
Priority to CN202010585540.6A priority Critical patent/CN111836077B/zh
Publication of CN111836077A publication Critical patent/CN111836077A/zh
Application granted granted Critical
Publication of CN111836077B publication Critical patent/CN111836077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/266—Channel or content management, e.g. generation and management of keys and entitlement messages in a conditional access system, merging a VOD unicast channel into a multicast channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/488—Data services, e.g. news ticker
    • H04N21/4884—Data services, e.g. news ticker for displaying subtitles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明涉及线上教学技术领域，具体涉及一种交互式网络教学直播系统及方法，采用常见的教师终端‑服务器‑学生终端进行线上教学，学生通过发送弹幕和评论的方式与教师进行信息交互，但是本发明中服务器充当一个信息过滤器，教师在开课之前提前在服务器中提交课程所述学科，服务器中建立有用于关键词所述学科的关键词数据库，通过关键词与关键词数据库的对比，使得弹幕和评论在经过服务器时经过过滤，匹配度度的弹幕和评论被过滤掉，将匹配度较高的弹幕和评论转发至教师终端，使得教师可以更加容易获得与课程更加相关的学生反馈内容，从而提高教师和学生的信息交互效率。

Description

一种交互式网络教学直播系统及方法
技术领域
本发明涉及线上教学技术领域，具体是一种交互式网络教学直播系统及方法。
背景技术
随着网络技术的发展以及教育信息化进程的加快，基于网络的远程教育手段有了质的飞跃。互联网+教育，指利用多媒体计算机技术和网络技术，实现教学者与学习者以及学习者群体之间形成交流互动的一种新兴学习方式，是在传统教育体制和教学方法的框架之外，探索出的一种全新的教学模式。
现有的线上直播教学一般采用的交互方式是通过弹幕和评论功能实现，但是当线上用户太多时，弹幕和评论的数量十分巨大，并且刷新速度非常快，教师往往无法有效地获取来自学生的反馈，因此需要一种能够为教师捕捉有效弹幕和评论的线上教学的方法和系统。
发明内容
有鉴于此，本发明的目的是提供一种交互式网络教学直播系统及方法，能够即便在线上学生的数量非常巨大时，依然能够为教师提取与教学内容相关度较高的信息，从而提高教师与学生的交互效率。
本发明的一种交互式网络教学直播系统及方法，包括步骤：
S101，在服务器中建立多个关键词数据库，每一个关键词数据库对应一个学科；
S102，通过机器学习，训练服务器能够根据关键词判断与关键词对应的学科；
S103，教师在上课之前向服务器提交教学内容的学科；
S104，当学生在线上将弹幕或者评论发送至服务器时，服务器先对弹幕或者评论中的内容进行提取，并计算与教师发布的学科的关键词数据库的相关度，过滤掉相关度较低的弹幕或者评论，将相关度较高的弹幕或者屏幕转发至教师的教学终端中；
S105，教师的教学终端从服务器上获得完整的弹幕或者评论和过滤后的弹幕或者评论，并根据过滤后的弹幕和屏幕与学生进行交互。
进一步，所述S102的步骤包括：
S10201，根据任意学科的关键词数据库建立关键词神经网络，关键词神经网络中的神经元为按照特定规则转换成由字母和数字组成的编码的关键词；
