CN112163118A - 一种用于教学的推荐视频获取方法及装置 - Google Patents
一种用于教学的推荐视频获取方法及装置 Download PDFInfo
- Publication number
- CN112163118A CN112163118A CN202011041101.5A CN202011041101A CN112163118A CN 112163118 A CN112163118 A CN 112163118A CN 202011041101 A CN202011041101 A CN 202011041101A CN 112163118 A CN112163118 A CN 112163118A
- Authority
- CN
- China
- Prior art keywords
- learned
- videos
- knowledge
- video
- teaching
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000000694 effects Effects 0.000 claims abstract description 12
- 239000000463 material Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Technology (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种用于教学的推荐视频获取方法及装置，涉及数据处理技术领域，该用于教学的推荐视频获取方法包括：先获取学生的已学知识点；然后在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；进一步地，在预设视频库中匹配与所述待学知识点相对应的多个待学视频；以及在所述多个待学视频中获取教学效果最优的多个优质视频；最后，再根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频，进而推荐适合学生的教学视频，从而提高在线教育的教学质量。
Description
技术领域
本申请涉及数据处理技术领域，具体而言，涉及一种用于教学的推荐视频获取方法及装置。
背景技术
随着互联网的快速发展，在线教育也发展的越来越快，这就使得越来越多的学生可以在网上进行学习，并实现了个人的自我提升。然而，在实践中发现，在线教育虽然给学生们带来了种种好处，但是随着教学视频的快速增加，越来越多的学生无法确定最适合的教学视频，从而导致在线教育的质量下降。
发明内容
本申请实施例的目的在于提供一种用于教学的推荐视频获取方法及装置，能够推荐适合学生的教学视频，从而提高在线教育的教学质量。
本申请实施例第一方面提供了一种用于教学的推荐视频获取方法，包括：
获取学生的已学知识点；
在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；
在预设视频库中匹配与所述待学知识点相对应的多个待学视频；
在所述多个待学视频中获取教学效果最优的多个优质视频；
根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频。
在上述实现过程中，先获取学生的已学知识点；然后在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；进一步地，在预设视频库中匹配与所述待学知识点相对应的多个待学视频；以及在所述多个待学视频中获取教学效果最优的多个优质视频；最后，再根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频，进而推荐适合学生的教学视频，从而提高在线教育的教学质量。
进一步地，所述在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点的步骤包括：
根据预设的知识图谱和所述已学知识点，判断是否存在未学的前置知识点；
当不存在未学的前置知识点时，在预设的知识图谱中匹配与所述已学知识点相对应的多个可学知识点；
在所述多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点。
在上述实现过程中，采用知识图谱能够精准确定下一步要学习的待学知识点，根据待学知识点推荐的视频对提高学习成绩更有效。
进一步地，所述在所述多个待学视频中获取教学效果最优的多个优质视频的步骤包括：
获取所述学生对所述待学知识点的第一掌握率；
查找学习过所述多个待学视频的多个其他用户；
获取所述多个其他用户对所述待学知识点的多个第二掌握率；
在所述多个其他用户中，提取所述第一掌握率与所述多个第二掌握率之间的差值小于预设阈值的多个优质用户；
