[发明专利]一种基于人工智能生成havruta教育模型的方法

权利要求书

1.一种基于人工智能生成havruta教育模型的方法，其特征在于，包括以下步骤，步骤S001，针对havruta教育方法，结合儿童心理学，设计线上视频交互教育方案；

步骤S002，利用人工智能，分析儿童与视频交互过程，并对父母收集儿童气质测试问卷，并结合儿童心理学家对儿童视频交互行为分析专业报告，识别儿童气质和行为特征；

步骤S003，再优化线上视频交互havruta教育方法，实现对儿童个性化教育方案推荐。

2.根据权利要求1所述的一种基于人工智能生成havruta教育模型的方法，其特征在于，步骤S002中，儿童心理学与教育家针对儿童与视频的交互行为，分析不同气质和行为特点、对havruta实施的影响效果。

3.根据权利要求2所述的一种基于人工智能生成havruta教育模型的方法，其特征在于，步骤S002中，利用人工智能技术主要对视频数据和视频交互日志进行分析。

4.根据权利要求3所述的一种基于人工智能生成havruta教育模型的方法，其特征在于，在步骤S002中，视频数据主要主要分为语音和图像数据，针对语音，首先，进行脏数据预处理，然后生成时域和频域特征以及对语音进行MFCC特征提取，进而表达儿童视频交互状态。

5.根据权利要求1-4中任一项所述的一种基于人工智能生成havruta教育模型的方法，其特征在于，步骤S002中，针对图像处理主要为对视频进行每秒提取16张图片，然后对每张进行数据处理以及利用深度学习识别图片种包含人脸和身体行为的图片，并读入图片到矩阵当中，即数字化存储，方便处理。

6.根据权利要求5所述的一种基于人工智能生成havruta教育模型的方法，其特征在于，步骤S002中，针对语音和图像分别创建卷积神经网络模型，利用深度学习经典神经网络架构，并根据开源训练好的SOTA分类模型权重，使用迁移学习、蒸馏方法，构建语音和图像针两个特定特征提取模型，然后对语音提取的MFCC特征和每张图片进行预测，提取深度特征。

7.根据权利要求5所述的一种基于人工智能生成havruta教育模型的方法，其特征在于，步骤S002中，利用语音和图像提取的深度特征，然后利用循环神经网络，对语音和图像在前后的时间线上，进行特征提取，即前一帧的语音和图像与后一帧的语音和图像等进行计算，取得时间上的关联性，以及周围的变化，提取语音、图像在时间序列上的深度特征，最后结合不同年龄段儿童分布进行回归模型构建。