CN113610680A - 一种基于ai的交互式阅读材料个性化推荐方法及系统 - Google Patents
一种基于ai的交互式阅读材料个性化推荐方法及系统 Download PDFInfo
- Publication number
- CN113610680A CN113610680A CN202110940280.4A CN202110940280A CN113610680A CN 113610680 A CN113610680 A CN 113610680A CN 202110940280 A CN202110940280 A CN 202110940280A CN 113610680 A CN113610680 A CN 113610680A
- Authority
- CN
- China
- Prior art keywords
- reading
- user
- module
- data
- interactive
- 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
- 239000000463 material Substances 0.000 title claims abstract description 193
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000012549 training Methods 0.000 claims abstract description 50
- 230000008569 process Effects 0.000 claims abstract description 44
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 claims description 80
- 230000003993 interaction Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 21
- 238000012552 review Methods 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000013523 data management Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 11
- 230000002194 synthesizing effect Effects 0.000 claims description 9
- 238000007596 consolidation process Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000009877 rendering Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 230000003997 social interaction Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 230000001360 synchronised effect Effects 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 17
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 13
- 244000046052 Phaseolus vulgaris Species 0.000 description 13
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006872 improvement Effects 0.000 description 6
- 230000003930 cognitive ability Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- 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
- G06Q50/205—Education administration or guidance
- G06Q50/2053—Education institution selection, admissions, or financial aid
-
- 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3343—Query execution using phonetics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06Q50/205—Education administration or guidance
-
- 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
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于AI的交互式阅读材料个性化推荐方法及系统，该方法包括如下步骤：S1：构建交互式阅读材料个性化推荐系统；S2：用户通过用户终端注册登录；S3：控制与运算单元调取与该用户阅读能力相匹配的多篇个性化阅读素材列表发送；S4：交互阅读管理单元合成多媒体阅读材料发送；S5：输入输出单元将各多媒体阅读材料输出到用户端，引导用户通过交互页面进行阅读；S6：控制与运算单元实时分析该用户单次阅读理解的过程数据并返回计算结果；S7：更新用户信息及历史阅读记录。本发明通过采用多种个性化推荐方法和卡通形象化的主动交互式阅读引导，适用于学前少儿及未成年用户的系统性、连续性阅读训练，阅读效率比传统方式提升30%以上。
Description
技术领域
本发明涉及儿童在线教育与计算机信息交互技术领域，尤其涉及一种基于AI的交互式阅读材料个性化推荐方法及系统。
背景技术
近些年，很多发达国家相继出台了早期儿童学习与发展指南，对于有效转变公众的教育观念，有针对性地指导教师、引导家长，提高学前教育机构的保教质量发挥了重要作用。我国教育部 2012年发布了《3-6岁儿童学习与发展指南》，从健康、语言、社会、科学、艺术等五个领域描述幼儿学习与发展，分别对3至4岁、4至5岁、5至6岁三个年龄段末期幼儿应该知道什么、能做什么，大致可以达到什么发展水平提出了合理期望。但是截止到目前，尚未发现对该《指南》进行系统化落实的信息化平台、方法及工具。
3-6岁学前少儿传统的识字及书面阅读学习方式，一般采用有人陪伴和引导的字卡、识字教材、识字动画片、识字课程等进行，多数均为单向灌输式原理，少儿往往无法在阅读语境中独立完成理解、记忆，学习效果和效率较差。同时，传统儿童在阅读的场景中，由于少儿的识字量较少，尤其还未掌握拼音和查字典能力时，必须由老师或父母陪伴，随时告知孩子不认识的字，费时费力。遇到有大量生字的读物时，儿童会倍感吃力，很难建立阅读自信心与成就感，很难培养儿童独立自主学习的习惯与品质。为了解决儿童独立完成阅读的问题，现有技术提供了一些技术方案。
推荐系统作为缓解信息过载问题的有效手段,已经融入我们日常生活几乎各项个性化服务中。例如，中国发明申请号 201911229084.5,为了可以为每个小朋友推荐适合其自主阅读的读物并且有效提升其识字量，而公开了一种面向儿童自主阅读的推荐方法，包括：获取当前儿童的识字量；根据当前儿童的识字量，确定并推送文章；阅读文章的过程中，对当前儿童的识字量进行校验；根据对当前儿童的识字量的校验结果，更新并推送新的文章。该发明提供的方法，可提高所推荐文章与对应儿童识字能力的匹配度和适合度，保证该儿童对为其所推荐文章的自主阅读能力，而且通过对所推荐文章识别率的控制，使儿童在自主阅读过程中可以实现对新字的自主学习理解，真正实现自主阅读过程中的识字学习。但是，上述发明技术方案仅是基于儿童识字能力（推荐文章中文字的识别率）推荐合适的文章，以当前儿童的识字量为标准，对待选文章中的字进行比对统计，获得所有待选文章的识别率；根据待选文章的识别率，确定推送给当前儿童的文章。
