CN108874935B - 一种基于语音搜索的复习内容推荐方法及电子设备 - Google Patents
一种基于语音搜索的复习内容推荐方法及电子设备 Download PDFInfo
- Publication number
- CN108874935B CN108874935B CN201810554557.8A CN201810554557A CN108874935B CN 108874935 B CN108874935 B CN 108874935B CN 201810554557 A CN201810554557 A CN 201810554557A CN 108874935 B CN108874935 B CN 108874935B
- Authority
- CN
- China
- Prior art keywords
- content
- review
- target
- learning content
- target learning
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
Abstract
一种基于语音搜索的复习内容推荐方法及电子设备,该方法包括:从获取到的语音问题中识别出目标学习内容;确定目标学习内容的目标属性,目标属性包括第一权值或者第二权值,第一权值用于表征目标学习内容被识别为有意义内容的概率,第二权值用于表征目标学习内容的信息量。电子设备根据不同的目标属性生成不同的复习计划,并按照复习计划中的时间节点推荐相应的目标复习内容。其中,时间节点在复习周期内的分布根据艾宾浩斯遗忘曲线设置;复习计划中的推荐次数根据目标学习内容的目标属性设置,从而能够根据人脑对信息的记忆规律自动推荐与语音输入的问题相关的复习内容,以提高学习效率。
Description
技术领域
本发明涉及电子设备技术领域,具体涉及一种基于语音搜索的复习内容推荐方法及电子设备。
背景技术
目前,部分家教机、学生平板等电子设备配置了语音搜索的功能。这些功能类似于美国苹果公司推出的智能语音控制功能Siri,能够识别孩子口头提出的问题,并查找出相应的答案,从而为孩子答疑解惑,对孩子进行学习辅导。然而,在实践中发现,孩子在学习新知识时的遗忘率较高,而对于通过语音输入的问题,虽然电子设备能够返回相应的答案,但是由于缺少书写过程中的记忆加强,孩子更加容易遗忘相应的知识点,从而导致学习效率不高。因此,亟需研发一种针对语音搜索的学习方法。
发明内容
本发明实施例公开一种基于语音搜索的复习内容推荐方法及设备,能够根据人脑对信息的记忆规律自动推荐与语音输入的问题相关的复习内容,从而提高学习效率。
本发明实施例第一方面公开一种基于语音搜索的复习内容推荐方法,所述方法包括:
获取输入的语音问题并从所述语音问题中识别出目标学习内容;
确定容目标学习内容的目标属性,所述目标属性包括第一权值或者第二权值,所述第一权值用于表征所述目标学习内容被识别为有意义内容的概率,所述第二权值用于表征所述目标学习内容的信息量;
根据所述目标学习内容的目标属性生成所述目标学习内容的复习计划,所述复习计划包括所述目标学习内容对应的复习内容在一个复习周期内的被推荐的推荐次数、以及每次推荐的时间节点;
如果当前时间为所述目标学习内容的复习计划中的时间节点,输出与所述目标学习内容对应的目标复习内容;
其中,所述时间节点在所述复习周期内的分布根据艾宾浩斯遗忘曲线设置;所述推荐次数按照以下条件设置:所述目标学习内容的所述第一权值越大,所述推荐次数的数值越小;或者,所述目标学习内容的所述第二权值越大,所述推荐次数的数值越大。
作为一种可选的实施方式,在本发明实施例第一方面中,所述根据所述目标学习内容的目标属性生成所述目标学习内容的复习计划,包括:
判断所述第一权值是否高于第一指定阈值或者低于第二指定阈值;
如果所述第一权值高于所述第一指定阈值或者低于所述第二指定阈值,根据所述第一权值生成所述目标学习内容的复习计划;
如果所述第一权值不高于所述第一指定阈值并且不低于所述第二指定阈值,根据所述第二权值生成所述目标学习内容的复习计划。
作为一种可选的实施方式,在本发明实施例第一方面中,在判断出所述当前时间为所述时间节点之后,以及在所述输出与所述目标学习内容对应的复习内容之前,所述方法还包括:
判断所述目标学习内容是否与预先存储的已知内容相关联;
如果所述目标学习内容未与所述已知内容相关联,获取与所述目标学习内容对应的复习材料作为所述目标复习内容;
如果所述目标学习内容与所述已知内容相关联,获取所述复习材料以及所述已知内容作为所述目标复习内容。
作为一种可选的实施方式,在本发明实施例第一方面中,在所述输出与所述目标学习内容对应的目标复习内容之后,所述方法还包括:
输出与所述目标学习内容对应的练习题并获取输入的所述练习题的答案;
根据所述练习题的答案计算所述练习题的错题率,并根据所述错题率调整所述目标学习内容的复习计划。
作为一种可选的实施方式,在本发明实施例第一方面中,所述根据所述错题率调整所述目标学习内容的复习计划,包括:
判断所述错题率是否高于第三指定阈值;
如果所述错题率高于所述第三指定阈值,增加所述复习计划中的所述推荐次数;
如果所述错题率不高于所述第三指定阈值,减少所述复习计划中的所述推荐次数。
本发明实施例第二方面公开一种电子设备,包括:识别单元,用于获取输入的语音问题并从所述语音问题中识别出目标学习内容;
确定单元,用于确定所述目标学习内容的目标属性,所述目标属性包括第一权值或者第二权值,所述第一权值用于表征所述目标学习内容被识别为有意义的概率,所述第二权值用于表征所述目标学习内容的信息量;
生成单元,用于根据所述目标学习内容的目标属性生成所述目标学习内容的复习计划,所述复习计划包括所述目标学习内容对应的复习内容在一个复习周期内的被推荐的推荐次数、以及每次推荐的时间节点;
输出单元,用于在当前时间为所述目标学习内容的复习计划中的时间节点时,输出与所述目标学习内容对应的目标复习内容;
