一种制作课件方法及系统、电子设备与流程

本发明涉及智能教学技术领域，特别是指一种制作课件方法及系统、电子设备。

背景技术：

目前，教师制作教学用课件一般是基于本地资源或是教学平台已有的资源，选取所需资源进行排版编辑后生成课件，一方面，资源有限无法实现共享，另一方面，课件质量取决于教师能力，无法实现优秀课件资源的学习与共享。

技术实现要素：

有鉴于此，本发明的目的在于提出一种制作课件方法及系统、电子设备，能够实现课件资源的共享与推荐，提高课件制作质量。

基于上述目的，本发明提供了一种制作课件方法，应用于客户端，包括：

创建课件，输入课件的关键字；

向服务器发送包括所述关键字的创建课件请求；

接收所述服务器发送的包括若干课件素材的课件信息；

根据所述课件信息，统计各课件素材的推荐次数；

从所述若干课件素材中选取课件素材，统计所选课件素材的选取次数，利用选取的课件素材制作课件，保存课件；

向所述服务器发送统计信息及制作的课件，所述统计信息包括所述推荐次数、所述选取次数。

可选的，所述方法还包括：

从本地课件素材中选取用于制作课件的课件素材。

可选的，所述方法还包括：

向所述服务器发送课件评价信息，所述课件评价信息包括制作的课件的评分、下载次数与反馈内容。

本发明实施例还提供一种制作课件方法，应用于服务器，包括：

接收客户端发送的包括关键字的创建课件请求；

根据所述关键字，利用素材推荐模型计算所有课件素材的推荐分值，按照所述推荐分值对所有课件素材进行排序，从中选取出所述推荐分值大于推荐阈值的若干课件素材；

向所述客户端发送包括所述若干课件素材的课件信息；

接收所述客户端发送的统计信息及制作的课件，所述统计信息包括课件素材的推荐次数、所选课件素材的选取次数，根据所述统计信息，利用机器学习算法更新所述素材推荐模型。

可选的，所述方法还包括：

接收所述客户端发送的课件评价信息，所述课件评价信息包括制作的课件的评分、下载次数与反馈内容，根据所述课件评价信息，利用机器学习算法更新所述素材推荐模型。

本发明实施例还提供一种制作课件系统，包括：

操作模块，用于创建课件，输入课件关键字，以及从若干课件素材中选取用于制作课件的课件素材，利用选取的课件素材制作课件，保存课件；

第一数据收发模块，用于向服务器发送包括关键字的创建课件请求，以及接收所述服务器发送的包括所述若干课件素材的课件信息，以及向所述服务器发送统计信息及制作的课件，所述统计信息包括各课件素材的推荐次数、所选课件素材的选取次数；

统计模块，用于根据所述课件信息，统计所述推荐次数，以及统计所述选取次数。

可选的，所述系统还包括：

所述第一数据收发模块，用于向所述服务器发送课件评价信息，所述课件评价信息包括课件的评分、下载次数与反馈内容。

本发明实施例还提供一种制作课件系统，包括：

第二数据收发模块，用于接收客户端发送的包括关键字的创建课件请求，以及向所述客户端发送包括若干课件素材的课件信息，以及接收所述客户端发送的统计信息及制作的课件，所述统计信息包括各课件素材的推荐次数、所选课件素材的选取次数，根据所述统计信息，利用机器学习算法更新素材推荐模型；

推荐模块，用于根据所述关键字，利用所述素材推荐模型计算所有课件素材的推荐分值，按照所述推荐分值对所有课件素材进行排序，从中选取出所述推荐分值大于推荐阈值的所述若干课件素材。

可选的，所述系统还包括：

所述第二数据收发模块，接收所述客户端发送的课件评价信息，所述课件评价信息包括课件的评分、下载次数与反馈内容，根据所述课件评价信息，利用机器学习算法更新所述素材推荐模型。