S10202，向关键词神经网络中输入关键词，利用相关度算法判断该关键词与关键词神经网络中的神经元的相关度；
S10203，当相关度大于预设的阈值时，则将关键词归类在关键词神经网络对应的学科中，同时，当关键词和神经元的编码一致，但是内容不一致时，手动检验，如果出现归类错误则返回错误信息，进行修正；
S10204，当相关度小于预设的阈值时，则过滤掉关键词。
进一步，所述关键词的编码规则为：每个常用汉字使用7位编码代替，第一位为字形结构码S1，第二到第六S2-S6为四角编码，第七位为笔画数S7，每一位编码均为数字或者字母。
进一步，所述关键词与神经元的相关度的计算过程为：
首先，确定向关键词神经网络输入关键词的字数，找出与关键词字数一致的关键词神经元，先将关键词中的每一个字的编码与关键词神经元的每一个字的编码进行相关度计算，公式为：
Dn＝α1(S1&S'1)+α2(S2&S'2)+...+α7(S7&S'7)，
其中Dn代表关键词中第n个字，α1、α2、α3、α4、α5、α6和α7代表权重，且α1+α2+α3+α4+α5+α6+α7＝1，S1、S2、S3、S4、S5、S6和S7代表关键词的其中一个字的七位编码，S'1、S'2、S'3、S'4、S'5、S'6和S'7代表该关键词神经元的对应位置的一致字的七位编码；
然后，关键词与关键词神经元的相关度计算公式为：
D＝(D1+D2+D3+...+Dn)/n。
进一步，弹幕或者评论中含有越多相关度大于预设阈值的关键词，则该条弹幕和评论与学科的匹配度越高。
本发明还提供一种交互式网络教学直播系统，包括学生终端、服务器和教师终端，
所述教师终端用于在服务器中输入学科信息，同时向服务器提交教学内容；
所述学生终端用于从服务器上获取教学内容，并根据教学内容以弹幕或者评论的形式提交反馈；
所述服务器用于建立学科关键词数据库和关键词神经网络，将来自教师终端的教学内容转发至学生终端，同时获取来自学生终端的弹幕和评论，过滤掉一部分低相关度弹幕和评论，将完整的弹幕和评论和已经过滤后的弹幕和评论转发至教师终端。
本发明的有益效果是：本发明的一种交互式网络教学直播系统及方法，采用常见的教师终端-服务器-学生终端进行线上教学，学生通过发送弹幕和评论的方式与教师进行信息交互，但是本发明中服务器充当一个信息过滤器，教师在开课之前提前在服务器中提交课程所述学科，服务器中建立有用于关键词所述学科的关键词数据库，通过关键词与关键词数据库的对比，使得弹幕和评论在经过服务器时经过过滤，匹配度度的弹幕和评论被过滤掉，将匹配度较高的弹幕和评论转发至教师终端，使得教师可以更加容易获得与课程更加相关的学生反馈内容，从而提高教师和学生的信息交互效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图：
图1为本发明的方法流程图图；
图2为本发明的关键词神经网络的工作流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
如图1-图2所示：本实施例的一种交互式网络教学方法，包括步骤：
S101，在服务器中建立多个关键词数据库，每一个关键词数据库对应一个学科，关键词数据库可以从现有的学科数据库中进行筛选和获取，也可以根据需要进行建立；
S102，通过机器学习，训练服务器能够根据关键词判断与关键词对应的学科，本实施例中，采用现有的计算机神经网路的学习方法，常见的计算机神经网络结构包括，输入层、隐藏层和输出层，具体步骤包括：
S10201，根据任意学科的关键词数据库建立关键词神经网络，关键词神经网络中的神经元为按照特定规则转换成由字母和数字组成的编码的关键词，由于汉字为表意文字，汉字的含义与读音的关系不大，因此编码采用能够描述字形的结构、四角编码和笔画数量来形容一个字，具体规则为：每个常用汉字使用7位编码代替，第一位为字形结构码S1，常见的汉字结构有
独字形(如“人”、“上”等，编码为0)；
左右结构(如“林”、“从”等，编码为1)；
上下结构(如“志”、“字”等，编码为2)；
左中右结构(如“纵”、“湖”等，编码为3)；
上中下结构(如“奚”、“亵”等，编码为4)；
