CN115776446A - 基于大数据的服务质量监控系统 - Google Patents
基于大数据的服务质量监控系统 Download PDFInfo
- Publication number
- CN115776446A CN115776446A CN202211339048.6A CN202211339048A CN115776446A CN 115776446 A CN115776446 A CN 115776446A CN 202211339048 A CN202211339048 A CN 202211339048A CN 115776446 A CN115776446 A CN 115776446A
- Authority
- CN
- China
- Prior art keywords
- service quality
- module
- service
- evaluation
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了基于大数据的服务质量监控系统,包括监控数据存储模块、服务质量分析模块和服务质量管理模块,所述监控数据存储模块用于存储系统监控获取到的在线教育服务数据信息,所述服务质量分析模块用于根据获取到的数据对在线教育服务质量进行分析,所述服务质量管理模块用于根据分析结果对在线教育服务过程进行管理,所述服务质量分析模块与监控数据存储模块网络连接,所述服务质量管理模块与服务质量分析模块网络连接,所述监控数据存储模块包括在线教育数据库模块、用户资源数据获取模块、服务质量评价信息获取模块和数据预处理模块,本发明,具有提升服务质量和保证服务公平的特点。
Description
技术领域
本发明涉及在线教育技术领域,具体为基于大数据的服务质量监控系统。
背景技术
近年来,随着互联网、移动互联网的发展,通信等基础设施的不断完善,传统的教育机构和新兴的互联网企业都在尝试探索在线教育的最佳模式,教育逐渐从线下走向线上,在线教育行业受到大数据的影响,在线教育对于促进教育公平、推进个性化教育具有重要意义,借助在线教育,教育管理者也能够从海量数据中获取教、学、评、测的信息,从而进一步指导和优化教育教学。
与此同时,在线教育服务质量也成为家长更担忧的问题,在互联网营销模式驱动下,在线教育能否保证教学品质、授课效果,令不少家长担心,服务虚假宣传、服务乱承诺、课程退费难、消费者投诉难等问题日益突出。因此,设计提升服务质量和保证服务公平的基于大数据的服务质量监控系统是很有必要的。
发明内容
本发明的目的在于提供基于大数据的服务质量监控系统,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:基于大数据的服务质量监控系统,包括监控数据存储模块、服务质量分析模块和服务质量管理模块,所述监控数据存储模块用于存储系统监控获取到的在线教育服务数据信息,所述服务质量分析模块用于根据获取到的数据对在线教育服务质量进行分析,所述服务质量管理模块用于根据分析结果对在线教育服务过程进行管理,所述服务质量分析模块与监控数据存储模块网络连接,所述服务质量管理模块与服务质量分析模块网络连接。
根据上述技术方案,所述监控数据存储模块包括在线教育数据库模块、用户资源数据获取模块、服务质量评价信息获取模块和数据预处理模块,所述在线教育数据库模块用于建立在线教育数据库以存储服务数据信息,所述用户资源数据获取模块用于获取用户资源数据获取模块,所述服务质量评价信息获取模块用于获取服务质量评价信息,所述数据预处理模块用于对获取到的数据信息进行预处理。
根据上述技术方案,所述服务质量分析模块包括评价指标因子筛选单元、指标维度权重分析模块和服务质量计算模块,所述评价指标因子筛选单元用于筛选出服务质量的评价指标因子,所述指标维度权重分析模块用于对服务质量的评价指标因子维度权重进行分析,所述服务质量计算模块用于计算在线教育的服务质量,所述指标维度权重分析模块与评价指标因子筛选单元网络连接,所述服务质量计算模块与指标维度权重分析模块网络连接。
