CN116504271B - 一种用于智慧校园的作业发布管理系统 - Google Patents
一种用于智慧校园的作业发布管理系统 Download PDFInfo
- Publication number
- CN116504271B CN116504271B CN202310540326.2A CN202310540326A CN116504271B CN 116504271 B CN116504271 B CN 116504271B CN 202310540326 A CN202310540326 A CN 202310540326A CN 116504271 B CN116504271 B CN 116504271B
- Authority
- CN
- China
- Prior art keywords
- word
- recitation
- english
- audio
- homework
- 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
Links
- 210000001747 pupil Anatomy 0.000 claims abstract description 83
- 238000005516 engineering process Methods 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000007246 mechanism Effects 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 18
- 230000007787 long-term memory Effects 0.000 claims description 14
- 230000006403 short-term memory Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000005236 sound signal Effects 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 5
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 23
- 230000000694 effects Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/16—Speech classification or search using artificial neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/90—Pitch determination of speech signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
- G10L2015/025—Phonemes, fenemes or fenones being the recognition units
Abstract
本发明涉及校园智能管理领域,具体公开了一种用于智慧校园的作业发布管理系统,用于解决现有的评分标准比较单一,存在评分结果片面的问题,评分结果不结合学生个人的学习特点和实际表现会导致教学成果不佳,同时高维度的评分数据处理量庞大,评分效率以及准确性较低的问题,包括处理器以及与处理器通讯连接的作业发布模块、音频采集模块、数据存储模块以及智能评分模块;是通过智能的方式利用小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业,减轻了教师的工作负担,实现学生英语背诵作业的个性化定制,利用语音识别技术和循环神经网络实现音频作业的自动评分,双评分标准改善了评分结果片面的问题。
Description
技术领域
本发明涉及校园智能管理领域,更具体地说,本发明涉及一种用于智慧校园的作业发布管理系统。
背景技术
智慧校园是指在传统校园基础上,利用先进的信息化技术将校园内的各种资源、服务、管理进行高度整合,实现数字化、网络化、智能化的全新校园生态。智慧校园通过整合、协同、共享等方式,提高教育教学质量、管理效率、服务水平和学生体验,是未来教育发展的趋势之一。随着信息化技术的快速发展,智慧校园正在得到越来越广泛的应用和推广。在智慧校园中,校园内的各个部门都能够通过信息化技术实现数据共享、协同工作、精细化管理,从而提高管理效率和服务质量。同时,学生也能够通过智慧校园平台便捷地获取教育资源、完成作业、参加活动等,提高学习体验和学习效果。在智慧校园中,作业发布管理是一个重要的组成部分,能够为教师提供一个更高效、更方便的作业发布、提交、批改和成绩统计平台,同时也能够提高学生的参与度和学习效果。但是,作业发布管理系统也存在一些问题。
现有的作业发布管理系统中,尤其是小学生英语课的作业发布管理中,学生在完成英语背诵后都会将背诵检查的音频和视频文件发布出来,教师在评分时产生的主观偏见会导致评分结果不公正,每个学生的个人学习能力、兴趣爱好以及实际表现均存在个体差异,现有的评分标准比较单一,存在评分结果片面的问题,评分结果不结合学生个人的学习特点和实际表现会导致教学成果不佳,同时高维度的评分数据处理量庞大,评分效率以及准确性较低。