现有研究表明，儿童认知能力的提升，对图形图像、声音等信息比文字更为敏感，识字量不能作为判断和提高儿童阅读能力的唯一标准；在缺少成人陪伴、儿童缺乏自控力的情况下，单独将文字识读量作为确定推送给儿童的文章，并不符合儿童的认知能力提升规律；此外，这种根据识字量随机推荐的方式，也缺乏内在的系统性。同时，上述发明专利技术方案，能够适用于具备自我管理能力的成年用户的阅读训练，而难以应用到不具备自我管理能力的儿童或未成年用户的阅读训练，特别是识字量较少、不能控制自己行为的3-6岁学前少儿的阅读训练。3-6岁学前少儿的阅读训练，往往需要成人的陪伴和引导。但是，由于各种限制，成人往往不能亲自陪伴学前少儿进行阅读训练，使学前少儿的阅读往往难以进行。
在现实的儿童阅读学习过程中，往往需要家长在孩子实时进行交互、引导，需要占用家长大量的时间；同时，因为每个家庭孩子与家长之间的亲子共同话题并不一致，仅仅从数据库中抽取话题不能适应个性化互动需求；此外，除了家长，孩子还需要老师、同学、朋友等多种角色的人员的陪伴，上述技术方案也无法满足多种角色陪伴的问题。
儿童的认知能力提升，往往需要同步进行识字、阅读、理解和沟通能力的学习与训练，单一方式的学习效果较差。现有的技术方案多数偏重于一种模式的学习和训练，并不能较好的提升儿童的综合能力。因此，需要研究提供一种新的，能够适用于不具备自我管理能力的学前少儿及未成年用户的系统性、连续性阅读训练，同时可以提供推荐个性化多媒体阅读材料、互动内容，提供多种可切换的实时虚拟陪伴角色，并且支持为大批量用户提供个性化交互阅读服务的个性化推荐方法及系统，通过深度机器学习，支持带有社交属性的群体学习，通过有特定角色的交互式虚拟陪伴主动引导儿童阅读，使儿童用户能够持续、系统、独立的提升其识字、阅读、理解和沟通能力等综合能力。
发明内容
本发明的目的在于针对现有技术上述的不足，提供一种基于AI的交互式阅读材料个性化推荐方法，采用独特的推荐算法、流程和用户终端传感数据，获取用户的个性化推荐参数，从推荐算法规则模块中根据优先级选择一种算法规则，或者调取AI推荐算法及训练模型，运算并从数据管理单元中调取与该用户阅读能力相匹配的多篇个性化阅读素材，加载到用户终端，在虚拟陪伴角色的引导下，用户进行循序渐进、由易到难依次提升的阅读，可长期、持续提升用户的独立识字、阅读、理解和沟通能力等综合能力。
本发明的目的还在于，提供实施上述方法的基于AI的交互式阅读材料个性化推荐系统，通过软硬件协同配合，用户端、管理端与云端的大数据协同，实现对大批量用户的个性化阅读材料推荐与跟踪服务。
为实现上述目的，其提供的技术方案如下：
一种基于AI的交互式阅读材料个性化推荐方法，其特征在于，包括以下步骤：
S1：构建一交互式阅读材料个性化推荐系统，其包括相互连接并通讯的多个用户终端、管理终端及基于Web的运算与服务端，该运算与服务端包括控制与运算单元、用户管理单元、输入输出管理单元、数据管理单元、交互阅读管理单元；所述的用户终端、管理终端均内置有与该运算与服务端协同工作的应用程序；
S2：用户通过用户终端注册、登录后，用户管理单元记录用户信息、测试用户初始阅读理解能力，或者调取该用户历史阅读记录，得到该用户当前阅读能力对应的个性化推荐参数、虚拟陪伴对话角色；
S3：控制与运算单元，从用户管理单元中调取用户的个性化推荐参数，从控制与运算单元的推荐算法规则模块中根据优先级选择一种算法规则，或者调取AI推荐算法及训练模型，运算并从数据管理单元中调取与该用户阅读能力相匹配的多篇个性化阅读素材，列表发送给交互阅读管理单元；
S4：交互阅读管理单元，将收到的多篇个性化阅读素材的文本，分别通过多媒体合成引擎将其与素材文本、图形图像、语音和/或动画一起，合成为多媒体阅读材料，发送给输入输出单元；
S5：输入输出单元将各多媒体阅读材料列表输出到用户端，引导用户通过交互页面进行阅读材料的点击，再根据用户点击动作、加载被用户选中的阅读材料，再引导用户通过听、说、读、写操作完成阅读材料中展示的文字识别和语义阅读理解，同时记录用户阅读的过程数据，并将该过程数据同步发送给控制与运算单元；
S6：控制与运算单元，实时分析所接收到的该用户单次阅读理解的过程数据并返回计算结果，解决该用户单次阅读理解过程中所遇到的问题，支持该用户完成单次阅读理解，并记录该用户的点击操作动作及结果反馈数据；
S7：在单次阅读结束后，控制与运算单元根据该用户单次阅读理解记录点击操作动作及结果反馈数据记录，更新用户信息及历史阅读记录，为该用户下一次的阅读请求做好准备。
一种实施前述方法的基于AI的交互式阅读材料个性化推荐系统，其特征在于，其包括通过互联网相互连接并通讯的多个用户终端、管理终端及基于Web的运算与服务端，该运算与服务端包括相互连接并通讯的用户管理单元、I/O管理单元、交互阅读管理单元、数据管理单元及运算与控制单元；运算与控制单元设置有运算模块、推荐算法规则模块、阅读模型训练模块、虚拟陪伴对话生成模块、阅读行为分析模块、阅读能力评价模块，所述的推荐算法规则模块设置有多种算法规则；所述的用户终端、管理终端内置有与该运算与服务端协同工作的应用程序。
本发明相比现有技术的优点及有益效果是：
（1）本发明提供的基于AI的交互式阅读材料个性化推荐方法及系统，针对儿童教育和智能阅读进行方法和内容创新，克服了现有技术方案多数偏重于一种模式（例如书面阅读）的学习和训练，并不能较好的提升儿童的综合能力的不足，通过采用多种个性化推荐方法和卡通形象化的主动交互式阅读引导，能够适用于不具备自我管理能力的学前少儿及未成年用户的系统性、连续性阅读训练；在提供推荐个性化多媒体阅读材料、互动内容的基础上，还提供多种可切换的实时虚拟陪伴角色，并且支持为大批量用户提供个性化交互阅读服务提供支持。本发明个性化推荐的阅读材料知识齐全、资源丰富，有引导的交互式阅读，用户体验轻松、欢快，经测试比采用家长陪伴的纸质阅读材料的阅读能力提升效率提升30%以上。
（2）本发明提供的基于AI的交互式阅读材料个性化推荐方法及系统，通过深度机器学习，支持带有社交属性的群体学习，通过有特定角色的交互式虚拟陪伴主动引导儿童阅读，使儿童用户能够持续、系统、独立的提升其识字、阅读、理解和沟通能力等综合能力；在阅读的同时学习更多知识，从小养成良好的阅读习惯，让阅读更轻松、更省心。
（3）本发明提供的基于AI的交互式阅读材料个性化推荐方法及系统，可以通过管理终端或者用户终端，对大量的书面及电子、多媒体读物的文字、图像、语音、视频等内容进行智能化处理，从而进一步运算、生成可匹配用户阅读能力的多媒体读物，突破现有技术的限制，适用于大批量、多类型、个性化阅读材料的整理加工，适合进行主动引导式的儿童阅读产品开发。
（4）本发明提供的基于AI的交互式阅读材料个性化推荐方法及系统，通过设置形象化的虚拟陪伴对话角色“AI魔豆”（老师或者家长），基于交互对话主动引导用户（儿童）独立完成阅读，而无需家长的陪伴，提高了用户阅读的积极性和自主性，减少了家长等成人的负担。
（5）本发明采用独特的AI算法、流程和用户终端传感数据，实现主动对话引导、页面在线实时交互性阅读引导和感知、记录、分析、存储功能；基于系统测试、验证用户当前的阅读能力数据，可准确判断出用户当的识字、理解等能力，并进一步对其下一次阅读给出智能化、个性化推荐，以长期、持续提升其独立阅读及综合认知能力。
（6）本发明通过软硬件协同配合，用户端、管理端与云端的大数据协同，“魔豆”AI老师的主动式对话引导，实现对大批量用户的个性化在线阅读支持服务。
（7）本发明提供的方法及系统，通过智能运算得到用户掌握的单字、词语、语音、句式等数据，进行用户的多维度综合阅读能力综合判断，并训练与其对应的个性化阅读能力提升模型，在该用户下次登录系统时自动加载，以长期、持续提升其独立阅读能力。
（8）本发明采集的阅读数据、用户学习信息等都是网络化处理和存储，可以通过网络共享，支持带有社交属性的群体学习（例如按照幼儿园班级进行管理），支持针对特定用户的长时期（1-5年）进行个性化阅读能力提升、阅读材料更新，实现长期跟踪、持续提升用户独立阅读能力、认知能力的目的。
（9）本发明提供的方法及系统，可支持大批量的网络在线用户、多并发的请求以及大规模的运算和数据存储，输入输出等运营需求，访问响应速度快，提升用户体验；同时，提供多种用户交互功能，大幅提高用户的自主性和参与感。
附图说明
图1是本发明实施例1的系统整体网络拓扑结构示意图；
图2是本发明实施例系统的整体模块结构示意图。
图3是本发明实施例运算与服务端的模块组成结构示意图。
图4是图3中用户管理单元的模块组成结构示意图。
图5是图3中运算与控制单元的模块组成结构示意图。
图6是图3中交互阅读管理单元的模块组成结构示意图。
图7是图3中数据管理单元的模块组成结构示意图。
