CN111898810A - 基于师生交流用户流失预测系统 - Google Patents
基于师生交流用户流失预测系统 Download PDFInfo
- Publication number
- CN111898810A CN111898810A CN202010689193.1A CN202010689193A CN111898810A CN 111898810 A CN111898810 A CN 111898810A CN 202010689193 A CN202010689193 A CN 202010689193A CN 111898810 A CN111898810 A CN 111898810A
- Authority
- CN
- China
- Prior art keywords
- module
- teacher
- loss
- student
- user
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于师生交流用户流失预测系统,包括:课程教授平台模块、语料采集模块、流失状态模块、预测算法模块、实时监控模块和离线查询模块,通过课程教授平台模块向教师对象和学生对象分别提供关于预定教育课程的工作终端平台,通过语料采集模块获取在课堂中教师对象和学生对象的对话语音、文字和教学视频,通过流失状态模块将流失用户的课堂语料标注为流失,其余则标注为未流失,接着借助预测算法模块根据语料采集模块的语料,送到模型计算返回用户流失预测结果,最后通过实时监控模块对课程教授平台模块进行实时监控,将预测算法模块的用户流失预测结果展现给教师对象,可以通过离线查询模块向查询人员提供根据查询条件获得预测结果。
Description
技术领域
本发明涉及智能教育技术领域,具体为一种基于师生交流用户流失预测系统。
背景技术
现有的流失预测模型通常是对用户的基本信息、行为信息进行特征提取、根据少量的训练集用户的特征和流失用户标签,训练算法得到用户流失预测模型。此种做法是从学生和学习系统互动的行为数据,推测可能流失的用户名单,忽略了在线课堂中最主要的老师和学生教与学的交流互动过程,且无法对在线课堂有实时的指导与调整的作用。分析在线课堂的师生交流是了解师生交互情况和进行教学/服务干预的重要来源与依据,现有的课堂话语分析技术,通常是从师生历史的在线论坛非实时贴文的文字中,通过统计分析教师和学生的语言特性找出问题,在实时课堂中,从学生与老师(人类老师、虚拟AI老师)在在线课堂的师生交流语音做流失预测属于首创。
发明内容
本发明的目的在于提供一种基于师生交流用户流失预测系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于师生交流用户流失预测系统,包括:课程教授平台模块、语料采集模块、流失状态模块、预测算法模块、实时监控模块和离线查询模块,其中,
所述的课程教授平台模块用于向教师对象和学生对象分别提供关于预定教育课程的工作终端平台;
所述的语料采集模块用于采集所述工作终端平台在运行过程中获取教师对象和学生对象在课堂中的对话语音、文字和教学视频;
所述的流失状态模块用于处理所述语料采集模块对应的流失标注,当将流失用户的课堂语料标注为流失,其余则标注为未流失;
所述的预测算法模块用于处理所述实时监控模块传来的学生和课堂信息,根据所述语料采集模块的语料,送到模型计算返回用户流失预测结果;
所述的实时监控模块用于对所述课程教授平台模块进行实时监控,将所述预测算法模块的用户流失预测结果展现给教师对象;
所述的离线查询模块用于向查询人员提供根据查询条件获得用户流失预测结果。
进一步,所述语料采集模块包括文字处理子模块、语音转文字处理子模块和教学视频提取音频转文字处理子模块;其中,所述文字处理子模块是将老师对象和学生对象在课程教授平台模块上的文字交流对话采集存储后和学生信息、上课信息、时间戳做对应;所述语音转文字处理子模块是将老师对象和学生对象在课程教授平台模块上的语音交流对话采集存储后,再将语音格式经过语音识别转成文字格式存储,并和学生信息、上课信息、时间戳做对应;所述教学视频提取音频转文字处理子模块是从学生对象在课程教授平台模块中对教学视频点击播放,根据播放和结束的时间戳提取出学生对象听取的该段教学视频的音频,再将语音格式经过语音识别转成文字格式存储,并和学生信息、上课信息、时间戳做对应。
进一步,所述流失状态模块,包括更新流失状态子模块和标注流失状态子模块;其中,所述更新流失状态子模块是接收销售系统的流失用户名单,定位出流失用户未完成的课程;所述标注流失状态子模块将更新流失状态模块的课程,从语料采集模块提取出对应的课堂语料,并标注为流失,其他语料则标注为未流失。
进一步,所述预测算法模块,包括参数信息子模块和语料流失预测子模块;其中,所述参数信息子模块用于储存预训练深度神经网络模型训练后的参数,参数随着模型的迭代会不定期更新;所述语料流失预测子模块用于根据所述参数信息子模块的参数以及所述语料采集模块的师生语料,通过预训练深度神经网络模型进行分类,以此判断当前课程师生交流过程是否存在流失状态;
