【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及人工智能，更具體地，涉及一種課件內(nèi)容分析方法、裝置、設(shè)備及存儲介質(zhì)。
技術(shù)介紹
1、在教育場景下，教學(xué)課件是一種教學(xué)輔助工具，能夠輔助老師在課堂上進(jìn)行教授、講解等教學(xué)活動。教學(xué)課件是為了讓老師的教學(xué)更加生動、直觀，幫助學(xué)生更好地理解和掌握知識。同時，它也可以作為學(xué)生復(fù)習(xí)和自學(xué)的材料。
2、教學(xué)課件的分析與評價也是教育教學(xué)質(zhì)量保障的最基礎(chǔ)最核心的內(nèi)容之一，也是教育評估的一項重要內(nèi)容。目前，當(dāng)前診斷老師課件水平僅依賴于人，這就存在著較大的主觀性，各診斷者的評定標(biāo)準(zhǔn)各異，難以保證診斷的科學(xué)性和客觀性。另外，目前的分析與評價的手段針對的是課件大綱本身，不是針對課件呈現(xiàn)出來的畫面，評價結(jié)果與實際感受也有一定的出入。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)為克服上述現(xiàn)有技術(shù)的所述至少一種缺陷，提供一種課件內(nèi)容分析方法、裝置、設(shè)備及存儲介質(zhì)，本專利技術(shù)采用的技術(shù)方案如下。
2、第一方面，本專利技術(shù)提供一種課件內(nèi)容分析方法，包括：
3、獲取課件圖片，其中，所述課件圖片是將課件數(shù)據(jù)轉(zhuǎn)換成圖像類型數(shù)據(jù)后得到的；
4、對各幀課件圖片進(jìn)行檢測，檢測出標(biāo)題和正文；
5、將各幀檢測出的標(biāo)題和正文輸入到預(yù)訓(xùn)練好的文字識別模型，識別出各幀課件圖片的標(biāo)題關(guān)鍵詞集合和正文關(guān)鍵詞集合；
6、對所有各幀課件圖片的標(biāo)題關(guān)鍵詞集合和正文關(guān)鍵詞集合進(jìn)行匯總，得到課件關(guān)鍵詞集合，其中，在課件關(guān)鍵詞集合中每個關(guān)鍵詞僅保留一個，不存在重復(fù)情況；
8、根據(jù)所述課件關(guān)鍵詞集合和所述課程的知識點集合的交并比，得出課件完整度分析結(jié)果；
9、根據(jù)所述課件完整度分析結(jié)果，得出課件內(nèi)容分析結(jié)果。
10、在一種實施方式中，所述將各幀檢測出的標(biāo)題和正文輸入到預(yù)訓(xùn)練好的文字識別模型，識別出各幀課件圖片的標(biāo)題關(guān)鍵詞集合和正文關(guān)鍵詞集合的過程，包括：
11、將各幀課件圖片檢測出的標(biāo)題和正文輸入到文字提取模型，識別出各幀課件圖片的標(biāo)題內(nèi)容和正文內(nèi)容；
12、利用預(yù)訓(xùn)練的分詞模型，對標(biāo)題內(nèi)容和正文內(nèi)容進(jìn)行文本分詞，并過濾無意義單字，得出標(biāo)題內(nèi)容的分詞結(jié)果和正文內(nèi)容的分詞結(jié)果；
13、利用關(guān)鍵詞提取模型，對各幀課件圖片標(biāo)題內(nèi)容的分詞結(jié)果和正文內(nèi)容的分詞結(jié)果進(jìn)行關(guān)鍵詞提取；
14、匯總各幀課件圖片提取到的標(biāo)題關(guān)鍵詞和正文關(guān)鍵詞，得出課件的標(biāo)題關(guān)鍵詞集合和正文關(guān)鍵詞集合。
15、在一種實施方式中，還包括：
16、將單幀課件圖片的標(biāo)題關(guān)鍵詞和正文關(guān)鍵詞組建成一個幀內(nèi)關(guān)鍵詞對比組，將所有幀內(nèi)關(guān)鍵詞對比組組合成幀內(nèi)關(guān)鍵詞對比組集合compset_a；
17、將所述對比組集合compset_a輸入詞組邏輯關(guān)系判別模型，得到各幀內(nèi)標(biāo)題關(guān)鍵詞與正文關(guān)鍵詞的邏輯關(guān)系；其中，所述詞組邏輯關(guān)系判別模型是基于統(tǒng)計學(xué)習(xí)或深度學(xué)習(xí)的方法挖掘大規(guī)模自然語言數(shù)據(jù)中名詞與名詞之間的聯(lián)系關(guān)系，并將聯(lián)系關(guān)系回歸到預(yù)先設(shè)定的若干種邏輯關(guān)系類別中的模型；
18、統(tǒng)計出被判別為預(yù)設(shè)目標(biāo)關(guān)系類別的幀的數(shù)量在整個集合中的占比r_21，其中，所述預(yù)設(shè)目標(biāo)關(guān)系類別為所述若干種邏輯關(guān)系類別中的一個或多個；
19、根據(jù)所述r_21，得出課件幀內(nèi)邏輯分析結(jié)果；
20、所述得出課件內(nèi)容分析結(jié)果的過程，還根據(jù)所述課件幀內(nèi)邏輯分析結(jié)果。
21、在一種實施方式中，所述若干種邏輯關(guān)系類別包括：并列或同義、對比或反義、從屬、因果、遞進(jìn)、其他；
22、所述預(yù)設(shè)目標(biāo)關(guān)系類別包括：并列或同義、從屬。
23、在一種實施方式中，還包括：
24、在課件圖片中，取待分析的第一幀的關(guān)鍵詞與待分析的第一幀的下一幀的關(guān)鍵詞組成一個幀間關(guān)鍵詞對比組；
25、將所述幀間關(guān)鍵詞對比組輸入詞組邏輯關(guān)系判別模型，得到幀間關(guān)鍵詞對比組的邏輯關(guān)系；其中，所述詞組邏輯關(guān)系判別模型是基于統(tǒng)計學(xué)習(xí)或深度學(xué)習(xí)的方法挖掘大規(guī)模自然語言數(shù)據(jù)中名詞與名詞之間的聯(lián)系關(guān)系，并將聯(lián)系關(guān)系回歸到預(yù)先設(shè)定的若干種邏輯關(guān)系類別中的模型，所述若干種邏輯關(guān)系類別包括：并列或同義、對比或反義、從屬、因果、遞進(jìn)、其他；
26、若待分析的第一幀與待分析的第一幀的下一幀的邏輯關(guān)系為從屬或因果，則將待分析的第一幀的下一幀加入到待分析的第一幀的內(nèi)容關(guān)聯(lián)幀組中，然后按幀的順序繼續(xù)判斷待分析的第一幀的關(guān)鍵詞與待分析的第一幀的下一幀之后的幀的關(guān)鍵詞的邏輯關(guān)系，直到邏輯關(guān)系不為從屬或因果的第k幀為止；
27、將待分析的第一幀與第k幀的邏輯關(guān)系加入到核心內(nèi)容幀間集合coreset_b中；
28、以第k幀為下一個比對過程的開始，直至遍歷所有課件圖片，得到一個核心內(nèi)容幀間集合coreset_b和若干個內(nèi)容關(guān)聯(lián)幀組；
29、根據(jù)核心內(nèi)容幀間集合coreset_b中的并列類別數(shù)量、內(nèi)容關(guān)聯(lián)幀組的組數(shù)、內(nèi)容關(guān)聯(lián)幀數(shù)量占比，得出課件結(jié)構(gòu)分析結(jié)果；
30、所述得出課件內(nèi)容分析結(jié)果的過程，還根據(jù)所述課件結(jié)構(gòu)分析結(jié)果。
31、在一種實施方式中，所述根據(jù)核心內(nèi)容幀間集合coreset_b中的并列類別數(shù)量、內(nèi)容關(guān)聯(lián)幀組的組數(shù)、內(nèi)容關(guān)聯(lián)幀數(shù)量占比，得出課件結(jié)構(gòu)分析結(jié)果的過程，包括：
32、獲取偏離最佳值的計算公式：
33、f_score＝1-(|x-x_best|)/x_var，其中，x為實際統(tǒng)計值，x_best為最佳值，x_var為最大偏離值；
34、獲取關(guān)于并列類別數(shù)量的第一最佳值、第一最大偏離值，基于所述偏離最佳值的計算公式，根據(jù)實際的并列類別數(shù)量、第一最佳值、第一最大偏離值，得出關(guān)于并列類別數(shù)量的第一偏離最佳值；
35、獲取關(guān)于內(nèi)容關(guān)聯(lián)幀組的組數(shù)的第二最佳值、第二最大偏離值，基于所述偏離最佳值的計算公式，根據(jù)實際的內(nèi)容關(guān)聯(lián)幀組的組數(shù)、第二最佳值、第二最大偏離值，得出關(guān)于內(nèi)容關(guān)聯(lián)幀組的第二偏離最佳值；
36、獲取關(guān)于內(nèi)容關(guān)聯(lián)幀數(shù)量占比的第三最佳值、第二最大偏離值，基于所述偏離最佳值的計算公式，根據(jù)實際的內(nèi)容關(guān)聯(lián)幀數(shù)量占比，得出關(guān)于內(nèi)容關(guān)聯(lián)幀數(shù)量占比的第三偏離最佳值；
37、根據(jù)預(yù)設(shè)的第一、第二、第三偏離最佳值所對應(yīng)的權(quán)重系數(shù)，得出課件結(jié)構(gòu)分析結(jié)果。
38、在一種實施方式中，還包括：
39、獲取課件的主題關(guān)鍵詞；
40、將課件的主題關(guān)鍵詞和各核心內(nèi)容幀的關(guān)鍵詞輸入詞組邏輯關(guān)系判別模型，得到主題關(guān)鍵詞與各核心內(nèi)容幀的關(guān)鍵詞的邏輯關(guān)系；其中，所述核心內(nèi)容幀為核心內(nèi)容幀間集合coreset_b中涉及到的課件圖片；
41、統(tǒng)計出被判別為從屬關(guān)系類別的幀的數(shù)量在整個集合中的占比r_23；
42、根據(jù)所述r_23，得出主題連貫性分析結(jié)果；
43、所述得出課件內(nèi)容分析結(jié)果的過程，還根據(jù)所述主題連貫性分析結(jié)果。
44、第二方面，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
1.一種課件內(nèi)容分析方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的課件內(nèi)容分析方法，其特征在于，所述將各幀檢測出的標(biāo)題和正文輸入到預(yù)訓(xùn)練好的文字識別模型，識別出各幀課件圖片的標(biāo)題關(guān)鍵詞集合和正文關(guān)鍵詞集合的過程，包括：
3.根據(jù)權(quán)利要求1或2所述的課件內(nèi)容分析方法，其特征在于，還包括：
4.根據(jù)權(quán)利要求3所述的課件內(nèi)容分析方法，其特征在于，所述若干種邏輯關(guān)系類別包括：并列或同義、對比或反義、從屬、因果、遞進(jìn)、其他；
5.根據(jù)權(quán)利要求1或2所述的課件內(nèi)容分析方法，其特征在于，還包括：
6.根據(jù)權(quán)利要求5所述的課件內(nèi)容分析方法，其特征在于，所述根據(jù)核心內(nèi)容幀間集合CoreSet_B中的并列類別數(shù)量、內(nèi)容關(guān)聯(lián)幀組的組數(shù)、內(nèi)容關(guān)聯(lián)幀數(shù)量占比，得出課件結(jié)構(gòu)分析結(jié)果的過程，包括：
7.根據(jù)權(quán)利要求5所述的課件內(nèi)容分析方法，其特征在于，還包括：
8.一種課件內(nèi)容分析裝置，其特征在于，包括：
9.一種計算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計算機(jī)程序，其特征在于，所述處理
10.一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-7中任一所述的方法。
...【技術(shù)特征摘要】
1.一種課件內(nèi)容分析方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的課件內(nèi)容分析方法，其特征在于，所述將各幀檢測出的標(biāo)題和正文輸入到預(yù)訓(xùn)練好的文字識別模型，識別出各幀課件圖片的標(biāo)題關(guān)鍵詞集合和正文關(guān)鍵詞集合的過程，包括：
3.根據(jù)權(quán)利要求1或2所述的課件內(nèi)容分析方法，其特征在于，還包括：
4.根據(jù)權(quán)利要求3所述的課件內(nèi)容分析方法，其特征在于，所述若干種邏輯關(guān)系類別包括：并列或同義、對比或反義、從屬、因果、遞進(jìn)、其他；
5.根據(jù)權(quán)利要求1或2所述的課件內(nèi)容分析方法，其特征在于，還包括：
6.根據(jù)權(quán)利要求5所述的課件內(nèi)容分析方法...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：林浩志，
申請(專利權(quán))人：廣州市奧威亞電子科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。