[发明专利]一种基于慕课平台的智能答疑系统及方法

说明书

本发明提供一种基于慕课平台的智能答疑系统，通过构建相关专业的知识库，使系统适用于每个课程的精准的答疑，易于实现；还提供一种方法，基于深度学习的方法，在相似度计算部分使用LSTM‑CRF神经网络模型和Pos‑Bert神经网络模型，并加入了关于语句的语义相似度计算部分，充分发挥各类算法的优点，有效提高了答疑系统的匹配能力。

技术领域

本发明涉及智能答疑系统技术领域，特别是涉及一种基于慕课平台的智能答疑系统及方法。

背景技术

目前，我国教育资源分布还非常不均衡，本质上是由于地区和城乡间经济发展的不平衡导致教育资源和教师资源主要集中在发达地区和城市。线上线上授课方式的出现，推出了全天候课程。日间课程覆盖从小学一年级到高中三年级全部学段的全部学科；晚间课程则是素质养成类、学习指导类，极大地发挥了线上教育的优势。

线上教育以互联网为载体，充分发挥其高效便捷的功能。大学生可以在任何时间，任何地点，以更少的限制参加学习。学生可以灵活安排自己的学习时间，并选择最适合自己的时间和地点进行高效学习，从而确保学生学习的便利性和多种学习方法的选择。

慕课作为一种新型的、开放的网络教学模式，自2008年于加拿大产生，被誉为“印刷术发明以来教育最大的革新”，迅速在全球发展并产生重要影响。2012 年，慕课在全球教育界掀起了“一场数字海啸”，这一年里，慕课三大供应商应运而生，即由斯坦福大学教授创建的Udacity；由斯坦福大学、普林斯顿大学和宾夕法尼亚大学等多所名校联手的Coursera；由哈佛大学、麻省理工学院联合创办的非营利性组织edx。这也是当今规模最大、最有影响力的三大慕课平台。

其中，教学答疑是教育反馈的重要环节，随着科技的进步，智能答疑已是新的发展风向标。慕课平台可以实现包括课件、视频、作业、互动讨论、考试、合格证等在内的完整的教学过程，但是缺乏智能答疑环节。现有技术关于智能答疑系统的问题相似度计算方面，在文本相似性研究可划分为多个层次：概念级别、词汇级别、短语级别、句子级别、段落级别和文档级别。关于句子级别的问题文本相似性计算，使用的是传统的问题相似度计算方法：向量空间模型。向量空间模型对用户查询和搜索文档进行向量化，有可能因为向量维度过高造成数据稀疏问题，因此向量空间模型不适合较长的文档，另外向量空间模型没有考虑词语的先后顺序以及语义信息，因此是有局限性的。

公开号为CN108985989A的中国发明专利于2018年12月11日公开了一种基于慕课教育的教学管理系统、实现方法，其虽然将慕课教育与实际教学课堂有效结合，使教学结构产生变革，克服单纯慕课教学缺陷，但其答疑模块的匹配能力不足，无法进行精确的问题解答。

发明内容

本发明为克服以上至少一种技术问题，提供一种基于慕课平台的智能答疑系统，其适用于每个课程的精准的答疑，系统简单，易于实现。

本发明还提供一种基于慕课平台的智能答疑方法，通过设计相应的算法，提高答疑系统的匹配能力。

为解决上述技术问题，本发明的技术方案如下：

一种基于慕课平台的智能答疑系统，包括用户端、问句分析模块、信息检索模块、知识库、相似度判断模块和爬虫模块；其中：

用户端用于提出问题并发送到问句分析模块中，并接收信息检索模块或爬虫模块反馈的答案；

问句分析模块用于对问题进行分析，确定问句所属类别；

信息检索模块根据问句所属类别对句子进行相似度计算，根据相似度计算结果对句子进行词语相似度匹配，从知识库中确定候选集；当句子相似度满足条件时，则根据候选集向用户端反馈答案；否则，则由爬虫模块反馈答案；

相似度判断模块用于判断问句的相似度是否满足条件；

爬虫模块用于通过网络爬虫爬取问题答案，并将相关问题存储到知识库中。