图8是本发明实施例交互式阅读支持页面布局示意图；
图9是本发明实施例交互式阅读页面渲染及操作功能结构示意图；
图10是本发明实施例用户终端主动对话引导的交互页面示意图。
图11是本发明实施例交互式阅读材料个性化推荐方法的流程示意图；
图12是本发明实施例定制阅读计划的流程示意图；
图13是本发明实施例定制阅读计划的交互页面结构示意图；
图14是本发明实施例启蒙阅读计划的流程示意图；
图15是本发明实施例启蒙阅读计划的交互页面结构示意图；
图16是本发明实施例启蒙阅读计划中【学一学】的交互页面结构示意图；
图17是本发明实施例启蒙阅读计划中【读一读】的交互页面结构示意图；
图18是本发明实施例启蒙阅读计划中【练一练】的交互页面结构示意图；
图19是本发明实施例启蒙阅读计划中【闯一闯】的交互页面结构示意图；
图20是本发明实施例AI智能添加识字的流程示意图；
图21是本发明实施例2的系统整体的网络拓扑结构示意图。
具体实施方式
请参见说明书附图1-21，下面结合实施例对本发明进行详细说明。
实施例1：
参见图1-10，本实施例提供的基于AI的交互式阅读材料个性化推荐方法，其包括以下步骤：
S1：构建一交互式阅读材料个性化推荐系统，其包括相互连接并通讯的多个用户终端、管理终端及基于Web的运算与服务端，具体包括多个管理员操作的管理终端（电脑）或前端服务器，构成Web的运算与服务端的AI服务器、Web服务器，多个用户操作的用户终端；该运算与服务端包括控制与运算单元、用户管理单元、输入输出管理单元、数据管理单元、交互阅读管理单元；所述的用户终端、管理终端均内置有与该运算与服务端协同工作的应用程序；
S2：用户通过用户终端注册、登录系统后，用户管理单元记录用户信息、测试用户初始阅读理解能力，或者调取该用户历史阅读记录，得到该用户当前阅读能力对应的个性化推荐参数、虚拟陪伴对话角色；
该虚拟陪伴对话角色，是悬浮在用户终端的交互阅读页面上，通过与用户的交互对话问答语音或动画，主动引导用户进行阅读、理解和沟通的虚拟陪伴卡通形象；本实施例中的交互式虚拟陪伴对话角色的形象为“AI魔豆”，其角色为老师，其交互页面设计见图10；其具体包括如下步骤：
S2-1：通过新手任务模块，获取用户基本信息之外、支持交互阅读所需的其他用户数据；
S2-2：通过阅读能力测试模块获取成用户当前阅读能力的参数数据，具体为：用户终端连接Web服务器注册，并提交用户昵称、年龄、性别、年级等简单数据，运算与控制单元分析、匹配与其接近训练模型，预测该用户的阅读能力，再匹配推荐适合其阅读能力的交互式问答、阅读材料及识字游戏，导入新手任务模块，用户完成该新手任务后，阅读能力测试模块可得到该用户的多维度数据：该用户已经掌握的单字、词语、语音、句式，作为后续进行该用户的多维度综合阅读能力综合判断的初始数据；
S2-3：通过社交关系管理模块，对该用户的人际关系、对象、活动进行管理的步骤；
S2-4：通过虚拟陪伴角色管理模块，对同步伴随和引导用户进行阅读的虚拟陪伴角色进行管理，该虚拟陪伴角色包括：用户的成年爸爸、妈妈、老师、其他关系人员之一，以及未成年同伴、同学及其他关系人员之一；
S3：控制与运算单元，从用户管理单元中调取用户的个性化推荐参数，从控制与运算单元的推荐算法规则模块中，根据优先级选择一种算法规则，或者调取AI推荐算法及训练模型，运算并从数据管理单元中调取与该用户阅读能力相匹配的多篇个性化阅读素材，列表发送给交互阅读管理单元；
该推荐算法规则模块，包括如下推荐算法规则，系统根据个性化推荐参数、以及预先设定的各规则的优先级选择其中之一，优先级的数值为优先排序的顺序值：
A、基于用户测读得到的已识字数量和内容，推荐文本中包括不小于85%已识字的阅读素材，优先级为2，适用于累计阅读次数大于1次的用户；
B、基于用户年龄、性别群体平均识字数量和内容，推荐文本中包括不小于85%已识字的阅读素材，优先级为1，适用于累计阅读次数为0次的用户；
C、基于用户阅读历史记录及排序学习规则，推荐内容关联、文本中已识字数量占比由85%依次递减的阅读材料，优先级为4，适用于累计阅读次数大于5次的用户；
D、基于虚拟陪伴对话角色与用户的社交互动关系，推荐内容关联的阅读材料，优先级为3，适用于累计阅读次数大于3次的用户；
E、基于用户阅读历史的类型，推荐相同或者关联类型，前后文的文本近似度不小于85%的阅读材料，优先级为5，适用于累计阅读次数大于10次的用户；
F、基于用户画像和AI推荐算法训练模型，推荐匹配的阅读材料，优先级为6，适用于累计阅读次数大于15次的用户；
G、基于用户前次阅读记录及艾宾浩斯记忆曲线，匹配可复习、巩固前次阅读材料的新阅读材料，优先级为7，适用于累计阅读次数大于20次的用户。
用户当前个性化推荐参数数据包括：用户昵称、年龄、性别、年级等简单数据，该用户当前已经掌握的具体单字、词语、语音、句式的内容及其累计数量，以及预测的阅读训练模型、社交交互角色等。具体包括如下步骤：
S3-1：运算与服务端通过其用户管理单元对该用户进行画像，并通过阅读行为分析模块，获得当前用户的阅读姿态、速度、偏好、主动性、习惯等数据；
S3-2：通过阅读能力评价模块，获得当前用户的识字量、语音辨识、图形图像辨识、对话、内容理解等能力评价数据；
S3-3：通过阅读模型训练模块，提前通过AI机器深度学习，生成阅读计划方案，训练阅读模型，并且根据当前用户的阅读行为分析数据、阅读能力评价数据，匹配最优阅读模型的步骤；该阅读计划分为：启蒙阅读计划、进阶阅读计划、强化阅读计划；
S3-4：根据阅读计划，通过推荐算法规则模块，基于阅读模型、推荐算法规则，对当前用户的阅读请求，根据优先级选择一种推荐算法，进行阅读素材的匹配和推荐，阅读素材包括文本、图形、图像、语音及动画；
S3-5：通过阅读材料合成模块，将阅读材料推荐模块推荐的文本、图形、图像、语音及动画进行合成、打包，合成多媒体阅读材料，以便通过用户终端进行加载和呈现；
S3-6：通过虚拟陪伴对话生成模块，根据当前用户画像数据、匹配的虚拟陪伴角色、阅读计划、阅读材料，生成虚拟陪伴对话的文本、语音及动画；
S4：交互阅读管理单元，将收到的多篇个性化阅读素材的文本，分别通过多媒体合成引擎将其与素材文本、图形图像、语音和/或动画一起，合成为多媒体阅读材料，发送给输入输出单元；参见附图8、9、10，其为用户终端（智能手机或平板电脑）的阅读交互界面，其中显示了用户信息、文本阅读素材、图像、语言、文本近似度（相关性推荐值）等信息，供用户通过该智能终端，在系统页面操作功能提示以及虚拟陪伴角色（AI魔豆）的主动交互式引导下，完成一篇素材的阅读；具体包括如下步骤：
S4-1：通过阅读材料展示模块，将阅读材料的内容通过用户终端展示给用户；用户点击打开拟阅读材料的文本，加载呈现该材料的各类信息，包括匹配度占比、图片、音频、字体字号调节等操作信息；调取用户数据中记录的已识字词的结构化信息，对阅读材料文本进行匹配渲染，使已认识和不认识的字词区别显示，如加粗、字体颜色、背景色等呈现显著的差异，调节用户局部的注意力；
S4-2：通过阅读场景分析模块，采集并分析用户的阅读场景为家庭、学校、户外，现场有无成人陪伴等场景；
S4-3：通过虚拟陪伴对话模块，虚拟陪伴角色以语音、动画的形式与用户对话和交互，引导用户进行阅读、理解、沟通；用户在阅读中遇到疑似不认识的字，提示用户点击这个文字，弹出该文字学习页面，包含该文字的读音（自动播放、多音字可智能选择并支持切换）、教学动画、笔画、字源、组词、例句等信息，用户学习完该文字后，关闭弹出页面，继续呈现阅读材料；
S4-4：通过阅读过程数据采集模块，将用户的阅读过程数据进行采集，包括用户的阅读场景、时间、地点、语音、表情、点击屏幕的动作、阅读持续时长等数据，并将采集到的数据上传到其阅读能力评价模块进行分析，并进行智能添加，根据预先设定的规则判断用户是否已经识读认识其阅读过的字，若设定的所有条件都达成，则默认为用户已经认识了其阅读过的字，并自动添加到熟字数据中；
S4-5：通过复习巩固模块，用户对当前已经阅读完成的阅读材料，对其中新学习的生字进行即时巩固练习，该练习以游戏化或对话的形式，根据发音、提问或组词找到匹配的汉字，使用户快速进行复习、巩固，加深学习印象；
S5：输入输出单元将各多媒体阅读材料列表输出到用户端，引导用户通过交互页面进行阅读材料的点击，再根据用户点击动作、加载被用户选中的阅读材料，再引导用户通过听、说、读、写操作完成阅读材料中展示的文字识别和语义阅读理解，同时记录用户阅读的过程数据，并将该过程数据同步发送给控制与运算单元；
