[发明专利]视频智能推送方法和系统

摘要

本发明公开了一种视频智能推送方法和系统，方法包括步骤：采集录入试题，对所述试题添加试题属性标签；对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络；学生学习成果考核情况分析和薄弱项大数据分析，得到学生学情画像；采集教学视频，分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签；构建知识图谱；构建推送模型及视频推送。本发明的视频智能推送方法和系统在推送试题的同时推送视频，视频是录制的知识点讲解视频，自动进行图片和音频的处理分析，得到对应的试题，实现试题与视频的关联，学生在得到推送试题的同时，得到对应知识点的视频讲解。

主权项

1.一种视频智能推送方法，其特征在于，包括步骤：采集录入试题，对所述试题添加试题属性标签，所述试题属性标签包括：科目、版本、年级、章节、及知识点，根据试题属性标签确定试题的核心知识点和相关知识点形成试题库，其中，所述核心知识点是所述试题主要考察的知识点，所述相关知识点是所述试题中考察的与所述核心知识点相关的知识点；对试题建立试题画像，在所述试题属性标签的基础上，对试题文本建立基于知识图谱的文本语义网络；学生学习成果考核情况分析和薄弱项大数据分析，得到学生学情画像：通过学生对试题库内的试题进行考试和作业练习，从单科、综合排名波动分析该学生学习进度、学习完成度、和知识点掌握度；通过大数据分析该学生某学科在其班级的学习水平、该学生班级在其年级的教学水平、该学生学校在其地区教学水平情况、该学生所在地区教学水平情况，结合学生考试、作业、在线练习的知识点考核面以及答题情况，结合知识点难度、该校该省历往考情精准分析适合学生现进度的学习突破点；采集教学视频，分别对教学视频中的图像和语音进行分析，并对教学视频进行标记视频画像标签；构建知识图谱，包括步骤：实体链接，对视频中语音、试题文本进行基于BiLSTM+CRF算法的命名实体识别进行实体抽取，抽取后的实体将在不同的子知识图谱上的同一实体信息进行链接，使用CoLink无监督学习框架实现实体链接；提取知识图谱特征：基于知识图谱特征学习的TranD算法进行知识图谱特征提取，实体的上下文实体特征，对该实体进行准确地刻画；构建推送模型及视频推送，包括步骤：基于知识图谱建立学生、试题、和教学视频之间的一致性或关联性，利用知识图谱发现不同类型实体间的关联路径，基于迭代的权重传播算法计算实体结点的相关度；对学生、试题、和教学视频进行特征语义关联；基于Manifold算法找出学生、试题、和教学视频的潜在关联，利用DN‑DBpedia语料结合ESA模型找出不同标签间的语义关联；基于卷积神经网络和注意力机制建立试题和视频推送算法；分地区、教材版本、学校、年级进度，结合教学质量、学生学情画像、知识点难易度、知识点考试频率，结合知识点图谱综合匹配，匹配提分策略，制定提分率、提分难易度最优的视频进行推送；通过同班同学的学习数据，精准跟进教学节律，结合学生学情画像和已匹配提分策略，进行视频推送；视频学习完成后精准匹配推送优质名校精题，巩固学习效果、验证掌握程度，相应数据回流学生学情画像。