其中,所述时间节点在所述复习周期内的分布根据艾宾浩斯遗忘曲线设置;所述推荐次数按照以下条件设置:所述目标学习内容的所述第一权值越大,所述推荐次数的数值越小;或者,所述目标学习内容的所述第二权值越大,所述推荐次数的数值越大。
作为一种可选的实施方式,在本发明实施例第二方面中,所述生成单元,包括:
第一判断子单元,用于判断所述第一权值是否高于第一指定阈值或者低于第二指定阈值;
生成子单元,用于在所述第一判断子单元判断出所述第一权值高于所述第一指定阈值或者判断出所述第一权值低于所述第二指定阈值时,根据所述第一权值生成所述目标学习内容的复习计划;或者,在所述第一权值不高于所述第一指定阈值并且不低于所述第二指定阈值,根据所述第二权值生成所述目标学习内容的复习计划。
作为一种可选的实施方式,在本发明实施例第二方面中,还包括:第一判断单元,用于在所述输出单元判断出当前时间为所述目标学习内容的复习计划中的时间节点之后,以及所述输出单元输出与所述目标学习内容对应的目标复习内容之前,判断所述目标学习内容是否与预先存储的已知内容相关联;
内容获取单元,用于在所述第一判断单元判断出所述目标学习内容未与所述已知内容相关联时,获取与所述目标学习内容对应的复习材料作为所述目标复习内容;或者,在所述第一判断单元判断出所述目标学习内容与所述已知内容相关联时,获取所述复习材料以及所述已知内容作为所述目标复习内容。
作为一种可选的实施方式,在本发明实施例第二方面中,所述输出单元,还用于在所述输出与所述目标学习内容对应的目标复习内容之后,输出与所述目标学习内容对应的练习题;
以及,在本发明实施例第二方面中还包括:
计算单元,用于获取输入的所述练习题的答案,并根据所述练习题的答案计算所述练习题的错题率;
调整单元,用于根据所述错题率调整所述目标学习内容的复习计划。
作为一种可选的实施方式,在本发明实施例第二方面中,所述调整单元,包括:
第二判断子单元,用于判断所述错题率是否高于第三指定阈值;
调整子单元,用于在所述第二判断子单元判断出所述错题率高于所述第三指定阈值时,增加所述复习计划中的所述推荐次数;或者,在所述第二判断子单元判断出所述错题率不高于所述第三指定阈值时,减少所述复习计划中的所述推荐次数。
本发明实施例第三方面公开一种电子设备,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的任一项方法。
本发明第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的任一项方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明实施例第一方面公开的任一项方法。
与现有技术相比,本发明实施例具有以下有益效果:
电子设备从用户输入的语音问题中识别出目标学习内容之后,确定目标学习内容的目标属性,目标属性包括第一权值或者第二权值,第一权值用于表征目标学习内容被识别为有意义内容的概率,第二权值用于表征目标学习内容的信息量。在识别出目标属性之后,电子设备根据不同的目标属性生成不同的复习计划,并按照复习计划中的时间节点推荐相应的复习内容。其中,复习计划中复习内容的推荐次数根据目标学习内容的目标属性设置,每次推荐的时间节点根据艾宾浩斯遗忘曲线设置,从而使得生成的复习计划与人脑对信息的记忆规律相匹配,提高知识巩固的效果,进而提高用户使用该电子设备辅助学习时的学习效率。
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是本发明实施例公开的一种基于语音搜索的复习内容推荐方法的流程示意图;
图2是本发明实施例公开的另一种基于语音搜索的复习内容推荐方法的流程示意图;
图3是本发明实施例公开的另一种基于语音搜索的复习内容推荐方法的流程示意图;
图4是本发明实施例公开的一种电子设备的结构示意图;
图5是本发明实施例公开的另一种电子设备的结构示意图;
图6是本发明实施例公开的另一种电子设备的结构示意图;
图7是本发明实施例公开的另一种电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
需要说明的是,本发明实施例及附图中的术语“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。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种基于语音搜索的复习内容推荐方法及设备,能够根据人脑对信息的记忆规律自动推荐与语音输入的问题相关的复习内容,从而提高学习效率。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于语音搜索的复习内容推荐方法的流程示意图。其中,图1所描述的应用使用管理方法适用于、家教机、手机、平板电脑等电子设备,本发明实施例不做限定。其中,上述的电子设备的操作系统可包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、Black Berry(黑莓)操作系统、WindowsPhone8操作系统等等,本发明实施例不做限定。如图1所示,该基于语音搜索的复习内容推荐方法可以包括以下步骤:
101、电子设备获取输入的语音问题并从语音问题中识别出目标学习内容。
本发明实施例中,电子设备可以通过自身的麦克风接收用户输入的语音问题,并在电子设备本地或者将语音问题上传至云端进行语音识别和/或语义识别,以从语音问题中识别出目标学习内容,本发明实施例不做限定。举例来说,如果用户输入的语音问题为“‘谷’字的读音”,那么目标学习内容为“‘谷’字的读音为gǔ”。此外,电子设备从语音问题中识别出目标学习内容时,可以采用模糊搜索的策略,本发明实施例不做限定。比如语音问题“‘谷’字的读音”和语音问题“‘谷’字怎么读”都可以指向相同的目标学习内容“‘谷’字的读音为gǔ”。
102、电子设备确定目标学习内容的目标属性。
本发明实施例中,目标属性包括第一权值或者第二权值,第一权值用于表征目标学习内容被识别为有意义内容的概率,第二权值用于表征目标学习内容的信息量。
