CN110874436A - 用于基于第三方内容的上下文课程推荐的网络系统 - Google Patents

Abstract

提供了用于标识和呈现上下文课程推荐的技术。浏览器扩展分析计算设备上正在显示的web内容内的文本。浏览器扩展作为分析的一部分来标识一个或多个关键词。浏览器扩展在计算机网络上向远程计算机系统发送该一个或多个关键词。对于每个关键词，远程计算机系统标识一个或多个课程以及一个或多个相关性分数，每个相关性分数反映该关键词与该一个或多个课程中的课程之间的相关性度量。远程系统向浏览器扩展发送标识一个或多个特定课程的课程标识数据。浏览器扩展促使在计算设备上显示课程标识数据。

Description

用于基于第三方内容的上下文课程推荐的网络系统

技术领域

本公开内容涉及多实体跨网络通信，并且更具体地说，涉及用于基于来自第三方源的内容来生成课程推荐的网络系统。

背景技术

向访问网站的用户提供相关内容推荐对于该网站的提供方而言是挑战。一种方法是内容提供方基于相对于网站的过去在线行为来标识潜在相关内容推荐。这种方法存在至少两个问题。第一，用户必须在网站上以便接收内容推荐。因此，如果用户不返回到网站，则该用户将不会接收到内容推荐。即使用户确实返回到网站，该用户可能对内容推荐不再感兴趣。第二，内容推荐仅基于针对网站的在线活动。因此，内容推荐不太可能与用户相关。

该部分中描述的方法是可以执行的方法，但不一定是先前已经想到或执行的方法。因此，除非另外指示，否则不应假设该部分中描述的任何方法仅凭借其包括在该部分中而有资格作为现有技术。

附图说明

在附图中：

图1是在一个实施例中描绘了用于基于第三方内容来生成上下文学习内容推荐的示例性网络系统的框图；

图2是在一个实施例中描绘了用于基于第三方内容来生成学习内容推荐的过程的流程图；

图3是在一个实施例中包括来自第三方内容提供方的web内容以及来自学习内容分发系统的标识数据的示例性web浏览器显示区的屏幕截图；

图4是示出了可以在其上实现本发明的实施例的计算机系统的框图。

具体实施方式

在以下描述中，出于解释目的，阐述了众多具体细节以便提供对本发明的透彻理解。然而，将显而易见的是，可以在没有这些具体细节的情况下实践本发明。在其它实例中，以框图形式示出公知的结构和设备以便避免不必要地混淆本发明。

总体概述

提供了一种用于在用户访问第三方网站时标识针对用户的相关学习内容的系统和方法。用户的web浏览器(在计算设备上运行)包括扩展(extention)，该扩展针对潜在相关的关键词来分析网页上的文本，并在计算机网络上将那些关键词发送给学习内容分发系统。该计算机系统使用关键词来标识可能与用户当前正在查看的内容相关的一个或多个学习内容项。计算机系统将标识学习内容的数据发送给扩展，该扩展促使在计算设备的屏幕上显示该数据。

本文所描述的实施例通过在相应用户在访问不同的第三方网站时呈现潜在相关的学习内容(通常仅通过访问学习平台可获得)来改善计算机技术。许多此类用户即使当前可能不在访问学习平台的网站也在寻找学习内容。实施例甚至以不在积极寻找学习内容、但其在线行为指示对某些学习内容好奇的用户为目标。实施例智能地学习当用户在访问第三方网站时多么频繁或何时呈现与潜在相关学习内容有关的数据。实施例提高与学习平台的在线参与度(engagement)。

“关键词”是从web内容中提取出的一组一个或多个词语。浏览器扩展可以标识单个网页或web内容实例中的多个关键词。

“学习内容”是出于教导一个或多个概念、原理和/或技能的目的而创建的内容。“学习内容”包括一个或多个学习内容项，每个学习内容项对应于单个视频向、单个音频项、或包括共享特定主题的多个视频项或音频项的单个课程，例如关于机器学习、关于Python编程、关于股市投资、或关于学习新语言的课程。

系统概述

图1是在一个实施例中描绘了用于基于第三方内容来生成上下文学习内容推荐的示例性网络系统100的框图。网络系统100包括多个客户端设备102-106、网络130、内容提供方142-146、以及学习内容分发系统150。尽管仅描绘了三个客户端设备，但网络系统100可以包括许多客户端设备。

客户端设备102-106中的每个客户端设备由不同的用户拥有和操作。客户端设备102-106的示例包括台式计算机、膝上型计算机、平板计算机、可穿戴设备、视频游戏控制台、以及智能电话。客户端设备102-106中的每个客户端设备包括在其上执行的web浏览器。web浏览器的示例包括Internet Explorer、Chrome和Mozilla。尽管仅描绘了每个客户端设备一个浏览器，但客户端设备可以有在其上安装和运行的多个web浏览器。web浏览器112-116中的每个web浏览器包括学习内容扩展(LCE)。LCE 122-126中的每个LCE在一个或多个计算机网络(例如网络130)上与学习内容分发系统150通信。