右上包围结构(如“可”、“句”等，编码为5)；
左上包围结构(如“庙”、“病”等，编码为6)；
左下包围结构(如“建”、“连”等，编码为7)；
上三包围结构(如“同”、“间”等，编码为8)；
下三包围结构(如“凼”、“凶”等，编码为9)；
左三包围结构(如“区”、“巨”等，编码为A)；
全包围结构(如“回”、“团”等，编码为B)；
镶嵌结构(如“爽”、“夹”等，编码为C)；
品字结构(如“晶”、“森”等，编码为D)；
田字形结构(如“燚”等，编码为E)；
第二到第五S2-S5为四角编码，四角编码为现有技术，故不赘述；第六位为笔画数S6，笔画按照数量从1-9，A-Z依次排列；每一位编码均为数字或者字母；比如“狼”的编码为143232A。
S10202，向关键词神经网络中输入关键词，利用相关度算法判断该关键词与关键词神经网络中的神经元的相关度；
S10203，当相关度大于预设的阈值时，则将关键词归类在关键词神经网络对应的学科中，同时，当关键词和神经元的编码一致，但是内容不一致时，手动检验，如果出现归类错误则返回错误信息，进行修正，关于计算机神经网络的机器学习方法和自我完善的过程为现有技术，故不赘述。
S10204，当相关度小于预设的阈值时，则过滤掉关键词。
S103，教师在上课之前向服务器提交教学内容的学科，进而选择不同学科的关键词数据库和关键词神经网络；
S104，当学生在线上将弹幕或者评论发送至服务器时，服务器先对弹幕或者评论中的内容进行提取，并计算与教师发布的学科的关键词数据库的相关度，过滤掉相关度较低的弹幕或者评论，将相关度较高的弹幕或者屏幕转发至教师的教学终端中，教师可以通过两个显示器来显示不同的弹幕或者评论，或者通过切换的方式获取两种模式不同的弹幕和屏幕；
本实施例中，所述关键词与神经元的相关度的计算过程为：
首先，确定向关键词神经网络输入关键词的字数，找出与关键词字数一致的关键词神经元，先将关键词中的每一个字的编码与关键词神经元的每一个字的编码进行相关度计算，公式为：
Dn＝α1(S1&S'1)+α2(S2&S'2)+...+α7(S7&S'7)，
其中Dn代表关键词中第n个字，α1、α2、α3、α4、α5、α6和α7代表权重，可以根据每种维度对汉字含义的重要性设置权重，为了计算方便，本实施例中
Figure GDA0002671077380000061
S1、S2、S3、S4、S5、S6和S7代表关键词的其中一个字的七位编码，S'1、S'2、S'3、S'4、S'5、S'6和S'7代表该关键词神经元的对应位置的一致字的七位编码；
然后，关键词与关键词神经元的相关度计算公式为：
D＝(D1+D2+D3+...+Dn)/n，n为关键词的字数。
例如，此时直播授课的学科为物理，弹幕中出现一条“老师，关于摩擦力在斜面上的受力情况我不太明白”，很明显，这句话中的“摩擦力”和“受力情况”属于物理学中的关键词，因此将“摩擦力”和“受力情况”输入至关键词神经网络中进行判断，“摩擦力”是属于关键词数据库中现有的词，相关度D为100％，“受力情况”和关键词数据库中的“受力分析”较为相似，因此进行相关度计算，“受力情况”的编码为4204078-0400272-195027B-1361127，“受力分析”的编码为4204078-0400272-2802274-1429218，根据上述的计算过程得出相关度D＝60.7％，匹配度为(100％+60.7％)/2＝80.35％，如果匹配度阈值设置为60％，则该条弹幕需要推送至教师终端，教师可以设置匹配度阈值控制推送的有效弹幕和评论的数量。
S105，教师的教学终端从服务器上获得完整的弹幕或者评论和过滤后的弹幕或者评论，并根据过滤后的弹幕和屏幕与学生进行交互
本实施例中，弹幕或者评论中含有越多相关度大于预设阈值的关键词，则该条弹幕和评论与学科的匹配度越高，计算方法见上文。
本发明还提供一种交互式网络教学直播系统，包括学生终端、服务器和教师终端，
教师终端用于在服务器中输入学科信息，同时向服务器提交教学内容；
学生终端用于从服务器上获取教学内容，并根据教学内容以弹幕或者评论的形式提交反馈；
