CN110223206B - 课文专业方向确定方法及系统和解析课件匹配方法及系统 - Google Patents
课文专业方向确定方法及系统和解析课件匹配方法及系统 Download PDFInfo
- Publication number
- CN110223206B CN110223206B CN201910501881.8A CN201910501881A CN110223206B CN 110223206 B CN110223206 B CN 110223206B CN 201910501881 A CN201910501881 A CN 201910501881A CN 110223206 B CN110223206 B CN 110223206B
- Authority
- CN
- China
- Prior art keywords
- specialty
- professional
- vocabulary
- courseware
- lesson
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 claims description 26
- 230000014509 gene expression Effects 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 abstract description 9
- 238000010276 construction Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000007596 consolidation process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
Abstract
本申请涉及教学领域,公开了一种课文专业方向确定方法及系统和解析课件匹配方法及系统。该课文专业方向的确定方法包括:获取目标课文的备选专业清单,该备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇;确定该每个备选专业所对应的各词汇与其关联度;根据该关联度,计算该每个备选专业与该目标课文的匹配度;根据该匹配度确定该目标课文的专业方向。本申请实施方式可以准确地为课文素材的专业方向进行识别确认,为课文素材中的知识点匹配对应的解析课件提供了依据,应用在教学工作中可以提高教师的专业化教学水平及学生的学习效率。
Description
技术领域
本申请涉及教学领域,特别涉及课文专业方向的确定和解析课件匹配技术。
背景技术
对于同一语言(例如,英语),词汇大多具有一词多义,并且在不同的专业领域其意思和用法可能不同,例如:英语中“work”一词,在日常生活中的意思是“工作、职业、加工”等;在物理学中为“功”;在机器制造业中为“工件、机械、修理”;在建筑学中为“工程”。
在教学工作中,例如在英语教学中的ESP(专门用途英语)的教学中,即以某个特定专业或学科知识为内容导向的实用化英语教学,各课文素材的内容往往是围绕某一专业方向的话题展开的。为了提高教师的专业化教学水平及学生的学习效率,对课文的专业方向进行准确分析,并针对性地为课文中的词汇匹配相应的专业解析资料就显得尤为重要。
发明内容
本申请的目的在于提供一种课文专业方向确定方法及系统和解析课件匹配方法及系统,可以准确地为课文素材的专业方向进行识别确认,为课文素材中的知识点匹配对应的解析课件提供了依据,应用在教学中可以提高教师的专业化教学水平和备课效率,同时可提高学生的学习效率。
本申请公开了一种课文专业方向的确定方法,包括:
获取目标课文的备选专业清单,所述备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇;
确定所述每个备选专业所对应的各词汇与其关联度;
根据所述关联度,计算所述每个备选专业与所述目标课文的匹配度;
根据所述匹配度确定所述目标课文的专业方向。
在一个优选例中,所述确定所述每个备选专业所对应的各词汇与其关联度之前,还包括:
对于所述备选专业清单中的每一个词汇,将该词汇在一个备选专业的平均词频除以该备选专业中所有词汇的平均词频之和,计算该词汇与该备选专业的关联度,其中所述该备选专业中每一个词汇的平均词频是根据数据库中已收录的课文,通过大数据统计得到的该词汇在所对应的备选专业的课文中出现的平均次数。
在一个优选例中,所述根据所述关联度,计算所述每个备选专业与所述目标课文的匹配度,进一步包括:
根据所述备选专业清单中的每一个词汇的关联度,以及该词汇在所述目标课文中出现的次数和该目标课文中对应于所述每个备选专业的词汇的数量,计算所述每个备选专业与所述目标课文的匹配度。
在一个优选例中,所述获取目标课文的备选专业清单之前,还包括:
根据所述目标课文中的半专业词汇和专业词汇涉及的所有专业作为该目标课文的备选专业;
为该目标课文的每个备选专业生成对应的所有半专业词汇和专业词汇的集合,并生成所述备选专业清单。
在一个优选例中,所述获取目标课文的备选专业清单之前,还包括:
存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中所述词汇类型包括一般词汇、半专业词汇和专业词汇;
提取所述目标课文的文本信息,对所述文本信息进行分句、分词产生分割后的字和词;
将所述分割后的字和词与所述知识点库中的知识点进行匹配,获得所述目标课文中的所有知识点,其中所述所有知识点包括词汇。
本申请还公开了一种课文专业方向的确定系统包括:
获取模块,用于获取目标课文的备选专业清单,所述备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇;
计算模块,用于根据所述每个备选专业所对应的各词汇与其关联度计算所述每个备选专业与所述目标课文的匹配度;
第一确定模块,用于确定所述每个备选专业所对应的各词汇与其关联度,以及根据所述匹配度确定所述目标课文的专业方向。
本申请还公开了一种基于课文专业方向的知识点解析课件智能匹配方法包括:
根据前文描述的课文专业方向的确定方法确定所述目标课文的专业方向;
