(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210234695.4 (22)申请日 2022.03.11 (65)同一申请的已公布的文献号 申请公布号 CN 114358988 A (43)申请公布日 2022.04.15 (73)专利权人 深圳市中文路教育科技有限公司 地址 518000 广东省深圳市福田区沙 头街 道下沙社区滨河路9289号下沙村京基 滨河时代广场A座270 3 (72)发明人 范国栋　梁嘉俊　潘相颖　 (74)专利代理 机构 深圳汉林汇融知识产权代理 事务所(普通 合伙) 44850 专利代理师 刘临利 (51)Int.Cl. G06Q 50/20(2012.01) G06V 40/16(2022.01) G06V 40/10(2022.01) G06V 40/20(2022.01)G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/10(2019.01) (56)对比文件 US 20212 25186 A1,2021.07.2 2 CN 10862 9715 A,2018.10.09 US 20212 25186 A1,2021.07.2 2 CN 10862 9715 A,2018.10.09 US 10896428 B1,2021.01.19 CN 105702251 A,2016.0 6.22 应自炉等. “支持向量 鉴别分析及 在人脸表 情识别中的应用 ”. 《电子学报》 .20 08,第36卷(第 4期),第725 -730页. 审查员 孙丹 (54)发明名称 基于AI技术的教学方式推送方法及装置 (57)摘要 本发明涉及互联网技术领域， 公开了一种基 于AI技术的教学方式推送方法及装置， 其中， 该 方法包括： 对历史课堂视频进行识别， 并分别获 取老师和学生的上课特征； 通过机器学习分析学 生上课的特征， 生成对教学方式满意的学生的用 户画像， 并分析出满意的原因； 根据对教学方式 满意的学生用户画像和满意的原因， 匹配出该教 学方式所对应的老师的上课特征； 将令不同学生 满意的教学方式所对应的老师的上课特征， 分别 推送给老师用户。 本申请提供的一种基于AI技术 的教学方式推送方法， 能够依据不同学生的情 况， 选择不同的教学方式， 实现了对不同学生的 因材施教， 也使得对教学方式实现批量化、 自动 化、 规模化的推送成为现实。 权利要求书3页 说明书10页 附图7页 CN 114358988 B 2022.06.14 CN 114358988 B 1.一种基于AI 技术的教学 方式推送方法， 其特 征在于， 所述方法包括： 对历史课 堂视频进行识别， 并分别获取老师和学生的上课特 征； 通过机器学习分析学生上课的特征， 生成对教学方式满意的学生的用户画像， 并分析 出满意的原因； 根据对教学方式满意的学生用户画像和满意的原 因， 匹配出该教学方式所对应的老师 的上课特 征； 将令不同学生满意的教学方式所对应的老师的上课特征， 分别推送给老师用户， 以使 其根据不同的学生选择不同的教学方式； 具体地， 根据不同学生所满意的教学方式， 将不同 学生所满意的老师的上课特 征推送给老师， 以便 于老师对教学习惯作出调整； 所述根据对教学方式满意的学生用户画像和满意的原因， 匹配出该教学方式所对应的 老师的上课特 征包括： 将学生对教学 方式满意的上课特 征与采用该教学 方式时老师的上课特 征进行关联； 根据学生对教学 方式满意的上课特 征找出老师 上课时的特 征； 所述对历史课 堂视频进行识别， 并分别获取老师和学生的上课特 征包括： 采集当前课时的课 堂教学视频 数据， 分别获取老师和学生在上课过程的行为特 征； 采集当前课时的课 堂教学语音数据， 分别获取老师和学生在上课过程的语音特 征； 所述采集当前课时的课堂教学视频数据， 分别获取老师和学生在上课过程的行为特征 包括： 采集当前课时课堂教学视频， 每隔预设时间对其进行一次截图以实现图像提取， 将取 得的图片按老师和学生进行分类， 并按提取顺序存 储为图片集； 按图片集的顺序将老师和学生的图片分别依次输入到经过预训练的SVDA模型进行捕 捉处理； 所述捕捉处理包括： 检测人脸和手势， 标记人脸和 手势的边界框， 捕捉人脸和 手势 特征， 对人脸和手势特 征进行标注分类， 并与提前收集的人脸、 手势数据库进行匹配； 将不同时间所识别到的师生人脸、 手势分别提取和存储， 并将每个时间每张图片所识 别出的面部表情以及手势进行统计， 以获取老师和学生的行为特 征； 所述按图片集的顺序将老师和学生的图片分别依次输入到经过预训练的SVDA模型进 行捕捉处 理包括： 收集人脸、 手势数据于数据库图像集， 形成人脸、 手势两个数据库； 分别对人脸、 手势图像数据集进行预处理， 并将两个数据库中的数据分别划分为训练 集， 验证集和 测试集， 保证三 者之间的比例为6:3:1； 将人脸、 手势图像数据对应的多维特征输入SVDA模型， 选择合适的投影面， 实现高维特 征的降维， 对于降维后的多重特征， 运用KNN分类方法将其进行多重比对， 先根据样本分布 设置初始分类参考特征数量， 为每一张图片实现分类标注， 再通过 交叉验证选择后， 确定适 合作为比对的最相似的6张图片， 即可 得到训练好的SVDA模型。 2.如权利要求1所述的基于AI技术的教学方式推送方法， 其特征在于， 所述采集当前课 时的课堂教学语音数据， 分别获取老师和学生在上课过程的语音特 征包括： 采集当前课时音频 数据， 对音频 数据进行初步处 理， 将处理后的数据存 入语音数据集； 采用LPC对语音数据集中的语音数据进行特征提取及加工， 采用卷积神经网络进一步 处理上述处 理后的语音数据， 得到语音数据对应的文字数据， 将文字数据存 入文字数据集；权　利　要　求　书 1/3 页 2 CN 114358988 B 2对文字数据进行预处理， 将处理后的数据存入文字数据集， 采用词袋模型Bow对预处理 后的文字数据进行 特征提取及加工， 以得到所述语音特 征； 所述语音特征包括特定词语出现次数以及词语总数之间的比值， 获取夸赞次数以及语 速。 3.如权利要求1所述的基于AI技术的教学方式推送方法， 其特征在于， 所述通过机器学 习分析学生上课的特征， 生成对教学方式满意的学生的用户画像， 并分析出满意的原因具 体包括： 获取学生唯一特 征的样本矩阵数据； 采用聚类算法对获取到的学生数据进行计算， 以构建学生满意度的用户画像； 所述用 户画像包括学生用户的基本信息、 对课 堂的满意度以及课 堂表现。 4.如权利要求3所述的基于AI技术的教学方式推送方法， 其特征在于， 所述采用聚类算 法对获取到的学生数据进行计算， 以构建学生满意度的用户画像包括： 预先定义每个特征数据对满意度的影响是正相关还是负相关， 并给予预先设定的权 重； 对数据指标的权 重进行标准化处理， 所述标准 化公式为： 。 5.一种基于AI 技术的教学 方式推送装置， 其特 征在于， 包括： 获取单元， 用于对历史课 堂视频进行识别， 并分别获取老师和学生的上课特 征； 生成单元， 用于通过机器学习分析学生上课的特征， 生成对教学方式满意的学生的用 户画像， 并分析 出满意的原因； 匹配单元， 用于根据对教学方式满意的学生用户画像和满意的原因， 匹配出该教学方 式所对应的老师的上课特 征； 推送单元， 用于将令不同学生满意的教学方式所对应的老师的上课特征， 分别推送给 老师用户， 以使其根据不同的学生选择不同的教学方式； 具体地， 根据不同学生所满意的教 学方式， 将不同学生所满意的老师 的上课特征推送给老师， 以便于老师对教学习惯作出调 整； 所述根据对教学方式满意的学生用户画像和满意的原因， 匹配出该教学方式所对应的 老师的上课特 征包括： 将学生对教学 方式满意的上课特 征与采用该教学 方式时老师的上课特 征进行关联； 根据学生对教学 方式满意的上课特 征找出老师 上课时的特 征； 所述对历史课 堂视频进行识别， 并分别获取老师和学生的上课特 征包括： 采集当前课时的课 堂教学视频 数据， 分别获取老师和学生在上课过程的行为特 征； 采集当前课时的课 堂教学语音数据， 分别获取老师和学生在上课过程的语音特 征； 所述采集当前课时的课堂教学视频数据， 分别获取老师和学生在上课过程的行为特征 包括： 采集当前课时课堂教学视频， 每隔预设时间对其进行一次截图以实现图像提取， 将取 得的图片按老师和学生进行分类， 并按提取顺序存 储为图片集；权　利　要　求　书 2/3 页 3 CN 114358988 B 3