一种交互式网络教学直播系统及方法与流程

本发明涉及线上教学技术领域，具体是一种交互式网络教学直播系统及方法。

背景技术：

随着网络技术的发展以及教育信息化进程的加快，基于网络的远程教育手段有了质的飞跃。互联网+教育，指利用多媒体计算机技术和网络技术，实现教学者与学习者以及学习者群体之间形成交流互动的一种新兴学习方式，是在传统教育体制和教学方法的框架之外，探索出的一种全新的教学模式。

现有的线上直播教学一般采用的交互方式是通过弹幕和评论功能实现，但是当线上用户太多时，弹幕和评论的数量十分巨大，并且刷新速度非常快，教师往往无法有效地获取来自学生的反馈，因此需要一种能够为教师捕捉有效弹幕和评论的线上教学的方法和系统。

技术实现要素：

有鉴于此，本发明的目的是提供一种交互式网络教学直播系统及方法，能够即便在线上学生的数量非常巨大时，依然能够为教师提取与教学内容相关度较高的信息，从而提高教师与学生的交互效率。

本发明的一种交互式网络教学直播系统及方法，包括步骤：

s101，在服务器中建立多个关键词数据库，每一个关键词数据库对应一个学科；

s102，通过机器学习，训练服务器能够根据关键词判断与关键词对应的学科；

s103，教师在上课之前向服务器提交教学内容的学科；

s104，当学生在线上将弹幕或者评论发送至服务器时，服务器先对弹幕或者评论中的内容进行提取，并计算与教师发布的学科的关键词数据库的相关度，过滤掉相关度较低的弹幕或者评论，将相关度较高的弹幕或者屏幕转发至教师的教学终端中；

s105，教师的教学终端从服务器上获得完整的弹幕或者评论和过滤后的弹幕或者评论，并根据过滤后的弹幕和屏幕与学生进行交互。

进一步，所述s102的步骤包括：

s10201，根据任意学科的关键词数据库建立关键词神经网络，关键词神经网络中的神经元为按照特定规则转换成由字母和数字组成的编码的关键词；

s10202，向关键词神经网络中输入关键词，利用相关度算法判断该关键词与关键词神经网络中的神经元的相关度；

s10203，当相关度大于预设的阈值时，则将关键词归类在关键词神经网络对应的学科中，同时，当关键词和神经元的编码一致，但是内容不一致时，手动检验，如果出现归类错误则返回错误信息，进行修正；

s10204，当相关度小于预设的阈值时，则过滤掉关键词。

进一步，所述关键词的编码规则为：每个常用汉字使用7位编码代替，第一位为字形结构码s1，第二到第六s2-s6为四角编码，第七位为笔画数s7，每一位编码均为数字或者字母。

进一步，所述关键词与神经元的相关度的计算过程为：

首先，确定向关键词神经网络输入关键词的字数，找出与关键词字数一致的关键词神经元，先将关键词中的每一个字的编码与关键词神经元的每一个字的编码进行相关度计算，公式为：

dn＝α1(s1&s'1)+α2(s2&s'2)+...+α7(s7&s'7)，

其中dn代表关键词中第n个字，α1、α2、α3、α4、α5、α6和α7代表权重，且α1+α2+α3+α4+α5+α6+α7＝1，s1、s2、s3、s4、s5、s6和s7代表关键词的其中一个字的七位编码，s'1、s'2、s'3、s'4、s'5、s'6和s'7代表该关键词神经元的对应位置的一致字的七位编码；