S6：控制与运算单元，实时分析所接收到的该用户单次阅读理解的过程数据并返回计算结果，解决该用户单次阅读理解过程中所遇到的问题，支持该用户完成单次阅读理解，并记录该用户的点击操作动作及结果反馈数据；
S7：在单次阅读结束后，控制与运算单元根据该用户单次阅读理解记录点击操作动作及结果反馈数据记录，更新用户信息及历史阅读记录，为该用户下一次的阅读请求做好准备。
所述的步骤S2-S7，还包括对应的应用程序，通过数据存储管理模块，分别从各数据模块中调取所需数据，进行分析、处理或展示后，再将新获取的数据通过数据存储管理模块，对应的存储到各数据库中。
一种实施前述方法的基于AI的交互式阅读材料个性化推荐系统，其包括通过互联网相互连接并通讯的多个用户终端、管理终端及基于Web的运算与服务端，该运算与服务端包括相互连接并通讯的用户管理单元、I/O管理单元、交互阅读管理单元、数据管理单元及运算与控制单元；运算与控制单元设置有运算模块、推荐算法规则模块、阅读模型训练模块、虚拟陪伴对话生成模块、阅读行为分析模块、阅读能力评价模块，所述的推荐算法规则模块设置有多种算法规则；所述的用户终端、管理终端内置有与该运算与服务端协同工作的应用程序。
其中，所述的用户管理单元用于用户管理，其包括相连接并通讯的用户基本信息模块、新手任务模块、阅读能力测试模块、社交关系管理模块、虚拟陪伴角色管理模块；所述的虚拟陪伴对话角色，是悬浮在用户终端的交互阅读页面上，通过与用户的交互对话问答语音或动画，主动引导用户进行阅读、理解和沟通的虚拟陪伴卡通形象。
本实施例中，所述的管理终端有多个，用来与AI服务器通讯、向该AI服务器导入程序及数据；所述的AI服务器至少有一个，用来接收、存储、处理管理终端传输的数据和程序，并训练机器深度学习的模型；所述的Web服务器至少有一个，用来接收用户终端的请求、验证用户身份，按需调取AI服务器中的数据，并将其反馈给用户终端；所述的用户终端有多个，其内置交互阅读终端支持程序，接收用户指令、采集用户阅读相关的数据，并将其发送给Web服务器。
所述的运算与控制单元，用来管理程序与运算，其包括相连接并通讯的运算模块、推荐算法规则模块、阅读模型训练模块、虚拟陪伴对话生成模块、阅读行为分析模块、阅读能力评价模块；
所述的交互阅读管理单元用来管理阅读材料在用户终端的展示，同步采集用户在交互过程中的交互数据，其包括相连接并通讯的：阅读材料展示模块、阅读场景分析模块、虚拟陪伴对话模块、阅读过程数据采集模块和复习巩固模块；
所述的数据管理单元，用来管理和存储数据，包括相连接并通讯的：用户数据库模块、阅读材料数据库模块、阅读能力数据库模块、阅读交互过程数据库模块、AI模型数据库模块、系统设置数据库模块、数据存储管理模块。本发明阅读素材数据库，包括根据常用汉字词库，构建的以汉字为索引的多媒体词库的数据库，使阅读素材数据库包括与该汉字关联的语音、图像、组词、短语、句式、释义、短故事等；还包括阅读素材关联度数据库，存储以阅读材料文本中有关联关系的汉字为索引的语音、图像、组词、短语、句式、释义、短故事等关系型数据。
本实施例中，可预先构建阅读素材数据库，为系统提供数据支持。根据常用汉字词库，收集包含文本信息的待阅读素材作为语料，以内容独立的素材篇幅为单位，由工作终端、前端服务器对待阅读语料的文本数据进行采集、命名，将文本转换为txt格式文档，并将多篇素材文档随机分为阅读对象和测试对象存储进行存储，形成阅读素材数据库。还可以再构建阅读素材关联度数据库：AI服务器对阅读素材数据库中存储的多篇阅读素材文档分别进行中文分词处理，根据常用汉字词库，扫描全部的素材文档，统计各篇阅读素材中的词频；根据关键热词的词频，通过SVM机器深度学习算法，训练阅读素材文本关联度分类器，自动进行各阅读素材文档的关联度标注，形成阅读素材关联度数据库。
用户阅读能力预测时，用户终端连接Web服务器注册，并提交用户昵称、年龄、性别、年级等简单数据，AI服务器通过其阅读能力提升模型，运算、预测该用户的阅读能力，并根据阅读素材关联度数据库，匹配推荐适合其阅读能力的具体阅读素材。进行交互式阅读数据采集及阅读能力测试：Web服务器向用户终端推送匹配推荐阅读的具体阅读素材，用户终端加载、展示该阅读素材的文本；用户通过其用户终端对该素材进行阅读，并根据对该素材文本中汉字的识读情况进行如下操作：对不能顺畅识读的汉字目光持续关注0.2秒以上或进行点击的动作，对能顺畅识读的汉字则没有上述动作；用户终端将上述动作数据反馈到Web服务器，再转发到AI服务器，重新计算得到该用户的阅读能力数据；
对用户当前的阅读能力确认及训练提升的步骤为：AI服务器根据计算得到的该用户的阅读能力、阅读素材关联度数据库85%规则和训练阅读能力提升模型等推荐算法规则，匹配推荐阅读的具体阅读素材。
用户阅读能力多维度判断及训练阅读能力提升模型的步骤为：AI服务器根据该用户多次交互式阅读，得到多维度数据：用户掌握的单字、词语、语音、句式数据，进行用户的多维度综合阅读能力综合判断，并训练与其对应的个性化阅读能力提升模型，在该用户下次登录系统时自动加载，以长期、持续提升其独立阅读及认知能力。
本发明在用户首次阅读时，根据用户属性（或者调取历史阅读记录），判断用户当前的阅读能力，再调取推荐算法规则或者推荐训练模型，从数据库中选取个性化的推荐阅读材料，根据该阅读材料的内容、类型等信息，选取合适用户当前阅读交互的虚拟陪伴角色，然后对话生成对话数据；在交互阅读过程中，该虚拟陪伴卡通形象（AI魔豆）通过对话或朗读引导用户进行阅读，用户终端记录阅读过程数据，上传到系统中，通过对话的分析，分析用户的阅读能力、阅读效果等。当用户再次通过本系统进行阅读时，参见实施例2，系统更新用户属性和阅读参数，再次推荐新的阅读材料，必要时更换虚拟陪伴卡通形象（AI魔豆）的角色。用户阅读能力判断，是用来判断和更新用户的阅读能力，包括用户的识字数量、社交信息、兴趣信息、历史推荐阅读素材数据等。
所述的AI服务器还内置有对话引导阅读理解模型，其包括文本对话引导阅读理解模型，语音对话引导阅读理解模型，以及图形对话引导阅读理解模型。所述的训练阅读能力提升模型，先用测试对象进行机器阅读能力提升学习得到训练数据，再与用户实际的阅读对象和训练数据进行对比，进行机器学习和模型训练，得到个性化的阅读能力提升模型。
本实施例中通过AI服务器进行阅读素材文本关联度分类模型训练，训练的阅读元素包括：汉字、语音、图像、组词、短语、句式、释义，以及用户年龄、性别、年级；还可以根据健康、语言、社会、科学、艺术五大类别，分别训练单类别的关联性模型，或训练跨类别的关联性模型，作为个性化推荐规则。
本发明实施例采用的基于排序学习的推荐算法规则，是将排序学习技术融合进推荐算法中,即通过采样对训练集数据整合大量特征并进行参数的自动化调整,构建复杂的用户兴趣偏好模型,进而更新项目排序列表,并最终向用户产生有效的推荐列表。与传统的推荐算法相比,基于排序学习的推荐算法能更有效地反映用户的不同偏好以及提高推荐的准确性。
本实施例中的匹配渲染，是利用用户已识字词的结构化信息对阅读素材文本进行匹配渲染，已认识和不认识的字词区别显示，如加粗、字体颜色、背景色等呈现显著的差异。本实施例交互阅读过程中，还包括即时查询功能，用户在阅读中遇到不认识的字，点击这个文字，弹出该文字学习页面，包含该文字的读音（自动播放、多音字可智能选择并支持切换）、教学动画、笔画、字源、组词、例句等信息，用户学习完该文字后，关闭弹出页面，继续阅读材料。
本发明实施例，通过控制与运算单元，运算确定虚拟陪伴角色，并根据阅读素材、用户阅读能力和虚拟陪伴角色，由对话问答引擎生成以虚拟陪伴角色为主体、阅读用户为客体的引导阅读的交互对话问答文本；交互阅读管理单元，基于收到的多篇个性化阅读素材的文本，通过对话问答引擎生成以虚拟陪伴角色为主体、阅读用户为客体的引导阅读的交互对话问答文本，再将，再通过多媒体合成引擎将该对话问答文本与素材文本、图形图像、语音和/或动画一起合成为引导阅读的交互对话问答语音或动画的多媒体导读材料（不包括文字）； 通过输入输出单元，将多媒体阅读材料引导阅读的交互对话问答文本生成语音或动画，与多媒体阅读材料同步加载、输出到用户端，在以虚拟陪伴角色为主体的交互对话、语音和/或动画的共同引导下，用户完成阅读材料中展示的文字识别和阅读理解，并记录用户阅读的过程数据，直至其完成单一多媒体阅读材料的全篇的单次阅读理解；通过输入输出单元，将多媒体阅读材料加载、输出到用户端，在以虚拟陪伴角色为主体的交互对话、语音和/或动画的共同引导下，用户完成阅读材料中展示的文字识别和阅读理解，并记录用户阅读的过程数据，直至其完成单一多媒体阅读材料的全篇的单次阅读理解；通过控制与运算单元，实时分析所接收到的该用户单次阅读理解的过程数据并返回计算结果，特别是通过用户与虚拟陪伴角色的交互对话数据，判断是否达到该用户单次阅读理解的效果参数（识字量、识字速度、发音准确度、遗忘率等）。
