本发明涉及智能教学技术领域，更具体地说，它涉及基于大数据和人工智能的互联网精准化教学方法及系统。
背景技术：
随着信息技术的发展，越来越多针对个人学习的个性化学习系统和课程得到了开发。在线学习在不同阶段的学校教育以及各类成人教育的教学过程中逐渐发挥出了重要的作用。
目前，现有的教学辅导系统都是采用根据学生所处的学习阶段匹配推荐教师，学习资料的获取也是现阶段普遍的通用学习资料，并未考虑学生的个体化差异，无法做到精准化的教学辅导。为了提升在线课程的学习效果，世界各地的研究者开展了大量的研究。其中最主要的方面是如何提升教学资源的质量，例如在课件中加入大量多媒体元素可以更生动的表现教学内容从而降低学习难度并提升学习者的兴趣。另一个研究热点是增加教学间的互动与引导，例如许多学者采用不同的评价方法来评价各种影响因素和学习效果，进而对教学资源进行有针对性的改进。另外，人工智能和数据挖掘技术的应用也可以帮助教育者获得更有针对性的教学数据，从而为提升学习效果提供新的新途径。
然而，现有的教学课程均是针对集体学习群体，为了满足大部分学生需求在课程质量、多样性等方面进行改进，无法达到真正意义上的个性化教学。此外，通过丰富教学课程内容来吸引学生的注意力，只能在初始阶段达到较好的效果，持续性较差，无法从学生本身感兴趣的方向引导学生学习。因此，如何研究设计一种基于大数据和人工智能的互联网精准化教学方法及系统是我们目前急需解决的问题。
技术实现要素：
为解决现有技术中的不足，本发明的目的是提供基于大数据和人工智能的互联网精准化教学方法及系统。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，提供了基于大数据和人工智能的互联网精准化教学方法，包括以下步骤：
s101：获取用户的身份信息，并在身份信息验证通过后授予相应的学习权限；
s102：根据身份信息进行大数据实时搜索用户的历史网络足迹数据，并对历史网络足迹数据进行数据分类、数据分析后得到用户的兴趣爱好领域信息；
s103：通过识别用户的身份信息以获取用户的学习等级信息，并根据学习等级信息从预构建的课程数据库中匹配相应的知识点课程；
s104：提取知识点课程中的知识点信息，根据知识点信息在预构建的示例数据库中匹配出与知识点信息关联的示例总集，并从示例总集中筛选出与兴趣爱好领域信息匹配的示例子集；
s105：将示例子集与对应的知识点信息关联后生成示例链接，并将示例链接嵌入知识点课程中知识点信息对应位置处，以及对知识点课程进行更新后得到互联网精准化教学课程。
进一步的，所述兴趣爱好领域信息获取具体为：
根据生活习性分类将历史网络足迹数据分成多个数据集；
获取数据集中各个足迹数据在预设期间内的浏览频率、浏览时间、间隔时间；
根据浏览频率、停留时间、浏览间隔时间计算各个数据集的评价权重值；
选取评价权重值最大的数据集所标记的习性分类类别作为兴趣爱好领域信息。
进一步的，所述评价权重值计算具体为：
式中，n表示数据集中足迹数据的数量；wn表示第n个足迹数据的评价权重值；t0表示预设期间；fn表示第n个足迹数据的浏览频率；
进一步的，所述知识点信息提取具体为：
根据关键词识别技术提取知识点课程中每一个知识点对应的关键词组；
获取知识点课程中对应知识点的目录关联关系；
根据目录关联关系对关键词组中的关键词进行分级处理后建立教学思路框架；
将关键词组中的关键词与教学思路框架融合处理后建立对应知识点的教学思路图谱。
进一步的，所述示例总集匹配具体为：
获取示例数据库中各个教学示例的的示例思路图谱；
根据示例思路图谱和教学思路图谱计算各个教学示例的实际相识度；
选择实际相识度不小于预设的标准相识度的教学示例构成示例总集。
进一步的，所述实际相识度计算具体为：
式中，xs表示实际相识度；ns表示示例思路图谱中的关键词数量；nj表示教学思路图谱中的关键词数量；nt表示示例思路图谱与教学思路图谱中的相同关键词数量；nil表示某一相同关键词在示例思路图谱中与其他相同关键词存在同级或邻级关系的数量；kil表示两个相同关键词的识别度，若两个相同关键词在教学思路图谱中存在同级或邻级关系，则kil取值为1，反之取值为0。
