本发明涉及演讲训练领域，特别是涉及一种基于激励机制的口才训练方法、装置及介质。
背景技术：
1、在口才训练的领域中，激励机制能够激发训练者的内在动力和自信心，通过激励机制，如肯定、鼓励和奖励等，训练者能够逐渐克服自我怀疑和紧张情绪，敢于在公众场合表达自己的观点，从而增强自信心，提高口才表现；并且，口才训练是一个长期的过程，需要训练者不断进行总结和调整，激励机制能够鼓励训练者在遇到困难时坚持不懈，勇于尝试新的方法和策略，从而不断提升自己的口才能力。现有的口才激励机制，主要是通过在训练过程中，设立口才训练奖励制度，对表现优秀、进步明显的训练者给予奖励，或者在训练团队或社交平台上公开表扬和认可训练者的优秀表现，这能够激发训练者的自豪感和荣誉感，进一步促进他们的积极性。
2、然而，现有口才训练方案在激励机制上往往采用了一刀切的方法，即对所有训练者应用相同的奖励标准和策略，但是由于每个训练者的口才基础、学习速度、兴趣偏好和目标都不同，这种一刀切的奖励方式很难满足所有训练者的需求，因此会降低激励效果；并且，由于现有的激励机制往往缺乏反馈功能，难以根据训练者的实际表现和进度及时调整奖励策略，这会导致奖励的滞后性和不准确性，使得训练者难以感受到自己的进步和成就，从而降低学习动力。
技术实现思路
1、本发明提供一种基于激励机制的口才训练方法、装置及介质，以解决难以基于用户的表现和进度动态调整口才激励机制，对用户进行个性化训练的问题。
2、获取用户对预设课程的学习数据；其中，所述预设课程是基于所述用户的学习目标，根据末端代价函数而建立；
3、根据所述学习数据的学习进度计算得到初始综合激励；
4、获取所述用户对所述初始综合激励的反馈数据，并根据所述反馈数据调整所述初始综合激励的激励强度，得到综合激励；
5、根据所述学习数据和所述综合激励生成第一改进建议；
6、根据所述学习数据中用户的行为模式和变化趋势，建立改进建议集合；
7、由所述第一改进建议和所述改进建议集合生成口才训练方案。
8、本发明基于末端代价函数建立预设课程，可以确保课程设计符合预设的质量标准，实现课程设计的优化。反馈数据为系统提供了改进激励策略的依据，通过分析用户的反馈，可以识别出哪些激励措施是有效的，因此通过调整初始综合激励的激励强度，可以确保所提供的激励与用户的期望和需求相匹配。由于学习数据体现了用户在口才学习中的强项、弱项以及存在的问题，调整强度后的综合激励不仅考虑了用户的实际表现，还考虑了用户的心理状态和学习动力，因此，在此基础上所生成的第一口才改进建议能够激发用户的学习兴趣和动力，使用户更加积极地参与到口才学习中来。通过分析学习数据中用户的行为模式和变化趋势，可以深入了解用户的学习习惯、兴趣点以及可能存在的困难，基于这些所生成的改进建议集合，可以帮助用户更精准地定位问题所在，并提供有效的解决方案。因此，综合了第一改进建议和改进建议集合所生成的口才训练方案，不仅是对口才激励机作了动态化调整，还充分考虑了用户的口才优劣势，从而保证训练效果的有效性。
9、相比于现有技术，本发明通过调整激励机制的激励强度来实现激励与用户的期望和需求相匹配，保证训练方案的可持续进行，还根据用户的行为模式和变化趋势生成多方面的建议，来进一步匹配用户的个人口才情况，因此能够解决难以基于用户的表现和进度动态调整口才激励机制，对用户进行个性化训练的问题。
10、作为优选方案，所述预设课程是基于所述用户的学习目标，根据末端代价函数而建立，具体为：
11、根据所述用户的学习目标和实际口才表现，建立损失函数；
12、根据所述用户的目标分数与实际评估分数之间的差距，建立基础代价函数，并通过在所述基础代价函数中引入线性的惩罚项，建立所述末端代价函数；
13、根据所述损失函数和所述末端代价函数建立所述预设课程。