其中,有意义内容指具有实际含义,容易产生联想的内容。比如目标学习内容“某个成语的意思”可以被划分为有意义内容,相对的,“某个字的读音”、“某个字的笔顺”、“九九乘法表”可以被划分为无意义内容。
可选的,第一权值可以采用以下方法计算:
设计用于文本意义分类的神经网络,该神经网络的输入为待分类的文本,输出为该文本被划分为有意义内容的概率,并利用已完成分类标注的训练数据对该神经网络进行训练;其中,训练数据可以通过人工标注,比如人为地将“唐诗《静夜思》”划分为有意义内容,将“九九乘法表”划分为无意义内容;当该神经网络训练完成之后,将识别出的目标学习内容作为神经网络的输入,获取相应的输出结果作为该目标学习内容的第一权值。
此外,作为一种可选的实施方式,第二权值可以根据目标学习内容的字数进行计算。具体的,可以预先设置字数标准值(如500字),电子设备可以识别目标学习内容的字数,并计算目标学习内容的字数与字数标准值的比重作为定第二权值。举例来说,假设目标学习内容为古诗(七言绝句,28字),那么该古诗的第二权值可以为28/500=0.056;假设目标学习内容为散文片段(300字),那么该散文片段的第二权值可以为300/500=0.6。需要说明的是,本发明实施例中,目标学习内容的信息量还可以通过目标学习内容的分词词性等特征进行计算,本发明实施例不做限定。
作为一种可选的实施方式,在本发明实施例中,电子设备执行步骤102的方式具体可以为:
电子设备计算目标学习内容的第一权值,并判断该第一权值是否高于第一指定阈值或者低于第二指定阈值;
如果第一权值高于第一指定阈值或者低于第二指定阈值,将目标属性设置为包括第一权值;
如果第一权值不高于第一指定阈值并且不低于第二指定阈值,计算目标学习内容的第二权值,将目标属性设置为包括第二权值。
在上述的实施方式中,第一指定阈值为目标学习内容被识别为有意义内容的临界值,第二指定阈值为目标学习内容被识别为无意义内容的临界值,即第一权值>第一指定阈值或者第一权值<第二指定阈值时,目标学习内容可以被识别为有意义内容或者无意义内容;如果第二指定阈值≤第一权值≤第一指定阈值,那么目标学习内容无法被识别为有意义内容或者无意义内容中的任一种。此时,电子设备计算目标学习内容的第二权值,确定目标学习内容的信息量。文本内容是否有意义对记忆难度的影响大于文本内容的信息量对记忆难度的影响,因此通过该实施方式,电子设备可以优先判断目标学习内容是否有意义,从而提高电子设备生成复习计划时的处理效率。
103、电子设备根据目标学习内容的目标属性生成目标学习内容的复习计划。
本发明实施例中,如果第一权值高于第一指定阈值或者低于第二指定阈值,电子设备根据所述第一权值生成目标学习内容的复习计划;如果第一权值不高于第一指定阈值并且不低于第二指定阈值,电子设备根据第二权值生成目标学习内容的复习计划。
复习计划包括目标学习内容对应的复习内容在一个复习周期内被推荐的推荐次数、以及每次推荐的时间节点;上述的时间节点在一个复习周期内的分布根据艾宾浩斯遗忘曲线设置。具体的,电子设备首先可以根据目标属性设置复习内容的推荐次数,然后根据一个复习周期的时长、该复习周期内的推荐次数和艾宾浩斯遗忘曲线确定每次推荐的时间节点。其中,一个复习周期以用户第一次完成目标学习内容的学习为计时起点,复习周期的时长可以由用户自定义,也可以由电子设备根据预先设置的时间规则自行设定,本发明实施例不做限定。
作为一种可选的实施方式,推荐次数的设置可以参照以下条件:如果电子设备执行步骤102之后将目标属性设置为包括第一权值,那么电子设备执行步骤103根据第一权值生成目标学习内容的复习计划,并且第一权值越大,复习计划中推荐次数的数值越小;如果电子设备执行步骤102之后将目标属性设置为包括第二权值,那么电子设备执行步骤103根据第二权值生成目标学习内容的复习计划,并且第二权值越大,推荐次数的数值越大。
实施上述的实施方式,对于有意义的目标学习内容,由于其记忆难度小于无意义的目标学习内容,因此电子设备推荐复习内容的推荐次数少于无意义的目标学习内容;对于信息量大的目标学习内容,由于其记忆难度较大,因此电子设备推荐复习内容的推荐次数大于信息量小的目标学习内容。
在确定出推荐次数之后,电子设备可以根据该推荐次数确定每次推荐的时间节点。作为一种可选的实施方式,假设根据艾宾浩斯遗忘曲线,在一个时长为N天的复习周期内可以设置M个时间节点,电子设备根据目标属性确定出的推荐次数为K次(K≤M),那么电子设备从上述的M个时间节点中选取出K个时间节点作为最终生成的复习计划中每次推荐的时间节点。举例来说,在一种可能的最佳复习计划中,一个复习周期的时长为15天,每次推荐的时间节点分别为第一次学习之后的5分钟、30分钟、12小时、1天、2天、4天、7天、15天,共推荐8次。假设电子设备根据目标学习内容的目标属性确定出推荐次数为5次,那么一种可能的实施方式为将复习计划中每次推荐的时间节点设置为电子设备第一次输出目标学习内容之后的12小时、1天、2天、4天、7天。
104、如果当前时间为目标学习内容的复习计划中的时间节点,电子设备输出与目标学习内容对应的目标复习内容。
本发明实施例中,电子设备输出目标复习内容的方式可以为:将目标复习内容输出至显示面板显示和/或将目标复习内容输出至扬声器播放和/或将目标复习内容输出至投影装置投影等,本发明实施例不做限定。
可见,在图1所描述的方法中,电子设备可以根据目标学习内容的目标属性生成不同的复习计划,并且按照复习计划中的时间节点自动输出目标复习内容以供用户复习。其中,对于被识别为无意义内容的目标学习内容或者信息量较大的学习内容,其复习计划中的推荐次数较多,使得用户通过多次重复加强对无意义内容或者信息量较大的目标学习内容的记忆。同时,复习计划中每次推荐的时间节点根据艾宾浩斯遗忘曲线设置,从而使得生成的复习计划与人脑对信息的记忆规律相匹配,提高知识巩固的效果,进而提高用户使用该电子设备辅助学习时的学习效率。进一步地,电子设备在确定目标学习内容的目标属性时,优先判断目标学习内容是否有意义,可以电子设备提高生成复习计划时的处理效率。
实施例二
请参阅图2,图2是本发明实施例公开的一种基于语音搜索的复习内容推荐方法的流程示意图。如图2所示,该基于语音搜索的复习内容推荐方法可以包括以下步骤:
201、电子设备获取输入的语音问题并从语音问题中识别出目标学习内容。
202、电子设备确定目标学习内容的目标属性。
本发明实施例中,目标属性包括第一权值或者第二权值,第一权值用于表征目标学习内容被识别为有意义内容的概率,第二权值用于表征目标学习内容的信息量。
203、电子设备根据目标学习内容的目标属性生成目标学习内容的复习计划。
本发明实施例中,复习计划包括目标学习内容对应的复习内容在一个复习周期内被推荐的推荐次数、以及每次推荐的时间节点;其中,时间节点在一个复习周期内的分布根据艾宾浩斯遗忘曲线设置;推荐次数按照以下条件设置:目标学习内容的第一权值越大,推荐次数的数值越小;或者,目标学习内容的第二权值越大,推荐次数的数值越大。
204、如果当前时间为目标学习内容的复习计划中的时间节点,电子设备判断目标学习内容是否与预先存储的已知内容相关联,如果是,执行步骤205,如果否,执行步骤206。
本发明实施例中,电子设备可以通过关键词的匹配程度判断目标学习内容与已知内容是否匹配;举例来说,假设目标学习内容为“‘谷’字的部首”,利用文本关键词提取算法可以识别出该文本的关键词为“‘谷’字”;如果数据库中存储有如“‘谷’字的笔顺”、“‘谷’字的读音”等已知内容,那么这些包含关键词“‘谷’字”的已知内容与目标学习内容相关联。此外,电子设备也可以判断目标学习内容是否为预设的某一科学知识网络的网络节点,如果是,与该知识网络节点邻接的其他网络节点所包含的已知内容可以被识别为与目标学习内容相关联的已知内容。比如说,目标学习内容“九九乘法表”属于数学知识网络中的乘法节点,与之邻接的节点为除法节点,那么预先存储的除法运算规则可以为与“九九乘法表”相关联的已知内容。
205、电子设备获取与目标学习内容对应的复习材料作为目标复习内容。
本发明实施例中,与目标学习内容对应的复习材料可以为以文字、图片或语音等形式展示的目标学习内容。比如说,目标学习内容“九九乘法表”对应的复习材料可以为乘法口诀或者乘法表格,本发明实施例不做限定。
206、电子设备获取上述的复习材料以及上述的已知内容作为目标复习内容。
207、电子设备输出获取到的目标复习内容。
可见,在图2所描述的方法中,电子设备可以根据目标学习内容的目标属性生成不同的复习计划,并且按照复习计划中的时间节点自动输出目标复习内容以供用户复习。并且,在电子设备输出的目标复习内容中,既可以包括与目标学习内容对应的复习材料,也可以包括与目标学习内容相关联的已知内容,从而扩充复习的知识面,使得孩子在利用电子设备进行复习时,可以针对某个知识点做到触类旁通,加深对相关知识点的印象,增强学习的效果。
实施例三
请参阅图3,图3是本发明实施例公开的一种基于语音搜索的复习内容推荐方法的流程示意图。如图3所示,该基于语音搜索的复习内容推荐方法中,步骤301~步骤307与上述的步骤201~步骤207相同,以下内容不再赘述。进一步地,图3所示的基于语音搜索的复习内容推荐方法还包括以下步骤:
308、电子设备输出与目标学习内容对应的练习题并获取输入的练习题答案。
309、电子设备根据练习题的答案计算练习题的错题率,并根据错题率调整目标学习内容的复习计划。
作为一种可选的实施方式,本发明实施例中,电子设备根据错题率调整目标学习内容的复习计划的方式可以为:
电子设备判断计算出的错题率是否高于第三指定阈值;
如果错题率高于第三指定阈值,增加复习计划中的推荐次数;
如果错题率不高于第三指定阈值,减少复习计划中的推荐次数。
在上述的实施方式中,如果电子设备判断出用户的错题率高于第三指定阈值,那么可以认为用户对目标学习内容的遗忘率较高,因此增加复习计划中的推荐次数,加强复习强度;如果判断出错题率低于或等于指定阈值,可以认为用户对目标学习内容的遗忘率较低,学习效果较好,因此减少复习计划中的推荐次数,减轻复习强度。其中,电子设备增加或减少复习计划中的推荐次数的方式可以为保持当前复习周期的时长不变,提高或降低当前复习周期剩余的复习时间内的推荐频率;或者,电子设备保持当前复习周期内的推荐频率不变,延长或缩短当前复习周期的时长,从而增加或减少当前复习周期内的推荐次数。实施上述的实施方式,可以通过练习题测试用户对目标学习内容的实际掌握情况,并且根据用户的掌握程度调整复习的次数,提高复习计划的灵活性。此外,需要说明的是,如果电子设备执行步骤309对目标学习内容的复习计划进行调整,电子设备执行步骤304时的复习计划为调整后的复习计划。
可见,在图3所描述的方法中,电子设备可以自动生成目标学习内容的复习计划,并且按照复习计划中的时间节点推荐目标复习内容。进一步地,在图3所描述的方法中,每次推荐目标复习内容之后,电子设备还可以通过练习题评估用户对目标学习内容的遗忘率,从而根据遗忘率适应性调整复习计划,提高复习计划的灵活性,进一步提高提高用户使用该电子设备辅助学习时的学习效率。
实施例四
请参阅图4,图4是本发明实施例公开的一种电子设备的结构示意图。如图4所示,该电子设备可以包括:
识别单元401,用于获取输入的语音问题并从语音问题中识别出目标学习内容;
确定单元402,用于确定识别单元401识别出的目标学习内容的目标属性;其中,目标属性包括第一权值或者第二权值,第一权值用于表征目标学习内容被识别为有意义的概率,第二权值用于表征目标学习内容的信息量;
生成单元403,用于根据确定单元402确定出的目标学习内容的目标属性生成目标学习内容的复习计划,复习计划中包括目标学习内容对应的复习内容在一个复习周期内的被推荐的推荐次数、以及每次推荐的时间节点;其中,时间节点在复习周期内的分布根据艾宾浩斯遗忘曲线设置;复习计划中的推荐次数按照以下条件设置:目标学习内容的第一权值越大,推荐次数的数值越小;或者,目标学习内容的第二权值越大,推荐次数的数值越大。
输出单元404,用于在当前时间为目标学习内容的复习计划中的时间节点时,输出与目标学习内容对应的目标复习内容;其中,上述的目标学习内容的复习计划由生成单元403生成。
其中,实施图4所示的电子设备,可以根据目标学习内容的目标属性生成不同的复习计划,并且按照复习计划中的时间节点自动输出目标复习内容以供用户复习。其中,对于被识别为无意义内容的目标学习内容或者信息量较大的学习内容,其复习计划中的推荐次数较多,使得用户通过多次重复加强对无意义内容或者信息量较大的目标学习内容的记忆。同时,复习计划中每次推荐的时间节点根据艾宾浩斯遗忘曲线设置,从而使得生成的复习计划与人脑对信息的记忆规律相匹配,提高知识巩固的效果,进而提高用户使用该电子设备辅助学习时的学习效率。
实施例五
请参阅图5,图5是本发明实施例公开的另一种电子设备的结构示意图。其中,图5所示的电子设备是由图4所示的电子设备进行优化得到的。如图5所示,上述的生成单元403,可以包括:
第一判断子单元4031,用于判断确定单元402确定出的第一权值是否高于第一指定阈值或者低于第二指定阈值;
生成子单元4032,用于在第一判断子单元4031判断出第一权值高于第一指定阈值或者判断出第一权值低于第二指定阈值时,根据第一权值生成所述目标学习内容的复习计划;或者,在第一判断子单元4031判断出第一权值不高于第一指定阈值并且不低于第二指定阈值时,根据确定单元402确定出的第二权值生成目标学习内容的复习计划。
此外,作为一种可选的实施方式,图5所示的电子设备还可以包括:
第一判断单元405,用于在输出单元404判断出当前时间为目标学习内容的复习计划中的时间节点之后,以及在输出单元404输出与目标学习内容对应的目标复习内容之前,判断目标学习内容是否与预先存储的已知内容相关联;
内容获取单元406,用于在第一判断单元405判断出目标学习内容未与已知内容相关联时,获取与目标学习内容对应的复习材料作为目标复习内容;或者,在第一判断单元405判断出目标学习内容与已知内容相关联时,获取复习材料以及已知内容作为目标复习内容。其中,内容获取单元406获取到目标复习内容之后,触发输出单元404执行输出目标复习内容的操作。
其中,实施图5所示的电子设备,可以在确定目标学习内容的目标属性时,优先判断目标学习内容是否有意义,以提高生成复习计划时的处理效率。此外,图5所示的电子设备输出的目标复习内容中,既可以包括与目标学习内容对应的复习材料,也可以包括与目标学习内容相关联的已知内容,从而扩充复习的知识面,使得孩子在利用电子设备进行复习时,可以针对某个知识点做到触类旁通,加深对相关知识点的印象,增强学习的效果。
实施例六
请参阅图6,图6是本发明实施例公开的另一种电子设备的结构示意图。其中,图6所示的电子设备是由图5所示的电子设备进行优化得到的。在图6所示的电子设备中:
输出单元404,还用于在输出与目标学习内容对应的目标复习内容之后,输出与目标学习内容对应的练习题;
以及,图6所示的电子设备还可以包括:
计算单元407,用于获取输入的练习题答案,并根据练习题的答案计算练习题的错题率;
调整单元408,用于根据计算单元407计算出的错题率调整目标学习内容的复习计划。其中,如果调整单元408对目标学习内容的复习计划进行过调整,那么输出单元404按照调整单元408调整后的复习计划中的时间节点输出目标复习内容。
具体的,调整单元408可以包括:
第二判断子单元4081,用于判断计算单元407计算出的错题率是否高于第三指定阈值;
调整子单元4082,用于在第二判断子单元4081判断出错题率高于第三指定阈值时,增加复习计划中的推荐次数;或者,在第二判断子单元4082判断出错题率不高于第三指定阈值时,减少复习计划中的推荐次数。
其中,实施图6所示的电子设备,可以自动生成目标学习内容的复习计划,并且按照复习计划中的时间节点推荐目标复习内容,还可以在每次推荐目标复习内容之后,通过练习题评估用户对目标学习内容的遗忘率,从而根据遗忘率适应性调整复习计划,提高复习计划的灵活性,进一步提高提高用户使用该电子设备辅助学习时的学习效率。
实施例七
请参阅图7,图7是本发明实施例公开的另一种电子设备的结构示意图。如图7所示,该电子设备可以包括:
存储有可执行程序代码的存储器701;
与存储器701耦合的处理器702;
麦克风703;
其中,麦克风703用于接收输入的语音问题,具体用于将输入的声音信号转换成音频数据,并将音频数据传输至处理器702,处理器702调用存储器701中存储的可执行程序代码,执行图1~图3任一种基于语音搜索的复习内容推荐方法。
需要说明的是,图7所示的移动终端还可以包括电源、输入按键、摄像头、扬声器、屏幕、RF电路、Wi-Fi模块、蓝牙模块、传感器等未显示的组件,本实施例不作赘述。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行图1~图3任一种基于语音搜索的复习内容推荐方法。
本发明实施例公开一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行图1~图3任一种基于语音搜索的复习内容推荐方法。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种基于语音搜索的复习内容推荐方法及电子设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于语音搜索的复习内容推荐方法,其特征在于,所述方法包括:
获取输入的语音问题并从所述语音问题中识别出目标学习内容;
确定所述目标学习内容的目标属性,所述目标属性包括第一权值,所述第一权值用于表征所述目标学习内容被识别为有意义内容的概率,所述第一权值为已训练的神经网络对所述目标学习内容进行处理后得到的输出结果,所述已训练的神经网络利用分类标注的训练数据进行训练得到,所述分类标注的训练数据包括标注为有意义内容的训练数据和标注为无意义内容的训练数据,有意义内容为具有实际含义,容易产生联想的内容;
根据所述目标学习内容的目标属性生成所述目标学习内容的复习计划,所述复习计划包括所述目标学习内容对应的复习内容在一个复习周期内的被推荐的推荐次数、以及每次推荐的时间节点;