一个不具备独立阅读及交互、沟通能力的儿童，将大大影响其能知识学习和身心成长。采用本发明实施例提供的方法及系统，已经开发出在线的“魔方AI阅读平台”产品，实现对儿童等用户 “识字不用教，阅读不用陪”，降低家长及社会的教育成本。“魔方AI阅读平台”是充分利用AI、大数据、云计算、移动互联网等新一代信息技术，打造的“独立阅读能力培养+家校融合+智能跟踪体系”的智慧教育软硬件在线阅读辅导支持系统。本发明采用对儿童阅读能力进行自适应AI分级，采用阅读材料的个性化智能推荐和主动引导其阅读过程，使儿童用户可以较快的速度进入训练和提供其独立阅读能力，比传统的阅读辅导手段可提前3-4年具备较好的独立阅读能力（识字量达到1000字、正确理解5个类型的阅读材料）。
实施例2：
参见附图11-21，本实施例提供的基于AI的交互式阅读材料个性化推荐方法及系统，其与实施例1基本上相同，其不同之处在于：
所述系统中的运算与服务端的运算与控制单元，还包括多个可用区交换机及应用服务器；用户管理单元，还包括网关、路由器及负载均衡服务器；I/O管理单元，还包括由多个缓存服务器组成的缓存集群；交互阅读管理单元，包括由文件服务器组成的文件服务集群；所述的数据管理单元，包括由多个数据库服务器组成的数据库集群。
所述方法的步骤S3的启蒙阅读计划中还包括智选绘本的步骤，根据用户的阅读能力评价模块的数据，匹配最优的阅读绘本。
用户重复阅读（复习巩固），是用户对阅读素材文本阅读完成后，对新学习过的生字进行即时巩固练习，该练习以游戏化的形式，根据发音找汉字，使用户快速进行巩固复习、加深印象。同时，在进阶阅读计划中，根据遗忘曲线理论制定阅读复习提醒表，并按照设定的时间、复习内容提示用户进行复习。此外，在所述的强化阅读计划中还包括看世界、成语故事、诗词等跨类型的扩展阅读步骤，以拓展用户的知识面。
参见图11，本实施例提供基于AI的交互式阅读材料个性化推荐方法的各具体步骤，在用户进行首次阅读之后的二次阅读时，其基本步骤如下：
系统从用户阅读能力评价模块中提取适配的阅读能力模型及数据记录，使用该数据进行新的匹配性计算，在阅读素材数据库中智能选取适合当前用户阅读能力的素材列表（5-10篇），通过用户终端交互页面项用户展示，同时显示各阅读素材（及其关联的多媒体阅读材料）的匹配度等信息，由用户进行随机选择；当用户通过用户终端交互页面点击该列表中的任一阅读素材，则系统向用户终端加载该阅读素材（及其关联的多媒体阅读材料）的图片、音频、字体、字号调节等页面交互操作信息；在用户交互阅读过程中，系统将该用户已经认识的字词数据，对阅读素材文本进行匹配、渲染，将熟字（已经认识的字词）与生字（不认识的字词）进行区别显示，例如用粗体字显示熟字，用细体字显示生字，协助用户区分；当用户点击阅读素材文本中的任一文字，则以新窗口弹出高文字的学习页面，包含该文字的读音、教学动画、笔画、字源、组词、例句等信息；待用户将当前阅读素材阅读完成后，系统再弹出页面对新学习的生字进行复习巩固，然后系统记录该用户点击文字学习的行为信息，并自动根据设定的规则判断被学习的生字是否已经被用户掌握，如掌握则自动添加到熟字数据库，如未掌握则不添加。
本实施例中，所述S5-3通过阅读模型训练模块，提前通过AI机器深度学习，生成阅读计划方案（即定制阅读计划），是为大批量用户中的每一位用户（小朋友）、根据其用户数据而量身定制的专属的阅读学习计划，其中包括根据用户（小朋友）当前的识字量，给出三个不同阶段的阅读提升计划，用科学的阅读方法，在阅读中识字，在识字中阅读，逐步培养小朋友的阅读兴趣，提高阅读能力。该阅读计划分为：启蒙阅读计划、进阶阅读计划、强化阅读计划。
参见附图12-图13，系统通过页面与用户的交互，完成定制阅读计划，并生成具体的阅读计划方案。在该定制阅读计划的过程中，系统通过页面上浮动的“魔豆”小机器人（即AI交互阅读助手），以特定的角色，跟用户（小朋友）及其家长之间建立强互动，让整个阅读交互操作流程更加顺畅、欢快、无压力。系统通过“魔豆”小机器人引导用户依次完成5个小问答【识字水平】、【识字敏感度】、【阅读表现】、【阅读习惯】、【提升方向】，采集该用户的相关数据后，即可自动判断当前小朋友的识字阅读能力处于哪个阶段，为小朋友量身定制阅读提升计划；根据用户当前的识字量范围，定制阅读计划由易到难依次分为启蒙、进阶、强化三类。当用户的识字量小于等于200字时，调取模型、制定启蒙阅读计划；当用户的识字量在200-1000字时，调取模型、制定进阶阅读计划；当用户的识字量大于1000字时，调取模型、制定强化阅读计划。
其中，启蒙阅读计划是适合识字量少，或者刚开始识字的小朋友，在启蒙阶段主要培养孩子对阅读的兴趣，通过简短的童谣、绘本，情节贴近生活，这样阅读难度小，阅读的兴趣也会更高。启蒙阅读计划的交互阅读过程如附图14所示，其交易阅读界面如图15所示，共分为42节课，共200个生字，这200个字是常见字，是魔方AI系统后台管理人员将市面上几十万的素材录入系统，系统再通过中文分词、词频统计等大数据计算，将覆盖率最高的200个字，提取出来的。本实施例的识字学习是为了提高用户的阅读和理解能力，用户通过本发明系统掌握这200个字，相比传统的学习方式，学习效率可提升40%-60%。
在启蒙阅读计划的课程列表中，完成上一节课才能解锁下一节课，已经学完的课程可以隐藏课程。进入课程详情页后，学习任务分为学一学、读一读、练一练、闯一闯。
其中【学一学】的原理是：通过系统学习掌握200个常用高频字，从市面上几十万的儿童读物中，摘取覆盖率最高的200个启蒙阶段必学的200个高频字。学会这200字，基本上能匹配50%的阅读素材文本数据。系统通过交互设计，引导用户通过对素材中各个字的笔顺、视频、发音、释义、组词、资源、相关阅读全面了解字。交互阅读界面展示如附图16所示。
其中【读一读】的原理是：AI阅读能力测试与AI虚拟陪伴角色“魔豆” ，可以解放家长、培养用户的独立阅读能力；用户（孩子）不再需要家长一直陪伴着阅读，而是可以通过与“魔豆”的对话、在其引导下完成阅读；用户遇到不会的字点开就可以听或者学习，并且熟读之后，系统会自动生成测读报告，使用户（小朋友）可以清楚的看到自己哪些字读对了哪些字读错了，也可以听听其他小朋友读的。每一节课都有一篇简短的童谣或者绘本，学习的过程应该是先“听一听”，再读一读。阅读的过程中如果遇到不认识的字，点击可以听发音或者看教程，小朋友养成自主学习的好习惯，就不需要家长在跟前陪伴教学了。熟读之后，点击底部的录音按钮，开始进行录音，录制完成后，点击“提交”，系统会自动识别，最后生成AI测读报告。AI测读报告中，阅读的评分星级是根据流利度、完整度、准确度、声调分、无调分五大维度综合评分，并且系统会根据小朋友的发音，标出每个字的发音准确度，“真不错”、“在努力”、“待提高”三种。同时也可以看到其他小朋友阅读这边文章的评分。其交互界面如图17所示。
其中【练一练】的原理是：在儿童阅读学习阶段，用户（小朋友）的认字是基于拍照模式，通过听发音，把记忆中的字形和发音相匹配，选出正确的字。所以本发明采用趣味的方式让小朋友加深对字的印象。系统在后台为每个字配置好常用的组词，系统自动根据相似发音、相似偏旁部首、相似字形等进行匹配另外三个字。系统在用户终端的交互页面选择展示用户当天学会的五个字，由AI智能老师“魔豆”发出音频、读出该字的组词，由用户（小朋友）在四个字中选择“魔豆”所读的字。其交互页面见图18。
其中，【闯一闯】的原理是：采用游戏的方式激发孩子的学习兴趣，可以自由设置关卡字数，通过智能语音识别，人机互动增加趣味性。用户在页面上随机选择关卡，即可进入到闯关中，读出字卡上面的字，按住喇叭说话，系统会自动识别读的是否正确。全部字都读对了，即可闯关成功，进入下一个关卡中。其交互页面如图19所示。
所述的进阶阅读计划，适合识字量在200-1000字的小朋友，这个阶段主要是培养孩子的独立阅读能力和兴趣，养成良好的阅读习惯。在阅读中识字，通过科学的识字和阅读方式，可以快速提升阅读效率。每天有三个固定的学习计划。第一个：复习巩固已经认识的字，根据艾宾浩斯遗忘曲线，科学的复习；第二个：AI测读，根据85%的甜蜜指数，推荐匹配度为85%左右的文章进行阅读，大部分字小朋友都认识了，阅读难度较低；第三个：认识新的字，在当天阅读的文章中，提取出生字进行着重学习。该进阶阅读计划中根据遗忘曲线理论制定阅读复习提醒表，并按照设定的时间、复习内容提示用户进行复习。从用户终端交互页面的“进阶阅读计划”的板块中，用户点击进入任务列表页面，开始完成今天的三个任务。所述的强化阅读计划，适合识字量在1000字以上的小朋友，任务的模式同进阶阅读计划相似，唯一不同的是推荐的阅读材料难度较大，会涉及到看世界、成语故事、诗词等难度较大的内容。