进一步,所述实时监控模块,包括师生交流监听子模块、预测结果展示子模块和统计子模块;其中,所述师生交流监听子模块是当课堂中师生开始交流时,按句子为单元将语料发送到语料采集模块;所述预测结果展示子模块是接收预测算法模块返回用户流失预测结果,用简单清晰的形象化方式,让老师对象能看到哪一句话有流失的可能性;所述统计子模块是根据用户流失预测结果做统计,使老师对象能从统计数据中得知有助于老师对象调整辅导策略的信息。
进一步,所述离线查询模块,包括查询子模块、预测结果展示子模块和统计子模块;其中,所述查询子模块是提供给查询对象做查询条件的输入;所述预测结果展示子模块是接收预测算法模块返回用户流失预测结果,提供给查询对象流失用户名单,并且可以进一步查看流失用户名单的课堂录屏、师生交流语料的流失预测等信息;所述统计子模块是根据用户流失预测结果做统计,使查询对象能从统计数据中得知查询对象所需要的相关信息。
进一步,所述预测算法模块,首先使用大量无监督语料进行语言模型预训练(Pre-training),利用Bert的自注意力机制做上下文编码器,对师生语料进行编码得到其语义向量表示,再用少量标注语料进行微调(Fine-tuning),在语言模型基础上加一层处理分类任务的网络,以判断师生交流的语料是否有流失的可能,实现基于师生交流用户流失预测系统。
进一步的,所述的BERT是Google在2018年10月提出的一种新的语言模型,全称为Bidirectional Encoder Representations from Transformers(Bert),BERT通过在所有层联合调节左右两个上下文来预训练深层双向表示,此外还通过组装长句作为输入增强了对长程语义的理解,Bert可以被微调(Fine-tuning)以广泛用于各类任务,仅需额外添加一个输出层,无需进行针对任务的模型结构调整。
进一步的,所述的BERT的具体实现步骤如下:
步骤S1、计算机设备基于Google提供的预训练模型BERT-Base,Chinese构建语料库,中文版的模型是由维基百科语料训练而成的,将模型载入后,可以直接输出训练好的字向量或句向量.本申请使用该模型获取句向量并将其作为后续网络模型的输入。
步骤S2:利用Bert模型初始化网络的初始权重,再加上具体领域任务的数据集,也就是流失状态模块的标注语料,通过在网络上继续反向传播训练,不断调整原有模型的权重,获得一个适用于师生交流用户流失的模型。
步骤S3:本申请是一种单句分类任务,在语言模型基础上加一层处理分类任务的网络,可以是softmax网络、决策树、支持向量机SVM(support vector machines)或其他可以处理二分类问题的模型,本申请对此不做限定。
步骤S4:在语言模型基础上加一层softmax网络的做法,具体来说,就是取第一个token的输出表示((即[CLS]符号)的输出表示),喂给一个softmax层得到分类结果输出。
本发明的用户流失预测系统通过课程教授平台模块向教师对象和学生对象分别提供关于预定教育课程的工作终端平台,通过语料采集模块获取在课堂中教师对象和学生对象的对话语音、文字和教学视频,通过流失状态模块将流失用户的课堂语料标注为流失,其余则标注为未流失,接着借助预测算法模块根据所述语料采集模块的语料,送到模型计算返回用户流失预测结果,最后通过实时监控模块对所述课程教授平台模块进行实时监控,将所述预测算法模块的用户流失预测结果展现给教师对象,并且可以通过离线查询模块向查询人员提供根据查询条件获得用户流失预测结果;可见,该基于师生交流用户流失预测系统通过对教师对象的工作终端平台、学生对象的工作终端平台进行相应的监控,基于课堂中师生交流的语料通过预训练分类模型预测用户流失,其能够在存在流失可能性时进行提醒,从而保证在线教育中师生交流的良好互动,降低用户流失。
附图说明
图1为本发明系统的结构示意图;
图2为用户流失预测结果展示示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,在一个优选的实施例中,基于师生交流用户流失预测系统通过课程教授平台模块向教师对象和学生对象分别提供关于预定教育课程的工作终端平台,学生对象通过点击播放教学视频获得教学指导,所述教学视频提取音频转文字处理子模块是从学生对象在课程教授平台模块中对教学视频点击播放,根据播放和结束的时间戳提取出学生对象听取的该段教学视频的音频,再将语音格式经过语音识别转成文字格式存储,并和学生信息、上课信息、时间戳做对应。
优选地,学生对象和教师对象通过课程教授平台模块进行文字交流讨论,教师对象可以是人类老师,或能和学生对象进行人机交互的虚拟AI老师,通过语料采集模块采集,所述文字处理子模块是将老师对象和学生对象在课程教授平台模块上的文字交流对话采集存储后和学生信息、上课信息、时间戳做对应。