如果当前时间为所述目标学习内容的复习计划中的时间节点,输出与所述目标学习内容对应的目标复习内容;
其中,所述时间节点在所述复习周期内的分布根据艾宾浩斯遗忘曲线设置;所述推荐次数按照以下条件设置:所述目标学习内容的所述第一权值越大,所述推荐次数的数值越小。
2.根据权利要求1所述的基于语音搜索的复习内容推荐方法,其特征在于,所述目标属性还包括:第二权值,所述第二权值用于表征所述目标学习内容的信息量;所述根据所述目标学习内容的目标属性生成所述目标学习内容的复习计划,包括:
判断所述第一权值是否高于第一指定阈值或者低于第二指定阈值;所述第一指定阈值为所述目标学习内容被识别为有意义内容的临界值,所述第二指定阈值为所述目标学习内容被识别为无意义内容的临界值;
如果所述第一权值高于所述第一指定阈值或者低于所述第二指定阈值,根据所述第一权值生成所述目标学习内容的复习计划;
如果所述第一权值不高于所述第一指定阈值并且不低于所述第二指定阈值,根据所述第二权值生成所述目标学习内容的复习计划。
3.根据权利要求1所述的基于语音搜索的复习内容推荐方法,其特征在于,在判断出所述当前时间为所述时间节点之后,以及在所述输出与所述目标学习内容对应的复习内容之前,所述方法还包括:
判断所述目标学习内容是否与预先存储的已知内容相关联;
如果所述目标学习内容未与所述已知内容相关联,获取与所述目标学习内容对应的复习材料作为所述目标复习内容;
如果所述目标学习内容与所述已知内容相关联,获取所述复习材料以及所述已知内容作为所述目标复习内容。
4.根据权利要求1所述的基于语音搜索的复习内容推荐方法,其特征在于,在所述输出与所述目标学习内容对应的目标复习内容之后,所述方法还包括:
输出与所述目标学习内容对应的练习题并获取输入的所述练习题的答案;
根据所述练习题的答案计算所述练习题的错题率,并根据所述错题率调整所述目标学习内容的复习计划。
5.根据权利要求4所述的基于语音搜索的复习内容推荐方法,其特征在于,所述根据所述错题率调整所述目标学习内容的复习计划,包括:
判断所述错题率是否高于第三指定阈值;
如果所述错题率高于所述第三指定阈值,增加所述复习计划中的所述推荐次数;
如果所述错题率不高于所述第三指定阈值,减少所述复习计划中的所述推荐次数。
6.一种电子设备,其特征在于,包括:
识别单元,用于获取输入的语音问题并从所述语音问题中识别出目标学习内容;
确定单元,用于确定所述目标学习内容的目标属性,所述目标属性包括第一权值,所述第一权值用于表征所述目标学习内容被识别为有意义的概率;所述第一权值为已训练的神经网络对所述目标学习内容进行处理后得到的输出结果,所述已训练的神经网络利用分类标注的训练数据进行训练得到,所述分类标注的训练数据包括标注为有意义内容的训练数据和标注为无意义内容的训练数据,有意义内容为具有实际含义,容易产生联想的内容;
生成单元,用于根据所述目标学习内容的目标属性生成所述目标学习内容的复习计划,所述复习计划包括所述目标学习内容对应的复习内容在一个复习周期内的被推荐的推荐次数、以及每次推荐的时间节点;
输出单元,用于在当前时间为所述目标学习内容的复习计划中的时间节点时,输出与所述目标学习内容对应的目标复习内容;
其中,所述时间节点在所述复习周期内的分布根据艾宾浩斯遗忘曲线设置;所述推荐次数按照以下条件设置:所述目标学习内容的所述第一权值越大,所述推荐次数的数值越小。
7.根据权利要求6所述的电子设备,其特征在于,所述目标属性还包括:第二权值,所述第二权值用于表征所述目标学习内容的信息量;所述生成单元,包括:
第一判断子单元,用于判断所述第一权值是否高于第一指定阈值或者低于第二指定阈值;所述第一指定阈值为所述目标学习内容被识别为有意义内容的临界值,所述第二指定阈值为所述目标学习内容被识别为无意义内容的临界值;
生成子单元,用于在所述第一判断子单元判断出所述第一权值高于所述第一指定阈值或者判断出所述第一权值低于所述第二指定阈值时,根据所述第一权值生成所述目标学习内容的复习计划;或者,在所述第一权值不高于所述第一指定阈值并且不低于所述第二指定阈值,根据所述第二权值生成所述目标学习内容的复习计划。
8.根据权利要求6所述的电子设备,其特征在于,所述电子设备还包括:
第一判断单元,用于在所述输出单元判断出当前时间为所述目标学习内容的复习计划中的时间节点之后,以及所述输出单元输出与所述目标学习内容对应的目标复习内容之前,判断所述目标学习内容是否与预先存储的已知内容相关联;
内容获取单元,用于在所述第一判断单元判断出所述目标学习内容未与所述已知内容相关联时,获取与所述目标学习内容对应的复习材料作为所述目标复习内容;或者,在所述第一判断单元判断出所述目标学习内容与所述已知内容相关联时,获取所述复习材料以及所述已知内容作为所述目标复习内容。
9.根据权利要求6所述的电子设备,其特征在于:
所述输出单元,还用于在所述输出与所述目标学习内容对应的目标复习内容之后,输出与所述目标学习内容对应的练习题;
以及,所述电子设备还包括:
计算单元,用于获取输入的所述练习题的答案,并根据所述练习题的答案计算所述练习题的错题率;
调整单元,用于根据所述错题率调整所述目标学习内容的复习计划。
10.根据权利要求9所述的电子设备,其特征在于,所述调整单元,包括:
第二判断子单元,用于判断所述错题率是否高于第三指定阈值;
调整子单元,用于在所述第二判断子单元判断出所述错题率高于所述第三指定阈值时,增加所述复习计划中的所述推荐次数;或者,在所述第二判断子单元判断出所述错题率不高于所述第三指定阈值时,减少所述复习计划中的所述推荐次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810554557.8A CN108874935B (zh) | 2018-06-01 | 2018-06-01 | 一种基于语音搜索的复习内容推荐方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810554557.8A CN108874935B (zh) | 2018-06-01 | 2018-06-01 | 一种基于语音搜索的复习内容推荐方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108874935A CN108874935A (zh) | 2018-11-23 |
CN108874935B true CN108874935B (zh) | 2021-03-30 |
Family
ID=64335166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810554557.8A Active CN108874935B (zh) | 2018-06-01 | 2018-06-01 | 一种基于语音搜索的复习内容推荐方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108874935B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615009B (zh) * | 2018-12-12 | 2021-03-12 | 广东小天才科技有限公司 | 一种学习内容推荐方法及电子设备 |
CN111489602A (zh) * | 2019-01-29 | 2020-08-04 | 北京新唐思创教育科技有限公司 | 一种用于教学系统的题目推荐方法、装置和终端 |
CN111026889A (zh) * | 2019-02-18 | 2020-04-17 | 广东小天才科技有限公司 | 一种学习内容搜索方法及学习设备 |
CN110188277B (zh) * | 2019-05-31 | 2021-06-25 | 苏州百智通信息技术有限公司 | 一种资源的推荐方法及装置 |
CN110390935B (zh) * | 2019-07-15 | 2021-12-31 | 百度在线网络技术(北京)有限公司 | 语音交互方法和装置 |
CN112017497A (zh) * | 2020-07-15 | 2020-12-01 | 李帮军 | 一种基于选择题编辑器的辅助复习系统 |
CN114998068A (zh) * | 2022-05-19 | 2022-09-02 | 海信集团控股股份有限公司 | 学习计划的生成方法及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102662973A (zh) * | 2012-03-12 | 2012-09-12 | 浙江大学 | 机械产品设计文档的推荐系统及方法 |
CN103021217A (zh) * | 2011-09-20 | 2013-04-03 | 虞思华 | 一种交互式学习系统 |
CN103236194A (zh) * | 2013-04-18 | 2013-08-07 | 王延平 | 一种利用智能操作系统的提醒和推送功能的辅助学习方法 |
CN105374244A (zh) * | 2015-12-10 | 2016-03-02 | 广东小天才科技有限公司 | 一种基于错题分析的学习方法和系统 |
CN106384319A (zh) * | 2016-09-20 | 2017-02-08 | 四川教云网络科技有限公司 | 一种基于遗忘曲线的教学资源个性化推荐方法 |
CN106447286A (zh) * | 2016-09-12 | 2017-02-22 | 深圳Tcl新技术有限公司 | 基于日历应用的复习提醒方法及日历应用系统 |
CN107003802A (zh) * | 2014-09-24 | 2017-08-01 | 三星电子株式会社 | 输出内容的方法和设备以及执行该方法的记录介质 |
CN108090855A (zh) * | 2017-12-20 | 2018-05-29 | 维沃移动通信有限公司 | 一种学习计划推荐方法及移动终端 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7986935B1 (en) * | 2007-10-26 | 2011-07-26 | Sprint Communications Company L.P. | Service plan optimizer |
CN103531046A (zh) * | 2013-10-29 | 2014-01-22 | 广东小天才科技有限公司 | 一种基于学习产品使用数据的学习监控方法和装置 |
US9710546B2 (en) * | 2014-03-28 | 2017-07-18 | Microsoft Technology Licensing, Llc | Explicit signals personalized search |
CN104102713B (zh) * | 2014-07-16 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 推荐结果的展现方法和装置 |
US20160232799A1 (en) * | 2015-02-09 | 2016-08-11 | Carnegie Learning, Inc. | Recommendation of an adjustment to a learning plan of an academic course |
CN105761567B (zh) * | 2016-05-04 | 2018-09-21 | 北京新唐思创教育科技有限公司 | 动态推荐习题的方法和装置 |
CN107819810A (zh) * | 2016-09-14 | 2018-03-20 | 北京新唐思创教育科技有限公司 | 自适应计划制定系统 |
CN106776743A (zh) * | 2016-11-18 | 2017-05-31 | 广东小天才科技有限公司 | 一种搜索内容的提示方法及装置 |
CN107483983A (zh) * | 2017-07-20 | 2017-12-15 | 广东小天才科技有限公司 | 学习辅导视频的推荐方法、装置、服务器及存储介质 |
-
2018
- 2018-06-01 CN CN201810554557.8A patent/CN108874935B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103021217A (zh) * | 2011-09-20 | 2013-04-03 | 虞思华 | 一种交互式学习系统 |
CN102662973A (zh) * | 2012-03-12 | 2012-09-12 | 浙江大学 | 机械产品设计文档的推荐系统及方法 |
CN103236194A (zh) * | 2013-04-18 | 2013-08-07 | 王延平 | 一种利用智能操作系统的提醒和推送功能的辅助学习方法 |
CN107003802A (zh) * | 2014-09-24 | 2017-08-01 | 三星电子株式会社 | 输出内容的方法和设备以及执行该方法的记录介质 |
CN105374244A (zh) * | 2015-12-10 | 2016-03-02 | 广东小天才科技有限公司 | 一种基于错题分析的学习方法和系统 |
CN106447286A (zh) * | 2016-09-12 | 2017-02-22 | 深圳Tcl新技术有限公司 | 基于日历应用的复习提醒方法及日历应用系统 |
CN106384319A (zh) * | 2016-09-20 | 2017-02-08 | 四川教云网络科技有限公司 | 一种基于遗忘曲线的教学资源个性化推荐方法 |
CN108090855A (zh) * | 2017-12-20 | 2018-05-29 | 维沃移动通信有限公司 | 一种学习计划推荐方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN108874935A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108874935B (zh) | 一种基于语音搜索的复习内容推荐方法及电子设备 | |
US10217464B2 (en) | Vocabulary generation system | |
CN111833853B (zh) | 语音处理方法及装置、电子设备、计算机可读存储介质 | |
CN111710337B (zh) | 语音数据的处理方法、装置、计算机可读介质及电子设备 | |
US20200051451A1 (en) | Short answer grade prediction | |
CN112989822B (zh) | 识别对话中句子类别的方法、装置、电子设备和存储介质 | |
US20180350253A1 (en) | Big data based language learning device and method for learning language using the same | |
CN112632242A (zh) | 智能对话方法及装置、电子设备 | |
CN108255962A (zh) | 知识点关联方法、装置、存储介质和电子设备 | |
CN114818729A (zh) | 一种训练语义识别模型、查找语句的方法、装置及介质 | |
Khanna et al. | Anatomy and utilities of an artificial intelligence conversational entity | |
CN116796857A (zh) | 一种llm模型训练方法、装置、设备及其存储介质 | |
CN111459448A (zh) | 一种辅助阅读的方法、装置、存储介质及电子设备 | |
US11216497B2 (en) | Method for processing language information and electronic device therefor | |
CN112786028A (zh) | 声学模型处理方法、装置、设备和可读存储介质 | |
CN112632400A (zh) | 师生匹配模型训练及匹配方法、装置、设备及存储介质 | |
CN110610697B (zh) | 一种语音识别方法及装置 | |
KR102619562B1 (ko) | 잠금화면을 이용한 외국어 학습 리워드 서비스 제공 시스템 | |
CN112185348B (zh) | 多语种语音识别方法、装置及电子设备 | |
Walther et al. | Towards a conversational expert system for rhetorical and vocal quality assessment in call center talks. | |
US11935425B2 (en) | Electronic device, pronunciation learning method, server apparatus, pronunciation learning processing system, and storage medium | |
KR102526005B1 (ko) | 일상 과업 수행 지원을 위한 플로우 차트 결정 방법 및 장치 | |
CN108804627B (zh) | 信息获取方法及装置 | |
US20230215441A1 (en) | Providing prompts in speech recognition results in real time | |
CN114417819A (zh) | 数据召回方法、装置、存储介质及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |