CN107133303A - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN107133303A CN107133303A CN201710291127.7A CN201710291127A CN107133303A CN 107133303 A CN107133303 A CN 107133303A CN 201710291127 A CN201710291127 A CN 201710291127A CN 107133303 A CN107133303 A CN 107133303A
- Authority
- CN
- China
- Prior art keywords
- answer
- information
- matching degree
- keyword
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Abstract
本申请公开了用于输出信息的方法和装置。该方法的一具体实施方式包括:响应于接收到用户的学习请求,输出预设的第一问题;接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词;获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案,其中,深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;输出第二问题,并接收用户输入的针对第二问题的第二回答信息;确定第二回答信息与第二答案的匹配度,并输出匹配度。该实施方式能够对用户的学习情况进行有针对性地检测,并可根据检测结果调整学习方案。
Description
技术领域
本申请涉及计算机技术领域,具体涉及人工智能技术领域,尤其涉及用于输出信息的方法和装置。
背景技术
目前教育资源稀缺,家长普遍进入焦虑状态,总是为孩子的学习担忧。同时时代在进步,以前那种灌输式教育的题海战术已经不能适应现代的教育需求。家长们更希望孩子能够培养自学的能力,主动的学习知识,培养自己的兴趣爱好。这就需要家长为孩子提供独特的辅导。但是并非所有的家长都能辅导孩子,请一个优秀的家教也不常见。社会教育成本一直在上升,老师或家长难以对学生进行全方位深入细致的指导,这导致部分学生没有养成良好的学习习惯,不能很好的学习和成长。而且学生学习也缺乏持久的记录,难以长久的坚持。
现有技术中虽然也有一些用于辅助学习的学习机,但该学习机一般都是通用型的学习工具,需要依靠学生自己主动学习,而不能针对每个学生的特点制定学习计划并且没有对学生的学习情况进行全面评价。
发明内容
本申请的目的在于提出一种改进的用于输出信息的方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请实施例提供了一种用于输出信息的方法,该方法包括:响应于接收到用户的学习请求,输出预设的第一问题;接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词;获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案,其中,深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;输出第二问题,并接收用户输入的针对第二问题的第二回答信息;确定第二回答信息与第二答案的匹配度,并输出匹配度。
在一些实施例中,该方法还包括构建深度学习网络模型的步骤,包括:获取文本信息以及针对文本信息的问题和答案;采用词频-逆文档频率的方法提取文本信息中的关键词;将文本信息和关键词作为输入样本,并将问题和答案作为输出样本训练深度学习网络模型。
在一些实施例中,第一回答信息包括语音信息;以及从第一回答信息中提取关键词,包括:将语音信息转换成文本再从文本中提取关键词。
在一些实施例中,匹配度包括以下至少一项:第二回答信息的语法与第二答案的语法的匹配度,第二回答信息中的关键词与第二答案中的关键词的匹配度,第二回答信息的长度与第二答案的长度的匹配度。
在一些实施例中,该方法还包括:若第二回答信息的语法与第二答案的语法的匹配度小于预定的匹配度阈值,则输出与语法相关的建议信息;和/或若第二回答信息中的关键词与第二答案中的关键词的匹配度小于预定的匹配度阈值,则输出与复习相关的建议信息;和/或若第二回答信息的长度与第二答案的长度的匹配度小于预定的匹配度阈值,则输出与第二答案的细节相关的建议信息。
在一些实施例中,该方法还包括:获取预定时间内用户的第二回答信息与所对应的第二答案的匹配度集合,并根据匹配度集合确定匹配度的平均值;根据平均值输出预设的评价信息。
在一些实施例中,文本信息包括曲谱,第二问题包括曲名和/或曲谱,并且第二答案包括曲名对应的乐曲;以及接收用户输入的针对第二问题的第二回答信息,包括:接收用户演奏的与曲名对应的音乐。
在一些实施例中,确定第二回答信息与第二答案的匹配度,包括:确定乐曲的节奏与音乐的节奏的匹配度;和/或确定乐曲的音高与音乐的音高的匹配度。
第二方面,本申请实施例提供了一种用于输出信息的装置,该装置包括:第一输入输出单元,用于响应于接收到用户的学习请求,输出预设的第一问题;提取单元,用于接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词;生成单元,用于获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案,其中,深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;第二输入输出单元,用于输出第二问题,并接收用户输入的针对第二问题的第二回答信息;确定单元,用于确定第二回答信息与第二答案的匹配度,并输出匹配度。
在一些实施例中,该装置还包括构建单元,用于:获取文本信息以及针对文本信息的问题和答案;采用词频-逆文档频率的装置提取文本信息中的关键词;将文本信息和关键词作为输入样本,并将问题和答案作为输出样本训练深度学习网络模型。
在一些实施例中,该第一回答信息包括语音信息;以及提取单元进一步用于:将语音信息转换成文本再从文本中提取关键词。
在一些实施例中,匹配度包括以下至少一项:第二回答信息的语法与第二答案的语法的匹配度,第二回答信息中的关键词与第二答案中的关键词的匹配度,第二回答信息的长度与第二答案的长度的匹配度。
在一些实施例中,该装置还包括建议单元,用于:若第二回答信息的语法与第二答案的语法的匹配度小于预定的匹配度阈值,则输出与语法相关的建议信息;和/或若第二回答信息中的关键词与第二答案中的关键词的匹配度小于预定的匹配度阈值,则输出与复习相关的建议信息;和/或若第二回答信息的长度与第二答案的长度的匹配度小于预定的匹配度阈值,则输出与第二答案的细节相关的建议信息。
在一些实施例中,该装置还包括评价单元,用于:获取预定时间内用户的第二回答信息与所对应的第二答案的匹配度集合,并根据匹配度集合确定匹配度的平均值;根据平均值输出预设的评价信息。
在一些实施例中,文本信息包括曲谱,第二问题包括曲名和/或曲谱,并且第二答案包括曲名对应的乐曲;以及第二输入输出单元进一步用于:接收用户演奏的与曲名对应的音乐。
在一些实施例中,确定单元进一步用于:确定乐曲的节奏与音乐的节奏的匹配度;和/或确定乐曲的音高与音乐的音高的匹配度。
第三方面,本申请实施例提供了一种设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一的方法。
第四方面,本申请实施例提供了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,该程序被处理器执行时实现如第一方面中任一的方法。
本申请实施例提供的用于输出信息的方法和装置,通过主动向用户提问第一问题,并从用户回答信息中提取关键词并获得与关键词相关的文本信息集合。基于深度学习网络模型生成第二问题和第二问题的答案。然后向用户提问第二问题,根据用户的第二回答信息确定第二回答信息与第二答案的匹配度并输出。从而可以快速、准确地分析出用户对知识的掌握的准确性、全面性,并能够继续深度挖掘出新的问题以巩固提高用户对知识的掌握程度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于输出信息的方法的一个实施例的流程图;
图3是根据本申请的用于输出信息的方法的一个应用场景的示意图;
图4是根据本申请的用于输出信息的方法的又一个实施例的流程图;
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105、106交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用,例如视频播放类应用、搜索引擎类应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持交互功能的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105、106可以是提供各种服务的服务器,例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以基于从终端收集的数据进行分析等处理,并将处理结果(例如针对用户学习方面的问题)反馈给终端设备。
需要说明的是,本申请中实施例所提供的用于输出信息的方法一般由服务器105、106执行,相应地,用于输出信息的装置一般设置于服务器105、106中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法,包括以下步骤:
步骤201,响应于接收到用户的学习请求,输出预设的第一问题。
在本实施例中,用于输出信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从用户利用其进行在线学习的终端接收学习请求,该学习请求中可包括用户已经注册过的用户标识,可根据用户标识记录用户的学习结果。学习请求中还可以不包括用户标识,此时用户可以匿名进行学习。预设的第一问题可以是例如“你今天学习了什么内容?”等主动询问用户的学习内容的问题。还可根据用户标识获取用户的历史学习记录,进行有针对性地设置预设的第一问题,例如“你可以背诵一下昨天学过的课文《武夷山》吗?”。根据用户的设置,以文字方式或者语音方式输出预设的第一问题。
步骤202,接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词。
在本实施例中,用户输入的针对第一问题的第一回答信息可以是通过键盘输入的文字信息也可以是通过声音采集设备输入的声音信息。通过NLP(Natural LanguageProcessing,自然语言处理)技术从第一回答信息中提取关键词。例如,第一问题为“你今天学习了什么内容?”。用户输入的第一回答信息“我学习了两小儿辩日”。可提取出关键词“两小儿辩日”。第一回答信息可以包括文章名或曲谱名等标识学习内容的信息。例如,“我今天学了拜厄第55条”,“我今天学了唐诗望岳”。如果检测到用户输入的第一回答信息的长度小于阈值,或无法提取有效的关键词,则可再次输出预设的第一问题,并要求用户说地更具体一些。例如,用户语音输入的第一回答信息是“望岳”,服务器无法分辨出用户学的是“望月”还是“望岳”时,会进一步询问用户“是杜甫的诗望岳吗?”。得到用户确认的回答后再继续提问。服务器还可根据用户标识获取用户的历史学习记录进一步缩小关键词的类别范围。例如,用户曾经多次学习过诗词鉴赏,则优先按照诗词类确定用户真实想学的内容。而不是按照科学课的“望月”、“朔月”询问用户。
在本实施例的一些可选的实现方式中,第一回答信息包括语音信息;以及从第一回答信息中提取关键词,包括:将语音信息转换成文本再从文本中提取关键词。可通过语音识别方法将用户通过声音采集设备输入的语音信息转换成文本,再从文本中提取关键词。
步骤203,获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案。
在本实施例中,可以通过预设的资料库或互联网中获取与关键词相关联的文本信息集合。所获得的各文本信息中可包括该关键词,或该关键词的同义词。该深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系。该深度学习网络模型可以包括卷积神经网络(Convolutional neural networks,简称CNNs)、递归神经网络(RecurrentNeural Network,简称RNN)等多层神经网络。深度学习的实质,是通过构建具有很多隐层的机器学习模型和海量的训练数据,来学习更有用的特征,从而融合后提升分类或预测的准确性。与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据的丰富内在信息。
在本实施例的一些可选的实现方式中,该方法还包括构建深度学习网络模型的步骤,包括:获取文本信息以及针对文本信息的问题和答案;采用词频-逆文档频率(TF-IDF,term frequency–inverse document frequency)的方法提取文本信息中的关键词;将文本信息和关键词作为输入样本,并将问题和答案作为输出样本训练深度学习网络模型。可以通过NLP技术从大量的阅读题,考试题中,学习文章内容,问题,答案等3者之间的关联关系,从中得出以下内容:文章中那些词语是重要的;常见的问题有哪些;标准答案的要点如何与原文进行匹配。利用这些知识,就能从一篇文章中找出有价值的问题,把这个问题生成出来。
在本实施例的一些可选的实现方式中,文本信息包括曲谱,第二问题包括曲名和/或曲谱,并且第二答案包括曲名对应的乐曲;以及接收用户输入的针对第二问题的第二回答信息,包括:接收用户演奏的与曲名对应的音乐。如果用户的第一回答信息中包括曲名和/或曲谱,则文本信息可以包括曲谱,并在用户终端显示该曲谱。例如,用户的第一回答信息为“我学习了拜厄第55条到58条”,则第二问题可以为“请演奏一下拜厄第55条前四小节”。则用户可按照指示演奏拜厄第55条前四小节后通过声音采集设备输入到服务器中。
步骤204,输出第二问题,并接收用户输入的针对第二问题的第二回答信息。
在本实施例中,可以语音或者文字形式输出第二问题,并接收用户以语音或者文字形式输入的针对第二问题的第二回答信息。用户可以口述答案,也可以通过键盘输入文字。如果涉及到演奏的问题时,第二问题中包含曲谱,用户可以对照着曲谱演奏乐器,用户的终端可采集音乐发给服务器。
步骤205,确定第二回答信息与第二答案的匹配度,并输出匹配度。
在本实施例中,可以针对用户的回答给出不同类型的匹配度(例如,语法匹配度、关键词匹配度,长度匹配度等),不需要限定用户回答的内容要和答案一字不差,只要答对关键点就可得到较高的匹配度。
在本实施例的一些可选的实现方式中,匹配度包括以下至少一项:第二回答信息的语法与第二答案的语法的匹配度,第二回答信息中的关键词与第二答案中的关键词的匹配度,第二回答信息的长度与第二答案的长度的匹配度。语法可包括中文语法和英文语法及其它外文语法,例如检测第二回答信息中的主谓宾是否完整,英语单词的单复数,英语句子时态等问题。关键词的匹配度可以是回答和答案完全相同时百分百匹配,如果回答的是答案的同义词也可以匹配。第二回答信息的长度与第二答案的长度的匹配度指的是,用户的回答不能少于答案太多,例如,如果答案有20个字,用户只回答了2个字,则可要求用户再补充细节。
在本实施例的一些可选的实现方式中,获取预定时间内用户的第二回答信息与所对应的第二答案的匹配度集合,并根据匹配度集合确定匹配度的平均值;根据平均值输出预设的评价信息。例如,统计一周时间内的匹配度平均值,对用户的成绩做出评价。还可以针对不同的学科分别进行统计。例如,本周知识掌握程度80%,累积学习180分钟,掌握120个知识点。其中,语文掌握程度80%,累积学习80分钟,掌握70个知识点。英语掌握程度80%,累积学习100分钟,掌握60个知识点。
在本实施例的一些可选的实现方式中,确定第二回答信息与第二答案的匹配度,包括:确定乐曲的节奏与音乐的节奏的匹配度;和/或确定乐曲的音高与音乐的音高的匹配度。例如,用户弹奏了第二问题中指定的钢琴曲后,确定用户弹奏的钢琴曲的音高与音乐家弹奏的音乐的音高的匹配度,即音准,可输入用户把第三小节第二个音符弹错了。还可以确定用户弹奏的钢琴曲的节奏与音乐家弹奏的音乐的节奏的匹配度,例如,用户弹奏的钢琴曲的第二小节第二个音符少弹了一拍时,则可输出具体的匹配度信息,提示用户在哪个小节哪个音符出错了。
继续参见图3,图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中,服务器向终端发送了第一问题301“请问你今天学习了什么内容?”。用户通过终端输入第一回答信息302“我学习了两小儿辩日”。服务器从302中提取到关键词“两小儿辩日”,然后查找两小儿辩日的文章,因为是古文,还要查找现代文,将关键词“两小儿辩日”和“两小儿辩日的文章”输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案。然后发送第二问题303“他们辩论的是什么?”。如果用户通过终端发送第二回答信息304“太阳”。服务器根据长度判断回答太简单了,则可继续发问“请具体一些”。如果用户回答“太阳早上更大还是中午更大”,则服务器可确定出用户的答复与答案之间的匹配度,并向终端发送305“匹配度”。服务器还可以继续执行303-305,每次根据上一次用户的回答生成新的问题。例如,服务器根据“还是”判断这是两个选择,同时根据所查到的文章资料判断,这是一个辩论。继续发送第二问题“太阳早上更大的理由是什么?”。用户回答后,服务器比较用户的回答和文章内容的摘要,判断用户掌握知识的程度。同时继续问“太阳中午更大的理由是什么?”。服务器根据每天跟踪记录用户的学习情况,给出学习的评价,鼓励用户继续学习。服务器可输出每日的匹配度“你今天完成了15分钟的学习,知识掌握程度80%,累积学习180分钟,掌握了120个知识点。”。
本申请的上述实施例提供的方法通过预设的问题和用户的第一次回答,生成新的问题,引导用户更深入的学习,能够对用户的学习情况进行有针对性地检测,并可根据检测结果调整学习方案。
进一步参考图4,其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400,包括以下步骤:
步骤401,响应于接收到用户的学习请求,输出预设的第一问题。
步骤402,接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词。
步骤403,获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案。
步骤404,输出第二问题,并接收用户输入的针对第二问题的第二回答信息。
步骤405,确定第二回答信息与第二答案的匹配度,并输出匹配度。
步骤401-405与步骤201-205基本相同,因此不再赘述。
步骤406,根据匹配度输出建议信息。
在本实施例中,若第二回答信息的语法与第二答案的语法的匹配度小于预定的匹配度阈值,则输出与语法相关的建议信息;和/或若第二回答信息中的关键词与第二答案中的关键词的匹配度小于预定的匹配度阈值,则输出与复习相关的建议信息;和/或若第二回答信息的长度与第二答案的长度的匹配度小于预定的匹配度阈值,则输出与第二答案的细节相关的建议信息。例如,若确定出用户的回答中语法的匹配度很低,则给出修改意见,可让用户再次回答。假如用户说“There is two bird in the tree”。则可告诉用户two是复数,不能用is要用are,并且bird要用复数形式birds。若确定出关键词的匹配度低,则可建议用户换个更合适的词,并加以解释,假如用户说“尊重的李老师”,则建议他改为“尊敬的李老师”,并解译虽然尊重和尊敬是同义词,但在不同场合不能随便通用。若第二回答信息的长度与第二答案的长度的匹配度小于预定的匹配度阈值,则建议用户补充细节,再重新回答。
在本实施例的一些可选的实现方式中,还可根据匹配度重新生成难度适宜的问题。例如,可以大数据分析一下其它用户对各种问题的回答情况,然后确定该用户在同龄人中的水平。如果用户低于平均水平时,则挑选难度低一些的问题,即,大多数人的回答与答案匹配度高于预定第一阈值的问题,例如,90%的用户会的问题。如果用户高于平均水平时,则挑选难度高一些的问题,即,大多数人的回答与答案匹配度低于预定第二阈值的问题,例如,60%的用户会的问题。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于输出信息的方法的流程400突出了根据匹配度输出建议信息的步骤。由此,本实施例描述的方案可以对用户进行有针对性的指导,从而实现更有效的问题生成和更全面的评价和指导。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:第一输入输出单元501、提取单元502、生成单元503、第二输入输出单元504和确定单元505。其中,第一输入输出单元501用于响应于接收到用户的学习请求,输出预设的第一问题;提取单元502用于接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词;生成单元503用于获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案,其中,深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;第二输入输出单元504用于输出第二问题,并接收用户输入的针对第二问题的第二回答信息;确定单元505用于确定第二回答信息与第二答案的匹配度,并输出匹配度。
在本实施例中,用于输出信息的装置500的第一输入输出单元501、提取单元502、生成单元503、第二输入输出单元504和确定单元505的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204和步骤205。
在本实施例的一些可选的实现方式中,装置500还包括构建单元(未示出),用于:获取文本信息以及针对文本信息的问题和答案;采用词频-逆文档频率的装置提取文本信息中的关键词;将文本信息和关键词作为输入样本,并将问题和答案作为输出样本训练深度学习网络模型。
在本实施例的一些可选的实现方式中,第一回答信息包括语音信息;以及提取单元502进一步用于:将语音信息转换成文本再从文本中提取关键词。
在本实施例的一些可选的实现方式中,匹配度包括以下至少一项:第二回答信息的语法与第二答案的语法的匹配度,第二回答信息中的关键词与第二答案中的关键词的匹配度,第二回答信息的长度与第二答案的长度的匹配度。
在本实施例的一些可选的实现方式中,装置500还包括建议单元(未示出),用于:若第二回答信息的语法与第二答案的语法的匹配度小于预定的匹配度阈值,则输出与语法相关的建议信息;和/或若第二回答信息中的关键词与第二答案中的关键词的匹配度小于预定的匹配度阈值,则输出与复习相关的建议信息;和/或若第二回答信息的长度与第二答案的长度的匹配度小于预定的匹配度阈值,则输出与第二答案的细节相关的建议信息。
在本实施例的一些可选的实现方式中,装置500还包括评价单元(未示出),用于:获取预定时间内用户的第二回答信息与所对应的第二答案的匹配度集合,并根据匹配度集合确定匹配度的平均值;根据平均值输出预设的评价信息。
在本实施例的一些可选的实现方式中,文本信息包括曲谱,第二问题包括曲名和/或曲谱,并且第二答案包括曲名对应的乐曲;以及第二输入输出单元504进一步用于:接收用户演奏的与曲名对应的音乐。
在本实施例的一些可选的实现方式中,确定单元505进一步用于:确定乐曲的节奏与音乐的节奏的匹配度;和/或确定乐曲的音高与音乐的音高的匹配度。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一输入输出单元、提取单元、生成单元、第二输入输出单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一输入输出单元还可以被描述为“响应于接收到用户的学习请求,输出预设的第一问题的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:响应于接收到用户的学习请求,输出预设的第一问题;接收用户输入的针对第一问题的第一回答信息,并从第一回答信息中提取关键词;获取与关键词相关联的文本信息集合,并将关键词和文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对第二问题的第二答案,其中,深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;输出第二问题,并接收用户输入的针对第二问题的第二回答信息;确定第二回答信息与第二答案的匹配度,并输出匹配度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种用于输出信息的方法,其特征在于,所述方法包括:
响应于接收到用户的学习请求,输出预设的第一问题;
接收所述用户输入的针对所述第一问题的第一回答信息,并从所述第一回答信息中提取关键词;
获取与所述关键词相关联的文本信息集合,并将所述关键词和所述文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对所述第二问题的第二答案,其中,所述深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;
输出所述第二问题,并接收所述用户输入的针对所述第二问题的第二回答信息;
确定所述第二回答信息与所述第二答案的匹配度,并输出所述匹配度。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括构建所述深度学习网络模型的步骤,包括:
获取文本信息以及针对所述文本信息的问题和答案;
采用词频-逆文档频率的方法提取所述文本信息中的关键词;
将所述文本信息和所述关键词作为输入样本,并将所述问题和所述答案作为输出样本训练深度学习网络模型。
3.根据权利要求1所述的方法,其特征在于,所述第一回答信息包括语音信息;以及
所述从所述第一回答信息中提取关键词,包括:
将所述语音信息转换成文本再从所述文本中提取关键词。
4.根据权利要求1所述的方法,其特征在于,所述匹配度包括以下至少一项:
所述第二回答信息的语法与所述第二答案的语法的匹配度,所述第二回答信息中的关键词与所述第二答案中的关键词的匹配度,所述第二回答信息的长度与所述第二答案的长度的匹配度。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述第二回答信息的语法与所述第二答案的语法的匹配度小于预定的匹配度阈值,则输出与语法相关的建议信息;和/或
若所述第二回答信息中的关键词与所述第二答案中的关键词的匹配度小于预定的匹配度阈值,则输出与复习相关的建议信息;和/或
若所述第二回答信息的长度与所述第二答案的长度的匹配度小于预定的匹配度阈值,则输出与所述第二答案的细节相关的建议信息。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取预定时间内所述用户的第二回答信息与所对应的第二答案的匹配度集合,并根据所述匹配度集合确定匹配度的平均值;
根据所述平均值输出预设的评价信息。
7.根据权利要求1所述的方法,其特征在于,所述文本信息包括曲谱,所述第二问题包括曲名和/或所述曲谱,并且所述第二答案包括所述曲名对应的乐曲;以及
所述接收所述用户输入的针对所述第二问题的第二回答信息,包括:
接收所述用户演奏的与所述曲名对应的音乐。
8.根据权利要求7所述的方法,其特征在于,所述确定所述第二回答信息与所述第二答案的匹配度,包括:
确定所述乐曲的节奏与所述音乐的节奏的匹配度;和/或
确定所述乐曲的音高与所述音乐的音高的匹配度。
9.一种用于输出信息的装置,其特征在于,所述装置包括:
第一输入输出单元,用于响应于接收到用户的学习请求,输出预设的第一问题;
提取单元,用于接收所述用户输入的针对所述第一问题的第一回答信息,并从所述第一回答信息中提取关键词;
生成单元,用于获取与所述关键词相关联的文本信息集合,并将所述关键词和所述文本信息集合输入预先生成的深度学习网络模型生成第二问题和针对所述第二问题的第二答案,其中,所述深度学习网络模型用于表征文本信息、关键词、问题和答案之间的关系;
第二输入输出单元,用于输出所述第二问题,并接收所述用户输入的针对所述第二问题的第二回答信息;
确定单元,用于确定所述第二回答信息与所述第二答案的匹配度,并输出所述匹配度。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括构建单元,用于:
获取文本信息以及针对所述文本信息的问题和答案;
采用词频-逆文档频率的装置提取所述文本信息中的关键词;
将所述文本信息和所述关键词作为输入样本,并将所述问题和所述答案作为输出样本训练深度学习网络模型。
11.根据权利要求9所述的装置,其特征在于,所述第一回答信息包括语音信息;以及
所述提取单元进一步用于:
将所述语音信息转换成文本再从所述文本中提取关键词。
12.根据权利要求9所述的装置,其特征在于,所述匹配度包括以下至少一项:
所述第二回答信息的语法与所述第二答案的语法的匹配度,所述第二回答信息中的关键词与所述第二答案中的关键词的匹配度,所述第二回答信息的长度与所述第二答案的长度的匹配度。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括建议单元,用于:
若所述第二回答信息的语法与所述第二答案的语法的匹配度小于预定的匹配度阈值,则输出与语法相关的建议信息;和/或
若所述第二回答信息中的关键词与所述第二答案中的关键词的匹配度小于预定的匹配度阈值,则输出与复习相关的建议信息;和/或
若所述第二回答信息的长度与所述第二答案的长度的匹配度小于预定的匹配度阈值,则输出与所述第二答案的细节相关的建议信息。
14.根据权利要求9所述的装置,其特征在于,所述装置还包括评价单元,用于:
获取预定时间内所述用户的第二回答信息与所对应的第二答案的匹配度集合,并根据所述匹配度集合确定匹配度的平均值;
根据所述平均值输出预设的评价信息。
15.根据权利要求9所述的装置,其特征在于,所述文本信息包括曲谱,所述第二问题包括曲名和/或所述曲谱,并且所述第二答案包括所述曲名对应的乐曲;以及
所述第二输入输出单元进一步用于:
接收所述用户演奏的与所述曲名对应的音乐。
16.根据权利要求15所述的装置,其特征在于,所述确定单元进一步用于:
确定所述乐曲的节奏与所述音乐的节奏的匹配度;和/或
确定所述乐曲的音高与所述音乐的音高的匹配度。
17.一种设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一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,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710291127.7A CN107133303A (zh) | 2017-04-28 | 2017-04-28 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710291127.7A CN107133303A (zh) | 2017-04-28 | 2017-04-28 | 用于输出信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107133303A true CN107133303A (zh) | 2017-09-05 |
Family
ID=59716404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710291127.7A Pending CN107133303A (zh) | 2017-04-28 | 2017-04-28 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133303A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038230A (zh) * | 2017-12-26 | 2018-05-15 | 北京百度网讯科技有限公司 | 基于人工智能的信息生成方法和装置 |
CN109035896A (zh) * | 2018-08-13 | 2018-12-18 | 广东小天才科技有限公司 | 一种口语训练方法及学习设备 |
CN109065015A (zh) * | 2018-07-27 | 2018-12-21 | 清华大学 | 一种数据采集方法、装置、设备及可读存储介质 |
CN109492085A (zh) * | 2018-11-15 | 2019-03-19 | 平安科技(深圳)有限公司 | 基于数据处理的答案确定方法、装置、终端及存储介质 |
WO2019052261A1 (zh) * | 2017-09-18 | 2019-03-21 | 京东方科技集团股份有限公司 | 用于问答服务的方法、问答服务系统以及存储介质 |
WO2019140826A1 (zh) * | 2018-01-22 | 2019-07-25 | 平安科技(深圳)有限公司 | 电子红包的发放装置、方法及计算机可读存储介质 |
CN110348006A (zh) * | 2019-06-11 | 2019-10-18 | 平安科技(深圳)有限公司 | 问题信息的生成方法、装置、计算机设备及其存储介质 |
CN110414246A (zh) * | 2019-06-19 | 2019-11-05 | 平安科技(深圳)有限公司 | 共享文件安全管理方法、装置、终端及存储介质 |
CN110992754A (zh) * | 2019-12-02 | 2020-04-10 | 王言之 | 一种英语口语的高效备考、自学和教学方法 |
CN111143525A (zh) * | 2019-12-17 | 2020-05-12 | 广东广信通信服务有限公司 | 车辆信息获取方法、装置和智能移车系统 |
CN111597317A (zh) * | 2020-05-15 | 2020-08-28 | 北京搜狗科技发展有限公司 | 一种基于饮食的数据处理方法及装置 |
CN111858862A (zh) * | 2019-04-29 | 2020-10-30 | 深圳市优必选科技有限公司 | 一种答复推荐方法、答复推荐装置及电子设备 |
CN112133147A (zh) * | 2019-06-24 | 2020-12-25 | 武汉慧人信息科技有限公司 | 一种基于教案和预设问题库的在线自动授课及交互系统 |
CN113051300A (zh) * | 2021-03-05 | 2021-06-29 | 深圳市鹰硕技术有限公司 | 基于学习伙伴匹配的在线学习方法以及装置 |
CN113223648A (zh) * | 2021-05-08 | 2021-08-06 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN109492085B (zh) * | 2018-11-15 | 2024-05-14 | 平安科技(深圳)有限公司 | 基于数据处理的答案确定方法、装置、终端及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070130A (zh) * | 2015-08-04 | 2015-11-18 | 北京优宇通教育科技有限公司 | 水平测评方法和系统 |
CN105512349A (zh) * | 2016-02-23 | 2016-04-20 | 首都师范大学 | 一种用于学习者自适应学习的问答方法及装置 |
CN106295792A (zh) * | 2016-08-05 | 2017-01-04 | 北京光年无限科技有限公司 | 基于多模型输出的对话数据交互处理方法及装置 |
CN106503123A (zh) * | 2016-10-20 | 2017-03-15 | 宁波江东大金佰汇信息技术有限公司 | 一种基于计算机云数据的深度学习智能应答系统 |
CN106558252A (zh) * | 2015-09-28 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 由计算机实现的口语练习方法及装置 |
-
2017
- 2017-04-28 CN CN201710291127.7A patent/CN107133303A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070130A (zh) * | 2015-08-04 | 2015-11-18 | 北京优宇通教育科技有限公司 | 水平测评方法和系统 |
CN106558252A (zh) * | 2015-09-28 | 2017-04-05 | 百度在线网络技术(北京)有限公司 | 由计算机实现的口语练习方法及装置 |
CN105512349A (zh) * | 2016-02-23 | 2016-04-20 | 首都师范大学 | 一种用于学习者自适应学习的问答方法及装置 |
CN106295792A (zh) * | 2016-08-05 | 2017-01-04 | 北京光年无限科技有限公司 | 基于多模型输出的对话数据交互处理方法及装置 |
CN106503123A (zh) * | 2016-10-20 | 2017-03-15 | 宁波江东大金佰汇信息技术有限公司 | 一种基于计算机云数据的深度学习智能应答系统 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019052261A1 (zh) * | 2017-09-18 | 2019-03-21 | 京东方科技集团股份有限公司 | 用于问答服务的方法、问答服务系统以及存储介质 |
CN110019701A (zh) * | 2017-09-18 | 2019-07-16 | 京东方科技集团股份有限公司 | 用于问答服务的方法、问答服务系统以及存储介质 |
US11651236B2 (en) | 2017-09-18 | 2023-05-16 | Boe Technology Group Co., Ltd. | Method for question-and-answer service, question-and-answer service system and storage medium |
CN108038230A (zh) * | 2017-12-26 | 2018-05-15 | 北京百度网讯科技有限公司 | 基于人工智能的信息生成方法和装置 |
WO2019140826A1 (zh) * | 2018-01-22 | 2019-07-25 | 平安科技(深圳)有限公司 | 电子红包的发放装置、方法及计算机可读存储介质 |
CN109065015A (zh) * | 2018-07-27 | 2018-12-21 | 清华大学 | 一种数据采集方法、装置、设备及可读存储介质 |
CN109035896A (zh) * | 2018-08-13 | 2018-12-18 | 广东小天才科技有限公司 | 一种口语训练方法及学习设备 |
CN109035896B (zh) * | 2018-08-13 | 2021-11-05 | 广东小天才科技有限公司 | 一种口语训练方法及学习设备 |
CN109492085A (zh) * | 2018-11-15 | 2019-03-19 | 平安科技(深圳)有限公司 | 基于数据处理的答案确定方法、装置、终端及存储介质 |
CN109492085B (zh) * | 2018-11-15 | 2024-05-14 | 平安科技(深圳)有限公司 | 基于数据处理的答案确定方法、装置、终端及存储介质 |
CN111858862A (zh) * | 2019-04-29 | 2020-10-30 | 深圳市优必选科技有限公司 | 一种答复推荐方法、答复推荐装置及电子设备 |
CN111858862B (zh) * | 2019-04-29 | 2023-07-18 | 深圳市优必选科技有限公司 | 一种答复推荐方法、答复推荐装置及电子设备 |
CN110348006A (zh) * | 2019-06-11 | 2019-10-18 | 平安科技(深圳)有限公司 | 问题信息的生成方法、装置、计算机设备及其存储介质 |
CN110414246A (zh) * | 2019-06-19 | 2019-11-05 | 平安科技(深圳)有限公司 | 共享文件安全管理方法、装置、终端及存储介质 |
CN110414246B (zh) * | 2019-06-19 | 2023-05-30 | 平安科技(深圳)有限公司 | 共享文件安全管理方法、装置、终端及存储介质 |
CN112133147A (zh) * | 2019-06-24 | 2020-12-25 | 武汉慧人信息科技有限公司 | 一种基于教案和预设问题库的在线自动授课及交互系统 |
CN110992754A (zh) * | 2019-12-02 | 2020-04-10 | 王言之 | 一种英语口语的高效备考、自学和教学方法 |
CN110992754B (zh) * | 2019-12-02 | 2021-09-28 | 王言之 | 一种英语口语的高效备考、自学和教学方法 |
CN111143525A (zh) * | 2019-12-17 | 2020-05-12 | 广东广信通信服务有限公司 | 车辆信息获取方法、装置和智能移车系统 |
CN111597317A (zh) * | 2020-05-15 | 2020-08-28 | 北京搜狗科技发展有限公司 | 一种基于饮食的数据处理方法及装置 |
CN113051300A (zh) * | 2021-03-05 | 2021-06-29 | 深圳市鹰硕技术有限公司 | 基于学习伙伴匹配的在线学习方法以及装置 |
CN113223648A (zh) * | 2021-05-08 | 2021-08-06 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
CN113223648B (zh) * | 2021-05-08 | 2023-10-24 | 北京嘉和海森健康科技有限公司 | 一种诊前信息采集方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133303A (zh) | 用于输出信息的方法和装置 | |
US10937413B2 (en) | Techniques for model training for voice features | |
Ondáš et al. | How chatbots can be involved in the education process | |
CN111833853B (zh) | 语音处理方法及装置、电子设备、计算机可读存储介质 | |
Tracy-Ventura et al. | The future of corpora in SLA | |
Griol et al. | An architecture to develop multimodal educative applications with chatbots | |
CN105632251A (zh) | 具有语音功能的3d虚拟教师系统及其方法 | |
CN109801527B (zh) | 用于输出信息的方法和装置 | |
Sherwani et al. | Orality-grounded HCID: Understanding the oral user | |
CN110600033A (zh) | 学习情况的评估方法、装置、存储介质及电子设备 | |
CN110647613A (zh) | 一种课件构建方法、装置、服务器和存储介质 | |
Ismail et al. | Review of personalized language learning systems | |
Shan et al. | Research on classroom online teaching model of “learning” wisdom music on wireless network under the background of artificial intelligence | |
Bhatia | Using transfer learning, spectrogram audio classification, and MIT app inventor to facilitate machine learning understanding | |
CN114333787A (zh) | 口语考试的评分方法、装置、设备、存储介质及程序产品 | |
Chen | Design of piano intelligent teaching system based on neural network algorithm | |
Cui et al. | Evaluation System of Mobile English Learning Platform by Using Deep Learning Algorithm | |
KR101344655B1 (ko) | 훈련일지를 이용한 소리영어 학습방법 | |
CN115116474A (zh) | 口语评分模型训练方法、评分方法、装置及电子设备 | |
He et al. | Improving the quality of online learning: A study on teacher-student interaction based on network multi-modal data analysis | |
Nakatsuhara et al. | Use of innovative technology in oral language assessment | |
CN113409768A (zh) | 发音检测方法、装置及计算机可读介质 | |
WO2020068858A1 (en) | Technicquest for language model training for a reference language | |
CN109885647A (zh) | 用户履历验证方法、装置、电子设备及存储介质 | |
Zhao et al. | Evaluation model of English continuous pronunciation teaching quality based on cloud computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170905 |