根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件。
在一个优选例中,所述根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件,进一步包括:
针对词汇,为半专业词汇、专业词汇匹配与所述专业方向一致的对应的专业解析课件,如果所述半专业词汇未被匹配到专业解析课件,则为其匹配对应的通用解析课件,为一般词汇匹配对应的通用解析课件;
针对句法类和常用表达,为其匹配对应的通用解析课件。
在一个优选例中,所述根据所述专业方向对该课文中的各知识点匹配对应的解析课件,进一步包括:
存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中所述词汇类型包括一般词汇、半专业词汇和专业词汇;
根据学科知识点的学习特点,针对半专业词汇、专业词汇制作对应的专业解析课件,针对一般词汇、其它类知识点制作对应的通用解析课件,并对各所述解析课件根据课件类型、对应知识点和所涉及的专业方向进行标识,生成知识点解析课件的属性信息表,构建知识点解析课件库;
根据所述专业方向和所述知识点解析课件库对该目标课文中的各知识点匹配对应的解析课件。
本申请还公开了一种基于课文专业方向的知识点解析课件智能匹配系统包括:
第二确定模块,用于根据前文描述的课文专业方向的确定方法确定所述目标课文的专业方向;
匹配模块,用于根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件。
本申请还公开了一种课文专业方向的确定系统包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种基于课文专业方向的知识点解析课件智能匹配系统包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如前文描述的方法中的步骤。
本申请还公开了一种计算机可读存储介质所述计算机可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现如前文描述的方法中的步骤。
本申请实施方式中,先基于预先所构建的知识点库获取目标课文中所有知识点,再根据该所有知识点中的词汇类知识点的信息获取课文可能从属的各备选专业,进而根据各备选专业中的每一个词汇的关联度,以及该词汇在目标课文中出现的次数和该目标课文中对应于每个备选专业的词汇的数量,计算各备选专业与目标课文的匹配度,将匹配度最高的专业确定为该目标课文的专业方向,其中各备选专业中的每一个词汇的关联度是根据该词汇在一个备选专业的平均词频除以该备选专业中所有词汇的平均词频之和计算得出的,并且各备选专业中每一个词汇的平均词频是根据数据库中已收录的课文,通过大数据统计得到的该词汇在所对应的备选专业的课文中出现的平均次数。以上通过确认词汇与各备选专业之间的关联度,并根据该关联度计算得到的各备选专业与目标课文的匹配度来确定目标课文的专业方向,使得所确定的专业方向准确率高且确定的速度快。
下面是根据本申请的实施方式通过对3000篇不同来源的英语课文的专业方向进行确定的测试,该测试中首先由多名专业英语编辑人员分别对每篇课文进行专业方向评判,每篇课文取判定人数最多的专业方向作为标准专业方向(注:由于这些专业英语编辑人员都是经验丰富、且资质较深,对一篇课文的专业评判方向基本上一致,只有极少数课文的判定结果不同,会涉及一个及其旁系的专业方向,这里采取判定人数最多的专业方向作为课文的最终专业方向,故人判定的结果相对客观),然后根据本申请实施方式对这些课文进行专业方向识别确定,将识别确认的结果与每篇课文的标准专业方向进行对比,得出的测试结果如下表1所示:
表1
从测试结果可知,根据本申请各实施方式对课文专业方向识别确定的准确率平均高达约93.0%。同时在测试过程中也得到了确定各课文的专业方向的速度数据,并据此统计得到了针对不同篇幅文章的平均运算时间,如下表2所示:
表2
文章篇幅(词) | 系统平均运算时间(秒) |
0~300 | 2.54 |
300~500 | 2.82 |
500~1000 | 3.29 |
1000~2000 | 4.22 |
2000以上 | 5.62 |
相比之下,一般对于母语为英语的人来说,其平均阅读速度为约150-180词/分钟,要理解不同篇幅课文的内容,判断其所属专业方向,按照不同人的理解及知识能力,大概需要30~600秒,显而易见地,本申请各实施方式中识别课文的专业方向的速度比常规人为识别要快很多。
进一步地,基于上述目标课文的专业方向的确定后,再基于所确定的专业方向和预先构建的知识点解析课件库,对该目标课文中的各知识点匹配对应的解析课件。因为所确定的专业方向速度快,节省了大量的人为辨别专业方向的过程,且所确定的专业方向的准确率高,所以基于该准确率高的专业方向匹配的知识点解析课件实用性强,尤其针对专业性较强的课文素材。
例如,本申请的实施方式应用到教学工作中,对于教师来说,根据本申请的实施方式对教材中的课文专业方向进行确认和根据确认的专业方向对各知识点匹配对应的解析课件后,教师再进行教学,可以提高教师的专业化教学水平和备课效率;对于学生来说,根据本申请的实施方式对学习资料的课文专业方向进行确认和根据确认的专业方向对各知识点匹配对应的解析课件后,学生再进行学习,可以提高学生的学习效率和质量。进一步地,本申请的实施方式也可以应用到对技术性文章或课文的阅读中,对于一篇特定专业方向(如电学、化学等)的技术课文或文章,阅读者通过本申请的实施方式对该课文或文章的各知识点匹配对应的解析课件后,再进行阅读和学习,可以很大程度上提高其阅读速度和质量。
本申请的说明书中记载了大量的技术特征,分布在各个技术方案中,如果要罗列出本申请所有可能的技术特征的组合(即技术方案)的话,会使得说明书过于冗长。为了避免这个问题,本申请上述发明内容中公开的各个技术特征、在下文各个实施方式和例子中公开的各技术特征、以及附图中公开的各个技术特征,都可以自由地互相组合,从而构成各种新的技术方案(这些技术方案均因视为在本说明书中已经记载),除非这种技术特征的组合在技术上是不可行的。例如,在一个例子中公开了特征A+B+C,在另一个例子中公开了特征A+B+D+E,而特征C和D是起到相同作用的等同技术手段,技术上只要择一使用即可,不可能同时采用,特征E技术上可以与特征C相组合,则,A+B+C+D的方案因技术不可行而应当不被视为已经记载,而A+B+C+E的方案应当视为已经被记载。