进一步的，所述示例子集匹配具体为：
获取示例总集中表征领域方向的领域特征信息，并将领域特征信息划分成与兴趣爱好领域信息相关的相关领域集和不相关的不相关领域集；
选取相关领域集在领域特征信息的占比值大于预设占比值的教学示例作为示例子集。
进一步的，所述示例链接具体为：
根据示例子集中的各个教学示例生成对应的示例标签；
将示例标签排序后集成一个点击标签嵌入知识点课程中知识点信息对应位置处；
点击标签通过下拉隐藏窗口显示排序后的示例标签，每个示例标签对应设置显示隐藏窗口显示教学示例的教学内容。
第二方面，提供了基于大数据和人工智能的互联网精准化教学系统，包括：
用户登录模块，用于获取用户的身份信息，并在身份信息验证通过后授予相应的学习权限；
数据采集模块，用于根据身份信息进行大数据实时搜索用户的历史网络足迹数据，并对历史网络足迹数据进行数据分类、数据分析后得到用户的兴趣爱好领域信息；
课程选取模块，用于通过识别用户的身份信息以获取用户的学习等级信息，并根据学习等级信息从预构建的课程数据库中匹配相应的知识点课程；
示例匹配模块，用于提取知识点课程中的知识点信息，根据知识点信息在预构建的示例数据库中匹配出与知识点信息关联的示例总集，并从示例总集中筛选出与兴趣爱好领域信息匹配的示例子集；
链接嵌入模块，用于将示例子集与对应的知识点信息关联后生成示例链接，并将示例链接嵌入知识点课程中知识点信息对应位置处，以及对知识点课程进行更新后得到互联网精准化教学课程。
第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器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如第一方面中任意一项所述的基于大数据和人工智能的互联网精准化教学方法。
与现有技术，本发明具有以下有益效果：
1、本发明根据学生的学习情况获取相应难度的知识点课程，并通过大数据分析得到学生的兴趣爱好领域信息，然后结合学生真正感兴趣的领域和知识点信息构建能够体现教学思路的教学示例，通过教学示例既能够持续性的保持对学生的吸引力，同时能够降低教学人员的工作强度；
2、本发明在知识点课程中嵌入教学示例不影响知识点课程本身的教学框架，能够适用于所有的教学领域，其适用范围广，互联网精准化教学课程生成快速、准确；
3、本发明通过对获取的生活习性进行数据处理和评价后，能够筛选出真实度高的兴趣爱好领域信息，实现不同学员之间的差异化教学；
4、本发明结合知识点课程中的关键词信息和教学示例中的关键词信息，通过对示例思路图谱、教学思路图谱进行相似度计算，其匹配的教学示例相似度高，误差小。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中的流程图；
图2是本发明实施例中的系统框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图1-2及实施例1-2，对本发明进行进一步详细说明。
实施例1：基于大数据和人工智能的互联网精准化教学方法，如图1所示，包括以下步骤：
s101：获取用户的身份信息，并在身份信息验证通过后授予相应的学习权限；
s102：根据身份信息进行大数据实时搜索用户的历史网络足迹数据，并对历史网络足迹数据进行数据分类、数据分析后得到用户的兴趣爱好领域信息；
s103：通过识别用户的身份信息以获取用户的学习等级信息，并根据学习等级信息从预构建的课程数据库中匹配相应的知识点课程；
s104：提取知识点课程中的知识点信息，根据知识点信息在预构建的示例数据库中匹配出与知识点信息关联的示例总集，并从示例总集中筛选出与兴趣爱好领域信息匹配的示例子集；
s105：将示例子集与对应的知识点信息关联后生成示例链接，并将示例链接嵌入知识点课程中知识点信息对应位置处，以及对知识点课程进行更新后得到互联网精准化教学课程。