为了解决上述问题,现提供一种技术方案。
发明内容
在现有的小学生英语单词背诵作业发布管理中,采用教师人为批改作业,教师产生主观偏见,导致评分结果不公正,需要采用科学、客观的评分标准,避免主观因素对评分结果的影响;学生个人的学习能力、兴趣爱好、实际表现对每个学生而言都是不相同的,评分标准的制定存在难度,需要根据具体情况进行细化和优化,避免评分过于主观和片面;学生的个人信息存在信息泄露和隐私泄露问题;需要采用科技手段对评分数据进行分析和统计,以提高评分效率和准确性;考虑学生个人的学习特点和实际表现进行个性化评分能达到更好的教学效果,但是,如果评分结果与学生的实际表现不符,会导致教学成果不佳,需要在评分过程中充分考虑学生的实际表现和学习特点,以达到更好的教学成果。
为了克服现有技术的上述缺陷,本发明的实施例提供一种用于智慧校园的作业发布管理系统,是通过智能的方式利用小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业,减轻了教师的工作负担,实现学生英语背诵作业的个性化定制,利用语音识别技术和循环神经网络实现音频作业的自动评分,双评分标准改善了评分结果片面的问题,评分结果结合学生个人的学习特点和实际表现会提升教学成果,智能方式处理高维度的庞大评分数据,评分效率以及准确性提高,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:
一种用于智慧校园的作业发布管理系统,包括处理器以及与处理器通讯连接的作业发布模块、音频采集模块、数据存储模块以及智能评分模块,其中:
作业发布模块用于根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业;
音频采集模块用于采集小学生完成的英语背诵作业音频,并对英语作业音频进行预处理;
智能评分模块通过语音识别技术将学生的英语背诵作业音频中的语音信号转换为作业文本,对比作业文本与所发布英语背诵作业文本,统计作业文本的单词背诵正确率,将文本对比结果一致的单词标记标签数值为1,将文本对比结果不一致的单词标记标签数值为0,并对英语背诵作业音频基于语言模型进行音素分析和语调分析,分别获取每个背诵单词语音的音量、音高以及语速与英语语音规范语音集中的标准音量、标准音高以及标准语速之间的差异值,构建英语背诵作业音频评分机制,英语背诵作业音频评分与音量差异值负相关,与音高差异值负相关,与语速差异值负相关,英语背诵作业音频评分机制为:
;
式中:为英语背诵作业音频评分,/>为英语背诵作业音频中单词的音量与单词对应的标准单词音量差值的绝对值,/>为英语背诵作业音频中单词的音高与单词对应的标准单词音高差值的绝对值,/>为英语背诵作业音频中单词的语速与单词对应的标准单词语速差值的绝对值,/>、/>以及/>分别为第一调整系数、第二调整系数以及第三调整系数,根据小学生的英语背诵作业音频统计历史数据根据数值分析获取。
作为本发明进一步的方案,作业发布模块中,教师根据课上小学生学习的单词以及数量为小学生设置英语背诵作业单词库,从教师单词学习记录表中为每个学生抽取10个单词,其中包括从每个小学生在课上完成背诵的单词中抽取的5个,从每个小学生未完成背诵的单词中抽取的2个以及当天学习的新单词中抽取的3个,并为根据每个小学生完成背诵单词数量占需要背诵单词数量的百分比设置评分调整系数,评分调整系数的公式为:
;
式中:为评分削弱系数,/>为学生单词学习记录表中完成背诵单词的数量,/>为学生单词学习记录表中需要背诵单词的总数。
作为本发明进一步的方案,智能评分模块通过所有单词语音识别文本对比获取的单词标记标签数值与对应单词英语背诵作业音频评分的乘积之和作为第一评分向教师公开,将第一评分与评分调整系数的商作为第二评分向学生和家长公开,第一评分和第二评分的评分机制为:
;
;
式中:为第一评分,/>为小学生英语背诵作业中单词的序号,/>为第/>个单词的英语背诵作业音频评分,/>为第/>个单词的单词标记标签数值,/>为第二评分。
作为本发明进一步的方案,作业发布模块中,构建小学生英语学习能力和学习进度模型所需采集的英语单词数据库包括背诵完成单词库以及背诵未完单词库,其中背诵完成单词库包括长时记忆单词库和短时记忆单词库,背诵未完成单词库包括背诵未完成旧词库和背诵未完成新词库,其模型的构建过程包括如下步骤:
步骤S1,数据采集:获取英语教师在上课时教师单词学习记录表的历史存储数据中30个以时间为序列的电子文档,并对单词学习记录表的电子文档进行数据预处理,剔除文件损坏的电子表格;
步骤S2,构建样本词库:利用获取的单词学习记录表序列,获取每个学生的样本词库,并针对每个学生样本词库中的每个单词进行特征提取,构建每个单词的特征向量;
