[发明专利]一种用户交互式教育的语音学习资源推送方法

权利要求书

1.一种用户交互式教育的语音学习资源推送方法，其特征在于：包括：

预先建立数据库，所述数据库中存储有用户身份数据、用户学习属性数据、学习资源数据、学习进度数据、用户身份数据和学习资源数据之间的关联数据；

获取用户语音数据，对语音数据进行处理，采用声纹识别用户身份并从所述语音数据中提取目标关键词；

识别目标关键词所对应的学习资源数据中的科目类别，得到识别结果，并结合预设推送程序配置初始学习资源进行推送，其中配置的初始资源包括：知识点配置数据、知识点考察比重配置数据、题型配置数据、题型数量配置数据、难度配置数据中的至少一种；

所述预设推送程序包括：

采用协同过滤推荐算法对待推送用户在数据库中进行目标用户匹配，包括首先计算各用户的学习属性相似性，然后选择相似性最高的若干用户作为待推送用户的目标用户，根据目标用户的学习属性数据和学习进度数据，预测待推送用户对未选择和访问的学习资源数据的兴趣度，并将兴趣度高于设定阈值的类别资源结合所述目标关键词所对应的学习资源数据配置初始学习资源；

接收用户针对初始学习资源的反馈语音数据，继续提取目标关键词对初始学习资源进行修改并继续推送，迭代进行生成最终学习资源进行推送并更新该用户学习进度数据。

2.根据权利要求1所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：所述采用声纹识别用户身份包括：

预先经过前端处理输出用户纯净的语音，再提取用户语音的特征参数，进行模型训练，得到每一个用户的模型参数，建立全部用户的模板库；

识别时对待识别语音作前端处理，再提取说话者语音的特征，后使用模板库中的参数进行匹配，将匹配度最高的作为识别的最终结果。

3.根据权利要求2所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：所述提取用户语音的特征参数包括：

对于语音做包括分帧、加窗和预加重在内的预处理；

计算出每一帧语音信号的线性预测系数（LPC）；

对每帧的 LPC 作短时傅里叶变换，后求谱线能量；

将每帧的谱线能量通过 Bark 滤波器组，计算出巴克滤波器组能量；

对每帧巴克滤波器能量取对数，后作离散余弦变换得到线性预测巴克倒谱系数LPBFCC。

4.根据权利要求1所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：还包括对学习资源数据进行分类标记，具体为：

对学习资源数据进行行业分类、岗位分类、知识级别、适龄人群和难易程度不同维度的标记，对知识课件进行资源分类，并对知识课件时长区间进行标记；所述学习资源数据包括课程、课件和知识点。

5.根据权利要求4所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：还包括对分类标记后的学习资源数据进行优化建网,具体为：

对标记分类后的学习资源数据进行数据清洗，对知识点进行 Hash散列操作，建立HashMap映射关系网状图。

6.根据权利要求5所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：还包括对用户所需学习的知识点集成化建模，并根据建模结果进行结构变换，抽取学习活动序列LAS，对序列LAS进行优化求解，得到学习过程和学习资源中的用户掌控不足的知识点，匹配得到的得到的映射关系网状图进行聚类分析，得到最优的辅导知识点作为阶段性学习资源推送给用户。

7.根据权利要求6所述的一种用户交互式教育的语音学习资源推送方法，其特征在于：所述用户掌控不足的知识点判定包括根据用户对学习资源的评价以及知识点阶段测试结果来确定学习 者掌握度不足的知识点。