本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述方法。

从上面所述可以看出，本发明提供的制作课件方法及系统、电子设备，教师于客户端创建课件，输入关键字，服务器根据关键字，利用素材推荐模型推荐若干课件素材，教师于客户端从推荐的若干课件素材和/或本地课件素材中选取制作课件的课件素材，制作课件，同时客户端对推荐的课件素材及所选课件素材进行统计，将统计信息及制作的课件发送至服务器，服务器根据统计信息及课件，更新课件素材库，更新素材推荐模型，既丰富了课件素材库的资源，又可优化课件素材的推荐效果，便于教师轻松的选取合适的素材，提高课件质量，提高教学效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的应用于客户端的方法流程示意图；

图2为本发明实施例的应用于服务器的方法流程示意图；

图3为本发明实施例的客户端结构示意图；

图4为本发明实施例的服务器结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

图1为本发明实施例的应用于客户端的方法流程示意图。如图所示，本发明实施例的制作课件方法，应用于客户端，方法包括：

s10：创建课件，输入课件关键字；

s11：向服务器发送包括关键字的创建课件请求；

教师于客户端制作课件，点击创建课件操作键，进入创建课件界面，输入课件相关关键字，如主题、标签等，点击创建操作键，客户端将包括关键字的创建课件请求发送至服务器。

s12：接收服务器发送的包括若干课件素材的课件信息；

服务器接收客户端发送的创建课件请求后，将其存储的所有的课件素材返回给客户端。优选的，服务器根据创建课件请求中的关键字，利用素材推荐模型计算出与关键字有关的所有课件素材的推荐分值，将推荐分值大于推荐阈值的若干课件素材发送给客户端，供教师挑选。

s13：根据课件信息，统计各课件素材的推荐次数；

客户端接收服务器发送的课件信息，根据课件信息中的若干课件素材，统计各课件素材的推荐次数。

s14：从若干课件素材中选取用于制作课件的课件素材，统计所选课件素材的选取次数，利用选取的课件素材制作课件，保存课件；

本发明实施例中，利用课件素材制作、保存的课件，包括课件的属性信息、素材信息及结构信息，课件内容以键值对的形式保存为json格式文件，便于课件内容解析。

s15：向服务器发送统计信息及利用所选课件素材制作的课件，统计信息包括各课件素材的推荐次数、所选课件素材的选取次数。

客户端制作课件完成后，将制作保存的课件及课件素材的统计信息一并发送给服务器，服务器接收课件，对课件进行解析，得到课件的每个课件素材，并根据各课件素材的统计信息，通过机器学习算法更新素材推荐模型。

其中，步骤s14中，制作课件时，可从服务器发送的若干课件素材从挑选课件素材，也可以从本地课件素材中挑选合适的课件素材，利用各种课件素材制作的课件发送至服务器，服务器对课件进行解析后，保存各课件素材，丰富课件素材库。

所述制作课件方法还包括：

s16：向服务器发送课件的课件评价信息，课件评价信息包括所制作的课件的评分、下载次数与反馈内容等。

图2为本发明实施例的应用于服务器的方法流程示意图。如图所示，本发明实施例提供的制作课件方法，应用于服务器，方法包括：

s20：接收客户端发送的包括关键字的创建课件请求；

s21：根据关键字，利用素材推荐模型计算所有课件素材的推荐分值，按照推荐分值对所有课件素材进行排序，从中选取出推荐分值大于推荐阈值的若干课件素材；

服务器中保存有包括所有课件素材的素材库，课件素材是制作课件的最小单位，课件素材包括图片、视频、文本、习题等内容。

s22：向客户端发送包括若干课件素材的课件信息；

s23：接收客户端发送的统计信息及根据若干课件素材制作生成的课件，根据统计信息，利用机器学习算法更新素材推荐模型。

服务器接收客户端发送的创建课件请求，根据关键字，利用素材推荐模型计算所有课件素材的推荐分值，按照降序排列所有课件素材，从中确定推荐分值大于推荐阈值的若干课件素材，将若干课件素材发送给客户端，供教师从中选取制作课件；客户端制作课件完成后，将课件及课件素材的统计信息发送给服务器，服务器根据统计信息更新素材推荐模型，优化素材推荐模型的推荐结果。

s24：接收客户端发送的课件评价信息，根据课件评价信息，利用机器学习算法更新素材推荐模型。

所述素材推荐模型用于根据多个特征量计算所有课件素材的推荐分值，特征量包括课件的关键字、评分、下载次数、反馈内容等。这样，根据每次制作课件所推荐的课件素材、所使用的课件素材、课件的评价信息，更新素材推荐模型，能够优化素材推荐模型的推荐效果，保持模型的推荐素材为最优的课件素材。

图3为本发明实施例的客户端结构示意图。如图所示，本发明提供的制作课件系统，作为客户端，包括：

操作模块，用于创建课件，输入课件关键字，以及从若干课件素材中选取用于制作课件的课件素材，利用选取的课件素材制作课件，保存课件；

第一数据收发模块，用于向服务器发送包括关键字的创建课件请求，以及接收服务器发送的包括若干课件素材的课件信息，以及向服务器发送统计信息及制作的课件，统计信息包括各课件素材的推荐次数、所选课件素材的选取次数；

统计模块，用于根据课件信息，统计各课件素材的推荐次数，以及统计所选课件素材的选取次数。

所述第一数据收发模块，用于向服务器发送课件的课件评价信息，课件评价信息包括所制作的课件的评分、下载次数与反馈内容等。

图4为本发明实施例的服务器结构示意图。如图所示，本发明提供的制作课件系统，作为服务器，包括：

第二数据收发模块，用于接收客户端发送的包括关键字的创建课件请求，以及向客户端发送包括若干课件素材的课件信息，以及接收客户端发送的统计信息及制作的课件，根据统计信息，利用机器学习算法更新素材推荐模型；

推荐模块，用于根据关键字，利用素材推荐模型计算所有课件素材的推荐分值，按照推荐分值对所有课件素材进行排序，从中选取出推荐分值大于推荐阈值的若干课件素材。

所述第二数据收发模块，接收客户端发送的课件评价信息，根据课件评价信息，利用机器学习算法更新素材推荐模型。

基于上述目的，本发明实施例还提出了一种执行所述制作课件方法的装置的一个实施例。所述装置包括：

一个或多个处理器以及存储器。

所述执行所述制作课件方法的装置还可以包括：输入装置和输出装置。

处理器、存储器、输入装置和输出装置可以通过总线或者其他方式连接。

存储器作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的制作课件方法对应的程序指令/模块。处理器通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的制作课件方法。

存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据执行所述制作课件方法的装置的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至会员用户行为监控装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置可接收输入的数字或字符信息，以及产生与执行制作课件方法的装置的用户设置以及功能控制有关的键信号输入。输出装置可包括显示屏等显示设备。

所述一个或者多个模块存储在所述存储器中，当被所述一个或者多个处理器执行时，执行上述任意方法实施例中的制作课件方法。所述执行所述制作课件方法的装置的实施例，其技术效果与前述任意方法实施例相同或者类似。

本发明实施例还提供了一种非暂态计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的列表项操作的处理方法。所述非暂态计算机存储介质的实施例，其技术效果与前述任意方法实施例相同或者类似。

最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。所述计算机程序的实施例，其技术效果与前述任意方法实施例相同或者类似。

此外，典型地，本公开所述的装置、设备等可为各种电子终端设备，例如手机、个人数字助理(pda)、平板电脑(pad)、智能电视等，也可以是大型终端设备，如服务器等，因此本公开的保护范围不应限定为某种特定类型的装置、设备。本公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。

此外，根据本公开的方法还可以被实现为由cpu执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被cpu执行时，执行本公开的方法中限定的上述功能。

此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。

此外，应该明白的是，本文所述的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦写可编程rom(eeprom)或快闪存储器。易失性存储器可以包括随机存取存储器(ram)，该ram可以充当外部高速缓存存储器。作为例子而非限制性的，ram可以以多种形式获得，比如同步ram(dram)、动态ram(dram)、同步dram(sdram)、双数据速率sdram(ddrsdram)、增强sdram(esdram)、同步链路dram(sldram)以及直接rambusram(drram)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。