步骤S3,构建小学生英语学习能力和学习进度模型并对模型进行训练:通过S2获取的样本词库结合每个对应单词创建的单词信息标签构建初始数据集,并采用4:1的数量比例分别随机抽取测试集和验证集,利用循环神经网络模型对测试集中的数据按单词信息标签对每个单词的特征进行识别,获取背诵完成单词库以及背诵未完单词库,进而获取长时记忆单词库、短时记忆单词库、背诵未完成旧词库和背诵未完成新词库,实现测试集的分类,并采用验证集对模型进行验证;
步骤S4,模型评估:计算模型的准确率、召回率以及F1分数评估训练好的小学生英语学习能力和学习进度模型,调整模型的学习率以及超参数,使得模型的准确率、召回率以及F1分数在预先设定的阈值范围内;
步骤S5,模型部署:将训练好的小学生英语学习能力和学习进度模型部署到小学生英语单词背诵作业的作业发布模块上,通过每个小学生的数据获取长时记忆单词库、短时记忆单词库、背诵未完成旧词库和背诵未完成新词库,并从中抽取10个单词,从长时记忆单词库随机抽取3个,短时记忆单词库随机抽取2个,并将这5个单词作为每个小学生在课上完成背诵的单词中抽取的5个,从背诵未完成旧词库随机抽取2个作为小学生未完成背诵的单词中抽取的2个,从背诵未完成新词库随机抽取3个作为小学生当天学习的新单词中抽取的3个,并发布对应学生的英语单词背诵作业。
作为本发明进一步的方案,音频采集模块对采集的音频进行预处理,设置静音滤除阈值,将音频低于设定阈值的音频删除,再将音频信号的幅值调整至[-1,1]的范围内,通过高斯滤波滤除音频信号中的噪音,再通过高通滤波器调高音频分量,以增强信号的高频成分,将音频信号分割成若干个短时窗口,每个短时窗口的时长为20-30毫秒;
数据存储模块用于存储作业发布模块、音频采集模块以及智能评分模块的历史数据;
处理器用于处理来自桥用于智慧校园的作业发布管理系统的至少一个组件的数据。
作为本发明进一步的方案,智能评分模块利用循环神经网络创建语音识别模型,将音频数据转化为对应的文本信息,利用带有标注的标准英语单词语音库数据训练该模型,让模型学习语音和文本之间的对应关系,将预处理完成的音频数据输入到语音识别模型中,对分帧的音频数据进行特征提取和模型预测,获取输出音频对应的文本信息,并对比音频中识别的作业文本与所发布英语背诵作业文本,确定每个单词的单词标记标签数值。
作为本发明进一步的方案,作业发布模块的实现过程包括如下步骤:
A1.学生信息录入:管理员在系统中创建学生账号,并将学生信息录入系统中,学生信息包括学生的姓名、学号、班级以及性别;
A2.作业发布:管理员在系统中发布作业,包括英语单词背诵作业的10个单词以及截止时间,选择需要分发作业的小学生,系统自动将作业信息发送给对应的小学生;
A3.学生接收作业:学生在登录系统后,在线查看作业信息;
A4.学生提交作业:学生在线提交作业,提交作业后系统自动将作业信息存储在音频采集模块中;
A5.在线查看成绩:学生登录系统后,在线查看自己的成绩和作业情况。
一种用于智慧校园的作业发布管理方法,用于实现上述的一种用于智慧校园的作业发布管理系统,包括如下步骤:
步骤C1.作业发布:作业发布模块根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业;
步骤C2.音频采集:音频采集模块获取小学生提交的英语单词背诵作业音频,并对音频文件进行预处理;
步骤C3.智能评分:智能评分模块通过语音识别技术获取音频文件中每个单词的单词标签数值,同时对音频文件基于语言模型进行音素分析和语调分析,结合英语背诵作业音频评分机制获取每个单词的英语背诵作业音频评分,并为每个小学生设置评分调整系数,结合第一评分和第二评分的评分机制获取第一评分和第二评分,并将第一评分传输给教师,将第二评分传输给作业发布模块供学生和家长在线查看。
对于步骤C1的作业发布包括但不仅局限于发布个性化定制的10个单词,还能够利用机器学习分析学生的历史作业数据,分析评估学生的长时记忆能力以及短时记忆能力,并根据学生的长时记忆能力和短时能力较弱的一种提取相适应词库中的额外5个单词,对学生的短板记忆能力进行强化训练,提升学生整体的记忆能力。
本发明一种用于智慧校园的作业发布管理系统的技术效果和优点:
本发明是通过智能的方式利用小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业,减轻了教师的工作负担,实现学生英语背诵作业的个性化定制,利用语音识别技术和循环神经网络实现音频作业的自动评分,双评分标准改善了评分结果片面的问题,评分结果结合学生个人的学习特点和实际表现会提升教学成果,智能方式处理高维度的庞大评分数据,评分效率以及准确性提高。
附图说明
图1为本发明一种用于智慧校园的作业发布管理系统流程图;
图2为本发明一种用于智慧校园的作业发布管理系统的结构示意图。
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。
实施例1。本发明一种用于智慧校园的作业发布管理系统,是通过智能的方式利用小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业,减轻了教师的工作负担,实现学生英语背诵作业的个性化定制,利用语音识别技术和循环神经网络实现音频作业的自动评分,双评分标准改善了评分结果片面的问题,评分结果结合学生个人的学习特点和实际表现会提升教学成果,智能方式处理高维度的庞大评分数据,评分效率以及准确性提高。
