CN109376358B - 一种借用历史拼读经验的单词学习方法、装置和电子设备 - Google Patents
一种借用历史拼读经验的单词学习方法、装置和电子设备 Download PDFInfo
- Publication number
- CN109376358B CN109376358B CN201811253309.6A CN201811253309A CN109376358B CN 109376358 B CN109376358 B CN 109376358B CN 201811253309 A CN201811253309 A CN 201811253309A CN 109376358 B CN109376358 B CN 109376358B
- Authority
- CN
- China
- Prior art keywords
- spelling
- partition
- word
- combination
- reading
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005192 partition Methods 0.000 claims abstract description 371
- 238000012216 screening Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 9
- 238000012935 Averaging Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 3
- 230000035508 accumulation Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/06—Foreign languages
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例涉及一种借用历史拼读经验的单词学习方法、装置和电子设备,所述方法包括：获取目标单词的至少一个拼读分区组合，所述拼读分区组合包括至少一个拼读分区；基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。本发明实施例通过获取目标单词的至少一个拼读分区组合，并基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。在学习者学习陌生单词时，能提供包括正确历史拼读经验的分区拼读提示，避免学习者错误地借用历史拼读记忆。
Description
技术领域
本发明实施例涉及电子辅助教学技术领域，特别是涉及一种借用历史拼读经验的单词学习方法、装置和电子设备。
背景技术
在“字母拼写性文字”体系中，能依靠直观方式观察单词本身的字母串写序列，并把其中所代表的个别发音组成音节发音，再合并成单词整体的读音。这种认读的过程称为“自然拼读”。
“自然拼读”直接从字母串拼读，在很多国家语言文字中存在发音不确定性的缺点。因为“自然拼读”中每个单词的字母、字节在不同前后字母串的组合情况下，可以有超过一种的发音。由于发音的不确定性，学习者容易将历史拼读记忆错误地运用到陌生单词的发音中。由于外语自然拼读学习者缺乏以该语言为母语的环境优势，所述错误借用关联拼读记忆的现象在这类学习者中尤其严重和普遍。例如：“different”和“rent”都包含相同的字母串“rent”，但字母串“rent”在这两个单词中发音不同，在单词“rent”中的发音为/rent/，在“different”中的发音为
当学习者遇到陌生单词“different”时，容易借用自己熟悉的单词“rent”的读音，照搬到“different”中去，从而造成错误的发音。
发明内容
本发明实施方式主要解决的技术问题是提供一种借用历史拼读经验的单词学习方法、装置和电子设备，在学习者学习陌生单词时，能提供包括正确历史拼读经验的分区拼读提示，避免学习者错误地借用历史拼读记忆。
为解决上述技术问题，第一方面，本发明实施例提供了一种借用历史拼读经验的单词学习方法，所述方法包括：
获取目标单词的至少一个拼读分区组合，所述拼读分区组合包括至少一个拼读分区；
基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。
第二方面，本发明实施例还提供了一种借用历史拼读经验的单词学习装置，所述装置包括：
拼读分区组合获取模块，用于获取目标单词的至少一个拼读分区组合，所述拼读分区组合包括至少一个拼读分区；
拼读结果获取模块，用于基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。
第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。
第四方面，本发明实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被电子设备执行时，使所述电子设备执行上述的方法。
本发明实施例通过获取目标单词的至少一个拼读分区组合，并基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。在学习者学习陌生单词时，能提供包括正确历史拼读经验的分区拼读提示，避免学习者错误地借用历史拼读记忆。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述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是本发明借用历史拼读经验的单词学习方法和装置的应用场景示意图；
图2是本发明借用历史拼读经验的单词学习方法的一个实施例的流程图；
图3是本发明借用历史拼读经验的单词学习装置的一个实施例的结构示意图；
图4是本发明借用历史拼读经验的单词学习装置的一个实施例的结构示意图；
图5是本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
本发明实施例提供的借用历史拼读经验的单词学习方法和装置适用于图1所示的应用场景。在图1所示的应用场景中，包括用户10和电子设备20。其中，电子设备20例如学习机、智能手机、个人电脑、平板电脑、机器人、可穿带智能设备、云端服务器等。用户10可以利用电子设备20进行属于字母拼写性外语的学习。
在“字母拼写性文字”体系中，“自然拼读”方法由于可以避免记忆发音代码(“发音代码”是指能够表征某种发音的代码，例如音标串或者其他与相关发音对应的特定代码)，所以得到了广泛的应用。然而“自然拼读”中每个单词的字母、字节在不同前后字母串的组合情况下，可以有超过一种的发音。用户10在利用“自然拼读”法学习时，由于发音的不确定性，用户10容易将历史拼读记忆错误地运用到陌生单词的发音中。例如：“different”和“rent”都包含相同的字母串“rent”，用户10遇到陌生单词“different”时，容易借用自己熟悉的单词“rent”的读音，照搬到“different”中去，从而造成错误的发音。