然后，关键词与关键词神经元的相关度计算公式为：

d＝(d1+d2+d3+...+dn)/n。

进一步，弹幕或者评论中含有越多相关度大于预设阈值的关键词，则该条弹幕和评论与学科的匹配度越高。

本发明还提供一种交互式网络教学直播系统，包括学生终端、服务器和教师终端，

所述教师终端用于在服务器中输入学科信息，同时向服务器提交教学内容；

所述学生终端用于从服务器上获取教学内容，并根据教学内容以弹幕或者评论的形式提交反馈；

所述服务器用于建立学科关键词数据库和关键词神经网络，将来自教师终端的教学内容转发至学生终端，同时获取来自学生终端的弹幕和评论，过滤掉一部分低相关度弹幕和评论，将完整的弹幕和评论和已经过滤后的弹幕和评论转发至教师终端。

本发明的有益效果是：本发明的一种交互式网络教学直播系统及方法，采用常见的教师终端-服务器-学生终端进行线上教学，学生通过发送弹幕和评论的方式与教师进行信息交互，但是本发明中服务器充当一个信息过滤器，教师在开课之前提前在服务器中提交课程所述学科，服务器中建立有用于关键词所述学科的关键词数据库，通过关键词与关键词数据库的对比，使得弹幕和评论在经过服务器时经过过滤，匹配度度的弹幕和评论被过滤掉，将匹配度较高的弹幕和评论转发至教师终端，使得教师可以更加容易获得与课程更加相关的学生反馈内容，从而提高教师和学生的信息交互效率。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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它相关的附图：

图1为本发明的方法流程图图；

图2为本发明的关键词神经网络的工作流程图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

如图1-图2所示：本实施例的一种交互式网络教学方法，包括步骤：

s101，在服务器中建立多个关键词数据库，每一个关键词数据库对应一个学科，关键词数据库可以从现有的学科数据库中进行筛选和获取，也可以根据需要进行建立；

s102，通过机器学习，训练服务器能够根据关键词判断与关键词对应的学科，本实施例中，采用现有的计算机神经网路的学习方法，常见的计算机神经网络结构包括，输入层、隐藏层和输出层，具体步骤包括：

s10201，根据任意学科的关键词数据库建立关键词神经网络，关键词神经网络中的神经元为按照特定规则转换成由字母和数字组成的编码的关键词，由于汉字为表意文字，汉字的含义与读音的关系不大，因此编码采用能够描述字形的结构、四角编码和笔画数量来形容一个字，具体规则为：每个常用汉字使用7位编码代替，第一位为字形结构码s1，常见的汉字结构有

独字形(如“人”、“上”等，编码为0)；

左右结构(如“林”、“从”等，编码为1)；

上下结构(如“志”、“字”等，编码为2)；

左中右结构(如“纵”、“湖”等，编码为3)；

上中下结构(如“奚”、“亵”等，编码为4)；

右上包围结构(如“可”、“句”等，编码为5)；

左上包围结构(如“庙”、“病”等，编码为6)；

左下包围结构(如“建”、“连”等，编码为7)；

上三包围结构(如“同”、“间”等，编码为8)；

下三包围结构(如“凼”、“凶”等，编码为9)；

左三包围结构(如“区”、“巨”等，编码为a)；

全包围结构(如“回”、“团”等，编码为b)；

镶嵌结构(如“爽”、“夹”等，编码为c)；

品字结构(如“晶”、“森”等，编码为d)；

田字形结构(如“燚”等，编码为e)；

第二到第五s2-s5为四角编码，四角编码为现有技术，故不赘述；第六位为笔画数s6，笔画按照数量从1-9，a-z依次排列；每一位编码均为数字或者字母；比如“狼”的编码为143232a。

s10202，向关键词神经网络中输入关键词，利用相关度算法判断该关键词与关键词神经网络中的神经元的相关度；

s10203，当相关度大于预设的阈值时，则将关键词归类在关键词神经网络对应的学科中，同时，当关键词和神经元的编码一致，但是内容不一致时，手动检验，如果出现归类错误则返回错误信息，进行修正，关于计算机神经网络的机器学习方法和自我完善的过程为现有技术，故不赘述。

s10204，当相关度小于预设的阈值时，则过滤掉关键词。

s103，教师在上课之前向服务器提交教学内容的学科，进而选择不同学科的关键词数据库和关键词神经网络；

s104，当学生在线上将弹幕或者评论发送至服务器时，服务器先对弹幕或者评论中的内容进行提取，并计算与教师发布的学科的关键词数据库的相关度，过滤掉相关度较低的弹幕或者评论，将相关度较高的弹幕或者屏幕转发至教师的教学终端中，教师可以通过两个显示器来显示不同的弹幕或者评论，或者通过切换的方式获取两种模式不同的弹幕和屏幕；

本实施例中，所述关键词与神经元的相关度的计算过程为：

首先，确定向关键词神经网络输入关键词的字数，找出与关键词字数一致的关键词神经元，先将关键词中的每一个字的编码与关键词神经元的每一个字的编码进行相关度计算，公式为：

dn＝α1(s1&s'1)+α2(s2&s'2)+...+α7(s7&s'7)，

其中dn代表关键词中第n个字，α1、α2、α3、α4、α5、α6和α7代表权重，可以根据每种维度对汉字含义的重要性设置权重，为了计算方便，本实施例中s1、s2、s3、s4、s5、s6和s7代表关键词的其中一个字的七位编码，s'1、s'2、s'3、s'4、s'5、s'6和s'7代表该关键词神经元的对应位置的一致字的七位编码；

然后，关键词与关键词神经元的相关度计算公式为：

d＝(d1+d2+d3+...+dn)/n，n为关键词的字数。

例如，此时直播授课的学科为物理，弹幕中出现一条“老师，关于摩擦力在斜面上的受力情况我不太明白”，很明显，这句话中的“摩擦力”和“受力情况”属于物理学中的关键词，因此将“摩擦力”和“受力情况”输入至关键词神经网络中进行判断，“摩擦力”是属于关键词数据库中现有的词，相关度d为100％，“受力情况”和关键词数据库中的“受力分析”较为相似，因此进行相关度计算，“受力情况”的编码为4204078-0400272-195027b-1361127，“受力分析”的编码为4204078-0400272-2802274-1429218，根据上述的计算过程得出相关度d＝60.7％，匹配度为(100％+60.7％)/2＝80.35％，如果匹配度阈值设置为60％，则该条弹幕需要推送至教师终端，教师可以设置匹配度阈值控制推送的有效弹幕和评论的数量。

s105，教师的教学终端从服务器上获得完整的弹幕或者评论和过滤后的弹幕或者评论，并根据过滤后的弹幕和屏幕与学生进行交互

本实施例中，弹幕或者评论中含有越多相关度大于预设阈值的关键词，则该条弹幕和评论与学科的匹配度越高，计算方法见上文。

本发明还提供一种交互式网络教学直播系统，包括学生终端、服务器和教师终端，

教师终端用于在服务器中输入学科信息，同时向服务器提交教学内容；

学生终端用于从服务器上获取教学内容，并根据教学内容以弹幕或者评论的形式提交反馈；

服务器用于建立学科关键词数据库和关键词神经网络，将来自教师终端的教学内容转发至学生终端，同时获取来自学生终端的弹幕和评论，过滤掉一部分低相关度弹幕和评论，将完整的弹幕和评论和已经过滤后的弹幕和评论转发至教师终端。

本发明的一种交互式网络教学直播系统及方法，采用常见的教师终端-服务器-学生终端进行线上教学，学生通过发送弹幕和评论的方式与教师进行信息交互，但是本发明中服务器充当一个信息过滤器，教师在开课之前提前在服务器中提交课程学科，服务器中建立有用于关键词学科的关键词数据库，通过关键词与关键词数据库的对比，使得弹幕和评论在经过服务器时经过过滤，匹配度度的弹幕和评论被过滤掉，将匹配度较高的弹幕和评论转发至教师终端，使得教师可以更加容易获得与课程更加相关的学生反馈内容，从而提高教师和学生的信息交互效率。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本实用新型技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。