图1给出了本发明用于智慧校园的作业发布管理系统的流程图,其包括如下步骤:
步骤C1.作业发布:作业发布模块根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业;
步骤C2.音频采集:音频采集模块获取小学生提交的英语单词背诵作业音频,并对音频文件进行预处理;
步骤C3.智能评分:智能评分模块通过语音识别技术获取音频文件中每个单词的单词标签数值,同时对音频文件基于语言模型进行音素分析和语调分析,结合英语背诵作业音频评分机制获取每个单词的英语背诵作业音频评分,并为每个小学生设置评分调整系数,结合第一评分和第二评分的评分机制获取第一评分和第二评分,并将第一评分传输给教师,将第二评分传输给作业发布模块供学生和家长在线查看。
具体的,本发明各步骤详细过程如下:
步骤C1:
本发明首先进行作业发布:作业发布模块根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业。
需要说明的是,上述中,作业发布模块用于根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业。
作业发布模块中,教师根据课上小学生学习的单词以及数量为小学生设置英语背诵作业单词库,从教师单词学习记录表中为每个学生抽取10个单词,其中包括从每个小学生在课上完成背诵的单词中抽取的5个,从每个小学生未完成背诵的单词中抽取的2个以及当天学习的新单词中抽取的3个,并为根据每个小学生完成背诵单词数量占需要背诵单词数量的百分比设置评分调整系数,评分调整系数的公式为:
;
式中:为评分削弱系数,/>为学生单词学习记录表中完成背诵单词的数量,/>为学生单词学习记录表中需要背诵单词的总数。
通过设置作业发布模块中的评分调整系数,能够为学生的成绩进行个性化的分值扩大,从而减小不同学习能力评分之间的差异性,进而有助于提升学生完成英语背诵作业的自信,提升教学效果和作业完成度。
步骤C2:
本发明进行音频采集:音频采集模块获取小学生提交的英语单词背诵作业音频,并对音频文件进行预处理。
需要注意的是,音频采集模块对采集的音频进行预处理,设置静音滤除阈值,将音频低于设定阈值的音频删除,再将音频信号的幅值调整至[-1,1]的范围内,通过高斯滤波滤除音频信号中的噪音,再通过高通滤波器调高音频分量,以增强信号的高频成分,将音频信号分割成若干个短时窗口,每个短时窗口的时长为20-30毫秒。
通过音频采集和音频预处理,能够实现音频数据中噪声因素的去除,减小模型处理的数据量,提升模型的计算速度。
步骤C3:
本发明进行进一步智能评分:智能评分模块通过语音识别技术获取音频文件中每个单词的单词标签数值,同时对音频文件基于语言模型进行音素分析和语调分析,结合英语背诵作业音频评分机制获取每个单词的英语背诵作业音频评分,并为每个小学生设置评分调整系数,结合第一评分和第二评分的评分机制获取第一评分和第二评分,并将第一评分传输给教师,将第二评分传输给作业发布模块供学生和家长在线查看。
进一步的,对于步骤C1的作业发布包括但不仅局限于发布个性化定制的10个单词,还能够利用机器学习分析学生的历史作业数据,分析评估学生的长时记忆能力以及短时记忆能力,并根据学生的长时记忆能力和短时能力较弱的一种提取相适应词库中的额外5个单词,对学生的短板记忆能力进行强化训练,提升学生整体的记忆能力。
需要说明的是,智能评分模块通过语音识别技术将学生的英语背诵作业音频中的语音信号转换为作业文本,对比作业文本与所发布英语背诵作业文本,统计作业文本的单词背诵正确率,将文本对比结果一致的单词标记标签数值为1,将文本对比结果不一致的单词标记标签数值为0,并对英语背诵作业音频基于语言模型进行音素分析和语调分析,分别获取每个背诵单词语音的音量、音高以及语速与英语语音规范语音集中的标准音量、标准音高以及标准语速之间的差异值,构建英语背诵作业音频评分机制,英语背诵作业音频评分与音量差异值负相关,与音高差异值负相关,与语速差异值负相关,英语背诵作业音频评分机制为:
;
式中:为英语背诵作业音频评分,/>为英语背诵作业音频中单词的音量与单词对应的标准单词音量差值的绝对值,/>为英语背诵作业音频中单词的音高与单词对应的标准单词音高差值的绝对值,/>为英语背诵作业音频中单词的语速与单词对应的标准单词语速差值的绝对值,/>、/>以及/>分别为第一调整系数、第二调整系数以及第三调整系数,根据小学生的英语背诵作业音频统计历史数据根据数值分析获取。
智能评分模块通过所有单词语音识别文本对比获取的单词标记标签数值与对应单词英语背诵作业音频评分的乘积之和作为第一评分向教师公开,将第一评分与评分调整系数的商作为第二评分向学生和家长公开,第一评分和第二评分的评分机制为:
;
;
式中:为第一评分,/>为小学生英语背诵作业中单词的序号,/>为第/>个单词的英语背诵作业音频评分,/>为第/>个单词的单词标记标签数值,/>为第二评分。
智能评分模块利用循环神经网络创建语音识别模型,将音频数据转化为对应的文本信息,利用带有标注的标准英语单词语音库数据训练该模型,让模型学习语音和文本之间的对应关系,将预处理完成的音频数据输入到语音识别模型中,对分帧的音频数据进行特征提取和模型预测,获取输出音频对应的文本信息,并对比音频中识别的作业文本与所发布英语背诵作业文本,确定每个单词的单词标记标签数值。