根据上述技术方案,所述服务质量管理模块包括服务质量反馈模块、在线授课监控模块和用户行为监管模块,所述服务质量反馈模块用于根据计算出的服务质量进行反馈管理,所述在线授课监控模块用于对授课和听课用户进行在线监控,所述用户行为监管模块用于对用户行为进行监管。
根据上述技术方案,所述服务质量监控系统的运行方法主要包括以下步骤:
步骤S1:系统建立在线教育数据库,对选择需要进行服务质量监控的在线教育平台实时监控,并将教育平台产生的数据信息经过预处理后存储于数据库中;
步骤S2:服务质量分析模块调用在线教育数据库内数据,筛选出评价指标因子后,进一步进行指标维度的权重分析,最后对服务质量进行计算分析并传输至服务质量管理模块;
步骤S3:服务质量管理模块接收到服务质量分析模块分析后的数据,对服务质量进行反馈;
步骤S4:系统通过视频监控实时监控在线授课情景,并对相关用户行为进行监管。
根据上述技术方案,所述步骤S1中数据获取处理具体为:通过大数据获取教育平台中服务质量评价数据信息,用户在平台中主动录入资源数据信息,学生和家长在第一次使用该平台时录入期望的服务质量评价指标值,再进一步进行数据筛选、清洗和填补。
根据上述技术方案,所述步骤S2进一步包括以下步骤:
步骤S21:结合SERVQUAL评价模型涉及的有形性、可靠性、响应性、保证性、移情性、信息性、监督性七个维度,以时间T为周期对用户的服务质量评价数据信息进行文本提取;
步骤S22:从评价文本信息的第一个词语开始扫描,判断当前词语是否为评价模型涉及指标因子,如果不是则继续往后扫描,如果是评价模型涉及指标词,则对当前词语根据情感属性的分类确定各指标的评价分数;
步骤S23:统计时间周期内各用户对每一服务质量指标的评价分数,并取平均值作为在校教育平台整体的评价分数,同时根据各指标评价词语出现的频次,对其进行指标维度的权重分配,出现频次越高则权重越高;
步骤S24:结合评价指标因子和对应指标维度权重,对服务质量进行计算。
根据上述技术方案,所述步骤S24中服务质量的计算具体为:
根据上述技术方案,所述步骤S3进一步包括以下步骤:
步骤S31:服务质量反馈模块提供用户问题反馈通道,并根据服务质量分析模块计算出的周期性的服务质量评价值,结合用户问题反馈,进一步进行责任主体确认后改善修正;
步骤S32:系统对每一次授课过程实时视频监控,镜头将异常状态用户的拍摄画面保存,在课时结束后发送至用户及其对应授课教师;
步骤S33:用户行为监管模块对每一次授课课时前后准备工作及授课中用户行为进行监管。
根据上述技术方案,所述步骤S32中视频监控具体为:在用户听课期间,服务器后端自动调用用户摄像头,以3~5帧/s的频率拍摄用户状态,并将图片传送至服务器后端进行人脸识别,与数据库中用户基本信息进行比较,进一步根据霍夫变换技术追踪眼球状态,最后对实时抓取到的用户照片进行面部表情识别,结合人脸识别得到的结果,筛选出用户的异常学习状态并标记。
与现有技术相比,本发明所达到的有益效果是:本发明通过设置有监控数据存储模块、服务质量分析模块和服务质量管理模块,获取用户对在线教育平台的服务质量评价信息,并按时间周期结合评价指标因子和对应指标维度权重进行服务质量评价值的计算,系统提供用户问题反馈通道,并根据服务质量分析模块计算出的周期性的服务质量评价值,结合用户问题反馈,进一步进行责任主体确认后改善修正,实现对其服务质量的监管;同时对在线教育用户进行监控管理,实时监控其授课或上课状态,对于异常学习状态行为进行画面捕捉并反馈至用户本人,进行智能告警提醒,保证在线教育课程良好,进一步提高在线教育平台的服务质量。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的系统模块组成示意图。
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。