服务器用于建立学科关键词数据库和关键词神经网络，将来自教师终端的教学内容转发至学生终端，同时获取来自学生终端的弹幕和评论，过滤掉一部分低相关度弹幕和评论，将完整的弹幕和评论和已经过滤后的弹幕和评论转发至教师终端。
本发明的一种交互式网络教学直播系统及方法，采用常见的教师终端-服务器-学生终端进行线上教学，学生通过发送弹幕和评论的方式与教师进行信息交互，但是本发明中服务器充当一个信息过滤器，教师在开课之前提前在服务器中提交课程学科，服务器中建立有用于关键词学科的关键词数据库，通过关键词与关键词数据库的对比，使得弹幕和评论在经过服务器时经过过滤，匹配度度的弹幕和评论被过滤掉，将匹配度较高的弹幕和评论转发至教师终端，使得教师可以更加容易获得与课程更加相关的学生反馈内容，从而提高教师和学生的信息交互效率。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本实用新型技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种交互式网络教学直播方法，其特征在于：包括步骤，
S101，在服务器中建立多个关键词数据库，每一个关键词数据库对应一个学科；
S102，通过机器学习，训练服务器能够根据关键词判断与关键词对应的学科；
S103，教师在上课之前向服务器提交教学内容的学科；
S104，当学生在线上将弹幕或者评论发送至服务器时，服务器先对弹幕或者评论中的内容进行提取，并计算与教师发布的学科的关键词数据库的匹配度，过滤掉匹配度较低的弹幕或者评论，将匹配度较高的弹幕或者屏幕转发至教师的教学终端中；
S105，教师的教学终端从服务器上获得完整的弹幕或者评论和过滤后的弹幕或者评论，并根据过滤后的弹幕和屏幕与学生进行交互；
所述S102的步骤包括：
S10201，根据任意学科的关键词数据库建立关键词神经网络，关键词神经网络中的神经元为按照特定规则转换成由字母和数字组成的编码的关键词；
S10202，向关键词神经网络中输入关键词，利用相关度算法判断该关键词与关键词神经网络中的神经元的相关度；
S10203，当相关度大于预设的阈值时，则将关键词归类在关键词神经网络对应的学科中，同时，当关键词和神经元的编码一致，但是内容不一致时，手动检验，如果出现归类错误则返回错误信息，进行修正；
S10204，当相关度小于预设的阈值时，则过滤掉关键词；
所述关键词的编码规则为：每个常用汉字使用7位编码代替，第一位为字形结构码S1，第二到第六S2-S6为四角编码，第七位为笔画数S7，每一位编码均为数字或者字母；
所述关键词与神经元的相关度的计算过程为：
首先，确定向关键词神经网络输入关键词的字数，找出与关键词字数一致的关键词神经元，先将关键词中的每一个字的编码与关键词神经元的每一个字的编码进行相关度计算，公式为：
Dn＝α1(S1&S'1)+α2(S2&S'2)+...+α7(S7&S'7)，
其中Dn代表关键词中第n个字，α1、α2、α3、α4、α5、α6和α7代表权重，且α1+α2+α3+α4+α5+α6+α7＝1，S1、S2、S3、S4、S5、S6和S7代表关键词的其中一个字的七位编码，S'1、S'2、S'3、S'4、S'5、S'6和S'7代表该关键词神经元的对应位置的一致字的七位编码；
然后，关键词与关键词神经元的相关度计算公式为：
D＝(D1+D2+D3+...+Dn)/n；
弹幕或者评论中含有越多相关度大于预设阈值的关键词，则该条弹幕和评论与学科的匹配度越高。
CN202010585540.6A 2020-06-24 2020-06-24 一种交互式网络教学直播系统及方法 Active CN111836077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010585540.6A CN111836077B (zh) 2020-06-24 2020-06-24 一种交互式网络教学直播系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010585540.6A CN111836077B (zh) 2020-06-24 2020-06-24 一种交互式网络教学直播系统及方法