优选地,学生对象和教师对象通过课程教授平台模块进行语音交流讨论,教师对象可以是人类老师,或能和学生对象进行人机交互的虚拟A工老师,所述语音转文字处理子模块是将老师对象和学生对象在课程教授平台模块上的语音交流对话采集存储后,再将语音格式经过语音识别转成文字格式存储,并和学生信息、上课信息、时间戳做对应。
通过语料采集模块获取在课堂中教师对象和学生对象的对话语音、文字和教学视频,通过流失状态模块将流失用户的课堂语料标注为流失,其余则标注为未流失。流失标注可以根据业务的指标做不同的定义,同一个用户在不同学科或课程的流失情况可能有所不同。
接着借助预测算法模块根据所述语料采集模块的语料,送到模型计算返回用户流失预测结果,最后通过实时监控模块对所述课程教授平台模块进行实时监控,将所述预测算法模块的用户流失预测结果展现给教师对象。
如图2用户流失预测结果展示示意图所示,所述实时监控模块,包括师生交流监听子模块、预测结果展示子模块和统计子模块;其中,所述师生交流监听子模块是当课堂中师生开始交流时,按句子为单元将语料发送到语料采集模块;所述预测结果展示子模块是接收预测算法模块返回用户流失预测结果,用简单清晰的形象化方式,让老师对象能看到哪一句话有流失的可能性;所述统计子模块是根据用户流失预测结果做统计,使老师对象能从统计数据中得知有助于老师对象调整辅导策略的信息,如:流失语料的总数、总对话数、师生发言次数与占比和流失语料高频词等信息。
在一个实施例中,用户流失预测结果在每一个师生交流信息框旁,用不同颜色的圆圈表示流失预测状态,例如:该句子用户流失预测结果为流失,可以用红色标示,该句子用户流失预测结果为非流失,可以用绿色标示,其他情况,可以用灰色标示。
在一个实施例中,统计数据可以在图2的统计信息区域展示,例如:老师对象流失用语的高频词,让老师对象可以实时调整自己对学生对象的辅导用语。
优选地,当老师对象为虚拟AI老师时,预测算法模块返回用户流失预测结果会发送到虚拟AI老师的会话策略处理单元,则虚拟AI老师可以根据相应的会话策略调整跟学生对象的交流用语,避免用户流失。
通过离线查询模块向查询人员提供根据查询条件获得用户流失预测结果。所述离线查询模块,包括查询子模块、预测结果展示子模块和统计子模块;其中,所述查询子模块是提供给查询对象做查询条件的输入;所述预测结果展示子模块是接收预测算法模块返回用户流失预测结果,提供给查询对象流失用户名单,并且可以进一步查看流失用户名单的课堂录屏、师生交流语料的流失预测等信息;所述统计子模块是根据用户流失预测结果做统计,使查询对象能从统计数据中得知查询对象所需要的相关信息。进一步地,该数据还可以与其他数据库合并(例如,学生对象的人口统计学特征、学习系统的过程数据等)运用一个或者多个统计模型进行深度的分析。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种基于师生交流用户流失预测系统,其特征在于,包括:课程教授平台模块、语料采集模块、流失状态模块、预测算法模块、实时监控模块和离线查询模块,其中,
所述的课程教授平台模块用于向教师对象和学生对象分别提供关于预定教育课程的工作终端平台;
所述的语料采集模块用于采集所述工作终端平台在运行过程中获取教师对象和学生对象在课堂中的对话语音、文字和教学视频;
所述的流失状态模块用于处理所述语料采集模块对应的流失标注,当将流失用户的课堂语料标注为流失,其余则标注为未流失;
所述的预测算法模块用于处理所述实时监控模块传来的学生和课堂信息,根据所述语料采集模块的语料,送到模型计算返回用户流失预测结果;
所述的实时监控模块用于对所述课程教授平台模块进行实时监控,将所述预测算法模块的用户流失预测结果展现给教师对象;
所述的离线查询模块用于向查询人员提供根据查询条件获得用户流失预测结果。
2.根据权利要求1所述基于师生交流用户流失预测系统,其特征在于,所述语料采集模块包括文字处理子模块、语音转文字处理子模块和教学视频提取音频转文字处理子模块;其中,所述文字处理子模块是将老师对象和学生对象在课程教授平台模块上的文字交流对话采集存储后和学生信息、上课信息、时间戳做对应;所述语音转文字处理子模块是将老师对象和学生对象在课程教授平台模块上的语音交流对话采集存储后,再将语音格式经过语音识别转成文字格式存储,并和学生信息、上课信息、时间戳做对应;所述教学视频提取音频转文字处理子模块是从学生对象在课程教授平台模块中对教学视频点击播放,根据播放和结束的时间戳提取出学生对象听取的该段教学视频的音频,再将语音格式经过语音识别转成文字格式存储,并和学生信息、上课信息、时间戳做对应。
3.根据权利要求1所述基于师生交流用户流失预测系统,其特征在于,所述流失状态模块,包括更新流失状态子模块和标注流失状态子模块;其中,所述更新流失状态子模块是接收销售系统的流失用户名单,定位出流失用户未完成的课程;所述标注流失状态子模块将更新流失状态模块的课程,从语料采集模块提取出对应的课堂语料,并标注为流失,其他语料则标注为未流失。