兴趣爱好领域信息获取具体为：根据生活习性分类将历史网络足迹数据分成多个数据集；获取数据集中各个足迹数据在预设期间内的浏览频率、浏览时间、间隔时间；根据浏览频率、停留时间、浏览间隔时间计算各个数据集的评价权重值；选取评价权重值最大的数据集所标记的习性分类类别作为兴趣爱好领域信息。
评价权重值计算具体为：
式中，n表示数据集中足迹数据的数量；wn表示第n个足迹数据的评价权重值；t0表示预设期间；fn表示第n个足迹数据的浏览频率；
知识点信息提取具体为：根据关键词识别技术提取知识点课程中每一个知识点对应的关键词组；获取知识点课程中对应知识点的目录关联关系；根据目录关联关系对关键词组中的关键词进行分级处理后建立教学思路框架；将关键词组中的关键词与教学思路框架融合处理后建立对应知识点的教学思路图谱。
示例总集匹配具体为：获取示例数据库中各个教学示例的的示例思路图谱；根据示例思路图谱和教学思路图谱计算各个教学示例的实际相识度；选择实际相识度不小于预设的标准相识度的教学示例构成示例总集。
实际相识度计算具体为：
式中，xs表示实际相识度；ns表示示例思路图谱中的关键词数量；nj表示教学思路图谱中的关键词数量；nt表示示例思路图谱与教学思路图谱中的相同关键词数量；nil表示某一相同关键词在示例思路图谱中与其他相同关键词存在同级或邻级关系的数量；kil表示两个相同关键词的识别度，若两个相同关键词在教学思路图谱中存在同级或邻级关系，则kil取值为1，反之取值为0。
示例子集匹配具体为：获取示例总集中表征领域方向的领域特征信息，并将领域特征信息划分成与兴趣爱好领域信息相关的相关领域集和不相关的不相关领域集；选取相关领域集在领域特征信息的占比值大于预设占比值的教学示例作为示例子集。
示例链接具体为：根据示例子集中的各个教学示例生成对应的示例标签；将示例标签排序后集成一个点击标签嵌入知识点课程中知识点信息对应位置处；点击标签通过下拉隐藏窗口显示排序后的示例标签，每个示例标签对应设置显示隐藏窗口显示教学示例的教学内容。
实施例2：基于大数据和人工智能的互联网精准化教学系统，如图2所示，包括用户登录模块、数据采集模块、课程选取模块、示例匹配模块、链接嵌入模块。用户登录模块，用于获取用户的身份信息，并在身份信息验证通过后授予相应的学习权限。数据采集模块，用于根据身份信息进行大数据实时搜索用户的历史网络足迹数据，并对历史网络足迹数据进行数据分类、数据分析后得到用户的兴趣爱好领域信息。课程选取模块，用于通过识别用户的身份信息以获取用户的学习等级信息，并根据学习等级信息从预构建的课程数据库中匹配相应的知识点课程。示例匹配模块，用于提取知识点课程中的知识点信息，根据知识点信息在预构建的示例数据库中匹配出与知识点信息关联的示例总集，并从示例总集中筛选出与兴趣爱好领域信息匹配的示例子集。链接嵌入模块，用于将示例子集与对应的知识点信息关联后生成示例链接，并将示例链接嵌入知识点课程中知识点信息对应位置处，以及对知识点课程进行更新后得到互联网精准化教学课程。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
1.基于大数据和人工智能的互联网精准化教学方法，其特征是，包括以下步骤：
s101：获取用户的身份信息，并在身份信息验证通过后授予相应的学习权限；
s102：根据身份信息进行大数据实时搜索用户的历史网络足迹数据，并对历史网络足迹数据进行数据分类、数据分析后得到用户的兴趣爱好领域信息；
s103：通过识别用户的身份信息以获取用户的学习等级信息，并根据学习等级信息从预构建的课程数据库中匹配相应的知识点课程；
s104：提取知识点课程中的知识点信息，根据知识点信息在预构建的示例数据库中匹配出与知识点信息关联的示例总集，并从示例总集中筛选出与兴趣爱好领域信息匹配的示例子集；
s105：将示例子集与对应的知识点信息关联后生成示例链接，并将示例链接嵌入知识点课程中知识点信息对应位置处，以及对知识点课程进行更新后得到互联网精准化教学课程。
2.根据权利要求1所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述兴趣爱好领域信息获取具体为：
