本发明涉及互联网技术领域，尤其涉及基于习题的智能教学方法、装置、计算机设备及存储介质。
背景技术：
目前，在互联网上基于习题的智能教学方法越来越受到学生、老师以及家长的重视。所述基于习题的智能教学方法对于提高老师的教学效果、学生的学习成绩有着重要的作用。
在现有技术条件下，所述基于习题的智能教学方法尚不能自动对学生的答案进行对错判断和评分，并且不容易监督学生的答题过程，存在教学效果不够理想，智能化程度偏低等问题。
技术实现要素：
为了克服现有技术中相关产品的不足，本发明提出一种基于习题的智能教学方法及系统，解决背景技术中提到的任意一个技术问题。
本发明提供了一种基于习题的智能教学方法，用于进行习题教学。所述基于习题的智能教学方法包括：输入至少一道习题；生成所述习题的答案数据；以所述答案数据为标准对答案智能判断模型进行训练；设置所述习题的讲解触发条件和讲解音频；在接收到答题请求时，将所述习题发送至至少一个答题终端；接收所述答题终端的习题答案；通过所述答案智能判断模型对所述习题答案进行判断；结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频；在需要向所述答题终端发送所述讲解音频时发送所述讲解音频；在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题。
在本发明的某些实施方式中，所述以所述答案数据为标准对答案智能判断模型进行训练的步骤包括：对所述答案数据进行分析获取所述答案数据中的关键词集；从基础语料库中检索出包含所述关键词集的候选语句集合；判断所述候选语句集合中的候选语句量是否达到句量阈值；在所述候选语句集合中的候选语句量达到句量阈值时结合同义词库对所述候选语句集合进行扩容，以获得更大的所述候选语句量。
在本发明的某些实施方式中，所述通过所述答案智能判断模型对所述习题答案进行判断的步骤包括：对所述习题答案进行分词；去除所述所述习题答案中的停用词；计算去除所述停用词的所述习题答案与所述答案数据的相似度；根据所述相似度判断所述习题答案的准确度。
在本发明的某些实施方式中，所述计算去除所述停用词的所述习题答案与所述答案数据的相似度的步骤包括：计算去除所述停用词的所述习题答案的各词向量与所述答案数据的各词向量的距离；生成词向量的距离矩阵；结合所述距离矩阵应用n-gram算法计算去除所述停用词的所述习题答案与所述答案数据的相似度。
在本发明的某些实施方式中，所述讲解触发条件包括：所述习题答案的准确度、答题次数；所述结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频的步骤包括：判断所述习题答案的准确度是否大于准确度阈值；在所述所述习题答案的准确度大于所述准确度阈值时，判断所述答题终端对所述习题的答题次数是否达到次数阈值；在所述答题终端对所述习题的答题次数达到所述次数阈值时，向所述答题终端发送所述讲解音频。
在本发明的某些实施方式中，所述向所述答题终端推送所述习题的关联习题的步骤包括：结合所述习题检索关联习题库；从所述关联习题库中导出所述习题的所述关联习题；计算所述关联习题与所述习题的关联度；判断所述关联度是否达到关联度阈值；在所述关联度达到所述关联度阈值时将所述关联习题推送给所述答题终端。
在本发明的某些实施方式中，所述计算所述关联习题与所述习题的关联度的步骤包括：获取所述关联习题的参考答案；计算所述习题的答案数据与所述关联习题的参考答案的相似度；以所述习题的答案数据与所述关联习题的参考答案的相似度为所述关联度。
本发明还提供了一种基于习题的智能教学装置，用于进行习题教学。所述基于习题的智能教学装置包括：
输入模块，用于输入至少一道习题；
答案数据生成模块，用于生成所述习题的答案数据；
模型训练模块，用于以所述答案数据为标准对答案智能判断模型进行训练；
设置模块，设置所述习题的讲解触发条件和讲解音频；
第一发送模块，用于在接收到答题请求时，将所述习题发送至至少一个答题终端；
第一接收模块，用于接收所述答题终端的习题答案；
习题答案判断模块，用于通过所述答案智能判断模型对所述习题答案进行判断；
讲解音频发送判断模块，结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频；
第二发送模块，用于在需要向所述答题终端发送所述讲解音频时发送所述讲解音频；
推送模块，用于在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题。
在本发明的某些实施方式中，所述模型训练模块包括：
关键词获取子模块，用于对所述答案数据进行分析获取所述答案数据中的关键词集；
候选语句集合检索子模块，用于从基础语料库中检索出包含所述关键词集的候选语句集合；
句量阈值判断子模块，用于判断所述候选语句集合中的候选语句量是否达到句量阈值；
扩容子模块，用于在所述候选语句集合中的候选语句量达到句量阈值时结合同义词库对所述候选语句集合进行扩容，以获得更大的所述候选语句量。
在本发明的某些实施方式中，所述习题答案判断模块包括：
分词子模块，用于对所述习题答案进行分词；
停用词去除子模块，用于去除所述所述习题答案中的停用词；
相似度计算子模块，用于计算去除所述停用词的所述习题答案与所述答案数据的相似度；
准确度判断子模块，用于根据所述相似度判断所述习题答案的准确度。
在本发明的某些实施方式中，所述相似度计算子模块包括：
距离计算单元，用于计算去除所述停用词的所述习题答案的各词向量与所述答案数据的各词向量的距离；
矩阵生成单元，用于生成词向量的距离矩阵；
n-gram算法单元，用于结合所述距离矩阵应用n-gram算法计算去除所述停用词的所述习题答案与所述答案数据的相似度。
在本发明的某些实施方式中，所述讲解触发条件包括：所述习题答案的准确度、答题次数；
所述讲解音频发送判断模块包括：
准确度阈值判断子模块，用于判断所述习题答案的准确度是否大于准确度阈值；
答题次数判断子模块，用于在所述所述习题答案的准确度大于所述准确度阈值时，判断所述答题终端对所述习题的答题次数是否达到次数阈值；
讲解音频发送子模块，用于在所述答题终端对所述习题的答题次数达到所述次数阈值时，向所述答题终端发送所述讲解音频。
在本发明的某些实施方式中，所述推送模块包括：
关联习题检索子模块，用于结合所述习题检索关联习题库；
导出子模块，用于从所述关联习题库中导出所述习题的所述关联习题；
习题关联度计算子模块，用于计算所述关联习题与所述习题的关联度；
关联度阈值判断子模块，用于判断所述关联度是否达到关联度阈值；
答题终端推送子模块，用于在所述关联度达到所述关联度阈值时将所述关联习题推送给所述答题终端。
在本发明的某些实施方式中，所述习题关联度计算子模块包括：
参考答案获取单元，用于获取所述关联习题的参考答案；
参考答案相似度计算单元，计算所述习题的答案数据与所述关联习题的参考答案的相似度；以所述习题的答案数据与所述关联习题的参考答案的相似度为所述关联度。
本发明还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序。所述计算机程序被所述处理器执行时，使得所述处理器执行所述计算机程序时实现上述任意一所述基于习题的智能教学方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序。该计算机程序被处理器执行时实现上述任意一所述基于习题的智能教学方法的步骤。
与现有技术相比，本发明有以下优点：本发明实施例所述的基于习题的智能教学方法通过以所述答案数据为标准对答案智能判断模型进行训练，使得所述答案智能判断模型能够智能自动判题。通过所述答案智能判断模型对所述习题答案进行判断，有利于提高教师的工作效率。通过结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频，在需要向所述答题终端发送所述讲解音频时发送所述讲解音频，有利于防止学生在没有认真答题前就收听所述讲解音频，提高了学生的学习效果。通过在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题，有利于巩固学生的学习效果，加深答题时的收获。
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为本发明实施例中所述基于习题的智能教学方法的流程示意图；
图2为本发明实施例中所述以所述答案数据为标准对答案智能判断模型进行训练的步骤示意图；
图3为本发明实施例中所述通过所述答案智能判断模型对所述习题答案进行判断的步骤示意图；
图4为本发明实施例中所述计算去除所述停用词的所述习题答案与所述答案数据的相似度的步骤示意图；
图5为本发明实施例中所述结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频的步骤示意图；
图6为本发明实施例中所述向所述答题终端推送所述习题的关联习题的步骤示意图；
图7为本发明实施例中所述计算所述关联习题与所述习题的关联度的步骤示意图；
图8为本发明实施例中所述基于习题的智能教学装置的示意图；
图9为本发明实施例中所述模型训练模块30的示意图；
图10为本发明实施例中所述习题答案判断模块70的示意图；
图11为本发明实施例中所述相似度计算子模块73的示意图；
图12为本发明实施例中所述讲解音频发送判断模块80的示意图；
图13为本发明实施例中所述推送模块100的示意图；
图14为本发明实施例中所述习题关联度计算子模块103的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，附图中给出了本发明的较佳实施例。本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例，相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。基于本发明中的实施例，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，都属于本发明保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明一实施例公开了一种用于进行习题教学方法，用于进行习题教学。
参考图1，为本发明实施例中所述基于习题的智能教学方法的流程示意图。
如图1中所示意的，所述基于习题的智能教学方法包括如下步骤：
s1：输入至少一道习题；
s2：生成所述习题的答案数据；
s3：以所述答案数据为标准对答案智能判断模型进行训练；
s4：设置所述习题的讲解触发条件和讲解音频；
s5：在接收到答题请求时，将所述习题发送至至少一个答题终端；
s6：接收所述答题终端的习题答案；
s7：通过所述答案智能判断模型对所述习题答案进行判断；
s8：结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频；
s9：在需要向所述答题终端发送所述讲解音频时发送所述讲解音频；
s10：在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题。
参考图2，为本发明实施例中所述以所述答案数据为标准对答案智能判断模型进行训练的步骤示意图。
如图2中所示意的，所述以所述答案数据为标准对答案智能判断模型进行训练的步骤包括：
s31：对所述答案数据进行分析获取所述答案数据中的关键词集；
s32：从基础语料库中检索出包含所述关键词集的候选语句集合；
s33：判断所述候选语句集合中的候选语句量是否达到句量阈值；
s34：在所述候选语句集合中的候选语句量达到句量阈值时结合同义词库对所述候选语句集合进行扩容，以获得更大的所述候选语句量。
参考图3，为本发明实施例中所述通过所述答案智能判断模型对所述习题答案进行判断的步骤示意图。
如图3中所示意的，所述通过所述答案智能判断模型对所述习题答案进行判断的步骤包括：
s71：对所述习题答案进行分词；
s72：去除所述所述习题答案中的停用词；
s73：计算去除所述停用词的所述习题答案与所述答案数据的相似度；
s74：根据所述相似度判断所述习题答案的准确度。
参考图4，为本发明实施例中所述计算去除所述停用词的所述习题答案与所述答案数据的相似度的步骤示意图。
如图4中所示意的，所述计算去除所述停用词的所述习题答案与所述答案数据的相似度的步骤包括：
s731：计算去除所述停用词的所述习题答案的各词向量与所述答案数据的各词向量的距离；
s732：生成词向量的距离矩阵；
s733：结合所述距离矩阵应用n-gram算法计算去除所述停用词的所述习题答案与所述答案数据的相似度。
所述讲解触发条件包括：所述习题答案的准确度、答题次数。
参考图5，为本发明实施例中所述结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频的步骤示意图。
如图5中所示意的，所述结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频的步骤包括：
s81：判断所述习题答案的准确度是否大于准确度阈值；
s82：在所述所述习题答案的准确度大于所述准确度阈值时，判断所述答题终端对所述习题的答题次数是否达到次数阈值；
s83：在所述答题终端对所述习题的答题次数达到所述次数阈值时，向所述答题终端发送所述讲解音频。
参考图6，为本发明实施例中所述向所述答题终端推送所述习题的关联习题的步骤示意图。
如图6中所示意的，所述向所述答题终端推送所述习题的关联习题的步骤包括：
s101：结合所述习题检索关联习题库；
s102：从所述关联习题库中导出所述习题的所述关联习题；
s103：计算所述关联习题与所述习题的关联度；
s104：判断所述关联度是否达到关联度阈值；
s105：在所述关联度达到所述关联度阈值时将所述关联习题推送给所述答题终端。
本发明实施例所述的基于习题的智能教学方法通过以所述答案数据为标准对答案智能判断模型进行训练，使得所述答案智能判断模型能够智能自动判题。通过所述答案智能判断模型对所述习题答案进行判断，有利于提高教师的工作效率。通过结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频，在需要向所述答题终端发送所述讲解音频时发送所述讲解音频，有利于防止学生在没有认真答题前就收听所述讲解音频，提高了学生的学习效果。通过在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题，有利于巩固学生的学习效果，加深答题时的收获。
参考图7，为本发明实施例中所述计算所述关联习题与所述习题的关联度的步骤示意图。
如图7中所示意的，所述计算所述关联习题与所述习题的关联度的步骤包括：
s1031：获取所述关联习题的参考答案；
s1032：计算所述习题的答案数据与所述关联习题的参考答案的相似度；以所述习题的答案数据与所述关联习题的参考答案的相似度为所述关联度。
本发明还公开了一种基于习题的智能教学装置，用于进行习题教学。
参考图8，为本发明实施例中所述基于习题的智能教学装置的示意图。
如图8中所示意的，所述基于习题的智能教学装置包括：
输入模块10，用于输入至少一道习题；
答案数据生成模块20，用于生成所述习题的答案数据；
模型训练模块30，用于以所述答案数据为标准对答案智能判断模型进行训练；
设置模块40，设置所述习题的讲解触发条件和讲解音频；
第一发送模块50，用于在接收到答题请求时，将所述习题发送至至少一个答题终端；
第一接收模块60，用于接收所述答题终端的习题答案；
习题答案判断模块70，用于通过所述答案智能判断模型对所述习题答案进行判断；
讲解音频发送判断模块80，结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频；
第二发送模块90，用于在需要向所述答题终端发送所述讲解音频时发送所述讲解音频；
推送模块100，用于在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题。
参考图9，为本发明实施例中所述模型训练模块30的示意图。
如图9中所示意的，在本发明的某些实施方式中，所述模型训练模块30包括：
关键词获取子模块31，用于对所述答案数据进行分析获取所述答案数据中的关键词集；
候选语句集合检索子模块32，用于从基础语料库中检索出包含所述关键词集的候选语句集合；
句量阈值判断子模块33，用于判断所述候选语句集合中的候选语句量是否达到句量阈值；
扩容子模块34，用于在所述候选语句集合中的候选语句量达到句量阈值时结合同义词库对所述候选语句集合进行扩容，以获得更大的所述候选语句量。
参考图10，为本发明实施例中所述习题答案判断模块70的示意图。
如图10中所示意的，在本发明的某些实施方式中，所述习题答案判断模块70包括：
分词子模块71，用于对所述习题答案进行分词；
停用词去除子模块72，用于去除所述所述习题答案中的停用词；
相似度计算子模块73，用于计算去除所述停用词的所述习题答案与所述答案数据的相似度；
准确度判断子模块74，用于根据所述相似度判断所述习题答案的准确度。
参考图11，为本发明实施例中所述相似度计算子模块73的示意图。
如图11中所示意的，在本发明的某些实施方式中，所述相似度计算子模块73包括：
距离计算单元731，用于计算去除所述停用词的所述习题答案的各词向量与所述答案数据的各词向量的距离；
矩阵生成单元732，用于生成词向量的距离矩阵；
n-gram算法单元733，用于结合所述距离矩阵应用n-gram算法计算去除所述停用词的所述习题答案与所述答案数据的相似度。
在本发明的某些实施方式中，所述讲解触发条件包括：所述习题答案的准确度、答题次数。
参考图12，为本发明实施例中所述讲解音频发送判断模块80的示意图。
如图12中所示意的，所述讲解音频发送判断模块80包括：
准确度阈值判断子模块81，用于判断所述习题答案的准确度是否大于准确度阈值；
答题次数判断子模块82，用于在所述所述习题答案的准确度大于所述准确度阈值时，判断所述答题终端对所述习题的答题次数是否达到次数阈值；
讲解音频发送子模块83，用于在所述答题终端对所述习题的答题次数达到所述次数阈值时，向所述答题终端发送所述讲解音频。
参考图13，为本发明实施例中所述推送模块100的示意图。
如图13中所示意的，在本发明的某些实施方式中，所述推送模块100包括：
关联习题检索子模块101，用于结合所述习题检索关联习题库；
导出子模块102，用于从所述关联习题库中导出所述习题的所述关联习题；
习题关联度计算子模块103，用于计算所述关联习题与所述习题的关联度；
关联度阈值判断子模块104，用于判断所述关联度是否达到关联度阈值；
答题终端推送子模块105，用于在所述关联度达到所述关联度阈值时将所述关联习题推送给所述答题终端。
参考图14，为本发明实施例中所述习题关联度计算子模块103的示意图。
如图14中所示意的，在本发明的某些实施方式中，所述习题关联度计算子模块103包括：
参考答案获取单元1031，用于获取所述关联习题的参考答案；
参考答案相似度计算单元1032，计算所述习题的答案数据与所述关联习题的参考答案的相似度；以所述习题的答案数据与所述关联习题的参考答案的相似度为所述关联度。
本发明还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序。所述计算机程序被所述处理器执行时，使得所述处理器执行所述计算机程序时实现上述任意一所述基于习题的智能教学方法的步骤。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序。该计算机程序被处理器执行时实现上述任意一所述基于习题的智能教学方法的步骤。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。以上仅为本发明的实施例，但并不限制本发明的专利范围，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本发明专利保护范围之内。
1.一种基于习题的智能教学方法，用于进行习题教学，其特征在于，包括：
输入至少一道习题；
生成所述习题的答案数据；
以所述答案数据为标准对答案智能判断模型进行训练；
设置所述习题的讲解触发条件和讲解音频；
在接收到答题请求时，将所述习题发送至至少一个答题终端；
接收所述答题终端的习题答案；
通过所述答案智能判断模型对所述习题答案进行判断；
结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频；
在需要向所述答题终端发送所述讲解音频时发送所述讲解音频；
在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题。
2.根据权利要求1所述的基于习题的智能教学方法，其特征在于，所述以所述答案数据为标准对答案智能判断模型进行训练的步骤包括：
对所述答案数据进行分析获取所述答案数据中的关键词集；
从基础语料库中检索出包含所述关键词集的候选语句集合；
判断所述候选语句集合中的候选语句量是否达到句量阈值；
在所述候选语句集合中的候选语句量达到句量阈值时结合同义词库对所述候选语句集合进行扩容，以获得更大的所述候选语句量。
3.根据权利要求2所述的基于习题的智能教学方法，其特征在于，所述通过所述答案智能判断模型对所述习题答案进行判断的步骤包括：
对所述习题答案进行分词；
去除所述所述习题答案中的停用词；
计算去除所述停用词的所述习题答案与所述答案数据的相似度；
根据所述相似度判断所述习题答案的准确度。
4.根据权利要求3所述的基于习题的智能教学方法，其特征在于，所述计算去除所述停用词的所述习题答案与所述答案数据的相似度的步骤包括：
计算去除所述停用词的所述习题答案的各词向量与所述答案数据的各词向量的距离；
生成词向量的距离矩阵；
结合所述距离矩阵应用n-gram算法计算去除所述停用词的所述习题答案与所述答案数据的相似度。
5.根据权利要求3所述的基于习题的智能教学方法，其特征在于，所述讲解触发条件包括：所述习题答案的准确度、答题次数；所述结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频的步骤包括：
判断所述习题答案的准确度是否大于准确度阈值；
在所述所述习题答案的准确度大于所述准确度阈值时，判断所述答题终端对所述习题的答题次数是否达到次数阈值；
在所述答题终端对所述习题的答题次数达到所述次数阈值时，向所述答题终端发送所述讲解音频。
6.根据权利要求1所述的基于习题的智能教学方法，其特征在于，所述向所述答题终端推送所述习题的关联习题的步骤包括：
结合所述习题检索关联习题库；
从所述关联习题库中导出所述习题的所述关联习题；
计算所述关联习题与所述习题的关联度；
判断所述关联度是否达到关联度阈值；
在所述关联度达到所述关联度阈值时将所述关联习题推送给所述答题终端。
7.根据权利要求6所述的基于习题的智能教学方法，其特征在于，所述计算所述关联习题与所述习题的关联度的步骤包括：
获取所述关联习题的参考答案；
计算所述习题的答案数据与所述关联习题的参考答案的相似度；
以所述习题的答案数据与所述关联习题的参考答案的相似度为所述关联度。
8.一种基于习题的智能教学装置，用于进行习题教学，其特征在于，包括：
输入模块，用于输入至少一道习题；
答案数据生成模块，用于生成所述习题的答案数据；
模型训练模块，用于以所述答案数据为标准对答案智能判断模型进行训练；
设置模块，设置所述习题的讲解触发条件和讲解音频；
第一发送模块，用于在接收到答题请求时，将所述习题发送至至少一个答题终端；
第一接收模块，用于接收所述答题终端的习题答案；
习题答案判断模块，用于通过所述答案智能判断模型对所述习题答案进行判断；
讲解音频发送判断模块，结合所述讲解触发条件判断是否要向所述答题终端发送所述讲解音频；
第二发送模块，用于在需要向所述答题终端发送所述讲解音频时发送所述讲解音频；
推送模块，用于在向所述答题终端发送所述讲解音频后，向所述答题终端推送所述习题的关联习题。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，使得所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述基于习题的智能教学方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-7任意一项所述基于习题的智能教学方法的步骤。
技术总结