作为本发明进一步的方案,作业发布模块的实现过程包括如下步骤:
A1.学生信息录入:管理员在系统中创建学生账号,并将学生信息录入系统中,学生信息包括学生的姓名、学号、班级以及性别;
A2.作业发布:管理员在系统中发布作业,包括英语单词背诵作业的10个单词以及截止时间,选择需要分发作业的小学生,系统自动将作业信息发送给对应的小学生;
A3.学生接收作业:学生在登录系统后,在线查看作业信息;
A4.学生提交作业:学生在线提交作业,提交作业后系统自动将作业信息存储在音频采集模块中;
A5.在线查看成绩:学生登录系统后,在线查看自己的成绩和作业情况。
实施例2。本发明实施例2与实施例1的区别在于,本实施例是对一种用于智慧校园的作业发布管理系统进行介绍。
图2给出了本发明用于智慧校园的作业发布管理系统的结构示意图,其包括处理器以及与处理器通讯连接的作业发布模块、音频采集模块、数据存储模块以及智能评分模块,其中:
处理器用于处理来自桥用于智慧校园的作业发布管理系统的至少一个组件的数据;
数据存储模块用于存储作业发布模块、音频采集模块以及智能评分模块的历史数据;
作业发布模块用于根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业;
音频采集模块用于采集小学生完成的英语背诵作业音频,并对英语作业音频进行预处理;
智能评分模块通过语音识别技术将学生的英语背诵作业音频中的语音信号转换为作业文本,对比作业文本与所发布英语背诵作业文本,统计作业文本的单词背诵正确率,将文本对比结果一致的单词标记标签数值为1,将文本对比结果不一致的单词标记标签数值为0,并对英语背诵作业音频基于语言模型进行音素分析和语调分析,分别获取每个背诵单词语音的音量、音高以及语速与英语语音规范语音集中的标准音量、标准音高以及标准语速之间的差异值,构建英语背诵作业音频评分机制,英语背诵作业音频评分与音量差异值负相关,与音高差异值负相关,与语速差异值负相关,英语背诵作业音频评分机制为:
;
式中:为英语背诵作业音频评分,/>为英语背诵作业音频中单词的音量与单词对应的标准单词音量差值的绝对值,/>为英语背诵作业音频中单词的音高与单词对应的标准单词音高差值的绝对值,/>为英语背诵作业音频中单词的语速与单词对应的标准单词语速差值的绝对值,/>、/>以及/>分别为第一调整系数、第二调整系数以及第三调整系数,根据小学生的英语背诵作业音频统计历史数据根据数值分析获取。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元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(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、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以所述权利要求的保护范围为准。
最后: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,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 (5)
1.一种用于智慧校园的作业发布管理系统,其特征在于,包括处理器以及与处理器通讯连接的作业发布模块、音频采集模块、数据存储模块以及智能评分模块,其中:
作业发布模块用于根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业;
音频采集模块用于采集小学生完成的英语背诵作业音频,并对英语作业音频进行预处理;
智能评分模块通过语音识别技术将学生的英语背诵作业音频中的语音信号转换为作业文本,对比作业文本与所发布英语背诵作业文本,统计作业文本的单词背诵正确率,将文本对比结果一致的单词标记标签数值为1,将文本对比结果不一致的单词标记标签数值为0,并对英语背诵作业音频基于语言模型进行音素分析和语调分析,分别获取每个背诵单词语音的音量、音高以及语速与英语语音规范语音集中的标准音量、标准音高以及标准语速之间的差异值,构建英语背诵作业音频评分机制,英语背诵作业音频评分与音量差异值负相关,与音高差异值负相关,与语速差异值负相关,英语背诵作业音频评分机制为:
式中:Sy为英语背诵作业音频评分,Iyl为英语背诵作业音频中单词的音量与单词对应的标准单词音量差值的绝对值,Iyg为英语背诵作业音频中单词的音高与单词对应的标准单词音高差值的绝对值,Iys为英语背诵作业音频中单词的语速与单词对应的标准单词语速差值的绝对值,α、β以及γ分别为第一调整系数、第二调整系数以及第三调整系数,根据小学生的英语背诵作业音频统计历史数据根据数值分析获取;
作业发布模块中,教师根据课上小学生学习的单词以及数量为小学生设置英语背诵作业单词库,从教师单词学习记录表中为每个学生抽取10个单词,其中包括从每个小学生在课上完成背诵的单词中抽取的5个,从每个小学生未完成背诵的单词中抽取的2个以及当天学习的新单词中抽取的3个,并为根据每个小学生完成背诵单词数量占需要背诵单词数量的百分比设置评分调整系数,评分调整系数的公式为:
式中:μ为评分削弱系数,n1为学生单词学习记录表中完成背诵单词的数量,nz为学生单词学习记录表中需要背诵单词的总数;
智能评分模块通过所有单词语音识别文本对比获取的单词标记标签数值与对应单词英语背诵作业音频评分的乘积之和作为第一评分向教师公开,将第一评分与评分调整系数的商作为第二评分向学生和家长公开,第一评分和第二评分的评分机制为:
式中:D1为第一评分,i为小学生英语背诵作业中单词的序号,Sy,i为第i个单词的英语背诵作业音频评分,Bi为第i个单词的单词标记标签数值,D2为第二评分;
作业发布模块中,构建小学生英语学习能力和学习进度模型所需采集的英语单词数据库包括背诵完成单词库以及背诵未完单词库,其中背诵完成单词库包括长时记忆单词库和短时记忆单词库,背诵未完成单词库包括背诵未完成旧词库和背诵未完成新词库,其模型的构建过程包括如下步骤:
步骤S1,数据采集:获取英语教师在上课时教师单词学习记录表的历史存储数据中30个以时间为序列的电子文档,并对单词学习记录表的电子文档进行数据预处理,剔除文件损坏的电子表格;
步骤S2,构建样本词库:利用获取的单词学习记录表序列,获取每个学生的样本词库,并针对每个学生样本词库中的每个单词进行特征提取,构建每个单词的特征向量;
步骤S3,构建小学生英语学习能力和学习进度模型并对模型进行训练:通过S2获取的样本词库结合每个对应单词创建的单词信息标签构建初始数据集,并采用4:1的数量比例分别随机抽取测试集和验证集,利用循环神经网络模型对测试集中的数据按单词信息标签对每个单词的特征进行识别,获取背诵完成单词库以及背诵未完单词库,进而获取长时记忆单词库、短时记忆单词库、背诵未完成旧词库和背诵未完成新词库,实现测试集的分类,并采用验证集对模型进行验证;
步骤S4,模型评估:计算模型的准确率、召回率以及F1分数评估训练好的小学生英语学习能力和学习进度模型,调整模型的学习率以及超参数,使得模型的准确率、召回率以及F1分数在预先设定的阈值范围内;
步骤S5,模型部署:将训练好的小学生英语学习能力和学习进度模型部署到小学生英语单词背诵作业的作业发布模块上,通过每个小学生的数据获取长时记忆单词库、短时记忆单词库、背诵未完成旧词库和背诵未完成新词库,并从中抽取10个单词,从长时记忆单词库随机抽取3个,短时记忆单词库随机抽取2个,并将这5个单词作为每个小学生在课上完成背诵的单词中抽取的5个,从背诵未完成旧词库随机抽取2个作为小学生未完成背诵的单词中抽取的2个,从背诵未完成新词库随机抽取3个作为小学生当天学习的新单词中抽取的3个,并发布对应学生的英语单词背诵作业。
2.根据权利要求1所述的一种用于智慧校园的作业发布管理系统,其特征在于,音频采集模块对采集的音频进行预处理,设置静音滤除阈值,将音频低于设定阈值的音频删除,再将音频信号的幅值调整至[-1,1]的范围内,通过高斯滤波滤除音频信号中的噪音,再通过高通滤波器调高音频分量,以增强信号的高频成分,将音频信号分割成若干个短时窗口,每个短时窗口的时长为20-30毫秒;
数据存储模块用于存储作业发布模块、音频采集模块以及智能评分模块的历史数据;
处理器用于处理来自桥用于智慧校园的作业发布管理系统的至少一个组件的数据。
3.根据权利要求1所述的一种用于智慧校园的作业发布管理系统,其特征在于,智能评分模块利用循环神经网络创建语音识别模型,将音频数据转化为对应的文本信息,利用带有标注的标准英语单词语音库数据训练该模型,让模型学习语音和文本之间的对应关系,将预处理完成的音频数据输入到语音识别模型中,对分帧的音频数据进行特征提取和模型预测,获取输出音频对应的文本信息,并对比音频中识别的作业文本与所发布英语背诵作业文本,确定每个单词的单词标记标签数值。
4.根据权利要求1所述的一种用于智慧校园的作业发布管理系统,其特征在于,作业发布模块的实现过程包括如下步骤:
A1.学生信息录入:管理员在系统中创建学生账号,并将学生信息录入系统中,学生信息包括学生的姓名、学号、班级以及性别;
A2.作业发布:管理员在系统中发布作业,包括英语单词背诵作业的10个单词以及截止时间,选择需要分发作业的小学生,系统自动将作业信息发送给对应的小学生;
A3.学生接收作业:学生在登录系统后,在线查看作业信息;
A4.学生提交作业:学生在线提交作业,提交作业后系统自动将作业信息存储在音频采集模块中;
A5.在线查看成绩:学生登录系统后,在线查看自己的成绩和作业情况。
5.一种用于智慧校园的作业发布管理方法,用于实现权利要求1-4任一项所述的一种用于智慧校园的作业发布管理系统,其特征在于,包括如下步骤:
步骤C1.作业发布:作业发布模块根据小学生英语学习能力和学习进度模型,自动分配与小学生相适应的英语背诵作业;
步骤C2.音频采集:音频采集模块获取小学生提交的英语单词背诵作业音频,并对音频文件进行预处理;
步骤C3.智能评分:智能评分模块通过语音识别技术获取音频文件中每个单词的单词标签数值,同时对音频文件基于语言模型进行音素分析和语调分析,结合英语背诵作业音频评分机制获取每个单词的英语背诵作业音频评分,并为每个小学生设置评分调整系数,结合第一评分和第二评分的评分机制获取第一评分和第二评分,并将第一评分传输给教师,将第二评分传输给作业发布模块供学生和家长在线查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540326.2A CN116504271B (zh) | 2023-05-15 | 2023-05-15 | 一种用于智慧校园的作业发布管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310540326.2A CN116504271B (zh) | 2023-05-15 | 2023-05-15 | 一种用于智慧校园的作业发布管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116504271A CN116504271A (zh) | 2023-07-28 |
CN116504271B true CN116504271B (zh) | 2024-03-19 |
Family
ID=87320097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310540326.2A Active CN116504271B (zh) | 2023-05-15 | 2023-05-15 | 一种用于智慧校园的作业发布管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116504271B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255998A (zh) * | 2018-10-25 | 2019-01-22 | 杭州数理大数据技术有限公司 | 一种学生成绩诊断提升系统 |
CN109698920A (zh) * | 2017-10-20 | 2019-04-30 | 深圳市鹰硕技术有限公司 | 一种基于互联网教学平台的跟随教学系统 |
CN109785196A (zh) * | 2017-11-14 | 2019-05-21 | 天津祎智教育科技有限公司 | 一种教师版英语学习管理系统 |
CN113658466A (zh) * | 2021-08-06 | 2021-11-16 | 阿基古鲁教育科技(杭州)有限公司 | 一种用于在线教育平台的学生训练管理系统 |
CN113919619A (zh) * | 2021-08-24 | 2022-01-11 | 湖北青时美音文化传媒有限公司 | 一种可进行线上评分的教育系统 |
CN115544241A (zh) * | 2022-11-29 | 2022-12-30 | 安徽教育网络出版有限公司 | 一种线上作业的智能推送方法及装置 |
CN115935032A (zh) * | 2022-12-29 | 2023-04-07 | 北京十六进制科技有限公司 | 一种基于智能推荐习题发布个性化作业的方法及装置 |
CN116052493A (zh) * | 2023-01-05 | 2023-05-02 | 温州理工学院 | 一种英语教学用互动教学设备及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140342341A1 (en) * | 2013-02-04 | 2014-11-20 | Willie Frank Rea | Student assessment scoring |
US9478146B2 (en) * | 2013-03-04 | 2016-10-25 | Xerox Corporation | Method and system for capturing reading assessment data |
-
2023
- 2023-05-15 CN CN202310540326.2A patent/CN116504271B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109698920A (zh) * | 2017-10-20 | 2019-04-30 | 深圳市鹰硕技术有限公司 | 一种基于互联网教学平台的跟随教学系统 |
CN109785196A (zh) * | 2017-11-14 | 2019-05-21 | 天津祎智教育科技有限公司 | 一种教师版英语学习管理系统 |
CN109255998A (zh) * | 2018-10-25 | 2019-01-22 | 杭州数理大数据技术有限公司 | 一种学生成绩诊断提升系统 |
CN113658466A (zh) * | 2021-08-06 | 2021-11-16 | 阿基古鲁教育科技(杭州)有限公司 | 一种用于在线教育平台的学生训练管理系统 |
CN113919619A (zh) * | 2021-08-24 | 2022-01-11 | 湖北青时美音文化传媒有限公司 | 一种可进行线上评分的教育系统 |