获取所述多个优质用户学习每个所述待学视频的平均掌握提升率；
根据所述平均掌握提升率对所述多个待学视频进行排序，得到待学视频序列；
根据预设视频提取数量，提取所述待学视频序列中排名靠前的多个优质视频。
在上述实现过程中，在获取优质视频时，先查找具有相似学习数据的用户，即查找学习过多个待学视频的多个其他用户，然后再根据其他用户对于观看过视频的学习情况，从多个待学视频中确定有效多个优质视频，进而实现有针对地推荐视频。
进一步地，所述根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频的步骤包括：
根据预设的学生偏好信息确定所述学生的第一年级信息、第一地域信息、第一教材信息以及已学视频清单；
获取所述多个优质视频中每个优质视频的第二年纪信息、第二地域信息、第二教材信息以及视频标签；
根据第一年级信息、第一地域信息、第一教材信息、第二年纪信息、第二地域信息以及第二教材信息，在多个优质视频中匹配多个预选视频；
获取所述视频标签中不存在所述已学视频清单中的多个推荐视频。
在上述实现过程中，结合了学生的个人数据和偏好，根据学生偏好信息进行推荐，能够在提高效率的同时保留了趣味性，学生更容易观看推荐视频，进而激发学生的学习兴趣，提高积极性。
进一步地，所述方法还包括：
根据所述学生输入的选择指令在所述多个推荐视频中确定待播放视频；
播放所述待播放视频。
在上述实现过程中，在推荐视频时，推荐多个推荐视频，更有选择空间，学生能够根据自己需求选择相应的待播放视频进行播放。
本申请实施例第二方面提供了一种用于教学的推荐视频获取装置，所述用于教学的推荐视频获取装置包括：
第一获取模块，用于获取学生的已学知识点；
第一匹配模块，用于在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；
第二匹配模块，用于在预设视频库中匹配与所述待学知识点相对应的多个待学视频；
第二获取模块，用于在所述多个待学视频中获取教学效果最优的多个优质视频；
第三匹配模块，用于根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频。
在上述实现过程中，第一获取模块先获取学生的已学知识点；然后第一匹配模块在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；进一步地，第二匹配模块在预设视频库中匹配与所述待学知识点相对应的多个待学视频；以及第二获取模块在所述多个待学视频中获取教学效果最优的多个优质视频；最后，第三匹配模块再根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频，进而推荐适合学生的教学视频，从而提高在线教育的教学质量。
进一步地，所述第一匹配模块包括：
判断子模块，用于根据预设的知识图谱和所述已学知识点，判断是否存在未学的前置知识点；
匹配子模块，用于当不存在未学的前置知识点时，在预设的知识图谱中匹配与所述已学知识点相对应的多个可学知识点；
确定子模块，用于在所述多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点。
在上述实现过程中，采用知识图谱能够精准确定下一步要学习的待学知识点，根据待学知识点推荐的视频对提高学习成绩更有效。
进一步地，所述第二获取模块包括：
获取子模块，用于获取所述学生对所述待学知识点的第一掌握率；
查找子模块，用于查找学习过所述多个待学视频的多个其他用户；
所述获取子模块，还用于获取所述多个其他用户对所述待学知识点的多个第二掌握率；
提取子模块，用于在所述多个其他用户中，提取所述第一掌握率与所述多个第二掌握率之间的差值小于预设阈值的多个优质用户；
所述获取子模块，还用于获取所述多个优质用户学习每个所述待学视频的平均掌握提升率；
排序子模块，用于根据所述平均掌握提升率对所述多个待学视频进行排序，得到待学视频序列；
所述提取子模块，还用于根据预设视频提取数量，提取所述待学视频序列中排名靠前的多个优质视频。
在上述实现过程中，在获取优质视频时，查找子模块先查找具有相似学习数据的用户，即查找学习过多个待学视频的多个其他用户，然后再根据其他用户对于观看过视频的学习情况，从多个待学视频中确定有效多个优质视频，进而实现有针对地推荐视频。
本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的用于教学的推荐视频获取方法。
本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的用于教学的推荐视频获取方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请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他相关的附图。
图1为本申请实施例一提供的一种用于教学的推荐视频获取方法的流程示意图；
图2为本申请实施例二提供的一种用于教学的推荐视频获取方法的流程示意图；
图3为本申请实施例三提供的一种用于教学的推荐视频获取装置的结构示意图；
图4为本申请实施例四提供的一种用于教学的推荐视频获取装置的结构示意图。
具体实施方式
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描述。
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。
实施例1
请参看图1，图1为本申请实施例提供了一种用于教学的推荐视频获取方法的流程示意图。其中，该用于教学的推荐视频获取方法包括：
S101、获取学生的已学知识点。
本申请实施例中，获取学生的已学知识点，即获取学生知识点掌握情况，如：某学生s已掌握知识点集合记为KMs＝{kMs1，kMs2，…}；并根据学生的学习数据KMs，基于知识图谱K、P、C定位该学生s当前最有效知识点k*。
S102、在预设的知识图谱中匹配与已学知识点相对应的待学知识点。
本申请实施例中，采用知识图谱能够精准确定下一步要学习的待学知识点，根据待学知识点推荐的视频对提高学习成绩更有效。
本申请实施例中，知识图谱，是一种记录知识点和知识点关系的有向图，包括多个知识点以及各个知识点之间的相互关系。
本申请实施例中，各个知识点之间的相互关系包括知识点的前置后置关系，举例来说，假设有一知识点1为一元二次方程，知识点2为一元三次方程，知识点3为一元一次方程，则理论上，先学习一元一次方程，再学习一元二次方程，最后再学习一元三次方程，那么，可以将知识点3作为知识点1前置知识点，将知识点2作为知识点1的后置知识点。
本申请实施例中，设知识图谱包括n个知识点，用集合记为K＝{k1，k2，…，kn}。每个知识点ki有其前置知识点集合Pi＝{pi1，pi2，…}，后续知识点集合Ci＝{ci1，ci2，…}。
S103、在预设视频库中匹配与待学知识点相对应的多个待学视频。
本申请实施例中，根据学生的学习数据，系统推荐下一步最有效学习知识点，以及与该知识点相关的视频，提高学习效率。
本申请实施例中，预设视频库包括多个视频以及每个视频的标签等。视频的标签包括年级、地区、教版、视频等信息，设预设视频库包括n个视频，用集合记为V＝{v1，v2，…，vm}，则每个视频Vi对应的标签集合为{年级,地区,教版，视频}＝{vg，vs，vp，vt}。
本申请实施例中，预先存储知识图谱中的知识点与预设视频库中视频之间的映射关系，然后根据映射关系从预设视频库中待学知识点相对应的多个待学视频。
S104、在多个待学视频中获取教学效果最优的多个优质视频。
S105、根据预设的学生偏好信息，在多个优质视频中匹配多个推荐视频。
本申请实施例中，考虑学生偏好进行推荐，能够激发学生的学习兴趣，提高积极性。
本申请实施例中，该方法的执行主体可以为计算机、服务器、智能手机和平板电脑等智能设备，对此本实施例中不作任何限定。
可见，实施本实施例所描述的用于教学的推荐视频获取方法，能够推荐适合学生的教学视频，从而提高在线教育的教学质量。
实施例2
请参看图2，图2为本申请实施例提供的一种用于教学的推荐视频获取方法的流程示意图。如图2所示，其中，该用于教学的推荐视频获取方法包括：
S201、获取学生的已学知识点。
S202、根据预设的知识图谱和已学知识点，判断是否存在未学的前置知识点，如果否，执行步骤S S203，如果是，执行步骤S204。
本申请实施例中，当不存在为学的前置知识点时，表示已学知识点没有前置知识点，或者表示已学知识点的所有前置知识点学生s*都已经全部掌握。
本申请实施例中，前置知识点，即在知识图谱种位于知识点B前端的知识点A成为B的前置知识点。知识点B可以有0、1或多个前置知识点。
S203、在预设的知识图谱中按照预设规则确定多个可学知识点，并执行步骤S205。
本申请实施例中，预设规则可以包括根据当前学科和年级确定多个需要首先学习的知识点，作为可学知识点。
在步骤S203之后，还包括以下步骤：
S204、在预设的知识图谱中匹配与已学知识点相对应的多个可学知识点。
S205、在多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点。
本申请实施例中，如果知识点A为B的前置知识点，则B为A的后置知识点。知识点A可以有、1或多个后置知识点。
本申请实施例中，设可学知识点集合为Kr，包括多个可选知识点。从Kr中找出后置知识点C数目最多的知识点集合Kb，作为当前的最有效知识点。
本申请实施例中，最有效知识点为前置知识点为零或都已掌握，且后置知识点数目最多的知识点。最有效知识点被认为是学习效率最高的知识点。
本申请实施例中，如果Kb中知识点数目为1，返回该唯一知识点为下一步推荐学习的待学知识点k*。如果Kb中知识点数目多于一个，按照随机顺序返回一个知识点作为下一步推荐学习的待学知识点k*。
作为一种可选的实施方式，在多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点的步骤包括：
在多个可学知识点中，获取后置知识点最多的多个同级知识点；在多个同级知识点中，将知识谱系深度最浅的一个同级知识点确定为待学知识点。
其中，知识谱系表示知识图谱中该知识点的后置知识点数量和层数。
本申请实施例中，实施上述步骤S202～步骤S204，能够在预设的知识图谱中匹配与已学知识点相对应的待学知识点。
在步骤S205之后，还包括以下步骤：
S206、在预设视频库中匹配与待学知识点相对应的多个待学视频。
本申请实施例中，设匹配得到待学视频集合V*，其中V*包括多个待学视频。
S207、获取学生对待学知识点的第一掌握率，并查找学习过多个待学视频的多个其他用户。
本申请实施例中，对于某一学生而言，其对应的知识图谱中每个知识点有固定的掌握概率。
本申请实施例中，知识点的掌握率，用来量化知识点掌握概率的0-1之间的值。
本申请实施例中，搜索学习路径与KM*相同或相似的待选用户集合S。然后再从待选用户集合S中选择观看了多个待学视频V*中视频的多个其他用户，生成其他用户集合S’，其中S’包括多个其他用户。
本申请实施例中，用具有相似学习数据的其他学生的视频推荐，进而实现有针对地推荐视频。
在步骤S207之后，还包括以下步骤：
S208、获取多个其他用户对待学知识点的多个第二掌握率。
S209、在多个其他用户中，提取第一掌握率与多个第二掌握率之间的差值小于预设阈值的多个优质用户。
本申请实施例中，在计算出每个其他用户的第二掌握概率之后，再从S’中选择第一掌握率与多个第二掌握率之间的差值小于预设阈值的多个优质用户，得到优质用户集合S”，其中S”包括多个优质用户。
本申请实施例中，优质用户的个数为预设用户数量，对此本申请实施例不做限定。
本申请实施例中，预设阈值可以设置为0.2、0。3等，对此本申请实施例不作限定。
S210、获取多个优质用户学习每个待学视频的平均掌握提升率。
本申请实施例中，读取S”中每个优质用户观看V*中视频前，知识点k*的掌握率，记为B＝{b1，b2，…，bm}，以及观看V*中视频后，知识点k*的掌握率，记为A＝{a1，a2，…，am}。对V*中每一个视频{v1，v2，…，vm}，计算观看该视频前后S”中每个优质用户的平均掌握提升率IS&V＝{iS&v1，iS&v2，…，iS&vn}。设S”中有m个优质用户，则iS&V2＝∑(ai-bi)/m。
作为一种可选的实施方式，方法还包括：
获取与待播放视频相对应的训练试题；
获取学生对训练试题进行作答的作答结果；
根据作答结果计算学生针对待播放视频的知识点掌握提升率；
存储知识点掌握提升率。
S211、根据平均掌握提升率对多个待学视频进行排序，得到待学视频序列。
S212、根据预设视频提取数量，提取待学视频序列中排名靠前的多个优质视频。
本申请实施例中，知识图谱的使用可以帮助定位在具有相同、相似学习过程的其他学生。通过这些学生观看视频后的知识点掌握率提升对视频排序，可以进一步提高视频推荐的效率。
本申请实施例中，预设视频提取数量可以为待学视频序列前25％的视频。
本申请实施例中，定位学习轨迹曾与学生s*知识点掌握情况KM*相似的学生集合S，包括多个其他用户，然后再计算其观看每个V*中视频后的平均掌握率，并根据平均掌握率对多个其他用户进行筛选，得到多个油脂用户，然后再根据平均掌握率ISV*对视频进行排序，得到待学视频序列，最后从待学视频序列中选出预设视频提取数量的视频组成视频集合Vtop*，该视频集合Vtop*包括多个优质视频。
本申请实施例中，实施上述步骤S206～步骤S212，能够在多个待学视频中获取教学效果最优的多个优质视频。
在步骤S212之后，还包括以下步骤：
S213、根据预设的学生偏好信息，在多个优质视频中匹配多个推荐视频。
本申请实施例中，通过结合了学生的个人数据和偏好，在提高效率的同时保留了趣味性。学生更容易观看推荐视频。
作为一种可选的实施方式，根据预设的学生偏好信息，在多个优质视频中匹配多个推荐视频，还可以包括以下步骤：
根据预设的学生偏好信息确定学生的第一年级信息、第一地域信息、第一教材信息以及已学视频清单；
获取多个优质视频中每个优质视频的第二年纪信息、第二地域信息、第二教材信息以及视频标签；
根据第一年级信息、第一地域信息、第一教材信息、第二年纪信息、第二地域信息以及第二教材信息，在多个优质视频中匹配多个预选视频；
获取视频标签中不存在已学视频清单中的多个推荐视频。
作为进一步可选的实施方式，根据第一年级信息、第一地域信息、第一教材信息、第二年纪信息、第二地域信息以及第二教材信息，在多个优质视频中匹配多个预选视频的步骤包括：
根据第一年级信息、第一地域信息、第一教材信息、第二年纪信息、第二地域信息以及第二教材信息计算视频匹配率；
确定视频匹配率大于预设匹配阈值的优质视频为多个预设视频。
在上述实施方式中，学生偏好信息包括年级、地区、教版等信息，可以用集合{sg*,ss*,sp*,st*}表示。
在上述实施方式中，计算Vtop*中每个视频对应的标签集合{vg,vs,vp,vt}与学生偏好信息{sg*，ss*，sp*，st*}之间的单个匹配率M1，计算公式为：
M1＝f(f1(sg*，vg)，f2(ss*，vs)，f3(sp*，vp)…)。
其中，sg*为年级，vg为视频的年级标签，ss*为地区，vs为视频的地区标签，sp*为教版，vp为视频的教版标签。
在上述实施方式中，然后根据单个匹配率计算视频匹配率，即计算总体匹配度MsVtop*＝{msv1*,msv2*,…},其中msvi*＝g(M1,g1(st*,vt))。其中，st*学生已观看视频的标签，vt为视频的标签，vt∈{vg,vs,vp,vt}。
作为另一种可选的实施方式，当计算出视频匹配率之后，还可以根据视频匹配率MsVtop*先对多个优质视频进行降序排序，得到降序序列，然后根据降序序列从前至后选取预设视频数量的优质视频Vr*＝{vr1*,vr2*,…}作为推荐返回。其中，Vr*包括多个预设视频。
S214、根据学生输入的选择指令在多个推荐视频中确定待播放视频。
S215、播放待播放视频。
可见，实施本实施例所描述的用于教学的推荐视频获取方法，能够推荐适合学生的教学视频，从而提高在线教育的教学质量。
实施例3
请参看图3，图3为本申请实施例提供的一种用于教学的推荐视频获取装置的结构示意图。如图3所示，该用于教学的推荐视频获取装置包括：
第一获取模块310，用于获取学生的已学知识点。
第一匹配模块320，用于在预设的知识图谱中匹配与已学知识点相对应的待学知识点。
第二匹配模块330，用于在预设视频库中匹配与待学知识点相对应的多个待学视频。
第二获取模块340，用于在多个待学视频中获取教学效果最优的多个优质视频。
第三匹配模块350，用于根据预设的学生偏好信息，在多个优质视频中匹配多个推荐视频。
本申请实施例中，对于用于教学的推荐视频获取装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的用于教学的推荐视频获取装置，能够推荐适合学生的教学视频，从而提高在线教育的教学质量。
实施例4
请一并参阅图4，图4是本申请实施例提供的一种用于教学的推荐视频获取装置的结构示意图。其中，图4所示的用于教学的推荐视频获取装置是由图3所示的用于教学的推荐视频获取装置进行优化得到的。如图4所示，第一匹配模块320包括：
判断子模块321，用于根据预设的知识图谱和已学知识点，判断是否存在未学的前置知识点。
第一匹配子模块322，用于当不存在未学的前置知识点时，在预设的知识图谱中匹配与已学知识点相对应的多个可学知识点。
第一确定子模块323，用于在多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点。
作为一种可选的实施方式，第一匹配子模块322，还用于当存在未学的前置知识点时，在预设的知识图谱中按照预设规则确定多个可学知识点。
作为一种可选的实施方式，第二获取模块340包括：
第一获取子模块341，用于获取学生对待学知识点的第一掌握率。
查找子模块342，用于查找学习过多个待学视频的多个其他用户。
第一获取子模块341，还用于获取多个其他用户对待学知识点的多个第二掌握率。
提取子模块343，用于在多个其他用户中，提取第一掌握率与多个第二掌握率之间的差值小于预设阈值的多个优质用户。
第一获取子模块341，还用于获取多个优质用户学习每个待学视频的平均掌握提升率。
排序子模块344，用于根据平均掌握提升率对多个待学视频进行排序，得到待学视频序列。
提取子模块343，还用于根据预设视频提取数量，提取待学视频序列中排名靠前的多个优质视频。
作为一种可选的实施方式，第三匹配模块350包括：
第二确定子模块351，用于根据预设的学生偏好信息确定学生的第一年级信息、第一地域信息、第一教材信息以及已学视频清单。
第二获取子模块352，用于获取多个优质视频中每个优质视频的第二年纪信息、第二地域信息、第二教材信息以及视频标签。
第二匹配子模块353，用于根据第一年级信息、第一地域信息、第一教材信息、第二年纪信息、第二地域信息以及第二教材信息，在多个优质视频中匹配多个预选视频。
第二获取子模块352，还用于获取视频标签中不存在已学视频清单中的多个推荐视频。
作为一种可选的实施方式，该用于教学的推荐视频获取装置还包括：
确定模块360，用于根据学生输入的选择指令在多个推荐视频中确定待播放视频。
播放模块370，用于播放待播放视频。
本申请实施例中，对于用于教学的推荐视频获取装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的用于教学的推荐视频获取装置，能够推荐适合学生的教学视频，从而提高在线教育的教学质量。
本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中任一项用于教学的推荐视频获取方法。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中任一项用于教学的推荐视频获取方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。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。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种用于教学的推荐视频获取方法，其特征在于，包括：
获取学生的已学知识点；
在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；
在预设视频库中匹配与所述待学知识点相对应的多个待学视频；
在所述多个待学视频中获取教学效果最优的多个优质视频；
根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频。
2.根据权利要求1所述的用于教学的推荐视频获取方法，其特征在于，所述在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点的步骤包括：
根据预设的知识图谱和所述已学知识点，判断是否存在未学的前置知识点；
当不存在未学的前置知识点时，在预设的知识图谱中匹配与所述已学知识点相对应的多个可学知识点；
在所述多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点。
3.根据权利要求1所述的用于教学的推荐视频获取方法，其特征在于，所述在所述多个待学视频中获取教学效果最优的多个优质视频的步骤包括：
获取所述学生对所述待学知识点的第一掌握率；
查找学习过所述多个待学视频的多个其他用户；
获取所述多个其他用户对所述待学知识点的多个第二掌握率；
在所述多个其他用户中，提取所述第一掌握率与所述多个第二掌握率之间的差值小于预设阈值的多个优质用户；
获取所述多个优质用户学习每个所述待学视频的平均掌握提升率；
根据所述平均掌握提升率对所述多个待学视频进行排序，得到待学视频序列；
根据预设视频提取数量，提取所述待学视频序列中排名靠前的多个优质视频。
4.根据权利要求1所述的用于教学的推荐视频获取方法，其特征在于，所述根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频的步骤包括：
根据预设的学生偏好信息确定所述学生的第一年级信息、第一地域信息、第一教材信息以及已学视频清单；
获取所述多个优质视频中每个优质视频的第二年纪信息、第二地域信息、第二教材信息以及视频标签；
根据第一年级信息、第一地域信息、第一教材信息、第二年纪信息、第二地域信息以及第二教材信息，在多个优质视频中匹配多个预选视频；
获取所述视频标签中不存在所述已学视频清单中的多个推荐视频。
5.根据权利要求1所述的用于教学的推荐视频获取方法，其特征在于，所述方法还包括：
根据所述学生输入的选择指令在所述多个推荐视频中确定待播放视频；
播放所述待播放视频。
6.一种用于教学的推荐视频获取装置，其特征在于，所述用于教学的推荐视频获取装置包括：
第一获取模块，用于获取学生的已学知识点；
第一匹配模块，用于在预设的知识图谱中匹配与所述已学知识点相对应的待学知识点；
第二匹配模块，用于在预设视频库中匹配与所述待学知识点相对应的多个待学视频；
第二获取模块，用于在所述多个待学视频中获取教学效果最优的多个优质视频；
第三匹配模块，用于根据预设的学生偏好信息，在所述多个优质视频中匹配多个推荐视频。
7.根据权利要求6所述的用于教学的推荐视频获取装置，其特征在于，所述第一匹配模块包括：
判断子模块，用于根据预设的知识图谱和所述已学知识点，判断是否存在未学的前置知识点；
匹配子模块，用于当不存在未学的前置知识点时，在预设的知识图谱中匹配与所述已学知识点相对应的多个可学知识点；
确定子模块，用于在所述多个可学知识点中，将后置知识点最多的一个可学知识点确定为待学知识点。
8.根据权利要求6所述的用于教学的推荐视频获取装置，其特征在于，所述第二获取模块包括：
获取子模块，用于获取所述学生对所述待学知识点的第一掌握率；
查找子模块，用于查找学习过所述多个待学视频的多个其他用户；
所述获取子模块，还用于获取所述多个其他用户对所述待学知识点的多个第二掌握率；
提取子模块，用于在所述多个其他用户中，提取所述第一掌握率与所述多个第二掌握率之间的差值小于预设阈值的多个优质用户；
所述获取子模块，还用于获取所述多个优质用户学习每个所述待学视频的平均掌握提升率；
排序子模块，用于根据所述平均掌握提升率对所述多个待学视频进行排序，得到待学视频序列；
所述提取子模块，还用于根据预设视频提取数量，提取所述待学视频序列中排名靠前的多个优质视频。
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至5中任一项所述的用于教学的推荐视频获取方法。
10.一种可读存储介质，其特征在于，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至5任一项所述的用于教学的推荐视频获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011041101.5A CN112163118A (zh) | 2020-09-28 | 2020-09-28 | 一种用于教学的推荐视频获取方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011041101.5A CN112163118A (zh) | 2020-09-28 | 2020-09-28 | 一种用于教学的推荐视频获取方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112163118A true CN112163118A (zh) | 2021-01-01 |
Family
ID=73861868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011041101.5A Pending CN112163118A (zh) | 2020-09-28 | 2020-09-28 | 一种用于教学的推荐视频获取方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112163118A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883226A (zh) * | 2021-03-29 | 2021-06-01 | 读书郎教育科技有限公司 | 一种智慧课堂学习视频推荐方法 |
| CN113282840A (zh) * | 2021-07-22 | 2021-08-20 | 光谷技术有限公司 | 一种训练采集综合管理平台 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122437A (zh) * | 2016-11-28 | 2018-06-05 | 北大方正集团有限公司 | 自适应学习方法及装置 |
| CN109359215A (zh) * | 2018-12-03 | 2019-02-19 | 江苏曲速教育科技有限公司 | 视频智能推送方法和系统 |
| CN109670110A (zh) * | 2018-12-20 | 2019-04-23 | 蒋文军 | 一种教育资源推荐方法、装置、设备及存储介质 |
| CN111090751A (zh) * | 2018-10-08 | 2020-05-01 | 上海风创信息咨询有限公司 | 基于知识图谱的教学推荐方法、系统、存储介质、及终端 |
| CN111274411A (zh) * | 2020-01-22 | 2020-06-12 | 文思海辉智科科技有限公司 | 课程推荐方法、装置、电子设备及可读存储介质 |
| CN111563156A (zh) * | 2020-04-30 | 2020-08-21 | 广东小天才科技有限公司 | 一种知识点智能诊断的方法、装置、电子设备及存储介质 |
-
2020
- 2020-09-28 CN CN202011041101.5A patent/CN112163118A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122437A (zh) * | 2016-11-28 | 2018-06-05 | 北大方正集团有限公司 | 自适应学习方法及装置 |
| CN111090751A (zh) * | 2018-10-08 | 2020-05-01 | 上海风创信息咨询有限公司 | 基于知识图谱的教学推荐方法、系统、存储介质、及终端 |
| CN109359215A (zh) * | 2018-12-03 | 2019-02-19 | 江苏曲速教育科技有限公司 | 视频智能推送方法和系统 |
| CN109670110A (zh) * | 2018-12-20 | 2019-04-23 | 蒋文军 | 一种教育资源推荐方法、装置、设备及存储介质 |
| CN111274411A (zh) * | 2020-01-22 | 2020-06-12 | 文思海辉智科科技有限公司 | 课程推荐方法、装置、电子设备及可读存储介质 |
| CN111563156A (zh) * | 2020-04-30 | 2020-08-21 | 广东小天才科技有限公司 | 一种知识点智能诊断的方法、装置、电子设备及存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112883226A (zh) * | 2021-03-29 | 2021-06-01 | 读书郎教育科技有限公司 | 一种智慧课堂学习视频推荐方法 |
| CN112883226B (zh) * | 2021-03-29 | 2023-05-26 | 读书郎教育科技有限公司 | 一种智慧课堂学习视频推荐方法 |
| CN113282840A (zh) * | 2021-07-22 | 2021-08-20 | 光谷技术有限公司 | 一种训练采集综合管理平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509465B (zh) | 一种视频数据的推荐方法、装置和服务器 | |
| CN107463698B (zh) | 基于人工智能推送信息的方法和装置 | |
| CN107368965A (zh) | 一种剧本数据处理方法、装置及应用其的计算机设备 | |
| US10909442B1 (en) | Neural network-based artificial intelligence system for content-based recommendations using multi-perspective learned descriptors | |
| Vakulenko et al. | Enriching iTunes App Store Categories via Topic Modeling. | |
| CN111597446B (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
| CN111460221A (zh) | 评论信息处理方法、装置及电子设备 | |
| CN112163118A (zh) | 一种用于教学的推荐视频获取方法及装置 | |
| CN114117213A (zh) | 一种推荐模型训练、推荐方法、装置、介质和设备 | |
| CN111737558A (zh) | 一种资讯推荐方法、装置及计算机可读存储介质 | |
| CN109615009B (zh) | 一种学习内容推荐方法及电子设备 | |
| Habibian et al. | Recommendations for recognizing video events by concept vocabularies | |
| CN109308332B (zh) | 一种目标用户获取方法、装置和服务器 | |
| KR20170107868A (ko) | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 | |
| US20190050890A1 (en) | Video dotting placement analysis system, analysis method and storage medium | |
| CN115618101A (zh) | 基于负反馈的流媒体内容推荐方法、装置及电子设备 | |
| CN111144936A (zh) | 基于用户标签的相似人群扩展方法及装置 | |
| US20220327402A1 (en) | Automated Compositing of Content Compilations | |
| Schmiedeke et al. | Overview of mediaeval 2012 genre tagging task | |
| CN113641837A (zh) | 一种展示方法及其相关设备 | |
| CN113259763A (zh) | 教学视频处理方法、装置和电子设备 | |
| CN111581435A (zh) | 一种视频封面图像生成方法、装置、电子设备及存储介质 | |
| CN114780785B (zh) | 基于知识图谱的音乐教学推荐方法及系统 | |
| CN115757937A (zh) | 学生侧在线教学资源推荐方法 | |
| CN115269919A (zh) | 一种短视频质量的确定方法、装置、电子设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210101 |
|
| RJ01 | Rejection of invention patent application after publication |