4.根据权利要求1所述基于师生交流用户流失预测系统,其特征在于,所述预测算法模块,包括参数信息子模块和语料流失预测子模块;其中,所述参数信息子模块用于储存预训练深度神经网络模型训练后的参数,参数随着模型的迭代会不定期更新;所述语料流失预测子模块用于根据所述参数信息子模块的参数以及所述语料采集模块的师生语料,通过预训练深度神经网络模型进行分类,以此判断当前课程师生交流过程是否存在流失状态;
5.根据权利要求1所述基于师生交流用户流失预测系统,其特征在于,所述实时监控模块,包括师生交流监听子模块、预测结果展示子模块和统计子模块;其中,所述师生交流监听子模块是当课堂中师生开始交流时,按句子为单元将语料发送到语料采集模块;所述预测结果展示子模块是接收预测算法模块返回用户流失预测结果,用简单清晰的形象化方式,让老师对象能看到哪一句话有流失的可能性;所述统计子模块是根据用户流失预测结果做统计,使老师对象能从统计数据中得知有助于老师对象调整辅导策略的信息。
6.根据权利要求1所述基于师生交流用户流失预测系统,其特征在于,所述离线查询模块,包括查询子模块、预测结果展示子模块和统计子模块;其中,所述查询子模块是提供给查询对象做查询条件的输入;所述预测结果展示子模块是接收预测算法模块返回用户流失预测结果,提供给查询对象流失用户名单,并且可以进一步查看流失用户名单的课堂录屏、师生交流语料的流失预测等信息;所述统计子模块是根据用户流失预测结果做统计,使查询对象能从统计数据中得知查询对象所需要的相关信息。
7.根据权利要求1所述基于师生交流用户流失预测系统,其特征在于,所述预测算法模块,首先使用大量无监督语料进行语言模型预训练,利用Bert的自注意力机制做上下文编码器,对师生语料进行编码得到其语义向量表示,再用少量标注语料进行微调,在语言模型基础上加一层处理分类任务的网络,以判断师生交流的语料是否有流失的可能,实现基于师生交流用户流失预测系统。
8.根据权利要求6所述基于师生交流用户流失预测系统,其特征在于,所述的BERT是Google在2018年10月提出的一种新的语言模型,全称为Bidirectional EncoderRepresentations from Transformers,BERT通过在所有层联合调节左右两个上下文来预训练深层双向表示,此外还通过组装长句作为输入增强了对长程语义的理解,Bert可以被微调以广泛用于各类任务,仅需额外添加一个输出层,无需进行针对任务的模型结构调整。
9.根据权利要求6或7所述基于师生交流用户流失预测系统,其特征在于,所述的BERT的具体实现步骤如下:
步骤S1、计算机设备基于Google提供的预训练模型BERT-Base,Chinese构建语料库,中文版的模型是由维基百科语料训练而成的,将模型载入后,可以直接输出训练好的字向量或句向量.本申请使用该模型获取句向量并将其作为后续网络模型的输入。
步骤S2:利用Bert模型初始化网络的初始权重,再加上具体领域任务的数据集,也就是流失状态模块的标注语料,通过在网络上继续反向传播训练,不断调整原有模型的权重,获得一个适用于师生交流用户流失的模型。
步骤S3:本申请是一种单句分类任务,在语言模型基础上加一层处理分类任务的网络,可以是softmax网络、决策树、支持向量机SVM或其他可以处理二分类问题的模型,本申请对此不做限定。
步骤S4:在语言模型基础上加一层softmax网络的做法,具体来说,就是取第一个token的输出表示,喂给一个softmax层得到分类结果输出。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010689193.1A CN111898810B (zh) | 2020-07-16 | 2020-07-16 | 基于师生交流用户流失预测系统 |
PCT/CN2021/106382 WO2022012605A1 (zh) | 2020-07-16 | 2021-07-15 | 基于预训练深度神经网络模型的用户流失预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010689193.1A CN111898810B (zh) | 2020-07-16 | 2020-07-16 | 基于师生交流用户流失预测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898810A true CN111898810A (zh) | 2020-11-06 |
CN111898810B CN111898810B (zh) | 2021-06-01 |
Family
ID=73189370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010689193.1A Active CN111898810B (zh) | 2020-07-16 | 2020-07-16 | 基于师生交流用户流失预测系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111898810B (zh) |
