[发明专利]基于错因分析的人机交互系统有效

专利信息
申请号: 201910686318.2 申请日: 2019-07-29
公开(公告)号: CN110414837B 公开(公告)日: 2020-10-27
发明(设计)人: 栗浩洋;叶晨罡;曹晓烨 申请(专利权)人: 上海松鼠课堂人工智能科技有限公司
主分类号: G06Q10/06 分类号: G06Q10/06;G06Q50/20;G06F40/279;G10L15/26
代理公司: 上海中外企专利代理事务所(特殊普通合伙) 31387 代理人: 孙旭华
地址: 200000 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 分析 人机交互 系统
【权利要求书】:

1.一种基于错因分析的人机交互系统,其特征在于:包括做题模块、错题本模块、监课模块、大数据中心和错因分析引擎;

做题模块,用于采集学生针对错题的一级错因数据,并将采集到的一级错因数据存储至大数据中心;

错题本模块,用于采集学生针对错题的二级错因数据,并将采集到的二级错因数据存储至大数据中心;

错因分析引擎,用于依据错题的一级错因数据和二级错因数据生成该错题的预测错因数据;所述错因分析引擎内设置有经过训练的支持向量机模型,错因分析引擎调取针对错题的一级错因数据的学生标记的错因标签作为支持向量机模型的输入,或调取针对错题的一级错因数据的学生标记的错因标签和二级错因数据的学生标记的错因标签作为支持向量机模型的输入;支持向量机模型输出的错因标签作为的预测错因数据的错因标签;所述预测错因数据包括试题ID、试题内容、试题标准答案、试题难度、做题时长、学生ID、学生作答结果和预测的错因标签;

监课模块,用于自大数据中心调取学生在错题下生成的一级错因数据和二级错因数据供老师进行查看,以及调取该错题对应的预测错因数据供老师进行查看,还用于采集老师输入的自己标记的错因标签,并依据采集到的老师标记的错因标签生成三级错因数据,所述三级错因数据包括试题ID、试题内容、试题标准答案、试题难度、做题时长、学生ID、学生作答结果和老师标记的错因标签;

所述做题模块和错题本模块内均设置有错因标签单元,所述错因标签单元内预置有多个错因标签,所述错因标签单元具有自定义错因标签功能;

在学生做错试题时,错因标签单元被触发,学生通过错因标签单元选择一个错因标签或自定义一个错因标签对错题进行标记;

所述一级错因数据、二级错因数据、预测错因数据和三级错因数据均包括错因标签;

还包括虚拟个人助理模块,用于根据错题的一级错因数据、二级错因数据和\或三级错因数据采集学生对错题所对应的知识点的掌握程度;

还包括文本预处理模块,用于提取文本数据中的词的词向量,得到该文本数据对应的词向量数组;

虚拟个人助理采集学生对错题所对应的知识点的掌握程度时,包括以下步骤:

虚拟个人助理根据该错题的一级错因数据、二级错因数据和\或三级错因数据向学生输出一道概念题信息,该概念题用于测试学生是否掌握该错题所对应的知识点;

虚拟个人助理采集该学生对该概念题作答的语音数据,虚拟个人助理将该语音数据通过语音识别技术转换为文本数据,并将该文本数据输入文本预处理模块;

文本预处理模块提取该文本数据对应的词向量组,并将该词向量组输入到预先训练好的带有注意力机制的长期-短期递归神经网络模型,得到学生的作答与该概念题答案的相似度;

虚拟个人助理判断该相似度是否大于阈值,若否,则向学生推送该概念题对应的错因讲解内容。

2.按照权利要求1所述的基于错因分析的人机交互系统,其特征在于:当学生自定义一个错因标签时,所述错因分析引擎调取该自定义的错因标签进行分类操作;

分类操作包括:将自定义的错因标签与多个预置的错因标签进行相似度计算,若一个预置的错因标签与该自定义的错因标签的相似度最高,且相似度大于阈值,则以该预置的错因标签替换自定义的错因标签。

3.按照权利要求2所述的基于错因分析的人机交互系统,其特征在于:所述错因分析引擎进行分类操作中,若一个预置的错因标签与该自定义的错因标签的相似度最高,且相似度小于或等于阈值,则对该自定义的错因标签进行归纳操作:

归纳操作包括:对该自定义的错因标签进行主题抽取,并将抽取到的主题存储至大数据中心。

4.按照权利要求1所述的基于错因分析的人机交互系统,其特征在于:还包括内容模块,用于查询学生在任一道试题上的错误率、答题平均时间、占比前三的错误答案内容和对应的占比值、以及占比前三项的错因标签和对应的占比值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海松鼠课堂人工智能科技有限公司,未经上海松鼠课堂人工智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910686318.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top