Publications (2)

Publication Number Publication Date
CN111836077A CN111836077A (zh) 2020-10-27
CN111836077B true CN111836077B (zh) 2023-01-10

Family

ID=72898969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010585540.6A Active CN111836077B (zh) 2020-06-24 2020-06-24 一种交互式网络教学直播系统及方法

Country Status (1)

Country Link
CN (1) CN111836077B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113257059B (zh) * 2021-04-06 2022-12-09 江苏康裕企业管理咨询有限公司 一种基于智能云平台在线教育培训系统
DE202022101131U1 (de) 2022-03-01 2022-03-09 Danish Ather Intelligentes Verwaltungssystem für technisches Online-Lernen und Fortbildung auf der Grundlage von Informationskompetenz
CN114936787A (zh) * 2022-06-08 2022-08-23 武汉行已学教育咨询有限公司 一种基于人工智能的线上学生教学智能分析管理云平台

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104574235A (zh) * 2014-12-04 2015-04-29 重庆晋才富熙科技有限公司 智能赛课系统
CN105765642A (zh) * 2013-09-14 2016-07-13 乐恩诺乐杰私人有限公司 用于响应性教学和学习的系统和方法
CN106528832A (zh) * 2016-11-15 2017-03-22 南京明鉴智能科技有限公司 评论索引库的建立方法及评论索引系统
CN107645686A (zh) * 2017-09-22 2018-01-30 广东欧珀移动通信有限公司 信息处理方法、装置、终端设备及存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9135602B2 (en) * 2012-07-25 2015-09-15 E-Plan, Inc. Management of building plan documents utilizing comments and a correction list
US20140322692A1 (en) * 2013-03-15 2014-10-30 Study Social, Inc. Methods for online education
CN105824805B (zh) * 2016-05-09 2024-04-23 腾讯科技（深圳）有限公司 一种识别方法及装置
CN106911954A (zh) * 2017-02-24 2017-06-30 杭州狮说教育科技有限公司 一种基于互联网教育直播弹幕显示方法及装置
CN107608964B (zh) * 2017-09-13 2021-01-12 上海六界信息技术有限公司 基于弹幕的直播内容的筛选方法、装置、设备及存储介质
CN107613392B (zh) * 2017-09-22 2019-09-27 Oppo广东移动通信有限公司 信息处理方法、装置、终端设备及存储介质
CN108319588B (zh) * 2018-02-13 2021-02-02 北京世纪好未来教育科技有限公司 文本情感分析系统及方法、存储介质
CN109275036B (zh) * 2018-07-25 2021-03-30 深圳市异度信息产业有限公司 一种用于教学直播的消息提醒方法、装置及设备
CN109409642A (zh) * 2018-09-04 2019-03-01 四川文轩教育科技有限公司 一种基于大数据的教学资源评级方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105765642A (zh) * 2013-09-14 2016-07-13 乐恩诺乐杰私人有限公司 用于响应性教学和学习的系统和方法
CN104574235A (zh) * 2014-12-04 2015-04-29 重庆晋才富熙科技有限公司 智能赛课系统
CN106528832A (zh) * 2016-11-15 2017-03-22 南京明鉴智能科技有限公司 评论索引库的建立方法及评论索引系统
CN107645686A (zh) * 2017-09-22 2018-01-30 广东欧珀移动通信有限公司 信息处理方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN111836077A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111836077B (zh) 一种交互式网络教学直播系统及方法
Atapattu et al. Detecting cognitive engagement using word embeddings within an online teacher professional development community
Adamopoulos What makes a great MOOC? An interdisciplinary analysis of student retention in online courses
CN108596472A (zh) 一种理科学习的人工智能教学系统及方法
CN113344053B (zh) 一种基于试题异构图表征与学习者嵌入的知识追踪方法
CN115329200B (zh) 一种基于知识图谱和用户相似度的教学资源推荐方法
CN115510814B (zh) 一种基于双重规划的篇章级复杂问题生成方法
CN112016002A (zh) 融合评论文本层级注意力和时间因素的混合推荐方法
CN112163607A (zh) 基于多维度和多层次联合建模的网络社会媒体情感分类方法
Rajesh et al. Prediction of N-Gram language models using sentiment analysis on E-learning reviews
Onwuegbuzie et al. Qualitizing data
CN111666374A (zh) 一种在深度语言模型中融入额外知识信息的方法
Souza et al. A computational approach to support the creation of terminological neologisms in sign languages
CN111723302A (zh) 一种基于协同双模型深度表示学习的推荐方法
El-Rashidy et al. Attention-based contextual local and global features for urgent posts classification in MOOCs discussion forums
CN116187852A (zh) 一种基于社区关联和行为特征学习的在线课程推荐方法
CN116257618A (zh) 一种基于细粒度情感分析的多源智能旅游推荐方法
Hassan et al. Effect of ranking and precision of results on users’ satisfaction with search-by-video sign-language dictionaries
CN115359486A (zh) 一种文档图像中自定义信息的确定方法及系统
CN111753077B (zh) 一种基于学生知识画像的中文智能教学题库生成方法
CN114358579A (zh) 评阅方法、评阅装置、电子设备以及计算机可读存储介质
Giabbanelli et al. Generative AI for Systems Thinking: Can a GPT Question-Answering System Turn Text into the Causal Maps Produced by Human Readers?
Zhou Research on teaching resource recommendation algorithm based on deep learning and cognitive diagnosis
CN113934922A (zh) 一种智能推荐的方法、装置、设备及计算机存储介质
Almuayqil et al. Towards an ontology-based fully integrated system for student e-assessment

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 room 410, 4th floor, Yunfeng garden, 29 Youyi Road, Jianan community, Nanhu street, Luohu District, Shenzhen City, Guangdong Province

Applicant after: SHENZHEN SCHOLAR CULTURE EDUCATION TECHNOLOGY DEVELOPMENT Co.,Ltd.

Address before: 518000 tower a, Meilin Central Plaza, Meilin street, Futian District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN SCHOLAR CULTURE EDUCATION TECHNOLOGY DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant