[发明专利]深度知识追踪方法和系统在审

专利信息
申请号: 202110152127.5 申请日: 2021-02-04
公开(公告)号: CN112818133A 公开(公告)日: 2021-05-18
发明(设计)人: 崔炜 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: G06F16/36 分类号: G06F16/36;G06F16/33;G06F40/30;G06K9/32;G06K9/72
代理公司: 暂无信息 代理人: 暂无信息
地址: 200233 上海市徐*** 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: 深度 知识 追踪 方法 系统
【说明书】:

发明提供了深度知识追踪方法和系统,其能够将纸件课本上存在的知识内容转换为可编辑形式的数字知识数据,并利用相应的知识数据库和该数字知识数据的字符语义识别结果,对知识点内容的深度挖掘与延伸,从而得到相关联的知识点数据,最后对该相关联的知识点数据进行排列组合而得到深度知识图谱,这样能够对课本知识内容进行有针对性的挖掘扩展并形成以某一知识点内容为基础的深度知识图谱,从而便于教学过程中对知识点进行相应的发散教学,以此提高教学质量和学生的发散思维能力。

技术领域

本发明涉及智能教学的技术领域,特别涉及深度知识追踪方法和系统。

背景技术

目前,对学生的知识教学都是通过线下课堂或者线上课堂的方式来实现的,无论是线下课堂还是线上课堂都是以教材课本内容为依据来进行的,这导致在教学过程中无法对相应的知识数据进行有效的扩展挖掘,这严重地影响教学质量和无法提高学生的发散思维能力。虽然,现有技术能够通过相应的搜索引擎来对某一知识点进行相关内容的搜索,但是这种搜索方式并没有针对性,其无法根据当前的知识点进行有效的关联搜索,以及根据搜索结果形成与当前的知识点相关的知识图谱,这大大地降低了对知识点进行追踪扩展的准确性和可靠性,同时也不利于改善知识教学的知识内容直观性和精确性。

发明内容

针对现有技术存在的缺陷,本发明提供深度知识追踪方法和系统,其通过对纸件课本进行扫描,以此获得对应的纸件课本图像,并对该纸件课本图像进行处理,从而将该纸件课本包含的知识内容转换为可编辑形式的数字知识数据,再判断该数字知识数据包含的字符对应的语言类型,并根据该语言类型,选择相匹配的知识数据库,再对该数字知识数据进行字符语义识别处理,从确定该数字知识数据包含的所有知识点内容,最后从该知识数据库中选择与该知识点内容相关联的知识点数据,并根据选择的相关联的知识点数据的难易程度,对所有相关联的知识点进行排列,再根据排列的结果形成关于该知识点内容的深度知识图谱;可见,该深度知识追踪方法和系统能够将纸件课本上存在的知识内容转换为可编辑形式的数字知识数据,并利用相应的知识数据库和该数字知识数据的字符语义识别结果,对知识点内容的深度挖掘与延伸,从而得到相关联的知识点数据,最后对该相关联的知识点数据进行排列组合而得到深度知识图谱,这样能够对课本知识内容进行有针对性的挖掘扩展并形成以某一知识点内容为基础的深度知识图谱,从而便于教学过程中对知识点进行相应的发散教学,以此提高教学质量和学生的发散思维能力。

本发明提供深度知识追踪方法,其特征在于,其包括如下步骤:

步骤S1,对纸件课本进行扫描,以此获得对应的纸件课本图像,并对所述纸件课本图像进行处理,从而将所述纸件课本包含的知识内容转换为可编辑形式的数字知识数据;

步骤S2,判断所述数字知识数据包含的字符对应的语言类型,并根据所述语言类型,选择相匹配的知识数据库,再对所述数字知识数据进行字符语义识别处理,从确定所述数字知识数据包含的所有知识点内容;

步骤S3,从所述知识数据库中选择与所述知识点内容相关联的知识点数据,并根据选择的相关联的知识点数据的难易程度,对所有相关联的知识点进行排列,再根据排列的结果形成关于所述知识点内容的深度知识图谱;

进一步,在所述步骤S1中,对纸件课本进行扫描,以此获得对应的纸件课本图像,并对所述纸件课本图像进行处理,从而将所述纸件课本包含的知识内容转换为可编辑形式的数字知识数据具体包括:

步骤S101,对所述纸件课本进行扫描拍摄,以此获得对应的纸件课本图像;

步骤S102,对所述纸件课本图像依次进行图像卡尔曼滤波处理和像素二值化处理,从而将所述纸件课本图像转换为二值化图像;

步骤S103,识别所述二值化图像包含的所有字符内容,并将识别得到的所述字符内容转换为可编辑电子文本形式的数字知识数据;

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/202110152127.5/2.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