[发明专利]一种在线学习辅助系统及方法

权利要求书

1.一种在线学习辅助方法，其特征在于，所述方法包括：

根据餐饮从业者输入的用户名及用户密码，验证用户身份；

在用户身份验证通过之后，根据所述用户名对应的角色标签获取相匹配的课程列表及对应的章节；

将每个章节相关的视频数据依次输出；

在视频数据依次输出的过程中，针对答题界面的试题输入答案选项；

根据答案选项输入情况，对视频数据输出位置进行控制；其中，所述视频数据包括：与餐饮相关的视频课程、以餐饮人视角解读书籍的视频和餐饮创业老板的经历分享视频；

所述根据答案选项输入情况，对视频数据输出位置进行控制包括：

根据预先定义的不同视频数据相关联的试题及答案选项，暂时停止视频数据输出，并自动切换终端的显示界面为答题界面；

接收用户输入的退出指令，根据退出指令停止视频数据输出；

判断输入单元输入的答案选项是否正确；如果正确，重新从视频数据的停止位置继续输出；否则，将答题界面跳转到显示与当前试题对应的注解界面；

将视频数据的输出位置变更为所设定的位置，并且从所述变更后的视频数据的位置起，重新开始对视频数据进行输出；

所述根据答案选项输入情况，对视频数据输出位置进行控制之后还包括：

确定用于评价学习效果的关键特征量；

构建深度学习网络模型；

结合深度学习网络模型和预先定义的专家系统，对餐饮从业者的学习效果进行综合评估；

所述深度学习网络模型是基于多层极限学习机构成的深度学习网络，其构建方法包括：将关键特征量作为输入样本映射到新的特征空间中，构成训练样本集X＝{x_i,t_i},i＝1,...,n；其中，x_i表示输入样本，t_i表示输入样本对应的学习效果指数，n为样本数量；

随机生成输入层到达第一隐层的连接权重以及第一隐层的输出矩阵H¹；

采用最小二乘法计算求取β¹，其表达式为：

将(β¹)^T代替所述输入层到第一隐层的连接权重β¹，随机生成第一隐层到第二隐层的连接权重β²，以及第二隐层的输出矩阵H²；

采用最小二乘法，通过下式计算获得输出权重β³：

式中，a_j和b_j分别表示随机设置的与第j个隐藏节点关联的输入权值和隐层阈值，z为隐藏节点个数，H为广义的雅各比矩阵,T为样本对应的学习效果指数总量。

2.根据权利要求1所述的在线学习辅助方法，其特征在于，所述将每个章节相关的视频数据依次输出包括：

显示终端的显示界面；

通过显示界面展示课程列表及对应的章节。

3.根据权利要求1所述的在线学习辅助方法，其特征在于，所述针对答题界面的试题输入答案选项之前包括：从题库数据库中调取与所述视频数据相匹配的试题集，以供所述餐饮从业者作答；其中，所述题库数据库存储有试题题目、与所述试题题目对应的知识点以及答案。

4.根据权利要求1所述的在线学习辅助方法，其特征在于，还包括：当用户答错题目时，将答题界面跳转到显示与当前试题对应的注解界面；

所述注解界面包括：试题题目对应的知识点以及答案。

5.如权利要求1所述的在线学习辅助方法，其特征在于，所述确定用于评价学习效果的关键特征量包括：将餐饮从业者作为评价对象，依据自定义的分类规则，将所述评价学习效果的特征量划分为在线学习状况和答题信息；获取分类后的各部分特征量，并从中选取用于评价学习效果的关键特征量，生成特征空间；其中，

所述在线学习状况包括在线学习时长和学习频率；

所述答题信息包括答题的数量、时间和答案正确率。

6.如权利要求1所述的在线学习辅助方法，其特征在于，所述结合深度学习网络模型和预先定义的专家系统，对餐饮从业者的学习效果进行综合评估包括：将新产生的待测样本x_new分别输入专家系统和深度学习网络模型，将各自获得的输出结果进行比较，判断深度学习网络模型与通过专家系统输出的指数是否一致；如果一致，表示学习效果良好；如果不一致，则学习效果较差；其中，

所述专家系统，用于根据餐饮管理者经验、相关参考文献或者权威餐饮报告对餐饮从业者的学习效果进行在线打分。