用户10在利用电子设备20学习外语时，如果电子设备20能向用户10提示其学习的陌生单词(下称目标单词)的正确历史拼读记忆，则可以有效的避免用户10错误地借用历史拼读记忆。还以上例为例说明，假设用户10学习过单词“difficult”和“reference”，当用户10学习到目标单词“different”时，电子设备20如果能对“different”进行拼读分区，例如分成“dif-feren-t”，并示出各个拼读分区关联的历史拼读单词(即该用户学习过的与该拼读分区关联的单词)，则能很好的避免用户10借用错误的历史记忆。例如，电子设备20可以向用户10提示如下：“different”的拼读方法是：第一个音区是“difficult”里的“dif”，第二个音区是“reference”里的“feren”，然后加尾音“t”。
由于每个单词可能具有多种分区方法，每个分区可能关联多个历史拼读单词。在一些实施例中，电子设备20可以向用户提示目标单词的各种可能性拼读分区组合中的拼读分区，以及每个拼读分区的各个关联历史拼读单词。在另一些实施例中，为了更有针对性、并使提示结果简单明了，电子设备20可以根据预设的筛选规则从多个拼读分区和多个关联历史拼读单词中选出优选的拼读分区及其关联历史拼读单词，并根据优选的拼读分区及其关联历史拼读单词对用户10进行提示。
其中，所述“字母拼写性文字”例如：英语、德语、法语、希腊语、意大利语、葡萄牙语等。从而，在本发明实施例中，所述“目标单词”可以是上述任意一种语言的单词。为了方便解释说明本发明的发明构思，在本发明实施例中，主要以所述目标单词为英式或美式英语单词为例进行详细说明。
图2为本发明实施例提供的借用历史拼读经验的单词学习方法的流程示意图，所述方法可由图1中的电子设备20执行，如图2所示，所述方法包括：
101：获取目标单词的至少一个拼读分区组合，所述拼读分区组合包括至少一个拼读分区。
其中，拼读分区组合代表一种单词分割拼读分区的方式，拼读分区组合由若干个拼读分区组成，每一个拼读分区例如可以为一串字母串、一串发音代码，或者一组对应的字母串和发音代码。例如单词different可以包括拼读分区组合
等，其中，
t/t/、fe/f/和
为拼读分区。
其中，获得目标单词的至少一个拼读分区组合，可以预先在电子设备20的数据库中设置单词可能拼读分区组合子库，所述单词可能拼读分区组合子库存储多个单词以及每个单词对应的各个可能拼读分区组合(在另一些实施例中，数据库也可以设在其他服务器上，电子设备20通过网络访问其他服务器的数据库)。通过在所述单词可能拼读分区组合子库中针对目标单词进行查找，即可获得目标单词的各可能拼读分区组合。所述单词可能拼读分区组合子库中存储有多个单词，每个单词对应的若干种可能性分区组合，每一种所述可能性分区组合中包括的若干个拼读分区。在其中一些实施例中，单词可能性分区组合子库中还可以存储每个单词的拼读分区对应的关联单词和/或关联拼读分区，以及每一个拼读分区对应的结构性发音正确概率。请参照表1，表1示例性的示出了单词可能拼读分区组合子库中，每个单词数据存储的其中一种结构形式。
其中，结构性发音正确概率表征在包括该拼读分区对应的字母串的各个单词中，以该拼读分区对应的发音代码进行发音的单词的比率。例如，拼读分区
的字母串“dif”在各包含“dif”的单词中都发
音，则拼读分区
的结构性发音正确概率为100％。而拼读分区
的字母串“ferent”在绝大多数包含“ferent”的单词中都发
音，可以通过计算包含字母串“ferent”且发
音的单词占包含字母串“ferent”的单词的比例、来获得拼读分区
的结构性发音正确概率为99.88％(此处“ferent”的发音以牛津字典的注释举例说明，当本发明实施例的方法在其他国家或地区应用时，可以根据实际应用情况对所述拼读分区的结构性发音正确概率进行计算)。
拼读分区对应的关联单词是指包括该拼读分区的单词，即该关联单词既包括该拼读分区对应的字母串、且该字母串在该关联单词中的发音与拼读分区对应的发音代码一致。拼读分区对应的关联拼读分区，即包括该拼读分区的拼读分区。上述的各单词对应的拼读分区组合、拼读分区、结构性发音正确概率以及关联单词等均可以在单词可能拼读分区组合子库中预先设置。
表1
注1：在本实施例中使用的是英式标准(British Received PronunciationAccent)，所以单词的结尾字母尾音是基本上没变化的。
以上只是列举了获得目标单词的各可能拼读分区组合的一种方法，在另一些实施例中，也可以不预先建立单词可能拼读分区组合子库，而通过预先设置的拼读分区数据子库来获得目标单词的各可能拼读分区组合。
表2
拼读分区数据子库中预先存储多个拼读分区，请参照表2，表2示例性示出了拼读分区数据子库存储的拼读分区的一种数据结构形式。由于不同的拼读分区有可能具有相同的字母串，为了方便区分，也为了方便记录和查询，可以为每一个拼读分区配置唯一的拼读代号，例如，表2中拼读代号P1A代表拼读分区
拼读代号P1B代表if和
拼读代号可以表征字母串和发音代码之间的对应关系。在其中一些实施例中，拼读分区数据子库中还可以存储每个拼读分区对应的关联单词和/或关联拼读分区，以及结构性发音正确概率等。从而，根据该拼读分区数据子库，可以得到拼读分区(拼读代号)、字母串、发音代码和包含该拼读分区的单词之间的对应关系。
具体的，基于拼读分区数据子库获取目标单词的各可能拼读分区组合，可以通过查找拼读分区数据子库中与目标单词相关联的各拼读分区，然后对该各拼读分区进行组合来获得所述目标单词的各可能拼读分区组合。仍以“different”为例，先基于拼读分区数据子库(请参照表2)查找出关联单词为different的各拼读分区(例如
等)，然后对各拼读分区进行组合(组合条件为各拼读分区组合后拼成的字母串和发音代码须为different和对应的整体单词发音代码
)。其中，对于拼读分区组合中的相邻拼读分区，如果前一个拼读分区末尾的发音代码与后一个拼读分区的首个发音代码相同，则只提供其中一个发音代码即可。
例如，对于拼读分区组合
中，由于拼读分区
中的最后一个字母r和拼读分区rent
中的第一个字母r为共享音素，该共享音素只提供一个r，则该两个拼读分区组合后拼成的字母串仍为different。拼读分区组合
可以作为different的一个可能拼读分区组合。
在本发明的另一些实施例中，还可以先获取目标单词的最佳拼读分区组合，然后对所述最佳拼读分区组合中的各拼读分区进行合并和/或细分，来获得目标单词的至少一个拼读分区组合。
目标单词的最佳拼读分区组合可以基于预先设置的最佳拼读分区组合数据子库来获得。其中，最佳拼读分区组合数据子库存储多个单词、每个单词的最佳拼读分区组合、以及每个拼读分区组合包括的拼读分区。请参照表3，表3示例性的示出了最佳拼读分区组合数据子库中每个单词数据存储的一种结构形式。在另一些实施例中，最佳拼读分区组合数据子库中还可以存储各个拼读分区的关联单词和/或关联拼读分区。单词的最佳拼读分区组合即在该单词的各可能拼读分区组合中，各拼读分区的结构性发音正确概率相对较高的拼读分区组合。例如可以是单词的各可能拼读分区组合中，综合结构性发音正确概率最高的拼读分区组合。所述综合结构性发音正确概率可以采用数学平均算法、对拼读分区组合中的各拼读分区的结构性发音正确概率进行计算获得。其中，所述数学平均算法可以包括但不限于：总数学平均算法、中间平均算法、众数平均算法、RMS平均算法等等。
通过在最佳拼读分区组合数据子库中对目标单词进行查找，可以获得所述目标单词的最佳拼读分区组合。然后对所述最佳拼读分区组合进行合并和/或细分以获得该目标单词的至少一个拼读分区组合。
表3
102：基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。
其中，所述包含历史拼读经验的分区拼读结果可以是对目标单词进行拼读分区，并对每个拼读分区根据用户10对该拼读分区的历史拼读经验进行拼读提示。例如可以针对每个拼读分区，提示该拼读分区的关联单词和/或关联拼读分区中用户10比较熟悉的关联单词和/或关联拼读分区(下文以关联单词为例进行说明)。其中，用户10比较熟悉的关联单词即关联历史拼读单词例如是用户10曾经学习过、考核通过的关联单词。关联历史拼读单词的概念可以事先在电子设备20上定义，在一些实施例中，拼读分区的关联历史拼读单词包括用户10学习过的关联单词、考核过的关联单词。由于目标单词的不同，拼读分区结果中的拼读分区有可能是单一拼读分区，有可能是包括至少两个拼读分区。
用户10利用电子设备20进行学习时，电子设备20可以记录用户10对各个单词的学习情况，例如用户10对单词的学习次数、考核通过次数、发音方式是整读还是拼读等。其中，整读即不需要借助单词的拼读分区整体性读出单词发音的发音方式，拼读即需要借助单词的拼读分区分段式读出单词发音的发音方式。在实际应用中，可以由电子设备20根据用户10的发音识别其发音方式为整读还是拼读，在另一些不能识别发音方式的实施例中，也可以由用户10自己将发音方式输入电子设备20中，由电子设备20进行记录。单词的学习次数、考核通过次数可以根据用户10在电子设备20上的操作进行记录，例如用户10对某单词进行考核，如果用户10发音与电子设备20中存储的该单词的发音一致，则考核通过次数加1。如果用户10对某单词进行了一次学习，则该单词的学习次数加1。其中，在一些实施例中，考核通过次数可以具有连续累积性，即如果其中任何一次考核不通过时，考核通过次数都会被清零而重新计算。学习次数可以不具有连续累积性。在另一些实施例中，考核通过次数也可以不具有连续累积性。
根据电子设备20对单词的上述记录可以更新数据库中各拼读分区的关联历史拼读记录。在一些实施例中，所述关联历史拼读记录包括各拼读分区的关联单词的熟悉程度记录。所述熟悉程度记录包括各学习类型进行次数、发音方式和相关操作的最后一次进行时间等，各学习类型进行次数例如学习次数、考核通过次数等。如果拼读分区的某个关联单词具有上述熟悉程度记录，则该关联单词为该拼读分区的关联历史拼读单词，相反，如果一个拼读分区虽然具有多个关联单词，但是每个关联单词均不具有上述熟悉程度记录，则该拼读分区不具有关联历史拼读单词。请参照表1，表1示例性的示出了拼读分区关联单词的熟悉程度记录，其中，“GP”代表考核通过次数，“L”代表学习次数。difficult、difficulty和diffident均为拼读分区
的关联历史拼读单词。
在其中一些实施例中，所述包含历史拼读经验的分区拼读结果可以是目标单词的各种拼读分区组合中的拼读分区，以及每个拼读分区的各个关联历史拼读单词。在其中另一些实施例中，电子设备20可以根据预设的筛选规则从多个拼读分区和多个关联历史拼读单词中选出优选的拼读分区及其关联历史拼读单词，并根据优选的拼读分区及其关联历史拼读单词对用户10进行提示。
其中，筛选规则可以是按逻辑选择方式根据筛选规则进行筛选，也可以结合数学运算方法把筛选规则进行量化计算得出筛选结果。
其中，筛选规则可以根据具体应用情况预先设置，以下举例对筛选规则进行说明。例如，筛选规则可以是可借用程度规则、综合拼读组合正确几率规则、熟悉程度规则和随机规则中的一种或者几种。
其中，可借用程度规则为从至少一个拼读分区组合中，筛选出可借用拼读经验涵盖值符合预设涵盖阈值的拼读分区组合，所述可借用拼读经验涵盖值为拼读分区组合中具有关联历史拼读单词的各拼读分区的字母数量总和，或者拼读分区组合中具有关联历史拼读单词的各拼读分区的字母数量总和与所述目标单词的字母数量之比,或者拼读分区组合中具有关联历史拼读单词的各拼读分区的拼读分区数量总和与所述目标单词的拼读分区数量之比。例如，拼读分区组合
中，只有
具有关联历史拼读单词difficult和diffuse，则若以上述第一种方法计算，该拼读分区组合的可借用拼读经验涵盖值为3。若以上述第二种方法计算，该拼读分区组合的可借用拼读经验涵盖值为3/9约为0.33。若以上述第三种方法计算，该拼读分区组合共有3个分区，
只占其中之一的分区，所以该拼读分区组合的可借用拼读经验涵盖值为1/3约为0.33。
可借用拼读经验涵盖值表征可借用的历史拼读经验占整个陌生单词的涵盖程度，该涵盖值越高，则其涵盖程度越高。可借用程度规则侧重于使可借用的历史拼读经验涵盖整个陌生单词的程度达到尽量高的效益。例如，在陌生单词different的拼读分区组合及其关联历史拼读单词中，第一组是
其中只有拼读分区
具有关联历史拼读单词difficult和diffuse。而第二组是
该组合中除了拼读分区
具有关联历史拼读单词difficult和diffuse外，还有拼读分区
具有关联历史拼读单词component。因此，第一组因只有
具有关联历史拼读单词而在整体上的可借用拼读经验涵盖值为3，而第二组因为
和
均具有关联历史拼读单词而构成整组的可借用拼读经验涵盖值为6。在利用可借用程度规则筛选拼读分区组合时，在第一组和第二组之间，可以筛选出可借用拼读经验涵盖值较高的第二组拼读分区组合。
在侧重可借用的历史拼读经验涵盖整个陌生单词的程度的场合，可以优先使用可借用程度规则。
综合拼读组合正确几率规则为从至少一个拼读分区组合中，选择综合拼读组合正确几率符合预设阈值的拼读分区组合，所述综合拼读组合正确几率基于所述拼读分区组合中各拼读分区的结构性发音正确概率获得。例如，综合拼读组合正确几率可以采用数学平均算法、对拼读分区组合中的各拼读分区的结构性发音正确概率进行计算获得。以采用简单算术平均算法计算拼读分区组合
的综合拼读组合正确几率为例说明，其综合拼读组合正确几率为(100％+99.81％+100％)/3＝0.9993。
综合拼读组合正确几率大的拼读分区组合能够从拼读结构本质上提升目标单词的正确发音概率。综合拼读组合正确几率规则侧重于从结构本质上提升目标单词的正确发音概率。
所述熟悉程度规则为从至少一个拼读分区组合及其关联历史拼读单词中，选择各拼读分区的关联历史拼读单词综合熟悉程度较高的至少一个拼读分区组合及其关联历史拼读单词，所述综合熟悉程度基于各拼读分区关联历史拼读单词的熟悉程度获得。例如，可以通过对各拼读分区关联历史拼读单词的熟悉程度做加法获得所述综合熟悉程度。在一些实施例中，所述关联历史拼读单词的熟悉程度可以单独取决于熟悉程度类型或类型进行次数，在另一些实施例中，也可以同时取决于熟悉程度类型和类型进行次数。
关联历史拼读单词的熟悉程度类型和类型进行次数可以基于关联历史拼读单词的熟悉程度记录获得。在其中一些实施例中，熟悉程度类型包括整读类、拼读类和在学类，发音方式为整读且考核通过次数非0的为整读类，发音方式为拼读且考核通过次数非0的为拼读类，考核通过次数为0、但学习次数不为0的为在学类。
其中，熟悉程度类型，以及熟悉程度和熟悉程度类型、类型进行次数的关系可以根据不同的应用场景进行定义。在其中一些实施例中，整读类的熟悉程度大于拼读类的熟悉程度，拼读类的熟悉程度大于在学类的熟悉程度。类型进行次数越多则熟悉程度越高，在其中一些应用中，认为考核的熟悉程度大于学习的熟悉程度，则可以设定考核通过次数、和学习次数的关系，例如五次学习次数可以相当于一次考核通过次数。
在关联历史拼读单词的熟悉程度单独取决于关联历史拼读单词的类型进行次数的场合，利用熟悉程度规则选择拼读分区组合及其关联历史拼读单词时，可以利用各类型进行次数(例如考核通过次数和学习次数)及其之间的对应关系，优先选择各拼读分区的关联历史拼读单词类型进行次数较多的拼读分区组合及其关联历史拼读单词。
在熟悉程度单独取决于熟悉程度类型的场合，利用熟悉程度规则选择拼读分区组合及其关联历史拼读单词时，可以优先选择各拼读分区的关联历史拼读单词包含较多整读类的关联历史拼读单词及其拼读分区组合，其次选择各拼读分区的关联历史拼读单词包含较多拼读类的关联历史拼读单词及其拼读分区组合，最后选择各拼读分区的关联历史拼读单词包含较多在学类的关联历史拼读单词及其拼读分区组合。
在熟悉程度同时取决于熟悉程度类型和类型进行次数的场合，可以设置熟悉程度类型和类型次数的优先选择顺序，例如，熟悉程度类型的优先级大于类型进行次数的优先级。则利用熟悉程度规则选择拼读分区组合及其关联历史拼读单词时，可以优先选择各拼读分区的关联历史拼读单词包含较多整读类的关联历史拼读单词及其拼读分区组合，如果各拼读分区的关联历史拼读单词包含相同数量的整读类，则可以依据类型进行次数选择进行次数较多的拼读分区组合及其关联历史拼读单词，其他依次类推，不再赘述。
上述熟悉程度规则为运用逻辑的筛选方法，其需要预设熟悉程度类型或类型进行次数的优先选择级别，但在某些应用场合，熟悉程度类型和类型进行次数具有同样的优先级别，为了综合同时考虑熟悉程度类型和类型进行次数，可以采用数值量化的方法，以熟悉程度指数表征关联历史拼读单词的熟悉程度高低。在利用熟悉程度规则选择拼读分区组合及其关联历史拼读单词时，可以选择熟悉程度指数之和较高的拼读分区组合及其关联历史拼读单词。熟悉程度指数可以依据熟悉程度类型和类型进行次数计算获得，可以事先定义熟悉程度类型系数和类型进行次数系数的取值，然后根据熟悉程度类型系数和类型进行次数系数计算熟悉程度指数。例如熟悉程度指数为熟悉程度类型系数和类型进行次数系数的乘积。
其中，在一些应用中，随着学习或考核等类型进行次数增加，对熟悉程度的“效益”也随之增加。但随着类型进行次数增加到一定的次数，其中呈现出的“效益”的增强率会变得越来越少。为反映类型进行次数对熟悉程度的增强“效益”,类型进行次数系数可以根据事先设置的非线性对换表进行取值。表4示例性的示出了类型进行次数系数随类型进行次数变化的取值关系。其中，各类型进行次数系数(例如考核通过次数系数和学习次数系数等)可以采用相同的非线性对换表，也可以分别定义不同的非线性对换表。在考量考核次数重于学习次数的场合，分别定义不同的非线性对换表，各非线性对换表在类型次数相同时，考核通过次数系数的取值大于学习次数系数的取值。
表4
在另外一些实施例中，类型进行次数系数也可以通过非线性函数获得，其中，非线性函数例如折线函数、对数函数、指数函数、幂函数、多项式函数等。各类型进行次数系数可以以同一函数表示，也可以以不同函数表示。以各类型进行次数以同一指数函数表示为例，各类型进行次数系数可以表示为1-exp(-Ti/A)或1-exp(-Ti*B),其中，exp()为指数函数返回e的幂次方，i为第i项,Ti为第i项拼读分区的类型进行次数，A和B为预设限制常数，可以事先设定，用于决定Ti在达到哪一数值，就已促使对应的类型进行次数系数值达到某预设的近顶值态势。
熟悉程度类型系数Wi(例如整读类系数WiF、拼读类系数WiP和在学类系数WiL)可以事先设定。熟悉程度类型系数Wi可以根据不同应用中熟悉程度类型对熟悉程度的贡献进行设定。以熟悉程度类型系数Wi包括整读类系数WiF、拼读类系数WiP和在学类系数WiL为例，从拼读达到整读状态，在熟悉程度的差异上不大，而在学类相对于拼读类和整读类，熟悉程度差别较大。因此，可以设置WiP小于Wi F,而WiL远小于WiP和WiF，以使在通过熟悉程度类型系数和类型进行次数系数计算熟悉程度指数时，不会因学习次数较多而影响整读类和拼读类的重要性。例如，可以分别设置WiF、WiP和WiL为1、0.64346和0.03163。
熟悉程度规则在于向用户提供其更熟悉的关联历史拼读单词，进一步避免用户10错误地借用历史拼读记忆。此外，还有助于用户10对陌生单词的相关音区拥有更高的拼读熟练性、发音熟悉性和更长的记忆持久性。
以上各规则可以根据具体应用情况选择或者结合进行应用，预设涵盖阈值、预设阈值可以根据具体应用情况进行设置。需要说明的是，因为综合拼读组合正确几率规则适用于对拼读分区组合的筛选，而不适用于对关联历史拼读单词的筛选。因此，在对关联历史拼读单词的筛选要求较高的场合，可以选择熟悉程度规则，或者将综合拼读组合正确几率规则、可借用程度规则与熟悉程度规则结合使用。在目标单词只有一个拼读分区组合的场合，不需要对拼读分区组合进行筛选，在这种情况下，可以单独使用熟悉程度规则对关联历史拼读单词进行筛选。
在本发明的另一些实施例中，为了综合考虑可借用拼读经验涵盖值、各拼读分区的结构性发音正确概率和各拼读分区关联历史拼读单词的熟悉程度等因素，可以采用数值量化的方法，获得各拼读分区组合及其关联历史拼读单词的拼读分区经验综合指数，以拼读分区经验综合指数来表征拼读分区组合及其关联历史拼读单词的优选级别。然后从所述至少一个拼读分区组合及其关联历史拼读单词中，筛选出拼读分区经验综合指数较高的至少一个拼读分区组合及其关联历史拼读单词。拼读分区经验综合指数可以基于各拼读分区的可借用拼读经验涵盖值、各拼读分区的结构性发音正确概率和各拼读分区关联历史拼读单词的熟悉程度获得。
例如，在熟悉程度取决于熟悉程度类型的场合，拼读分区经验综合指数F为：
在熟悉程度同时取决于熟悉程度类型和类型进行次数的场合，拼读分区经验综合指数F为：
或者，
其中，如果在某些应用中对优选可能性拼读组合与关联历史拼读单词组合之间以非紧密性依存的因素关系而进行优选考虑时，各因素之间可以以加数、乘数或是加乘的组合的关系出现。当需要对借用拼读经验涵盖值、各拼读分区的结构性发音正确概率和各拼读分区关联历史拼读单词的熟悉程度的考量有所侧重，可以根据重要程度为上述公式中各因素加设权重。例如
或
其中，a、b、c为预设权重值。
在可借用拼读经验涵盖值、熟悉程度、结构性发音正确概率各因素中，每个因素都有其自身的优劣之处。拼读分区经验综合指数F的效益在于可以同时综合考虑各因素的优劣而加以平衡，把拼读分区组合及其关联历史拼读单词合并在一起形成包含历史拼读经验的各个分区联想拼读方案组合，并从中选出最佳组合。
所述的分区联想拼读方案组合在实施例中可以按拼读区块序列的方式表示。例如一个拼读分区组合“dif-fer-ent”，每个拼读分区选择一个关联历史拼读单词形成一拼读区块单元，各拼读区块单元之间按顺序排列，形成分区联想拼读方案组合。例如,其中一种分区联想拼读方案组合的表达方式可以是“dif(difficult)-fer(reference)-ent(component)”。
具体应用时，可以针对每个拼读分区组合和拼读分区组合中每个拼读分区的各个关联历史拼读单词，分拆出各个分区联想拼读方案组合并计算对应的拼读分区经验综合指数F。然后选择拼读分区经验综合指数F最高的分区联想拼读方案组合。以下以表1中的其中一个拼读分区组合“dif-feren-t”为例，说明如何计算每个拼读分区组合的各个分区联想拼读方案组合对应的拼读分区经验综合指数F。
在表1的拼读分区组合“dif-feren-t”中示出了各拼读分区的关联历史拼读单词，其中，“dif”具有3个关联历史拼读单词difficult、difficulty和diffident，“feren”具有2个关联历史拼读单词reference和preference。因此，从该单个拼读分区组合中共产生出6个分区联想拼读方案组合及其对应的拼读分区经验综合指数F，他们都属于同一个可能性拼读分区组合“dif-feren-t”(请参照表5)。该6个分区联想拼读方案组合分别为如下：
“dif(difficult)-feren(reference)-t”、“dif(difficult)-feren(preference)-t”、
“dif(difficulty)-feren(reference)-t”、“dif(difficulty)-feren(preference)-t”、
“dif(diffident)-feren(reference)-t”、“dif(diffident)-feren(preference)-t”。
表5示出了所述6个分区联想拼读方案组合对应的拼读分区经验综合指数F的计算示例，是按公式F2进行计算分项列显示。其中，“dif(difficult)-feren(preference)-t”对应的拼读分区经验综合指数F＝3*100％*(1-exp(-1/1.0014))＝0.435891为最高。同样的，对表1中其它的拼读分区组合及其关联历史拼读单词亦按上述方法产生相关分区联想拼读方案组合，并计算出对应的拼读分区经验综合指数F。假设其它可能性拼读分区组合及其关联历史拼读单词产生出来的分区联想拼读方案组合对应的各拼读分区经验综合指数F均低于0.435891，则“dif(difficult)-feren(preference)-t”可以作为最佳的分区联想拼读方案组合。电子设备20可以根据该最佳的分区联想拼读方案组合对用户10进行提示。
表5
本发明实施例通过获取目标单词的至少一个拼读分区组合，并基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。在学习者学习陌生单词时，能提供包括正确历史拼读经验的分区拼读提示，避免学习者错误地借用历史拼读记忆。
相应的，本发明实施例还提供了一种借用历史拼读经验的单词学习装置，所述借用历史拼读经验的单词学习装置可以用于图1中的电子设备20，如图3所示，借用历史拼读经验的单词学习装置300包括：
拼读分区组合获取模块301，用于获取目标单词的至少一个拼读分区组合，所述拼读分区组合包括至少一个拼读分区；
拼读结果获取模块302，用于基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，获得所述目标单词的包含历史拼读经验的分区拼读结果。
在借用历史拼读经验的单词学习装置300的其中一些实施例中，所述关联历史拼读记录包括至少一个关联历史拼读单词以及所述至少一个关联历史拼读单词的熟悉程度记录。
请参照图4，拼读结果获取模块302包括：
筛选模块3021，用于基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，根据第一预设筛选规则，从所述至少一个拼读分区组合中筛选出包含关联历史拼读单词的分区拼读结果。
其中，在借用历史拼读经验的单词学习装置300的一些实施例中，所述第一预设筛选规则包括以下规则中的至少一种：
可借用程度规则、综合拼读组合正确几率规则、熟悉程度规则和随机规则；
其中，所述可借用程度规则为从至少一个拼读分区组合中，筛选出可借用拼读经验涵盖值符合预设涵盖阈值的拼读分区组合，所述可借用拼读经验涵盖值为拼读分区组合中具有关联历史拼读单词的各拼读分区的字母数量总和，或者拼读分区组合中具有关联历史拼读单词的各拼读分区的字母数量总和与所述目标单词的字母数量之比，或者拼读分区组合中具有关联历史拼读单词的各拼读分区的拼读分区数量总和与所述目标单词的拼读分区数量之比；
所述综合拼读组合正确几率规则为从至少一个拼读分区组合中，选择综合拼读组合正确几率符合预设阈值的拼读分区组合，所述综合拼读组合正确几率基于所述拼读分区组合中各拼读分区的结构性发音正确概率获得；
所述熟悉程度规则为从至少一个拼读分区组合及其关联历史拼读单词中，选择各拼读分区的关联历史拼读单词综合熟悉程度较高的至少一个拼读分区组合及其关联历史拼读单词，所述综合熟悉程度基于各拼读分区关联历史拼读单词的熟悉程度获得，所述关联历史拼读单词的熟悉程度取决于所述关联历史拼读单词的熟悉程度类型和/或类型进行次数，所述熟悉程度类型和类型进行次数根据所述关联历史拼读单词的熟悉程度记录确定；
随机规则：从至少一个拼读分区组合中，随机选择一个拼读分区组合。
其中，在借用历史拼读经验的单词学习装置300的一些实施例中，所述第一预设筛选规则为从所述至少一个拼读分区组合及其关联历史拼读单词中，筛选出拼读分区经验综合指数较高的至少一个拼读分区组合及其关联历史拼读单词，所述拼读分区经验综合指数基于各拼读分区的拼读经验指数获得，所述各拼读分区的拼读经验指数根据各拼读分区的可借用拼读经验涵盖值、各拼读分区的结构性发音正确概率和各拼读分区关联历史拼读单词的熟悉程度获得，所述关联历史拼读单词的熟悉程度取决于所述关联历史拼读单词的熟悉程度类型和/或类型进行次数，所述熟悉程度类型和类型进行次数根据所述关联历史拼读单词的熟悉程度记录确定。
其中，在借用历史拼读经验的单词学习装置300的一些实施例中，所述关联历史拼读单词的熟悉程度取决于所述关联历史拼读单词的熟悉程度类型和类型进行次数，所述熟悉程度类型包括整读类、拼读类和在学类中的至少一种；
所述关联历史拼读单词的熟悉程度指数为所述关联历史拼读单词的熟悉程度类型系数与类型进行次数系数的乘积，其中所述关联历史拼读单词的熟悉程度指数反映关联历史拼读单词的熟悉程度高低，熟悉程度指数越大，熟悉程度越高；
其中，整读类的熟悉程度类型系数大于拼读类的熟悉程度类型系数，拼读类的熟悉程度类型系数大于在学类的熟悉程度类型系数；
所述类型进行次数系数随着进行次数的增加而增加，增加速度随着进行次数的增加而变慢。
其中，在借用历史拼读经验的单词学习装置300的一些实施例中，拼读分区组合获取模块301具体用于：
获取目标单词的至少一个可能拼读分区组合；
或者，
获取目标单词的最佳拼读分区组合，对所述最佳拼读分区组合中的各拼读分区进行合并和/或细分，获得目标单词的至少一个拼读分区组合。
需要说明的是，上述借用历史拼读经验的单词学习装置可执行本发明实施例所提供的借用历史拼读经验的单词学习方法，具备执行借用历史拼读经验的单词学习方法相应的功能模块和有益效果。未在装置实施例中详尽描述的技术细节，可参见本发明实施例所提供的借用历史拼读经验的单词学习方法。
如图5所示，本发明实施例还提供了一种电子设备20，电子设备20包括：
一个或多个处理器21以及存储器22，图5中以一个处理器21为例。处理器21和存储器22可以通过总线或者其他方式连接，图5中以总线连接为例。
存储器22作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的借用历史拼读经验的单词学习方法对应的程序指令/单元(例如，附图3所示的拼读分区组合获取模块301和拼读结果获取模块302)。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及单元，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的借用历史拼读经验的单词学习方法。
存储器22可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备使用所创建的数据等。此外，存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个单元存储在所述存储器22中，当被所述一个或者多个处理器21执行时，执行上述任意方法实施例中的借用历史拼读经验的单词学习方法，例如，执行以上描述的图2中的方法步骤101-102，实现图3所示的模块301-302、图4所示的模块301、302和3021的功能。
上述电子设备可执行本发明实施例所提供的借用历史拼读经验的单词学习方法，具备执行方法相应的功能模块和有益效果。未在电子设备实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
本发明实施例提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图5中的一个处理器21，可使得上述一个或多个处理器可执行上述任意方法实施例中的借用历史拼读经验的单词学习方法，例如，执行以上描述的图2中的方法步骤101-102，实现图3所示的模块301-302、图4所示的模块301、302和3021的功能。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；在本申请的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (9)
1.一种借用历史拼读经验的单词学习方法，用于电子设备，其特征在于，所述方法包括：
通过预设的可能拼读分区组合子库或者预设的拼读分区数据子库获取目标单词的至少一个可能拼读分区组合,以获取目标单词的至少一个拼读分区组合，其中，所述拼读分区组合包括至少一个拼读分区，所述拼读分区包括字符串和发音代码，所述可能拼读分区组合子库包括多个单词、每个单词对应的各个可能拼读分区组合、以及每个单词的拼读分区对应的关联单词，所述拼读分区数据子库包括多个拼读分区以及每个拼读分区对应的关联单词，所述拼读分区对应的关联单词为包括该拼读分区的单词；
或者，
基于预设的最佳拼读分区组合数据子库获取目标单词的最佳拼读分区组合，对所述最佳拼读分区组合中的各拼读分区进行合并和/或细分，获得目标单词的至少一个拼读分区组合，其中，所述最佳拼读分区组合数据子库包括多个单词、每个单词的最佳拼读分区组合、每个拼读分区组合包括的拼读分区以及拼读分区对应的关联单词，所述最佳拼读分区组合是指在单词的各可能拼读分区组合中，各拼读分区的结构性发音正确概率相对较高的拼读分区组合；
基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，根据第一预设筛选规则，从所述至少一个拼读分区组合中筛选出包含关联历史拼读单词的分区拼读结果，所述分区拼读结果包括拼读分区组合以及所述拼读分区对应的单词学习者的关联历史拼读单词。
2.根据权利要求1所述的方法，其特征在于，所述关联历史拼读记录包括至少一个关联历史拼读单词以及所述至少一个关联历史拼读单词的熟悉程度记录。
3.根据权利要求2所述的方法，其特征在于，所述第一预设筛选规则包括以下规则中的至少一种：
可借用程度规则、综合拼读组合正确几率规则、熟悉程度规则和随机规则；
其中，所述可借用程度规则为从至少一个拼读分区组合中，筛选出可借用拼读经验涵盖值符合预设涵盖阈值的拼读分区组合，所述可借用拼读经验涵盖值为拼读分区组合中具有关联历史拼读单词的各拼读分区的字母数量总和，或者拼读分区组合中具有关联历史拼读单词的各拼读分区的字母数量总和与所述目标单词的字母数量之比，或者拼读分区组合中具有关联历史拼读单词的各拼读分区的拼读分区数量总和与所述目标单词的拼读分区数量之比；
所述综合拼读组合正确几率规则为从至少一个拼读分区组合中，选择综合拼读组合正确几率符合预设阈值的拼读分区组合，所述综合拼读组合正确几率基于所述拼读分区组合中各拼读分区的结构性发音正确概率获得；
所述熟悉程度规则为从至少一个拼读分区组合及其关联历史拼读单词中，选择各拼读分区的关联历史拼读单词综合熟悉程度较高的至少一个拼读分区组合及其关联历史拼读单词，所述综合熟悉程度基于各拼读分区关联历史拼读单词的熟悉程度获得，所述关联历史拼读单词的熟悉程度取决于所述关联历史拼读单词的熟悉程度类型和/或类型进行次数，所述熟悉程度类型和类型进行次数根据所述关联历史拼读单词的熟悉程度记录确定；
随机规则：从至少一个拼读分区组合中，随机选择一个拼读分区组合。
4.根据权利要求2所述的方法，其特征在于，所述第一预设筛选规则为从所述至少一个拼读分区组合及其关联历史拼读单词中，筛选出拼读分区经验综合指数较高的至少一个拼读分区组合及其关联历史拼读单词，所述拼读分区经验综合指数基于各拼读分区的拼读经验指数获得，所述各拼读分区的拼读经验指数根据各拼读分区的可借用拼读经验涵盖值、各拼读分区的结构性发音正确概率和各拼读分区关联历史拼读单词的熟悉程度获得，所述关联历史拼读单词的熟悉程度取决于所述关联历史拼读单词的熟悉程度类型和/或类型进行次数，所述熟悉程度类型和类型进行次数根据所述关联历史拼读单词的熟悉程度记录确定。
5.根据权利要求3或4所述的方法，其特征在于，所述关联历史拼读单词的熟悉程度取决于所述关联历史拼读单词的熟悉程度类型和类型进行次数，所述熟悉程度类型包括整读类、拼读类和在学类中的至少一种；
所述关联历史拼读单词的熟悉程度指数为所述关联历史拼读单词的熟悉程度类型系数与类型进行次数系数的乘积，其中所述关联历史拼读单词的熟悉程度指数反映关联历史拼读单词的熟悉程度高低，熟悉程度指数越大，熟悉程度越高；
其中，整读类的熟悉程度类型系数大于拼读类的熟悉程度类型系数，拼读类的熟悉程度类型系数大于在学类的熟悉程度类型系数；
所述类型进行次数系数随着进行次数的增加而增加，增加速度随着进行次数的增加而变慢。
6.一种借用历史拼读经验的单词学习装置，用于电子设备，其特征在于，所述单词学习装置包括：
拼读分区组合获取模块，用于通过预设的可能拼读分区组合子库或者预设的拼读分区数据子库获取目标单词的至少一个可能拼读分区组合,以获取目标单词的至少一个拼读分区组合，其中，所述拼读分区组合包括至少一个拼读分区，所述拼读分区包括字符串和发音代码，所述可能拼读分区组合子库包括多个单词、每个单词对应的各个可能拼读分区组合、以及每个单词的拼读分区对应的关联单词，所述拼读分区数据子库包括多个拼读分区以及每个拼读分区对应的关联单词，所述拼读分区对应的关联单词为包括该拼读分区的单词；
拼读结果获取模块，用于基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，根据第一预设筛选规则，从所述至少一个拼读分区组合中筛选出包含关联历史拼读单词的分区拼读结果，所述分区拼读结果包括拼读分区组合以及所述拼读分区对应的单词学习者的关联历史拼读单词。
7.根据权利要求6所述的装置，其特征在于，所述关联历史拼读记录包括至少一个关联历史拼读单词以及所述至少一个关联历史拼读单词的熟悉程度记录；
所述拼读结果获取模块，包括：
筛选模块，用于基于所述至少一个拼读分区组合以及所述拼读分区组合中拼读分区的关联历史拼读记录，根据第一预设筛选规则，从所述至少一个拼读分区组合中筛选出包含关联历史拼读单词的分区拼读结果。
8.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5任一项所述的方法。
9.一种非易失性计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，当所述计算机可执行指令被电子设备执行时，使所述电子设备执行权利要求1-5的任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811253309.6A CN109376358B (zh) | 2018-10-25 | 2018-10-25 | 一种借用历史拼读经验的单词学习方法、装置和电子设备 |
| PCT/CN2019/108834 WO2020082992A1 (zh) | 2018-10-25 | 2019-09-29 | 一种借用历史拼读经验的单词学习方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811253309.6A CN109376358B (zh) | 2018-10-25 | 2018-10-25 | 一种借用历史拼读经验的单词学习方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109376358A CN109376358A (zh) | 2019-02-22 |
| CN109376358B true CN109376358B (zh) | 2021-07-16 |
Family
ID=65402139
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811253309.6A Active CN109376358B (zh) | 2018-10-25 | 2018-10-25 | 一种借用历史拼读经验的单词学习方法、装置和电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109376358B (zh) |
| WO (1) | WO2020082992A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109376358B (zh) * | 2018-10-25 | 2021-07-16 | 陈逸天 | 一种借用历史拼读经验的单词学习方法、装置和电子设备 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6411932B1 (en) * | 1998-06-12 | 2002-06-25 | Texas Instruments Incorporated | Rule-based learning of word pronunciations from training corpora |
| US20110184723A1 (en) * | 2010-01-25 | 2011-07-28 | Microsoft Corporation | Phonetic suggestion engine |
| CN102176310A (zh) * | 2005-12-08 | 2011-09-07 | 纽昂斯奥地利通讯有限公司 | 具有巨大词汇量的语音识别系统 |
| CN103794208A (zh) * | 2012-10-29 | 2014-05-14 | 无敌科技(西安)有限公司 | 利用语音特征将英文单词发音按音节分开的装置与方法 |
| CN104239289A (zh) * | 2013-06-24 | 2014-12-24 | 富士通株式会社 | 音节划分方法和音节划分设备 |
| CN104423621A (zh) * | 2013-08-22 | 2015-03-18 | 北京搜狗科技发展有限公司 | 拼音字符串处理方法和装置 |
| CN108091185A (zh) * | 2018-01-12 | 2018-05-29 | 李勤骞 | 基于音节拼读的单词学习系统及其单词学习方法 |
| CN109002454A (zh) * | 2018-04-28 | 2018-12-14 | 陈逸天 | 一种确定目标单词的拼读分区的方法和电子设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100509797B1 (ko) * | 1998-04-29 | 2005-08-23 | 마쯔시다덴기산교 가부시키가이샤 | 결정 트리에 의한 스펠형 문자의 복합 발음 발생과 스코어를위한 장치 및 방법 |
| CN1308908C (zh) * | 2003-09-29 | 2007-04-04 | 摩托罗拉公司 | 用于文字到语音合成的方法 |
| JP6641680B2 (ja) * | 2014-09-22 | 2020-02-05 | カシオ計算機株式会社 | 音声出力装置、音声出力プログラムおよび音声出力方法 |
| CN104681037B (zh) * | 2015-03-19 | 2018-04-27 | 广东小天才科技有限公司 | 发音指导方法、装置及点读机 |
| CN109376358B (zh) * | 2018-10-25 | 2021-07-16 | 陈逸天 | 一种借用历史拼读经验的单词学习方法、装置和电子设备 |
-
2018
- 2018-10-25 CN CN201811253309.6A patent/CN109376358B/zh active Active
-
2019
- 2019-09-29 WO PCT/CN2019/108834 patent/WO2020082992A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6411932B1 (en) * | 1998-06-12 | 2002-06-25 | Texas Instruments Incorporated | Rule-based learning of word pronunciations from training corpora |
| CN102176310A (zh) * | 2005-12-08 | 2011-09-07 | 纽昂斯奥地利通讯有限公司 | 具有巨大词汇量的语音识别系统 |
| US20110184723A1 (en) * | 2010-01-25 | 2011-07-28 | Microsoft Corporation | Phonetic suggestion engine |
| CN103794208A (zh) * | 2012-10-29 | 2014-05-14 | 无敌科技(西安)有限公司 | 利用语音特征将英文单词发音按音节分开的装置与方法 |
| CN104239289A (zh) * | 2013-06-24 | 2014-12-24 | 富士通株式会社 | 音节划分方法和音节划分设备 |
| CN104423621A (zh) * | 2013-08-22 | 2015-03-18 | 北京搜狗科技发展有限公司 | 拼音字符串处理方法和装置 |
| CN108091185A (zh) * | 2018-01-12 | 2018-05-29 | 李勤骞 | 基于音节拼读的单词学习系统及其单词学习方法 |
| CN109002454A (zh) * | 2018-04-28 | 2018-12-14 | 陈逸天 | 一种确定目标单词的拼读分区的方法和电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 《基于音节划分及短语表优化的英汉人名音译研究》;王丹丹 等;《中文信息学报》;20160531;第30卷(第3期);全文 * |
| 《音节理论和音节划分》;殷志磊;《西安外国语学院学报》;20040930;第12卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109376358A (zh) | 2019-02-22 |
| WO2020082992A1 (zh) | 2020-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2921935A1 (en) | Input method and system | |
| US20230306209A1 (en) | Learned Evaluation Model For Grading Quality of Natural Language Generation Outputs | |
| US9633008B1 (en) | Cognitive presentation advisor | |
| CN111274785B (zh) | 一种文本纠错方法、装置、设备及介质 | |
| US11875115B2 (en) | Learned evaluation model for grading quality of natural language generation outputs | |
| US10073839B2 (en) | Electronically based thesaurus querying documents while leveraging context sensitivity | |
| CN116685966A (zh) | 调整查询生成模式 | |
| CN115048505A (zh) | 语料筛选方法和装置、电子设备、计算机可读介质 | |
| CN109376358B (zh) | 一种借用历史拼读经验的单词学习方法、装置和电子设备 | |
| AU2024205513A1 (en) | Systems and methods for analysis explainability | |
| CN114896382A (zh) | 人工智能问答模型生成方法、问答方法、装置及存储介质 | |
| KR102365345B1 (ko) | 인공지능과 빅데이터를 이용한 글쓰기 교정 시스템 및 그 방법 | |
| CN111079433A (zh) | 一种事件抽取方法、装置及电子设备 | |
| CN114078468A (zh) | 语音的多语种识别方法、装置、终端和存储介质 | |
| CN110457691B (zh) | 基于剧本角色的情感曲线分析方法和装置 | |
| CN109002454B (zh) | 一种确定目标单词的拼读分区的方法和电子设备 | |
| US10339221B2 (en) | Auto-completion and auto-correction of cryptic language commands with dynamic learning of syntax rules | |
| CN106709294B (zh) | 一种用户认证方法和装置 | |
| JP7044245B2 (ja) | 対話システム補強装置及びコンピュータプログラム | |
| CN112817996A (zh) | 一种违法关键词库的更新方法、装置、设备及存储介质 | |
| CN112417163A (zh) | 基于实体线索片段的候选实体对齐方法及装置 | |
| JP7131518B2 (ja) | 電子機器、発音学習方法、サーバ装置、発音学習処理システムおよびプログラム | |
| US7899251B2 (en) | Balancing out-of-dictionary and in-dictionary recognition scores | |
| CN110442687A (zh) | 确定对包括多个焦点的问题的答案 | |
| US12026148B2 (en) | Dynamic updating of digital data |
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 |