[发明专利]一种在线教育智能师生匹配系统

权利要求书

1.一种在线教育智能师生匹配方法，其特征在于，所述方法包括以下步骤：

步骤1、存储教师档案库；

步骤2、存储学生档案库；

步骤3、存储师生关联数据库；

步骤4、基于师生关联数据库构建师生匹配模型；

步骤5、录入新学生档案数据；

步骤6、基于师生匹配模型运行师生匹配算法；

步骤7、输出与新学生相匹配的教师；

步骤8、录入反馈的匹配满意度；

步骤9、存储新学生数据入库；

其中，

在所述步骤1中，所述教师档案库存储教师的信息，所述教师信息包括教师基本信息和教师特征向量，所述教师基本信息包括教师年龄、性别和教师所在的学科组，所述教师特征向量包括：

1)教师学科特长自我评估向量，教师对自己各学科的特征进行自我评估打分；

2)教师通过MBTI性格测试得到的结果向量；

3)教师通过DISC性格测试得到的结果向量；

在所述步骤2中，所述学生档案库存储学生的信息，所述学生信息包括学生基本信息和学生特征向量，所述学生基本信息包括学生所在年级，学生上过的学科、年龄、和性别；所述学生特征向量包括：

1)学生学科成绩自我评估向量，学生对自己各学科的成绩进行自我评估打分；

2)学生通过所罗门学习风格测评得到的结果向量；

3)学生通过MBTI性格测试得到的结果向量；

4)学生通过DISC性格测试得到的结果向量；

在所述步骤4中，所述基于师生关联数据库构建师生匹配模型为线下构建师生匹配模型，所述步骤4包括：

S301：调用学生特征数据集，将存储的学生特征数据库载入；

S302：调用教师特征数据集，将存储的教师特征数据库载入；

S303：调用学生对教师的满意度数据集，将关联数据载入；

S304：对于每个学科每个教师，统计对其评价等级为高满意度的学生，将这些学生的特征进行聚合；

S305：对于每个学科每个教师，对所述S304步骤中的特征集合进行聚类，聚类方法为K均值聚类或者层次聚类；

S306：对于每个学科每个教师，计算所述S305步骤中的各聚类的特征中心向量；

S307：对于每个学科每个教师，存储其关联的所述各聚类的特征中心向量；

S308：完成匹配模型构建；

在所述步骤6中，所述基于师生匹配模型运行师生匹配算法为线上进行师生匹配，所述步骤6包括：

S401：新上课学生进行个人信息填写与测试，所述测试包括罗门学习风格测评、MBTI性格测试和DISC性格测试；

S402：确定学生所要上的年级和学科，构建新学生的特征向量；根据当前系统是否有训练好的线下模型，选择相应的师生匹配方式：如果有训练好的线下模型，进行步骤S403，否则进行步骤S404；

S403：距离计算：计算所述S402步骤中所得的学生特征向量与对应学科每个教师关联的特征中心的距离，所述距离的计算方法为欧式距离或者余弦距离，选取所述距离前N个最小的特征中心对应的教师为匹配老师，所述N的取值为3或者5；

S404：读取匹配：读取对应学科每个教师的特征向量，基于预设的初始化规则进行教师匹配，所述预设的初始化规则包括教师对该学科的特长自我评估分数很高，学生与教师的性格匹配，或者上述规则的组合。

2.一种在线教育智能师生匹配系统，其特征在于，包括硬件子系统和软件子系统，所述硬件子系统通过操作系统与软件子系统连接，所述软件子系统包括接收模块、存储模块、获取模块、计算模块、显示模块、反馈模块，所述接收模块通过程序接口分别与计算模块和存储模块相连接，所述获取模块通过程序接口分别与计算模块和存储模块相连接，所述显示模块通过程序接口分别与计算模块和反馈模块相连接，所述存储模块和反馈模块通过程序接口相连接，所述在线教育智能师生匹配系统采用如权利要求1所述的在线教育智能师生匹配方法。

3.如权利要求2所述在线教育智能师生匹配系统，其特征在于，所述获取模块用于线下师生模型构建和获取。

4.如权利要求2所述在线教育智能师生匹配系统，其特征在于，所述计算模块，用于计算获得与新上课学生匹配的教师。