CN115544241A (zh) * | 2022-11-29 | 2022-12-30 | 安徽教育网络出版有限公司 | 一种线上作业的智能推送方法及装置 |
CN115935032A (zh) * | 2022-12-29 | 2023-04-07 | 北京十六进制科技有限公司 | 一种基于智能推荐习题发布个性化作业的方法及装置 |
CN116052493A (zh) * | 2023-01-05 | 2023-05-02 | 温州理工学院 | 一种英语教学用互动教学设备及方法 |
Non-Patent Citations (2)
Title |
---|
Perturbation practice in multiple sclerosis: Assessing generalization from support surface translations to tether-release tasks;Charles Van Liew;《Multiple Sclerosis and Related Disorders》;20211130;全文 * |
两种互评策略在英语播客学习活动中的应用研究;刘晓;《中国优秀硕士学位论文全文数据库》;20210715;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116504271A (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Byun et al. | Online crowdsourcing for efficient rating of speech: A validation study | |
US20150039541A1 (en) | Feature Extraction and Machine Learning for Evaluation of Audio-Type, Media-Rich Coursework | |
CN107240047A (zh) | 一种教学视频的学分评估方法和装置 | |
CN111368024A (zh) | 文本语义相似度的分析方法、装置及计算机设备 | |
CN107919137A (zh) | 远程审批方法、装置、设备及可读存储介质 | |
CN111401828A (zh) | 一种强化排序的动态智能面试方法、装置、设备及计算机存储介质 | |
US20200184343A1 (en) | Prediction of Business Outcomes by Analyzing Voice Samples of Users | |
CN106898176A (zh) | 基于点读笔的学情分析方法、学情分析服务器及点读系统 | |
CN105096955A (zh) | 一种基于模型生长聚类的说话人快速识别方法及系统 | |
CN111681143A (zh) | 基于课堂语音的多维度分析方法、装置、设备及存储介质 | |
CN110070865A (zh) | 一种具有语音和图像识别功能的向导机器人 | |
CN110136696A (zh) | 音频数据的监控处理方法和系统 | |
US20230394547A1 (en) | Prediction of business outcomes by analyzing music interests of users | |
CN114638442B (zh) | 面向个体差异的飞行训练方案生成系统、方法及设备 | |
CN113343106A (zh) | 学生智能推荐方法及系统 | |
CN111428030A (zh) | 一种语料分类的方法及系统 | |
EP2962296A2 (de) | Wortwahlbasierte sprachanalyse und sprachanalyseeinrichtung | |
CN112052686B (zh) | 一种用户交互式教育的语音学习资源推送方法 | |
CN116504271B (zh) | 一种用于智慧校园的作业发布管理系统 | |
CN108665901A (zh) | 一种音素/音节提取方法及装置 | |
CN109086387A (zh) | 一种音频流评分方法、装置、设备及存储介质 | |
Varga et al. | Development of an online subjective evaluation system for recorded speech of deaf and hard of hearing children | |
Szekrényes et al. | Classification of formal and informal dialogues based on turn-taking and intonation using deep neural networks | |
CN108492821A (zh) | 一种减弱语音识别中说话人影响的方法 | |
CN114463671A (zh) | 一种基于视频数据的用户人格识别方法 |
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 |