根据生活习性分类将历史网络足迹数据分成多个数据集；
获取数据集中各个足迹数据在预设期间内的浏览频率、浏览时间、间隔时间；
根据浏览频率、停留时间、浏览间隔时间计算各个数据集的评价权重值；
选取评价权重值最大的数据集所标记的习性分类类别作为兴趣爱好领域信息。
3.根据权利要求2所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述评价权重值计算具体为：
式中，n表示数据集中足迹数据的数量；wn表示第n个足迹数据的评价权重值；t0表示预设期间；fn表示第n个足迹数据的浏览频率；
4.根据权利要求1所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述知识点信息提取具体为：
根据关键词识别技术提取知识点课程中每一个知识点对应的关键词组；
获取知识点课程中对应知识点的目录关联关系；
根据目录关联关系对关键词组中的关键词进行分级处理后建立教学思路框架；
将关键词组中的关键词与教学思路框架融合处理后建立对应知识点的教学思路图谱。
5.根据权利要求1所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述示例总集匹配具体为：
获取示例数据库中各个教学示例的的示例思路图谱；
根据示例思路图谱和教学思路图谱计算各个教学示例的实际相识度；
选择实际相识度不小于预设的标准相识度的教学示例构成示例总集。
6.根据权利要求5所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述实际相识度计算具体为：
式中，xs表示实际相识度；ns表示示例思路图谱中的关键词数量；nj表示教学思路图谱中的关键词数量；nt表示示例思路图谱与教学思路图谱中的相同关键词数量；nil表示某一相同关键词在示例思路图谱中与其他相同关键词存在同级或邻级关系的数量；kil表示两个相同关键词的识别度，若两个相同关键词在教学思路图谱中存在同级或邻级关系，则kil取值为1，反之取值为0。
7.根据权利要求1所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述示例子集匹配具体为：
获取示例总集中表征领域方向的领域特征信息，并将领域特征信息划分成与兴趣爱好领域信息相关的相关领域集和不相关的不相关领域集；
选取相关领域集在领域特征信息的占比值大于预设占比值的教学示例作为示例子集。
8.根据权利要求1所述的基于大数据和人工智能的互联网精准化教学方法，其特征是，所述示例链接具体为：
根据示例子集中的各个教学示例生成对应的示例标签；
将示例标签排序后集成一个点击标签嵌入知识点课程中知识点信息对应位置处；
点击标签通过下拉隐藏窗口显示排序后的示例标签，每个示例标签对应设置显示隐藏窗口显示教学示例的教学内容。
9.基于大数据和人工智能的互联网精准化教学系统，其特征是，包括：
用户登录模块，用于获取用户的身份信息，并在身份信息验证通过后授予相应的学习权限；
数据采集模块，用于根据身份信息进行大数据实时搜索用户的历史网络足迹数据，并对历史网络足迹数据进行数据分类、数据分析后得到用户的兴趣爱好领域信息；
课程选取模块，用于通过识别用户的身份信息以获取用户的学习等级信息，并根据学习等级信息从预构建的课程数据库中匹配相应的知识点课程；
示例匹配模块，用于提取知识点课程中的知识点信息，根据知识点信息在预构建的示例数据库中匹配出与知识点信息关联的示例总集，并从示例总集中筛选出与兴趣爱好领域信息匹配的示例子集；
链接嵌入模块，用于将示例子集与对应的知识点信息关联后生成示例链接，并将示例链接嵌入知识点课程中知识点信息对应位置处，以及对知识点课程进行更新后得到互联网精准化教学课程。
10.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-8中任意一项所述的基于大数据和人工智能的互联网精准化教学方法。
技术总结