14、本优选方案通过末端代价函数量化了用户期望的目标分数与训练过程中实际达到的评估分数之间的差距，使得用户可以明确了解在训练结束时，如果未能达成预设的目标，将会面临怎样的代价，这有助于用户在训练过程中始终保持对目标的清晰认识；如果代价函数的值较高，则说明训练结果与目标之间的差距较大，需要进一步调整训练方法或策略。结合损失函数和末端代价函数建立预设课程，能够为口才训练的课程设计提供明确的指导，确定哪些课程元素或教学方法对提升用户口才技能最为有效，从而有针对性地设计训练课程。
15、作为优选方案，根据所述学习数据的学习进度计算得到初始综合激励，具体为：
16、根据行为模式及其对应的时间节点，从所述学习数据中识别出用户的行为类型；
17、基于所述行为类型，根据所述用户完成预设学习任务所获得的额外奖励，计算得到累积奖励量；
18、通过对所述累积奖励量和所述行为类型进行融合计算，得到所述初始综合激励。
19、本优选方案通过识别出用户的学习行为类型，有助于了解用户的学习习惯、偏好和进度。通过融合计算累积奖励量和行为类型生成初始综合激励，这不仅考虑了用户的努力程度，还考虑了用户的学习行为类型以及学习风格，所以初始综合激励能够很好地满足用户的需求和期望。
20、作为优选方案，所述初始综合激励，具体为：
21、
22、其中，r(t)是所述累积奖励量，p1(x,t)是所述行为类型的识别概率，α和β分别是调整静态奖励的系数和调整动态行为变化影响的系数，t是时间，x是单一的行为类型。
23、作为优选方案，根据所述反馈数据调整所述初始综合激励的激励强度，得到综合激励，具体为：
24、根据所述反馈数据中用户行为的变化量和平均反馈得分，调整所述初始综合激励在预设时刻的激励强度，得到单一时刻激励；
25、调整所述初始综合激励从初始时刻到所述预设时刻的敏感度，得到综合时刻激励；
26、由所述单一时刻激励和所述综合时刻激励构成所述综合激励。
27、本优选方案根据用户行为变化量和平均反馈得分动态调整初始综合激励在特定预设时刻的激励强度，可以使得激励更加贴合用户当前的需求和状态，并且，单一时刻激励作为具体时刻的激励强度改动，能够实现实时调整激励策略。调整从初始时刻到预设时刻初始综合激励的敏感度，意味着能够有效关注激励随时间变化的趋势和速度，确保激励方案在时间上的连续性和一致性，避免激励的突然变化对用户造成不良影响；并且综合时刻激励作为总体激励效果的调整方式，能够确保激励机制的适应性和持续性。
28、作为优选方案，根据所述学习数据中用户的行为模式和变化趋势，建立改进建议集合，具体为：
29、通过预设的口才表现分析模型对所述学习数据进行技能捕捉，得到口才表现综合分数；
30、根据所述学习数据中用户的互动方式和互动次数，计算得到互动指标；
31、通过融合所述口才表现综合分数和所述互动指标，得到综合数据分析得分；
32、识别所述学习数据中的行为模式和变化趋势，得到综合分析结果；
33、根据所述综合数据分析得分和所述综合分析结果，建立所述改进建议集合。
34、本优选方案通过对学习数据中的技能进行捕捉以得到口才表现综合分数，可以为用户的口才表现提供一个量化的指标，进而清晰地了解用户的口才技能水平；根据学习数据中用户的互动方式和互动次数计算得到互动指标，反映了用户在学习过程中的参与度和积极性，所以在此基础上融合得到的综合数据分析得分，能够为用户的学习效果提供了一个更为全面的评估。根据口才表现综合分数和综合分析结果，建立改进建议集合，这些建议可以针对用户的口才技能和互动方式等方面提出具体的改进意见，帮助用户更有效地提升口才能力。
35、作为优选方案，根据所述综合数据分析得分和所述综合分析结果，建立所述改进建议集合，具体为：
36、对所述综合数据分析得分和所述综合分析结果进行信息提取，并通过调整输出信息的偏移，得到洞察得分；
37、基于所述洞察得分，根据给定不同建议的概率计算得到初始改进建议集合；
38、根据所述洞察得分和所述初始改进建议集合中各建议的权重，计算得到整体反馈分数；
39、根据所述整体反馈分数选取所述初始改进建议集合中达到预设条件的若干建议，得到所述改进建议集合。
40、本优选方案对综合数据分析得分和综合分析结果进行信息提取，能够捕捉到关键的学习表现数据，有助于对用户的学习状态有更深的理解，还能发现潜在的改进点，进而基于用户的具体学习情况和潜在问题定制具有较高针对性和实用性的初始改进建议集合。引入整体反馈分数的概念，该分数结合了洞察得分和初始改进建议集合中各建议的权重，有助于更全面地了解初始建议集合的效果和可行性，以此对初始改进建议集合进行筛选，意味着能够动态选择出更加符合用户实际需求的建议。
41、作为优选方案，所述口才表现分析模型，具体为：
42、
43、其中，xk(s)是在时间s对第k个口才特征的实时测量值，αk和βk分别是衰减因子和权重，e是自然常数，t是总时间，t0是实时时间。
44、本发明还提供了一种基于激励机制的口才训练装置，包括数据模块、激励模块、反馈模块、建议模块、集合模块和方案模块；
45、其中，所述数据模块，用于获取用户对预设课程的学习数据；其中，所述预设课程是基于所述用户的学习目标，根据末端代价函数而建立；
46、所述激励模块，用于根据所述学习数据的学习进度计算得到初始综合激励；
47、所述反馈模块，用于获取所述用户对所述初始综合激励的反馈数据，并根据所述反馈数据调整所述初始综合激励的激励强度，得到综合激励；
48、所述建议模块，用于根据所述学习数据和所述综合激励生成第一改进建议；
49、所述集合模块，用于根据所述学习数据中用户的行为模式和变化趋势，建立改进建议集合；
50、所述方案模块，用于由所述第一改进建议和所述改进建议集合生成口才训练方案。
51、作为优选方案，所述数据模块包括损失单元、差距单元和课程单元；
52、其中，所述损失单元，用于根据所述用户的学习目标和实际口才表现，建立损失函数；
53、所述差距单元，用于根据所述用户的目标分数与实际评估分数之间的差距，建立基础代价函数，并通过在所述基础代价函数中引入线性的惩罚项，建立所述末端代价函数；
54、所述课程单元，用于根据所述损失函数和所述末端代价函数建立所述预设课程。
55、作为优选方案，所述激励模块包括行为单元、奖励单元和融合单元；
56、其中，所述行为单元，用于根据行为模式及其对应的时间节点，从所述学习数据中识别出用户的行为类型；
57、所述奖励单元，用于基于所述行为类型，根据所述用户完成预设学习任务所获得的额外奖励，计算得到累积奖励量；
58、所述融合单元，用于通过对所述累积奖励量和所述行为类型进行融合计算，得到所述初始综合激励。
59、作为优选方案，所述初始综合激励，具体为：
60、
61、其中，r(t)是所述累积奖励量，p1(x,t)是所述行为类型的识别概率，α和β分别是调整静态奖励的系数和调整动态行为变化影响的系数，t是时间，x是单一的行为类型。
62、作为优选方案，所述反馈模块包括单一单元、综合单元和构成单元；
63、其中，所述单一单元，用于根据所述反馈数据中用户行为的变化量和平均反馈得分，调整所述初始综合激励在预设时刻的激励强度，得到单一时刻激励；
64、所述综合单元，用于调整所述初始综合激励从初始时刻到所述预设时刻的敏感度，得到综合时刻激励；
65、所述构成单元，用于由所述单一时刻激励和所述综合时刻激励构成所述综合激励。
66、作为优选方案，所述集合模块包括表现单元、互动单元、分析单元、变化单元和集合单元；
67、其中，所述表现单元，用于通过预设的口才表现分析模型对所述学习数据进行技能捕捉，得到口才表现综合分数；
68、所述互动单元，用于根据所述学习数据中用户的互动方式和互动次数，计算得到互动指标；
69、所述分析单元，用于通过融合所述口才表现综合分数和所述互动指标，得到综合数据分析得分；
70、所述变化单元，用于识别所述学习数据中的行为模式和变化趋势，得到综合分析结果；
71、所述集合单元，用于根据所述综合数据分析得分和所述综合分析结果，建立所述改进建议集合。
72、作为优选方案，所述集合单元包括所述洞察子单元、概率子单元、权重子单元和改进子单元；
73、其中，洞察子单元，用于对所述综合数据分析得分和所述综合分析结果进行信息提取，并通过调整输出信息的偏移，得到洞察得分；
74、所述概率子单元，用于基于所述洞察得分，根据给定不同建议的概率计算得到初始改进建议集合；
75、所述权重子单元，用于根据所述洞察得分和所述初始改进建议集合中各建议的权重，计算得到整体反馈分数；
76、所述改进子单元，用于根据所述整体反馈分数选取所述初始改进建议集合中达到预设条件的若干建议，得到所述改进建议集合。
77、作为优选方案，所述口才表现分析模型，具体为：
78、
79、其中，xk(s)是在时间s对第k个口才特征的实时测量值，αk和βk分别是衰减因子和权重，e是自然常数，t是总时间，t0是实时时间。
80、本技术还提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上所述一种基于激励机制的口才训练方法。
1.一种基于激励机制的口才训练方法，其特征在于，包括：
2.如权利要求1所述的一种基于激励机制的口才训练方法，其特征在于，所述预设课程是基于所述用户的学习目标，根据末端代价函数而建立，具体为：
3.如权利要求1所述的一种基于激励机制的口才训练方法，其特征在于，根据所述学习数据的学习进度计算得到初始综合激励，具体为：
4.如权利要求3所述的一种基于激励机制的口才训练方法，其特征在于，所述初始综合激励，具体为：
5.如权利要求1所述的一种基于激励机制的口才训练方法，其特征在于，根据所述反馈数据调整所述初始综合激励的激励强度，得到综合激励，具体为：
6.如权利要求1所述的一种基于激励机制的口才训练方法，其特征在于，根据所述学习数据中用户的行为模式和变化趋势，建立改进建议集合，具体为：
7.如权利要求6所述的一种基于激励机制的口才训练方法，其特征在于，根据所述综合数据分析得分和所述综合分析结果，建立所述改进建议集合，具体为：
8.如权利要求6所述的一种基于激励机制的口才训练方法，其特征在于，所述口才表现分析模型，具体为：
9.一种基于激励机制的口才训练装置，其特征在于，包括数据模块、激励模块、反馈模块、建议模块、集合模块和方案模块；
10.如权利要求9所述的一种基于激励机制的口才训练装置，其特征在于，所述数据模块包括损失单元、差距单元和课程单元；
11.如权利要求9所述的一种基于激励机制的口才训练装置，其特征在于，所述激励模块包括行为单元、奖励单元和融合单元；
12.如权利要求11所述的一种基于激励机制的口才训练装置，其特征在于，所述初始综合激励，具体为：
13.如权利要求9所述的一种基于激励机制的口才训练装置，其特征在于，所述反馈模块包括单一单元、综合单元和构成单元；
14.如权利要求9所述的一种基于激励机制的口才训练装置，其特征在于，所述集合模块包括表现单元、互动单元、分析单元、变化单元和集合单元；
15.如权利要求14所述的一种基于激励机制的口才训练装置，其特征在于，所述集合单元包括所述洞察子单元、概率子单元、权重子单元和改进子单元；
16.如权利要求14所述的一种基于激励机制的口才训练装置，其特征在于，所述口才表现分析模型，具体为：
17.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被计算机调用并执行，实现如上述权利要求1至8任意一种基于激励机制的口才训练方法。