附图说明
图1是根据本申请第一实施方式的课文专业方向的确定方法流程示意图
图2是根据本申请第二实施方式的课文专业方向的确定系统结构示意图
图3是根据本申请第三实施方式的基于课文专业方向的知识点解析课件智能匹配方法流程示意图
图4是根据本申请第三实施方式的步骤302的一个实施例的流程示意图
图5是根据本申请第四实施方式的基于课文专业方向的知识点解析课件智能匹配系统结构示意图
具体实施方式
在以下的叙述中,为了使读者更好地理解本申请而提出了许多技术细节。但是,本领域的普通技术人员可以理解,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
部分概念的说明:
知识点:知识点是构成学科知识体系的基本单位。
知识点解析课件:该知识点的学习资料,以文字、声频、图片、视频等某种形式或任意组合的形成呈现。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请的实施方式作进一步地详细描述。
本申请的第一实施方式涉及一种课文专业方向的确定方法,其流程如图1所示,该方法包括以下步骤101~步骤104:
开始步骤101,获取目标课文的备选专业清单,该备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇。
可选地,该步骤101之前还包括:预先存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中该词汇类型包括一般词汇、半专业词汇和专业词汇。其中该类别为词汇的知识点可以包括单词和词组等。如下表3为该词汇属性信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
表3
可选地,上述词汇类型可以是指:根据各词汇的实际应用,分为“一般词汇”(指日常生活所用的基础词汇,无专业划分)、“半专业词汇”(指各类专业常用词汇,大多具有一词多义,涉及多个专业)、“专业词汇”(指某专业专有词汇)的三个类型。例如:“半专业词汇”类型用B表示,1、2、3分别表示物理专业、机器制造专业、建筑专业。现有work一词汇,其属性信息表示为{[B],[1、2、3]},其含义为work是一个半专业词汇,且在物理专业、机器制造专业、建筑专业3个领域有不同的释义和用法。
可选地,上述“生成的词汇属性信息表”之后,还包括:根据该词汇属性信息表进一步生成知识点库中各专业的词汇集合,并将该词汇集合作为知识点库的一部分进行存储。如下表4为知识点库中各专业与对应的词汇集合的信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
表4
专业 | 包含的词汇 |
专业1 | {词汇1,词汇2,……} |
专业2 | {词汇1,词汇2,……} |
…… | …… |
可选地,该步骤101之前还包括以下步骤:开始,导入目标课文,提取该目标课文的文本信息,对该文本信息进行分句、分词产生分割后的字和词;之后,将该分割后的字和词与该知识点库中的知识点进行匹配,获得该目标课文中的所有知识点,其中该所有知识点包括词汇。
可选地,该步骤101之前还包括以下步骤:开始,根据该目标课文中的半专业词汇和专业词汇涉及的所有专业作为该目标课文的备选专业;之后,为该目标课文的每个备选专业生成对应的所有半专业词汇和专业词汇的集合,并生成该备选专业清单。下表5是该备选专业清单的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
表5
备选专业清单 | 包含的课文中的词汇 |
备选专业1 | {词汇1,词汇2,……} |
备选专业2 | {词汇1,词汇2,……} |
…… | …… |
之后,进入步骤102,确定该每个备选专业所对应的各词汇与其关联度。
一个词汇与所属专业的关联度取决于数据库中已收录的课文,该词汇在所对应的备选专业的课文中出现的平均次数。可选地,该步骤102之前还包括:对于该备选专业清单中的每一个词汇,将该词汇在一个备选专业的平均词频除以该备选专业中所有词汇的平均词频之和,计算该词汇与该备选专业的关联度,其中该备选专业中每一个词汇的平均词频是根据数据库中已收录的课文,通过大数据统计得到的该词汇在所对应的备选专业的课文中出现的平均次数。在一个实施例中,该步骤102之前还包括:根据 计算该每个备选专业所对应的各词汇与其关联度,其中i为备选专业(i=1,2,……),j为各备选专业下的词汇(j=1,2,……),Wij为备选专业i下的词汇j与其关联度,/>
之后,进入步骤103,根据该关联度,计算该每个备选专业与该目标课文的匹配度。
该每个备选专业与该目标课文的匹配度取决于每个备选专业包含课文中的词汇的数量、与各词汇的关联度、以及各词汇出现的次数(指各词汇在目标课文出现的次数)。可选地,该步骤103进一步包括:根据该备选专业清单中的每一个词汇的关联度,以及该词汇在该目标课文中出现的次数和该目标课文中对应于该每个备选专业的词汇的数量,计算该每个备选专业与该目标课文的匹配度。在一个实施例中,该步骤103进一步包括:根据 计算该每个备选专业与该目标课文的匹配度,其中Pi为备选专业i与该目标课文的匹配度,Wij为备选专业i下的词汇j与其关联度,ui为该目标课文中属于备选专业i的词汇的数量,mj为备选专业i下词汇j在该目标课文中出现的次数。
之后,进入步骤104,根据该匹配度确定该目标课文的专业方向。例如,可以将匹配度最高的备选专业确定为该目标课文的专业方向。
本实施方式中涉及的课文的语言类型包括各种类型;例如英语、法语、汉语、韩语、日语等等,且不限于此。
本实施方式中,先基于目标课文中的词汇类知识点的信息,获取课文可能从属的备选专业,进而对各备选专业包含的词汇数量、以及词汇与各备选专业之间的关联度进行计算,获取各备选专业与目标课文的匹配度,将匹配度最高的专业确定为该课文的专业方向,使得所确定的专业方向准确率高且确定的速度快。
本申请的第二实施方式涉及一种课文专业方向的确定系统,其结构如图2所示,该课文专业方向的确定系统包括获取模块、计算模块和第一确定模块。其中,
该获取模块用于获取目标课文的备选专业清单,该备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇。
可选地,该课文专业方向的确定系统还包括输入模块,用于导入该目标课文;该获取模块还用于提取该目标课文的文本信息,对该文本信息进行分句、分词产生分割后的字和词,并将该分割后的字和词与知识点库中的知识点进行匹配,获得该目标课文中的所有知识点,其中该所有知识点包括词汇。
可选地,该课文专业方向的确定系统还包括生成模块,用于根据该目标课文中的半专业词汇和专业词汇涉及的所有专业作为该目标课文的备选专业,和为该目标课文的每个备选专业生成对应的所有半专业词汇和专业词汇的集合,并生成该备选专业清单。上述表5是该备选专业清单的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,该课文专业方向的确定系统还包括存储模块和构建模块。该存储模块可以用于存储预先构建的知识点库,该构建模块可以用于存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建该知识点库,其中该词汇类型可以包括一般词汇、半专业词汇和专业词汇。
可选地,该知识点库中类别为词汇的知识点可以包括单词和词组等。如上述表3为该词汇属性信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,该构建模块还用于根据生成的词汇属性信息表进一步可以生成知识点库中各专业的词汇集合,进一步地,该各专业的词汇集合可以作为知识点库的一部分存储在存储模块中。如上述表4为知识点库中各专业与对应的词汇集合的信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,该知识点库中词汇类型可以是指:根据各词汇的实际应用,分为“一般词汇”(指日常生活所用的基础词汇,无专业划分)、“半专业词汇”(指各类专业常用词汇,大多具有一词多义,涉及多个专业)、“专业词汇”(指某专业专有词汇)的三个类型。例如:“半专业词汇”类型用B表示,1、2、3分别表示物理专业、机器制造专业、建筑专业。现有work一词汇,其属性信息表示为{[B],[1、2、3]},其含义为work是一个半专业词汇,且在物理专业、机器制造专业、建筑专业3个领域有不同的释义和用法。
该第一确定模块用于确定该每个备选专业所对应的各词汇与其关联度,该计算模块用于根据该每个备选专业所对应的各词汇与其关联度计算该每个备选专业与该目标课文的匹配度。
可选地,该计算模块还用于对于该备选专业清单中的每一个词汇,将该词汇在一个备选专业的平均词频除以该备选专业中所有词汇的平均词频之和,计算该词汇与该备选专业的关联度,其中该备选专业中每一个词汇的平均词频是根据数据库中已收录的课文,通过大数据统计得到的该词汇在所对应的备选专业的课文中出现的平均次数。在一个实施例中,该计算模块用于根据计算该每个备选专业所对应的各词汇与其关联度,其中i为备选专业(i=1,2,……),j为各备选专业下的词汇(j=1,2,……),Wij为备选专业i下的词汇j与其关联度,/>
可选地,该计算模块还用于根据该备选专业清单中的每一个词汇的关联度,以及该词汇在该目标课文中出现的次数和该目标课文中对应于该每个备选专业的词汇的数量,计算该每个备选专业与该目标课文的匹配度。在一个实施例中,该计算模块用于根据计算该每个备选专业与该目标课文的匹配度,其中Pi为备选专业i与该目标课文的匹配度,Wij为备选专业i下的词汇j与其关联度,i为该目标课文中属于备选专业i的词汇的数量,mj为备选专业i下词汇j在该目标课文中出现的次数。
该第一确定模块还用于根据该匹配度确定该目标课文的专业方向。例如,该第一确定模块用于将匹配度最高的备选专业确定为该目标课文的专业方向。
第一实施方式是与本实施方式相对应的方法实施方式,第一实施方式中的技术细节可以应用于本实施方式,本实施方式中的技术细节也可以应用于第一实施方式。
本实施方式中涉及的课文的语言类型包括各种类型;例如英语、法语、汉语、韩语、日语等等,且不限于此。
本申请的第三实施方式涉及一种基于课文专业方向的知识点解析课件智能匹配方法,其流程如图3所示,该方法包括以下步骤:
开始步骤301,根据本申请第一实施方式的课文专业方向的确定方法来确定该目标课文的专业方向。
之后,进入步骤302,根据该专业方向对该目标课文中的各知识点匹配对应的解析课件。
可选地,该步骤302进一步包括:针对词汇,为半专业词汇、专业词汇匹配与该专业方向一致的对应的专业解析课件,如果该半专业词汇未被匹配到专业解析课件,则为其匹配对应的通用解析课件,为一般词汇匹配对应的通用解析课件;针对句法类和常用表达,为其匹配对应的通用解析课件。
可选地,如图4所示,该步骤302进一步包括以下步骤401~步骤402。
开始步骤401,预先构建知识点库和知识点解析课件库。
在一个实施例中,步骤401中“构建知识点库”可以进一步包括:存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中该词汇类型包括一般词汇、半专业词汇和专业词汇。
可选地,该步骤401中在构建知识点库时,类别为词汇的知识点可以包括单词和词组等。如上述表3为上述词汇属性信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,上述“生成词汇属性信息表”后,还包括:根据该词汇属性信息表进一步生成知识点库中各专业的词汇集合,并将该词汇集合作为知识点库的一部分进行存储。如上述表4为知识点库中各专业与对应的词汇集合的信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,该词汇类型可以是指:根据各词汇的实际应用,分为“一般词汇”(指日常生活所用的基础词汇,无专业划分)、“半专业词汇”(指各类专业常用词汇,大多具有一词多义,涉及多个专业)、“专业词汇”(指某专业专有词汇)的三个类型。例如:“半专业词汇”类型用B表示,1、2、3分别表示物理专业、机器制造专业、建筑专业。现有work一词汇,其属性信息表示为{[B],[1、2、3]},其含义为work是一个半专业词汇,且在物理专业、机器制造专业、建筑专业3个领域有不同的释义和用法。
可选地,步骤401中“构建知识点解析课件库”可以进一步包括:根据学科知识点的学习特点,为该各知识点制作相应类型的解析课件,并对各该解析课件根据课件类型、对应知识点和所涉及的专业方向进行标识,生成知识点解析课件的属性信息表,构建知识点解析课件库。其中,例如可以由专业编辑人员或教师为各知识点制作相应类型的解析课件等。
可选地,各知识点的类型可以包括“一般词汇”、半专业词汇、专业词汇和其它类知识点(如包括句法、常用表达等);进一步地,为各类型的知识点配备的课件类型可以包括通用解析课件和专业解析课件,其中通用解析课件和专业解析课件的区别在于:通用解析课件只需匹配日常生活中常用的释义、例句等;而专业解析课件,侧重于知识点在其特定专业或学科知识的语言知识输入,以及与专业目的相匹配的语言应用能力的培养,故内容为其所属专业的专业释义、固定搭配、经典例句以及用法等。
如下表6是各知识点的类型和各类知识点配备的课件类型对应关系的一个具体例子。如下表7是步骤401中构建知识点解析课件库过程中所生成知识点解析课件的属性信息表的一个例子。需要说明的是,上述表6和表7的例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制
表6
表7
针对不同的语言,例如英语、汉语、德语、日语、韩语等,它们的通用解析课件和专业解析课件的内容可以根据本语言的自身属性进行有不同的设置。例如,针对英语,可以包括:音标(英式/美式)、音频(英式/美式)、词性及中文释义、固定搭配、经典例句以及用法训练等。其中用法训练可以包括:发音朗读训练,选词填空、单选题、图表等试题巩固训练等。为了更好的理解,以“conductor”这一知识点为例,其通用解析课件和电学专业解析课件内容可以如下表8所示。
表8
之后进入步骤402,根据该专业方向和该知识点解析课件库对该目标课文中的各知识点匹配对应的解析课件。
本实施方式中涉及的课文的语言类型包括各种类型;例如英语、法语、汉语、韩语、日语等等,且不限于此。
本申请的第四实施方式涉及一种基于课文专业方向的知识点解析课件智能匹配系统,其结构如图5所示,该基于课文专业方向的知识点解析课件智能匹配系统包括第二确定模块和匹配模块。其中,
该第二确定模块用于根据本申请第一实施方式涉及的课文专业方向的确定方法确定该目标课文的专业方向。第二确定模块可以包括本申请第二实施方式涉及的课文专业方向的确定系统所有技术细节。
该匹配模块用于根据该专业方向对该目标课文中的各知识点匹配对应的解析课件。
可选地,该匹配模块还用于针对词汇,为半专业词汇、专业词汇匹配与该专业方向一致的对应的专业解析课件,如果该半专业词汇未被匹配到专业解析课件,则为其匹配对应的通用解析课件,并为一般词汇匹配对应的通用解析课件;针对句法类和常用表达,为其匹配对应的通用解析课件。
可选地,该匹配模块还用于根据该专业方向和该知识点解析课件库对该目标课文中的各知识点匹配对应的解析课件。
可选地,该基于课文专业方向的知识点解析课件智能匹配系统还包括存储模块和构建模块。该存储模块用于存储知识点库,该知识点库可以包括存储学科中涉及的所有知识点和词汇属性信息表等。该构建模块还用于存储学科中涉及的所有知识点,预先对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中该词汇类型包括一般词汇、半专业词汇和专业词汇。
可选地,上述类别为词汇的知识点可以包括单词和词组等。如上述表3为上述词汇属性信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,该构建模块还用于根据所生成的词汇属性信息表进一步可以生成知识点库中各专业的词汇集合,并作为知识点库的一部分存储在存储模块中。如上述表4为知识点库中各专业与对应的词汇集合的信息表的一个具体的例子,该例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制。
可选地,该知识点库中该词汇类型可以是指:根据各词汇的实际应用,分为“一般词汇”(指日常生活所用的基础词汇,无专业划分)、“半专业词汇”(指各类专业常用词汇,大多具有一词多义,涉及多个专业)、“专业词汇”(指某专业专有词汇)的三个类型。例如:“半专业词汇”类型用B表示,1、2、3分别表示物理专业、机器制造专业、建筑专业。现有work一词汇,其属性信息表示为{[B],[1、2、3]},其含义为work是一个半专业词汇,且在物理专业、机器制造专业、建筑专业3个领域有不同的释义和用法。
可选地,该存储模块还用于存储知识点解析课件库,该构建模块还用于预先根据学科知识点的学习特点,为该各知识点制作相应类型的解析课件,并对各该解析课件根据课件类型、对应知识点和所涉及的专业方向进行标识,生成知识点解析课件的属性信息表,构建知识点解析课件库;其中,例如可以由专业编辑人员或教师为各知识点制作相应类型的解析课件等。
可选地,该知识点解析课件库中各知识点的类型可以包括“一般词汇”、半专业词汇、专业词汇和其它类知识点(如包括句法、常用表达等),进一步地,为各类型的知识点配备的课件类型可以包括通用解析课件和专业解析课件,其中通用解析课件和专业解析课件的区别在于:通用解析课件只需匹配日常生活中常用的释义、例句等;而专业解析课件,侧重于知识点在其特定专业或学科知识的语言知识输入,以及与专业目的相匹配的语言应用能力的培养,故内容为其所属专业的专业释义、固定搭配、经典例句以及用法等。
如上述表6是各知识点的类型和各类知识点配备的课件类型对应关系的一个具体例子。如上述表7是所生成知识点解析课件的属性信息表的一个例子。需要说明的是,上述表6和表7的例子中罗列的细节主要是为了便于理解,不作为对本申请保护范围的限制
本实施方式中,针对不同的语言,例如英语、汉语、德语、日语、韩语等,它们的通用解析课件和专业解析课件的内容可以根据本语言的自身属性进行有不同的设置。例如,针对英语,可以包括:音标(英式/美式)、音频(英式/美式)、词性及中文释义、固定搭配、经典例句以及用法训练等。其中用法训练可以包括:发音朗读训练,选词填空、单选题、图表等试题巩固训练等。为了更好的理解,以“conductor”这一知识点为例,其通用解析课件和电学专业解析课件内容可以如上述表8所示。
本实施方式中涉及的课文的语言类型包括各种类型;例如英语、法语、汉语、韩语、日语等等,且不限于此。
第三实施方式是与本实施方式相对应的方法实施方式,第三实施方式中的技术细节可以应用于本实施方式,本实施方式中的技术细节也可以应用于第三实施方式。
需要说明的是,本领域技术人员应当理解,上述课文专业方向的系统或上述基于课文专业方向的知识点解析课件智能匹配系统的实施方式中所示的各模块的实现功能可参照前述课文专业方向的方法或上述基于课文专业方向的知识点解析课件智能匹配方法的相关描述而理解。上述课文专业方向的系统或上述基于课文专业方向的知识点解析课件智能匹配系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现,也可通过具体的逻辑电路而实现。本申请实施例上述课文专业方向的系统或上述基于课文专业方向的知识点解析课件智能匹配系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例该方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
相应地,本申请实施方式还提供一种计算机可读存储介质,其中存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于,相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读存储介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
此外,本申请实施方式还提供一种课文专业方向的确定系统,其中包括用于存储计算机可执行指令的存储器,以及,处理器;该处理器用于在执行该存储器中的计算机可执行指令时实现上述课文专业方向的确定方法中各方法实施方式中的步骤。其中,该处理器可以是中央处理单元(Central Processing Unit,简称“CPU”),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,简称“DSP”)、专用集成电路(ApplicationSpecific Integrated Circuit,简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory,简称“ROM”)、随机存取存储器(random access memory,简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
以及,本申请实施方式还提供一种基于课文专业方向的知识点解析课件智能匹配系统,其中包括用于存储计算机可执行指令的存储器,以及,处理器;该处理器用于在执行该存储器中的计算机可执行指令时实现上述基于课文专业方向的知识点解析课件智能匹配方法中各方法实施方式中的步骤。其中,该处理器可以是中央处理单元(CentralProcessing Unit,简称“CPU”),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,简称“DSP”)、专用集成电路(Application Specific IntegratedCircuit,简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory,简称“ROM”)、随机存取存储器(random access memory,简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
需要说明的是,在本专利的申请文件中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个”限定的要素,并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中,如果提到根据某要素执行某行为,则是指至少根据该要素执行该行为的意思,其中包括了两种情况:仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。
在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中,以便在必要时可以作为修改的依据。此外应理解,以上该仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的保护范围之内。
Claims (10)
1.一种基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,包括:
基于预先构建的知识点库获取目标课文中所有知识点,根据所述所有知识点中的词汇类知识点的信息获取课文可能从属的各备选专业;
获取目标课文的备选专业清单,所述备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇;
确定所述每个备选专业所对应的各词汇与其关联度,所述关联度为根据计算得出,其中i为备选专业(i=1,2,……),j为各备选专业下的词汇(j=1,2,……),Wij为备选专业i下的词汇j与其关联度,平均词频/>
根据所述关联度,计算所述每个备选专业与所述目标课文的匹配度,所述匹配度根据计算得出,其中Pi为备选专业i与该目标课文的匹配度,Wij为备选专业i下的词汇j与其关联度,ui为该目标课文中属于备选专业i的词汇的数量,mj为备选专业i下词汇j在该目标课文中出现的次数;
根据所述匹配度确定所述目标课文的专业方向;
根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件。
2.如权利要求1所述的基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,所述确定所述每个备选专业所对应的各词汇与其关联度之前,还包括:
对于所述备选专业清单中的每一个词汇,将该词汇在一个备选专业的平均词频除以该备选专业中所有词汇的平均词频之和,计算该词汇与该备选专业的关联度,其中所述该备选专业中每一个词汇的平均词频是根据数据库中已收录的课文,通过大数据统计得到的该词汇在所对应的备选专业的课文中出现的平均次数。
3.如权利要求1所述的基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,所述根据所述关联度,计算所述每个备选专业与所述目标课文的匹配度,进一步包括:
根据所述备选专业清单中的每一个词汇的关联度,以及该词汇在所述目标课文中出现的次数和该目标课文中对应于所述每个备选专业的词汇的数量,计算所述每个备选专业与所述目标课文的匹配度。
4.如权利要求1所述的基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,所述获取目标课文的备选专业清单之前,还包括:
根据所述目标课文中的半专业词汇和专业词汇涉及的所有专业作为该目标课文的备选专业;
为该目标课文的每个备选专业生成对应的所有半专业词汇和专业词汇的集合,并生成所述备选专业清单。
5.如权利要求1中所述的基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,所述获取目标课文的备选专业清单之前,还包括:
存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中所述词汇类型包括一般词汇、半专业词汇和专业词汇;
提取所述目标课文的文本信息,对所述文本信息进行分句、分词产生分割后的字和词;
将所述分割后的字和词与所述知识点库中的知识点进行匹配,获得所述目标课文中的所有知识点,其中所述所有知识点包括词汇。
6.如权利要求1所述的基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,所述根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件,进一步包括:
针对词汇,为半专业词汇、专业词汇匹配与所述专业方向一致的对应的专业解析课件,如果所述半专业词汇未被匹配到专业解析课件,则为其匹配对应的通用解析课件,为一般词汇匹配对应的通用解析课件;
针对句法类和常用表达,为其匹配对应的通用解析课件。
7.如权利要求1所述的基于课文专业方向的知识点解析课件智能匹配方法,其特征在于,所述根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件,进一步包括:
存储学科中涉及的所有知识点并对各知识点按照类别进行标识,对类别为词汇的知识点按照词汇类型和所涉及的专业方向进行标识,生成词汇属性信息表,构建知识点库,其中所述词汇类型包括一般词汇、半专业词汇和专业词汇;
根据学科知识点的学习特点,针对半专业词汇、专业词汇制作对应的专业解析课件,针对一般词汇、其它类知识点制作对应的通用解析课件,并对各所述解析课件根据课件类型、对应知识点和所涉及的专业方向进行标识,生成知识点解析课件的属性信息表,构建知识点解析课件库;
根据所述专业方向和所述知识点解析课件库对该目标课文中的各知识点匹配对应的解析课件。
8.一种基于课文专业方向的知识点解析课件智能匹配系统,其特征在于,包括:
获取模块,用于获取目标课文的备选专业清单,所述备选专业清单包括该目标课文的各备选专业和对应于每个备选专业的各词汇;
计算模块,用于根据所述每个备选专业所对应的各词汇与其关联度计算所述每个备选专业与所述目标课文的匹配度;
第一确定模块,用于确定所述每个备选专业所对应的各词汇与其关联度,以及根据所述匹配度确定所述目标课文的专业方向;
第二确定模块,用于根据权利要求1-7中任意一项所述的基于课文专业方向的知识点解析课件智能匹配方法确定所述目标课文的专业方向;
匹配模块,用于根据所述专业方向对该目标课文中的各知识点匹配对应的解析课件。
9.一种基于课文专业方向的知识点解析课件智能匹配系统,其特征在于,包括:
存储器,用于存储计算机可执行指令;以及,
处理器,用于在执行所述计算机可执行指令时实现如权利要求1-7中任意一项所述的方法中的步骤。
10.一种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中存储有计算机可执行指令,所述计算机可执行指令被处理器执行时实现如权利要求1-7中任意一项所述的方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910501881.8A CN110223206B (zh) | 2019-06-11 | 2019-06-11 | 课文专业方向确定方法及系统和解析课件匹配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910501881.8A CN110223206B (zh) | 2019-06-11 | 2019-06-11 | 课文专业方向确定方法及系统和解析课件匹配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223206A CN110223206A (zh) | 2019-09-10 |
CN110223206B true CN110223206B (zh) | 2023-12-08 |
Family
ID=67816350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910501881.8A Active CN110223206B (zh) | 2019-06-11 | 2019-06-11 | 课文专业方向确定方法及系统和解析课件匹配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223206B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307346B (zh) * | 2020-11-09 | 2021-06-11 | 深圳市思达优悦企业管理顾问有限公司 | 基于大数据的课件管理系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158941A (zh) * | 2007-11-09 | 2008-04-09 | 无敌科技(西安)有限公司 | 专业文件翻译方法与装置 |
CN101853311A (zh) * | 2010-06-18 | 2010-10-06 | 上海百事通信息技术有限公司 | 一种法律服务方法及系统 |
CN103914538A (zh) * | 2014-04-01 | 2014-07-09 | 浙江大学 | 基于锚文本上下文和链接分析的主题抓取方法 |
CN104239292A (zh) * | 2014-08-18 | 2014-12-24 | 武汉传神信息技术有限公司 | 一种获取专业词汇译文的方法 |
CN104750833A (zh) * | 2015-04-03 | 2015-07-01 | 浪潮集团有限公司 | 一种文本分类方法及装置 |
CN107562918A (zh) * | 2017-09-12 | 2018-01-09 | 北京点易通科技有限公司 | 一种数学题知识点发现与批量标签获取方法 |
-
2019
- 2019-06-11 CN CN201910501881.8A patent/CN110223206B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158941A (zh) * | 2007-11-09 | 2008-04-09 | 无敌科技(西安)有限公司 | 专业文件翻译方法与装置 |
CN101853311A (zh) * | 2010-06-18 | 2010-10-06 | 上海百事通信息技术有限公司 | 一种法律服务方法及系统 |
CN103914538A (zh) * | 2014-04-01 | 2014-07-09 | 浙江大学 | 基于锚文本上下文和链接分析的主题抓取方法 |
CN104239292A (zh) * | 2014-08-18 | 2014-12-24 | 武汉传神信息技术有限公司 | 一种获取专业词汇译文的方法 |
CN104750833A (zh) * | 2015-04-03 | 2015-07-01 | 浪潮集团有限公司 | 一种文本分类方法及装置 |
CN107562918A (zh) * | 2017-09-12 | 2018-01-09 | 北京点易通科技有限公司 | 一种数学题知识点发现与批量标签获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110223206A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11508251B2 (en) | Method and system for intelligent identification and correction of questions | |
JP5664978B2 (ja) | 学習支援システム及び学習支援方法 | |
US20170206897A1 (en) | Analyzing textual data | |
CN111259631B (zh) | 一种裁判文书结构化方法及装置 | |
Lipping et al. | Crowdsourcing a dataset of audio captions | |
CN108319581B (zh) | 一种自然语言语句评价方法及装置 | |
CN107301163B (zh) | 包含公式的文本语义解析方法及装置 | |
Alshutayri et al. | Exploring Twitter as a source of an Arabic dialect corpus | |
CN111242816B (zh) | 基于人工智能的多媒体教案制作方法和系统 | |
CN108399157B (zh) | 实体与属性关系的动态抽取方法、服务器及可读存储介质 | |
CN108280065B (zh) | 一种外文文本评价方法及装置 | |
CN111209734A (zh) | 试题去重方法及其系统 | |
CN108090099B (zh) | 一种文本处理方法及装置 | |
CN110659352B (zh) | 试题考点识别方法及其系统 | |
Solovyev et al. | Sentiment in academic texts | |
CN113836894B (zh) | 多维度英语作文评分方法、装置及可读存储介质 | |
CN110223206B (zh) | 课文专业方向确定方法及系统和解析课件匹配方法及系统 | |
CN111966839B (zh) | 数据处理方法、装置、电子设备及计算机存储介质 | |
US8666987B2 (en) | Apparatus and method for processing documents to extract expressions and descriptions | |
CN116385230A (zh) | 一种儿童阅读能力评测方法和系统 | |
CN109002454B (zh) | 一种确定目标单词的拼读分区的方法和电子设备 | |
CN115796653A (zh) | 一种面试发言评价方法及系统 | |
KR20190108472A (ko) | 강의 관련 키워드를 기반으로 하는 강의 음성파일 텍스트 변환 시스템 | |
Duan et al. | Automatically build corpora for chinese spelling check based on the input method | |
Loukina et al. | Expert and crowdsourced annotation of pronunciation errors for automatic scoring systems |
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 |