请参阅图1,本发明提供技术方案:基于大数据的服务质量监控系统,包括监控数据存储模块、服务质量分析模块和服务质量管理模块,监控数据存储模块用于存储系统监控获取到的在线教育服务数据信息,服务质量分析模块用于根据获取到的数据对在线教育服务质量进行分析,服务质量管理模块用于根据分析结果对在线教育服务过程进行管理,服务质量分析模块与监控数据存储模块网络连接,服务质量管理模块与服务质量分析模块网络连接,通过设置有监控数据存储模块、服务质量分析模块和服务质量管理模块,获取用户对在线教育平台的服务质量评价信息,并按时间周期结合评价指标因子和对应指标维度权重进行服务质量评价值的计算,系统提供用户问题反馈通道,并根据服务质量分析模块计算出的周期性的服务质量评价值,结合用户问题反馈,进一步进行责任主体确认后改善修正,实现对其服务质量的监管;同时对在线教育用户进行监控管理,实时监控其授课或上课状态,对于异常学习状态行为进行画面捕捉并反馈至用户本人,进行智能告警提醒,保证在线教育课程良好,进一步提高在线教育平台的服务质量。
监控数据存储模块包括在线教育数据库模块、用户资源数据获取模块、服务质量评价信息获取模块和数据预处理模块,在线教育数据库模块用于建立在线教育数据库以存储服务数据信息,用户资源数据获取模块用于获取用户资源数据获取模块,服务质量评价信息获取模块用于获取服务质量评价信息,数据预处理模块用于对获取到的数据信息进行预处理。
服务质量分析模块包括评价指标因子筛选单元、指标维度权重分析模块和服务质量计算模块,评价指标因子筛选单元用于筛选出服务质量的评价指标因子,指标维度权重分析模块用于对服务质量的评价指标因子维度权重进行分析,服务质量计算模块用于计算在线教育的服务质量,指标维度权重分析模块与评价指标因子筛选单元网络连接,服务质量计算模块与指标维度权重分析模块网络连接。
服务质量管理模块包括服务质量反馈模块、在线授课监控模块和用户行为监管模块,服务质量反馈模块用于根据计算出的服务质量进行反馈管理,在线授课监控模块用于对授课和听课用户进行在线监控,用户行为监管模块用于对用户行为进行监管。
服务质量监控系统的运行方法主要包括以下步骤:
步骤S1:系统建立在线教育数据库,对选择需要进行服务质量监控的在线教育平台实时监控,并将教育平台产生的数据信息经过预处理后存储于数据库中,由在线教育平台自主选择是否接受系统的服务质量监管,便于系统查看监控数据,同时平台主动接受监管,也有利于创造良好的声誉,通过系统的监管分析更有利于提升平台服务质量,形成良性循环;
步骤S2:服务质量分析模块调用在线教育数据库内数据,筛选出评价指标因子后,进一步进行指标维度的权重分析,最后对服务质量进行计算分析并传输至服务质量管理模块;
步骤S3:服务质量管理模块接收到服务质量分析模块分析后的数据,对服务质量进行反馈;
步骤S4:系统通过视频监控实时监控在线授课情景,并对相关用户行为进行监管。
步骤S1中数据获取处理具体为:通过大数据获取教育平台中服务质量评价数据信息,用户在平台中主动录入资源数据信息,教师录入相关学习资源、个人基本信息以及在线授课课时内容相关信息,学习用户录入个人基本信息、在线听课课时内容相关信息以及对应的质量服务需求,学生和家长在第一次使用该平台时录入期望的服务质量评价指标值,用于与后续体验后的服务质量指标评价值做对比,分析该平台服务质量是否达满足客户需求,再进一步进行数据筛选、清洗和填补,由于各种数据获取方式不同、类型不同,通过对数据进行清洗与缺失值填补,使数据标准化存储于数据库内,同时将数据以用户为主体进行合并,便于后续数据分析计算时可以直接调用,免去计算过程的麻烦,并且以用户为主体进行数据合并,更有利于系统进行直观的数据分析。
步骤S2进一步包括以下步骤:
步骤S21:结合SERVQUAL评价模型涉及的有形性、可靠性、响应性、保证性、移情性、信息性、监督性七个维度,以时间T为周期对用户的服务质量评价数据信息进行文本提取;
步骤S22:从评价文本信息的第一个词语开始扫描,判断当前词语是否为评价模型涉及指标因子,如果不是则继续往后扫描,如果是评价模型涉及指标词,则对当前词语根据情感属性的分类确定各指标的评价分数;
步骤S23:统计时间周期内各用户对每一服务质量指标的评价分数,并取平均值作为在校教育平台整体的评价分数,同时根据各指标评价词语出现的频次,对其进行指标维度的权重分配,出现频次越高则权重越高;
步骤S24:结合评价指标因子和对应指标维度权重,对服务质量进行计算。
步骤S24中服务质量的计算具体为:
式中,SQ为服务质量评价值,Wi为各服务质量评价指标因子对应的权重值,且Pi为示家长与学生对第i个服务质量指标的评分,Ei为家长与学生对第i个服务质量指标期待的评分,可以根据服务质量评价值值来判断自身的服务质量情况,服务质量评价值越大,说明在线教育平台的服务质量越高;服务质量评价值越小,说明在线教育平台的服务质量越低;如果服务质量评价值为负值,则表示在线教育平台提供的服务质量水平不足,没有达到家长与学生的要求,需要尽快改进。
步骤S3进一步包括以下步骤:
步骤S31:服务质量反馈模块提供用户问题反馈通道,并根据服务质量分析模块计算出的周期性的服务质量评价值,结合用户问题反馈,进一步进行责任主体确认后改善修正;
步骤S32:系统对每一次授课过程实时视频监控,镜头将异常状态用户的拍摄画面保存,在课时结束后发送至用户及其对应授课教师,对其进行指正,通过学生的学习状态反应学生在在线教育平台中的学习质量,进一步可以侧面发映出该在线教育平台的授课效果,也是服务质量评价的维度之一,通过对学生学习状态的行为监管,实现了对平台服务质量的进一步加强和改善;
步骤S33:用户行为监管模块对每一次授课课时前后准备工作及授课中用户行为进行监管,保证每一次的授课与原定人员吻合,不存在以次充好的情况,并要求一次线上授课需包含授课教师以及一名主任及以上的听课教师,需保证在线教育课程良好,并为学生进行针对性的课程推荐,若存在用户违规行为,对其发出警告提醒。
步骤S32中视频监控具体为:在用户听课期间,服务器后端自动调用用户摄像头,以3~5帧/s的频率拍摄用户状态,并将图片传送至服务器后端进行人脸识别,与数据库中用户基本信息进行比较,检测用户是否正在屏幕前观看视频,以及是否是用户本人在观看,进一步根据霍夫变换技术追踪眼球状态,定位眼球的详细位置(相对于人脸的准确坐标),计算用户关注点、屏幕距离等信息,检测闭眼、发呆和距离过远等异常状态,最后对实时抓取到的用户照片进行面部表情识别,结合人脸识别得到的结果,筛选出用户的异常学习状态并标记,异常学习状态主要包括当前无用户、用户长时间闭眼、用户发呆、用户距离过远等;在时间周期内统计被标记用户与总听课用户数量之比,以此反映在线授课课堂整体学习质量,也能通过对标记用户的行为监管,进一步提升其学习质量,对于用户家长和平台来说,也是进一步提升了平台的服务质量。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于大数据的服务质量监控系统,包括监控数据存储模块、服务质量分析模块和服务质量管理模块,其特征在于:所述监控数据存储模块用于存储系统监控获取到的在线教育服务数据信息,所述服务质量分析模块用于根据获取到的数据对在线教育服务质量进行分析,所述服务质量管理模块用于根据分析结果对在线教育服务过程进行管理,所述服务质量分析模块与监控数据存储模块网络连接,所述服务质量管理模块与服务质量分析模块网络连接。
2.根据权利要求1所述的基于大数据的服务质量监控系统,其特征在于:所述监控数据存储模块包括在线教育数据库模块、用户资源数据获取模块、服务质量评价信息获取模块和数据预处理模块,所述在线教育数据库模块用于建立在线教育数据库以存储服务数据信息,所述用户资源数据获取模块用于获取用户资源数据获取模块,所述服务质量评价信息获取模块用于获取服务质量评价信息,所述数据预处理模块用于对获取到的数据信息进行预处理。
3.根据权利要求2所述的基于大数据的服务质量监控系统,其特征在于:所述服务质量分析模块包括评价指标因子筛选单元、指标维度权重分析模块和服务质量计算模块,所述评价指标因子筛选单元用于筛选出服务质量的评价指标因子,所述指标维度权重分析模块用于对服务质量的评价指标因子维度权重进行分析,所述服务质量计算模块用于计算在线教育的服务质量,所述指标维度权重分析模块与评价指标因子筛选单元网络连接,所述服务质量计算模块与指标维度权重分析模块网络连接。
4.根据权利要求3所述的基于大数据的服务质量监控系统,其特征在于:所述服务质量管理模块包括服务质量反馈模块、在线授课监控模块和用户行为监管模块,所述服务质量反馈模块用于根据计算出的服务质量进行反馈管理,所述在线授课监控模块用于对授课和听课用户进行在线监控,所述用户行为监管模块用于对用户行为进行监管。
5.根据权利要求4所述的基于大数据的服务质量监控系统,其特征在于:所述服务质量监控系统的运行方法主要包括以下步骤:
步骤S1:系统建立在线教育数据库,对选择需要进行服务质量监控的在线教育平台实时监控,并将教育平台产生的数据信息经过预处理后存储于数据库中;
步骤S2:服务质量分析模块调用在线教育数据库内数据,筛选出评价指标因子后,进一步进行指标维度的权重分析,最后对服务质量进行计算分析并传输至服务质量管理模块;
步骤S3:服务质量管理模块接收到服务质量分析模块分析后的数据,对服务质量进行反馈;
步骤S4:系统通过视频监控实时监控在线授课情景,并对相关用户行为进行监管。
6.根据权利要求5所述的基于大数据的服务质量监控系统,其特征在于:所述步骤S1中数据获取处理具体为:通过大数据获取教育平台中服务质量评价数据信息,用户在平台中主动录入资源数据信息,学生和家长在第一次使用该平台时录入期望的服务质量评价指标值,再进一步进行数据筛选、清洗和填补。
7.根据权利要求6所述的基于大数据的服务质量监控系统,其特征在于:所述步骤S2进一步包括以下步骤:
步骤S21:结合SERVQUAL评价模型涉及的有形性、可靠性、响应性、保证性、移情性、信息性、监督性七个维度,以时间T为周期对用户的服务质量评价数据信息进行文本提取;
步骤S22:从评价文本信息的第一个词语开始扫描,判断当前词语是否为评价模型涉及指标因子,如果不是则继续往后扫描,如果是评价模型涉及指标词,则对当前词语根据情感属性的分类确定各指标的评价分数;
步骤S23:统计时间周期内各用户对每一服务质量指标的评价分数,并取平均值作为在校教育平台整体的评价分数,同时根据各指标评价词语出现的频次,对其进行指标维度的权重分配,出现频次越高则权重越高;
步骤S24:结合评价指标因子和对应指标维度权重,对服务质量进行计算。
9.根据权利要求8所述的基于大数据的服务质量监控系统,其特征在于:所述步骤S3进一步包括以下步骤:
步骤S31:服务质量反馈模块提供用户问题反馈通道,并根据服务质量分析模块计算出的周期性的服务质量评价值,结合用户问题反馈,进一步进行责任主体确认后改善修正;
步骤S32:系统对每一次授课过程实时视频监控,镜头将异常状态用户的拍摄画面保存,在课时结束后发送至用户及其对应授课教师;
步骤S33:用户行为监管模块对每一次授课课时前后准备工作及授课中用户行为进行监管。
10.根据权利要求9所述的基于大数据的服务质量监控系统,其特征在于:所述步骤S32中视频监控具体为:在用户听课期间,服务器后端自动调用用户摄像头,以3~5帧/s的频率拍摄用户状态,并将图片传送至服务器后端进行人脸识别,与数据库中用户基本信息进行比较,进一步根据霍夫变换技术追踪眼球状态,最后对实时抓取到的用户照片进行面部表情识别,结合人脸识别得到的结果,筛选出用户的异常学习状态并标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211339048.6A CN115776446A (zh) | 2022-10-28 | 2022-10-28 | 基于大数据的服务质量监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211339048.6A CN115776446A (zh) | 2022-10-28 | 2022-10-28 | 基于大数据的服务质量监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115776446A true CN115776446A (zh) | 2023-03-10 |
Family
ID=85389250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211339048.6A Pending CN115776446A (zh) | 2022-10-28 | 2022-10-28 | 基于大数据的服务质量监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115776446A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649242A (zh) * | 2023-12-14 | 2024-03-05 | 联通(江苏)产业互联网有限公司 | 一种基于nlp模型的质检服务智能监管系统及方法 |
-
2022
- 2022-10-28 CN CN202211339048.6A patent/CN115776446A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649242A (zh) * | 2023-12-14 | 2024-03-05 | 联通(江苏)产业互联网有限公司 | 一种基于nlp模型的质检服务智能监管系统及方法 |
CN117649242B (zh) * | 2023-12-14 | 2024-05-28 | 联通(江苏)产业互联网有限公司 | 一种基于nlp模型的质检服务智能监管系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10685329B2 (en) | Model-driven evaluator bias detection | |
Cerekovic et al. | Rapport with virtual agents: What do human social cues and personality explain? | |
US20180308114A1 (en) | Method, device and system for evaluating product recommendation degree | |
CN113468296B (zh) | 可配置业务逻辑的模型自迭代式智能客服质检系统与方法 | |
CN107194316A (zh) | 一种情绪满意度的评价方法、装置及系统 | |
CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
WO2022159729A1 (en) | Machine learning for video analysis and feedback | |
CN111970471B (zh) | 基于视频会议的参会人员评分方法、装置、设备及介质 | |
CN112215700A (zh) | 信贷面审的审核方法及装置 | |
CN112395461A (zh) | 一种基于大数据分析的商务会议智能管理系统 | |
CN115776446A (zh) | 基于大数据的服务质量监控系统 | |
CN113449192A (zh) | 一种基于手机银行的教育资源推荐方法和相关装置 | |
CN117668372B (zh) | 一种数字化智慧展览线上虚拟参展系统 | |
CN110189092B (zh) | 审核组成员评估方法及装置 | |
KR20200038130A (ko) | 성향기반 신용평가모형의 생성방법 및 운영방법 | |
CN113408880A (zh) | 试卷生成方法、装置以及智能考试系统 | |
CN111046293B (zh) | 一种根据测评结果推荐内容的方法及其系统 | |
CN110705523B (zh) | 一种基于神经网络的创业者路演能力测评方法及其测评系统 | |
CN115132228B (zh) | 一种语言能力分级方法及系统 | |
CN114219346B (zh) | 一种提高网络学习环境服务质量的方法及系统 | |
CN115689000A (zh) | 一种基于学习行为全流程的学情智能预测方法及系统 | |
CN112070662B (zh) | 一种换脸模型的评价方法、装置、电子设备及存储介质 | |
CN111950381A (zh) | 一种心理健康在线监测系统 | |
CN113468297B (zh) | 一种对话数据处理方法、装置、电子设备及存储设备 | |
CN110414824B (zh) | 一种基于社群系统的服务管理系统 |
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 |