WO (1) | WO2022012605A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862546A (zh) * | 2021-04-25 | 2021-05-28 | 平安科技(深圳)有限公司 | 用户流失预测方法、装置、计算机设备及存储介质 |
WO2022012605A1 (zh) * | 2020-07-16 | 2022-01-20 | 上海松鼠课堂人工智能科技有限公司 | 基于预训练深度神经网络模型的用户流失预测系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116074289A (zh) * | 2022-11-28 | 2023-05-05 | 国网山东省电力公司信息通信公司 | 一种面向电网调度的sip电话系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620692A (zh) * | 2008-06-30 | 2010-01-06 | 上海全成通信技术有限公司 | 一种移动通信业务的客户流失分析方法 |
CN107958433A (zh) * | 2017-12-11 | 2018-04-24 | 吉林大学 | 一种基于人工智能的在线教育人机交互方法与系统 |
CN109472729A (zh) * | 2018-11-09 | 2019-03-15 | 拓维信息系统股份有限公司 | 在线教育大数据技术平台 |
CN110059716A (zh) * | 2019-03-12 | 2019-07-26 | 西北大学 | 一种cnn-lstm-svm网络模型的构建及mooc辍学预测方法 |
CN110162787A (zh) * | 2019-05-05 | 2019-08-23 | 西安交通大学 | 一种基于主题信息的类别预测方法及装置 |
CN110263326A (zh) * | 2019-05-21 | 2019-09-20 | 平安科技(深圳)有限公司 | 一种用户行为预测方法、预测装置、存储介质及终端设备 |
CN110378812A (zh) * | 2019-05-20 | 2019-10-25 | 北京师范大学 | 一种自适应在线教育系统及方法 |
CN110991381A (zh) * | 2019-12-12 | 2020-04-10 | 山东大学 | 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8682241B2 (en) * | 2009-05-12 | 2014-03-25 | International Business Machines Corporation | Method and system for improving the quality of teaching through analysis using a virtual teaching device |
CN111898810B (zh) * | 2020-07-16 | 2021-06-01 | 上海松鼠课堂人工智能科技有限公司 | 基于师生交流用户流失预测系统 |
-
2020
- 2020-07-16 CN CN202010689193.1A patent/CN111898810B/zh active Active
-
2021
- 2021-07-15 WO PCT/CN2021/106382 patent/WO2022012605A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101620692A (zh) * | 2008-06-30 | 2010-01-06 | 上海全成通信技术有限公司 | 一种移动通信业务的客户流失分析方法 |
CN107958433A (zh) * | 2017-12-11 | 2018-04-24 | 吉林大学 | 一种基于人工智能的在线教育人机交互方法与系统 |
CN109472729A (zh) * | 2018-11-09 | 2019-03-15 | 拓维信息系统股份有限公司 | 在线教育大数据技术平台 |
CN110059716A (zh) * | 2019-03-12 | 2019-07-26 | 西北大学 | 一种cnn-lstm-svm网络模型的构建及mooc辍学预测方法 |
CN110162787A (zh) * | 2019-05-05 | 2019-08-23 | 西安交通大学 | 一种基于主题信息的类别预测方法及装置 |
CN110378812A (zh) * | 2019-05-20 | 2019-10-25 | 北京师范大学 | 一种自适应在线教育系统及方法 |
CN110263326A (zh) * | 2019-05-21 | 2019-09-20 | 平安科技(深圳)有限公司 | 一种用户行为预测方法、预测装置、存储介质及终端设备 |
CN110991381A (zh) * | 2019-12-12 | 2020-04-10 | 山东大学 | 一种基于行为和语音智能识别的实时课堂学生状态分析与指示提醒系统和方法 |
Non-Patent Citations (1)
Title |
---|
尹稳: ""MOOCs 背景下基于行为特征的学习者流失问题研究", 《中国优秀硕士学位论文全文数据库社会科学Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022012605A1 (zh) * | 2020-07-16 | 2022-01-20 | 上海松鼠课堂人工智能科技有限公司 | 基于预训练深度神经网络模型的用户流失预测系统 |
CN112862546A (zh) * | 2021-04-25 | 2021-05-28 | 平安科技(深圳)有限公司 | 用户流失预测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022012605A1 (zh) | 2022-01-20 |
CN111898810B (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898810B (zh) | 基于师生交流用户流失预测系统 | |
US8682241B2 (en) | Method and system for improving the quality of teaching through analysis using a virtual teaching device | |
CN107958433A (zh) | 一种基于人工智能的在线教育人机交互方法与系统 | |
CN105632251A (zh) | 具有语音功能的3d虚拟教师系统及其方法 | |
US11557217B1 (en) | Communications training system | |
CN110405791B (zh) | 一种机器人模仿及学习讲话的方法与系统 | |
CN110083110A (zh) | 基于自然智能的端到端控制方法和控制系统 | |
CN113610680A (zh) | 一种基于ai的交互式阅读材料个性化推荐方法及系统 | |
CN104021326B (zh) | 一种外语教学方法与外语教具 | |
CN111651497B (zh) | 用户标签挖掘方法、装置、存储介质及电子设备 | |
CN110727776B (zh) | 一种基于人工智能的汽车问答交互系统及交互方法 | |
CN110929875A (zh) | 基于机器学习的智能语言学习方法、系统、装置及介质 | |
CN114529266A (zh) | 基于ai大数据平台及其人岗匹配算法 | |
CN109299805B (zh) | 一种基于人工智能的在线教育课程请求处理方法 | |
CN117252259A (zh) | 基于深度学习的自然语言理解方法及ai助教系统 | |
Jablonka et al. | Theorising in mathematics education research: Differences in modes and quality | |
CN115878766A (zh) | 一种基于ai技术的教师经验型智能题库及其使用方法 | |
CN110782221A (zh) | 一种面试智能评测系统及方法 | |
CN111260518B (zh) | 一种校园信息管理系统 | |
Yunina | ARTIFICIAL INTELLIGENCE TOOLS IN FOREIGN LANGUAGE TEACHING IN HIGHER EDUCATION INSTITUTIONS | |
CN112115275A (zh) | 一种面向数学辅导问答系统的知识图谱构建方法及其系统 | |
CN112767199A (zh) | 一种企业员工培训系统及培训方法 | |
Ghoji et al. | Design of English Speaking Training System Based on Human-Computer Interaction | |
CN117174117A (zh) | 一种基于虚拟数字人的英语助学系统及方法 | |
CN117315684A (zh) | 一种基于大规模多模态模型的自动化问题回答方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20221020 Granted publication date: 20210601 |