技术特征：
1.一种基于意图理解的智能实验方法，其特征在于，首先进行多模态融合意图理解，然后再采用弱点捕获反馈机制、个性化动态实验模式匹配策略和人机竞赛答题策略的策略；所述的多模态融合意图理解包括以下步骤：（1）多通道数据处理；首先设定初始概率，建立基于实验者操作行为的状态转移概率模型，此模型为一个矩阵，从j状态到i状态的转移概率记为；建立了行为意图库，采集场景通道、语音通道的信息，将信息处理后进行量化匹配；对于位置信息的计算，根据实时捕获的手坐标和场景中各器材的坐标，通过公式（1）得到当前位置通道意图概率，（1）其中，为位置通道第i个意图的概率，r是一个根据大量实验设置的操作意图概率激增区域，s1，s2，s3表示距离，为r区域内的概率权重；对于运动方向的计算，实时捕获手的移动轨迹，计算手的运动方向与场景中各器材的方位关系，得到一个概率值，具体计算方法如公式（2），（2）其中，为方向通道第i个意图的概率，为第i个器材到手部运动轨迹的距离；对于语音信息，首先根据不同实验意图集的意图建立语音数据库，其中，语音数据库与化学实验的意图集一一对应，表示实验类型，表示该实验中第个意图对应的语音，代表该实验的意图个数，整理出意图集中每种意图不同的关键字，采用百度api获取语音文本信息，然后提取关键字，计算系统捕获到的关键字与意图库中每个意图关键字的匹配程度来实时计算根据语音信息计算出来的每个意图的概率；（2）多通道信息融合；首先，对获取到的各通道动态信息进行融合，采用计算每个通道意图概率方差来得到每个通道的权重，具体公式如下，（3）其中，代表位置、方向、语音三个通道，为每个通道的权重，为第个通道第i个意图的概率，为第个通道中n个意图的平均概率；最终每个意图的动态信息预测概率为（4）
将静态信息得到的预测概率与动态信息得出的概率相结合，得到融合之后的意图概率，公式如下（5）其中，为预测的第i个意图的概率，为从第意图库中第j个意图到底i个意图的状态转移概率，为融合动态信息得到的第i个意图的概率；选择所对应的最大的为预测出来的当前意图。2.根据权利要求1所述的基于意图理解的智能实验方法，其特征在于，在监测用户实验操作的流畅度以及操作步骤，设置弱点捕获反馈机制，弱点捕获及反馈再学习过程如下：（1）记录可疑弱点知识：实时监测实验者的操作过程，记录实验者被引导和警示的点；（2）对弱点知识进行再学习：去题库中匹配与捕获的弱点知识符合度最高的题目进行测试，如果在引导和警示完，实验者已经掌握了这个知识点，那么继续进行下一步实验；否则，计算机对该知识点进行语音或者视频讲解，完成后再次从题库抽取题目进行测试，直至答题正确，意味着实验者对该知识点已经完全掌握，在实验结束后，计算机会返回一个弱点知识点的总结，来帮助学生更直观的看到自己的薄弱点并加以针对性复习。3.根据权利要求1所述的基于意图理解的智能实验方法，其特征在于，通过监测实验者的操作时间和准确率，根据每个实验者不同的实验状态，设置个性化实验模式，包括如下策略，（1）及时的激励：当实验者很好的完成某一步，系统会根据完成的时间和操作规范度发放相应的奖励，这里采用虚拟金币的形式；（2）智能导航：系统实时监测实验者的操作过程，当检测到实验者停留在某一步的时间过长无法快速进行下一步，系统会进行及时的引导；同时，通过意图理解，计算机预测到实验者即将做一个错误的操作，系统也会进行警示；（3）智能设障：设置隐藏关卡，当实验者操作顺畅，整个实验过程达到某个条件时，可以解锁相应的隐藏关卡，隐藏关卡的设置是对于当前基础实验知识点的拓展和拔高，实验者在学习到更多知识的同时还可以获得额外的金币奖励。
技术总结
本发明涉及数据处理技术领域，提供一种基于意图理解的智能实验方法，通过对多通道动态信息进行评估，按照有效信息的价值含量对每个通道自动赋予不同的权重，能够根据人的行为与动机的关系，获取静态信息，将静态信息与动态信息采用融合策略进行融合，提高意图预测的准确率，另外设计加入了趣味学习元素，可以根据不同学生的实验情况进行有针对性的引导警示以及设障等，使学生更容易达到心流状态。本发明具有理解用户意图精准并且大大提升了学习者的学习专注度和效率的有益效果。者的学习专注度和效率的有益效果。者的学习专注度和效率的有益效果。
技术研发人员：冯志全 杨璐榕
受保护的技术使用者：济南大学
技术研发日：2022.07.08
技术公布日：2022/8/8