本发明其他实施例中，还可以根据用户的其他阅读能力数据差异进行阅读计划的定制、内容推荐及阅读交互；虚拟陪伴角色卡通形象“AI魔豆”，其角色还可以是成年爸爸、妈妈其他关系人员之一，以及未成年同伴、同学及其他关系人员之一，同步伴随和引导用户进行阅读；具体角色可以由用户（或者其家长）选择，也可以由系统根据用户画像数据进行智能设定。
采用本发明技术方案开发的用户终端软件“魔方AI阅读APP”，是专为儿童打造的AI智能阅读平台，以苏霍姆林斯基教育思想和加涅心理学教学论为基础，结合艾宾浩斯的遗忘曲线，进行用户阅读能力持续跟踪和提升规划，设置用户阅读提醒功能，引导用户阅读复习旧的阅读材料或者新的阅读材料，通过为儿童用户提供在线的实时阅读、复习和虚拟陪伴服务，逐步提高其识字、阅读、理解和认知以及人机交互沟通能力。本发明在阅读材料数据库中事先采集、录入了大量的优质图书，包括自然知识、有趣的故事和各类绘本，用户（包括家长）随时可以阅读，让用户从小养成好的阅读习惯，促进用户的知识及心智成长。
本发明上述实施例中AI技术的应用，主要表现在如下几个方面：构建语料库，进行文本分析和向量化处理；训练并使用词性标注模型，进行词性标注；训练自定义的依存分析器，并利用该依存分析器进行句子结构分析；通过主题建模工具建模，对于语料库进行AI训练而获得主题模型；根据在5个不同的主题模型内以85%的主题一致性为标准（关联度），进行上下文的匹配、个性化推荐；在主题模型的基础上，进行文本聚类和文本分类机器深度学习，将相似的文档组合在一起；进行词嵌入：Word2Vec 或Doc2Vec对文本进行向量化处理；用K-means 进行聚类学习；基于排序学习的推荐算法规则推荐阅读材料等。
在本发明的其他实施例中，支持的语言：中文可以是简体、繁体，其他语言包括但不限于日语、韩语、英语、法语、德语等各种语言体系；采用的阅读素材及材料还可以是其他的形式、类型、内容，或划分为其他的阶段和板块，其交互页面也可以采用其他的展示形式，均可以实现本发明的技术效果，在此不再一一列出。
以上仅为本发明的具体实施例，并不以此限定本发明的保护范围；在不违反本发明构思的基础上所作的任何替换与改进，均属本发明的保护范围。
Claims (10)
1.一种基于AI的交互式阅读材料个性化推荐方法，其特征在于，包括以下步骤：
S1：构建一交互式阅读材料个性化推荐系统，其包括相互连接并通讯的多个用户终端、管理终端及基于Web的运算与服务端，该运算与服务端包括控制与运算单元、用户管理单元、输入输出管理单元、数据管理单元、交互阅读管理单元；所述的用户终端、管理终端均内置有与该运算与服务端协同工作的应用程序；
S2：用户通过用户终端注册、登录后，用户管理单元记录用户信息、测试用户初始阅读理解能力，或者调取该用户历史阅读记录，得到该用户当前阅读能力对应的个性化推荐参数、虚拟陪伴对话角色；
S3：控制与运算单元，从用户管理单元中调取用户的个性化推荐参数，从控制与运算单元的推荐算法规则模块中根据优先级选择一种算法规则，或者调取AI推荐算法及训练模型，运算并从数据管理单元中调取与该用户阅读能力相匹配的多篇个性化阅读素材，列表发送给交互阅读管理单元；
S4：交互阅读管理单元，将收到的多篇个性化阅读素材的文本，分别通过多媒体合成引擎将其与素材文本、图形图像、语音和/或动画一起，合成为多媒体阅读材料，发送给输入输出单元；
S5：输入输出单元将各多媒体阅读材料列表输出到用户端，引导用户通过交互页面进行阅读材料的点击，再根据用户点击动作、加载被用户选中的阅读材料，再引导用户通过听、说、读、写操作完成阅读材料中展示的文字识别和语义阅读理解，同时记录用户阅读的过程数据，并将该过程数据同步发送给控制与运算单元；
S6：控制与运算单元，实时分析所接收到的该用户单次阅读理解的过程数据并返回计算结果，解决该用户单次阅读理解过程中所遇到的问题，支持该用户完成单次阅读理解，并记录该用户的点击操作动作及结果反馈数据；
S7：在单次阅读结束后，控制与运算单元根据该用户单次阅读理解记录点击操作动作及结果反馈数据记录，更新用户信息及历史阅读记录，为该用户下一次的阅读请求做好准备。
2.根据权利要 1所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，所述步骤S3中的推荐算法规则模块，包括如下推荐算法规则：
A、基于用户测读得到的已识字数量和内容，推荐文本中包括不小于85%已识字的阅读素材；
B、基于用户年龄、性别群体平均识字数量和内容，推荐文本中包括不小于85%已识字的阅读素材；
C、基于用户阅读历史记录及排序学习规则，推荐内容关联、文本中已识字数量占比由85%依次递减的阅读材料；
D、基于虚拟陪伴对话角色与用户的社交互动关系，推荐内容关联的阅读材料；
E、基于用户阅读历史的类型，推荐相同或者关联类型，前后文的文本近似度不小于85%的阅读材料；
F、基于用户画像和AI推荐算法训练模型，推荐匹配的阅读材料；
G、基于用户前次阅读记录及艾宾浩斯记忆曲线，匹配可复习、巩固前次阅读材料的新阅读材料。
3.根据权利要 1或2所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，所述的用户管理单元用于用户管理，其包括相连接并通讯的用户基本信息模块、新手任务模块、阅读能力测试模块、社交关系管理模块、虚拟陪伴角色管理模块；所述的虚拟陪伴对话角色，是悬浮在用户终端的交互阅读页面上，通过与用户的交互对话问答语音或动画，主动引导用户进行阅读、理解和沟通的虚拟陪伴卡通形象；
所述的步骤S2，具体包括如下步骤：
S2-1：通过新手任务模块，获取用户基本信息之外、支持交互阅读所需的其他用户数据；
S2-2：通过阅读能力测试模块获取成用户当前阅读能力的参数数据；
S2-3：通过社交关系管理模块，对该用户的人际关系、对象、活动进行管理的步骤；
S2-4：通过虚拟陪伴角色管理模块，对同步伴随和引导用户进行阅读的虚拟陪伴角色进行管理，该虚拟陪伴角色包括：用户的成年爸爸、妈妈、老师、其他关系人员之一，以及未成年同伴、同学及其他关系人员之一。
4.根据权利要求3所述的所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，所述步骤S2-2，用户阅读能力测试具体包括：用户终端连接Web服务器注册，并提交用户昵称、年龄、性别、年级的简单数据，运算与控制单元分析、匹配与其接近训练模型，预测该用户的阅读能力，再匹配推荐适合其阅读能力的交互式问答、阅读材料及识字游戏，导入新手任务模块，用户完成该新手任务后，阅读能力测试模块可得到该用户的多维度数据：该用户已经掌握的单字、词语、语音、句式，作为后续进行该用户的多维度综合阅读能力综合判断的初始数据。
5.根据权利要 1或2所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，所述的运算与控制单元，用来管理程序与运算，其包括相连接并通讯的运算模块、推荐算法规则模块、阅读模型训练模块、虚拟陪伴对话生成模块、阅读行为分析模块、阅读能力评价模块；
所述的步骤S3，具体包括如下步骤：
S3-1：运算与服务端通过其用户管理单元对该用户进行画像，并通过阅读行为分析模块，获得当前用户的阅读姿态、速度、偏好、主动性、习惯的数据；
S3-2：通过阅读能力评价模块，获得当前用户的识字量、语音辨识、图形图像辨识、对话、内容理解的能力评价数据；
S3-3：通过阅读模型训练模块，提前通过AI机器深度学习，生成阅读计划方案，训练阅读模型，并且根据当前用户的阅读行为分析数据、阅读能力评价数据，匹配最优阅读模型的步骤；该阅读计划分为：启蒙阅读计划、进阶阅读计划、强化阅读计划；
S3-4：根据阅读计划，通过推荐算法规则模块，基于阅读模型、推荐算法规则，对当前用户的阅读请求，根据优先级选择一种推荐算法，进行阅读素材的匹配和推荐，阅读素材包括文本、图形、图像、语音及动画；
S3-5：通过阅读材料合成模块，将阅读材料推荐模块推荐的文本、图形、图像、语音及动画进行合成、打包，合成多媒体阅读材料，以便通过用户终端进行加载和呈现；
S3-6：通过虚拟陪伴对话生成模块，根据当前用户画像数据、匹配的虚拟陪伴角色、阅读计划、阅读材料，生成虚拟陪伴对话的文本、语音及动画。
6.根据权利要求5所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，
所述的启蒙阅读计划中还包括智选绘本的步骤，根据用户的阅读能力评价模块的数据，匹配最优的阅读绘本；
所述的进阶阅读计划中还包括根据遗忘曲线理论制定阅读复习提醒表，并按照设定的时间、复习内容提示用户进行复习的步骤；
所述的强化阅读计划中还包括看世界、成语故事、诗词跨类型的扩展阅读步骤。
7.根据权利要 1或2所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，所述的交互阅读管理单元用来管理阅读材料在用户终端的展示，同步采集用户在交互过程中的交互数据，其包括相连接并通讯的：阅读材料展示模块、阅读场景分析模块、虚拟陪伴对话模块、阅读过程数据采集模块和复习巩固模块；
所述的步骤S4，具体包括如下步骤：
S4-1：通过阅读材料展示模块，将阅读材料的内容通过用户终端展示给用户；用户点击打开拟阅读材料的文本，加载呈现该材料的各类信息，包括匹配度占比、图片、音频、字体字号调节的操作信息；调取用户数据中记录的已识字词的结构化信息，对阅读材料文本进行匹配渲染，使已认识和不认识的字词区别显示，如加粗、字体颜色、背景色的呈现显著的差异，调节用户局部的注意力；
S4-2：通过阅读场景分析模块，采集并分析用户的阅读场景为家庭、学校、户外，现场有无成人陪伴的场景；
S4-3：通过虚拟陪伴对话模块，虚拟陪伴角色以语音、动画的形式与用户对话和交互，引导用户进行阅读、理解、沟通；用户在阅读中遇到疑似不认识的字，提示用户点击这个文字，弹出该文字学习页面，包含该文字的读音、教学动画、笔画、字源、组词、例句的信息，用户学习完该文字后，关闭弹出页面，继续呈现阅读材料；
S4-4：通过阅读过程数据采集模块，将用户的阅读过程数据进行采集，包括用户的阅读场景、时间、地点、语音、表情、点击屏幕的动作、阅读持续时长的数据，并将采集到的数据上传到其阅读能力评价模块进行分析，并进行智能添加，根据预先设定的规则判断用户是否已经识读认识其阅读过的字，若设定的所有条件都达成，则默认为用户已经认识了其阅读过的字，并自动添加到熟字数据中；
S4-5：通过复习巩固模块，用户对当前已经阅读完成的阅读材料，对其中新学习的生字进行即时巩固练习，该练习以游戏化或对话的形式，根据发音、提问或组词找到匹配的汉字，使用户快速进行复习、巩固，加深学习印象。
8.根据权利要 1或2所述的基于AI的交互式阅读材料个性化推荐方法，其特征在于，所述的数据管理单元，用来管理和存储数据，包括相连接并通讯的：用户数据库模块、阅读材料数据库模块、阅读能力数据库模块、阅读交互过程数据库模块、AI模型数据库模块、系统设置数据库模块、数据存储管理模块；
所述的步骤S2-S7，还包括对应的应用程序，通过数据存储管理模块，分别从各数据模块中调取所需数据，进行分析、处理或展示后，再将新获取的数据通过数据存储管理模块，对应的存储到各数据库中。
9.一种实施权利要求1-8之一所述方法的基于AI的交互式阅读材料个性化推荐系统，其特征在于，其包括通过互联网相互连接并通讯的多个用户终端、管理终端及基于Web的运算与服务端，该运算与服务端包括相互连接并通讯的用户管理单元、I/O管理单元、交互阅读管理单元、数据管理单元及运算与控制单元；运算与控制单元设置有运算模块、推荐算法规则模块、阅读模型训练模块、虚拟陪伴对话生成模块、阅读行为分析模块、阅读能力评价模块，所述的推荐算法规则模块设置有多种算法规则；所述的用户终端、管理终端内置有与该运算与服务端协同工作的应用程序。
10.根据权利要求9所述的基于AI的交互式阅读材料个性化推荐系统，其特征在于，所述的运算与服务端的运算与控制单元，包括多个可用区交换机及应用服务器；用户管理单元，包括网关、路由器及负载均衡服务器；I/O管理单元，包括由多个缓存服务器组成的缓存集群；交互阅读管理单元，包括由文件服务器组成的文件服务集群；所述的数据管理单元，包括由多个数据库服务器组成的数据库集群。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110940280.4A CN113610680A (zh) | 2021-08-17 | 2021-08-17 | 一种基于ai的交互式阅读材料个性化推荐方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110940280.4A CN113610680A (zh) | 2021-08-17 | 2021-08-17 | 一种基于ai的交互式阅读材料个性化推荐方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113610680A true CN113610680A (zh) | 2021-11-05 |
Family
ID=78340869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110940280.4A Pending CN113610680A (zh) | 2021-08-17 | 2021-08-17 | 一种基于ai的交互式阅读材料个性化推荐方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610680A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114117106A (zh) * | 2021-12-07 | 2022-03-01 | 广州道然信息科技有限公司 | 基于儿童绘本的智能交互方法、装置、设备和存储介质 |
| CN116027946A (zh) * | 2023-03-28 | 2023-04-28 | 深圳市人马互动科技有限公司 | 互动小说中图片信息处理方法及装置 |
| CN116226411A (zh) * | 2023-05-06 | 2023-06-06 | 深圳市人马互动科技有限公司 | 一种基于动画的互动项目的交互信息处理方法和装置 |
| CN116796045A (zh) * | 2023-08-23 | 2023-09-22 | 北京人天书店集团股份有限公司 | 一种多维度图书分级方法、系统及可读介质 |
| CN117056385A (zh) * | 2023-08-04 | 2023-11-14 | 昫爸教育科技(北京)有限公司 | 基于儿童学习偏好和智能教练的自适应学习方法和系统 |
| CN117194792A (zh) * | 2023-09-18 | 2023-12-08 | 广州道然信息科技有限公司 | 基于角色预测的儿童绘本推荐方法及系统 |
| CN118210931A (zh) * | 2024-04-22 | 2024-06-18 | 北京读上高楼文化科技有限公司 | 基于知识图谱的互动阅读方法、系统、终端及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109940627A (zh) * | 2019-01-29 | 2019-06-28 | 北京光年无限科技有限公司 | 一种面向绘本阅读机器人的人机交互方法和系统 |
| CN110674410A (zh) * | 2019-10-08 | 2020-01-10 | 北京物灵科技有限公司 | 用户画像构建、内容推荐方法、装置及设备 |
| CN110990702A (zh) * | 2019-12-04 | 2020-04-10 | 北京智乐活科技有限公司 | 一种面向儿童自主阅读的推荐方法、客户端及服务器 |
| CN113052730A (zh) * | 2021-02-23 | 2021-06-29 | 杭州一亩教育科技有限公司 | 用于自主阅读能力习得的儿童分级助读方法和系统 |
-
2021
- 2021-08-17 CN CN202110940280.4A patent/CN113610680A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109940627A (zh) * | 2019-01-29 | 2019-06-28 | 北京光年无限科技有限公司 | 一种面向绘本阅读机器人的人机交互方法和系统 |
| CN110674410A (zh) * | 2019-10-08 | 2020-01-10 | 北京物灵科技有限公司 | 用户画像构建、内容推荐方法、装置及设备 |
| CN110990702A (zh) * | 2019-12-04 | 2020-04-10 | 北京智乐活科技有限公司 | 一种面向儿童自主阅读的推荐方法、客户端及服务器 |
| CN113052730A (zh) * | 2021-02-23 | 2021-06-29 | 杭州一亩教育科技有限公司 | 用于自主阅读能力习得的儿童分级助读方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 杨东润 等: "交互艺术设计", 30 September 2020, 江苏大学出版社, pages: 98 - 103 * |
| 游戏鸟: "魔方AI阅读app下载, 魔方AI阅读app官方下载安装 v1.0.3-游戏鸟手游网", pages 1 - 11, Retrieved from the Internet <URL:https://www.youxiniao.com/soft/mfaiyd1/> * |
| 蓝汐姐: "欢迎来到魔方阅读", pages 1 - 2, Retrieved from the Internet <URL:微信视频号> * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114117106A (zh) * | 2021-12-07 | 2022-03-01 | 广州道然信息科技有限公司 | 基于儿童绘本的智能交互方法、装置、设备和存储介质 |
| CN116027946A (zh) * | 2023-03-28 | 2023-04-28 | 深圳市人马互动科技有限公司 | 互动小说中图片信息处理方法及装置 |
| CN116226411A (zh) * | 2023-05-06 | 2023-06-06 | 深圳市人马互动科技有限公司 | 一种基于动画的互动项目的交互信息处理方法和装置 |
| CN117056385A (zh) * | 2023-08-04 | 2023-11-14 | 昫爸教育科技(北京)有限公司 | 基于儿童学习偏好和智能教练的自适应学习方法和系统 |
| CN117056385B (zh) * | 2023-08-04 | 2024-06-28 | 昫爸教育科技(北京)有限公司 | 基于儿童学习偏好和智能教练的自适应学习方法和系统 |
| CN116796045A (zh) * | 2023-08-23 | 2023-09-22 | 北京人天书店集团股份有限公司 | 一种多维度图书分级方法、系统及可读介质 |
| CN116796045B (zh) * | 2023-08-23 | 2023-11-10 | 北京人天书店集团股份有限公司 | 一种多维度图书分级方法、系统及可读介质 |
| CN117194792A (zh) * | 2023-09-18 | 2023-12-08 | 广州道然信息科技有限公司 | 基于角色预测的儿童绘本推荐方法及系统 |
| CN117194792B (zh) * | 2023-09-18 | 2024-03-01 | 广州道然信息科技有限公司 | 基于角色预测的儿童绘本推荐方法及系统 |
| CN118210931A (zh) * | 2024-04-22 | 2024-06-18 | 北京读上高楼文化科技有限公司 | 基于知识图谱的互动阅读方法、系统、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| WO2021139701A1 (zh) | 一种应用推荐方法、装置、存储介质及电子设备 | |
| CN106095833B (zh) | 人机对话内容处理方法 | |
| CN113610681A (zh) | 一种基于ai的用户交互式阅读支持方法及系统 | |
| CN113609103A (zh) | 一种基于ai的交互式阅读支持数据库构建方法及系统 | |
| Wang | Design of vocal music teaching system platform for music majors based on artificial intelligence | |
| CN111279404B (zh) | 语言流利系统 | |
| CN110245253B (zh) | 一种基于环境信息的语义交互方法及系统 | |
| Shan et al. | [Retracted] Research on Classroom Online Teaching Model of “Learning” Wisdom Music on Wireless Network under the Background of Artificial Intelligence | |
| Li | A Recommendation Model for College English Digital Teaching Resources Using Collaborative Filtering and Few‐Shot Learning Technology | |
| CN116401341A (zh) | 面向理解的互动答疑系统 | |
| Park et al. | Text Processing Education Using a Block-Based Programming Language | |
| Wang | Interactive design method of English online learning interface based on visual perception | |
| Zhang | [Retracted] Piano Teaching Improvement Based on Machine Learning and Artificial Intelligence | |
| Cao et al. | [Retracted] Analysis of the Factors Influencing the Adaptability of College English Learning Based on Artificial Intelligence Teaching Assistance | |
| KR20230040565A (ko) | 운영변환 기반 실시간 협업 편집 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법 | |
| Huang | Design and Application of English Assisted Learning System Based on Mobile Learning Platform | |
| Zhu | [Retracted] Data Mining Technology‐Based English Listening Prediction Strategy and Its Training Approach | |
| CN1614684A (zh) | 发音矫正设备及方法 | |
| 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 | |
| CN111813919A (zh) | 一种基于句法分析与关键词检测的mooc课程评价方法 | |
| Li | Research on the Design of Oral English System Based on Content Recommendation | |
| Li | Research on English Learning Resource Query System Based on Collaborative Filtering Recommendation Algorithm | |
| Zheng | [Retracted] Analyzing College Students’ Reading Behavior by AI Techniques | |
| Jia et al. | A mental health education strategy based on online videos |
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 |