类似地，尽管仅描绘了三个内容提供方，但网络系统100可以包括许多内容提供方。内容提供方142-146的示例包括任何类型的网站，例如新闻网站(例如，cnn.com)、娱乐网站、体育网站(例如，espn.com)、财经网站(例如，允许用户查看财经活动并购买和出售证券的网站)、百科网站(例如，Wikipedia)、搜索引擎网站(例如，bing.com，google.com，yahoo.com)、以及社交网络网站(例如，LinkedIn.com，facebook.com)。内容提供方142-146中的每个内容提供方可以由相对于拥有/操作其它内容提供方的其它实体不同的实体拥有和操作。内容提供方142-146中的每个内容提供方通过一个或多个计算机网络(例如网络130)通信地耦合到客户端设备102-106中的一个或多个客户端设备。

网络130可以在提供客户端102-106与学习内容分发系统150之间以及客户端102-106与内容提供方142-146之间的数据交换的任何介质或机制上实现。网络130的示例包括但不限于诸如局域网(LAN)、广域网(WAN)、以太网或互联网之类的网络、或一个或多个陆地、卫星或无线链路。

学习内容分发系统150通过一个或多个计算机网络(例如网络130)通信地耦合到客户端设备102-106。尽管被描绘为单个实体，但学习内容分发系统150可以在彼此通信地耦合并且可以相对于彼此在地理上远程的多个计算设备上实现、或在单个LAN或单个数据中心上实现。

学习内容分发系统150包括评分器152、学习内容数据库154、以及(可选地)简档数据库156。学习内容数据库154存储多个学习内容项。每个学习内容项与包含与该学习内容项有关的元数据的记录相关联，例如学习内容项的名称、学习内容项的作者或创建者、学习内容项的内容提供方的名称、学习内容项被上传到学习内容分发系统150的日期、学习内容项的长度(例如，用小时、分钟和/或秒表示的回放时间)、一个或多个标题(例如，学习内容项的转录文本(transcript)内的章标题、节标题、小节标题)、学习内容项教导的一个或多个技能、在消耗(例如，观看或收听)学习内容项之前必须具有的一个或多个技能、以及与学习内容项相关联的一个或多个关键词或主题。存储在学习内容数据库154中的一些学习内容项可以是有机的；即，这些项来自拥有或操作学习内容分发系统150的相同实体。其它学习内容项可以源自第三方实体或提供方。学习内容项的提供方可以与任何内容提供方142-146不同。

尽管学习内容分发系统150被描绘为包括简档数据库156，但学习内容分发系统150可以替代地可以访问简档数据库156。简档数据库156存储多个用户简档。每个用户简档对应于已向附属于或关联于学习内容分发系统150的在线服务(例如，LinkedIn)注册的不同用户。用户简档内的示例性数据项包括名字、姓、雇佣状态、职位名称、一个或多个技能、行业、资历水平、经验年限、当前雇主、过去雇主、工作概述、职位概述、联系人/“朋友”数目、以及那些联系人的身份。

学习内容分发系统150从客户端设备102-106接收数据(例如，关键词)，并且评分器152：(1)基于该数据从学习内容数据库154中标识零个或更多个学习内容项，并且(2)将任何标识的学习内容项发送给适当的客户端设备。评分器152可以用软件、硬件、或软件和硬件的任意组合来实现。

学习内容分发系统150不附属于内容提供方142-146；因此，内容提供方142-146中的每个内容提供方相对于学习内容分发系统150被视为第三方。

过程概述

图2是在一个实施例中描绘了用于基于第三方内容来生成学习内容推荐的过程200的流程图。因此，学习内容推荐是上下文的，或基于正被呈现给相应用户(或至少由相应用户请求的)当前数据。过程200由网络系统100的不同组件或元件实现。

在框210，客户端设备(例如，客户端设备102)向内容提供方(例如，内容提供方142)发送针对内容的请求。框210可以响应于与web浏览器(例如，web浏览器112)对接的用户在与内容提供方相关联的网页中选择链接而执行。替代地，框210可以响应于用户在web浏览器的文本域中输入与内容提供方相关联的统一资源定位符(URL)或域名而执行。

在框220，web浏览器加载从内容提供方接收的web内容。框220可以涉及：对web内容进行处理以生成并呈现web浏览器在客户端设备的屏幕上显示的网页。

在框230，学习内容扩展(例如，LCE 122)对web内容的至少一部分执行文本分析以标识web内容中的一个或多个关键词。关键词提取承担对最佳描述文档主题的术语的自动标识的任务。关键词提取可以包括三个部分：候选选择、属性计算、以及评分并选择关键词。在候选选择中，提取可能潜在地是关键词的所有可能词语、短语、术语或概念。在属性计算中，对于每个候选，计算指示该候选可能是关键词的属性。例如，在书本的标题中(或章标题中)出现的候选很可能是关键词。在评分和选择关键词中，通过将属性组合成公式、或使用机器学习技术来确定候选是关键词的概率来对所有候选评分。随后使用分数或概率阈值或关键词数量的限制来选择最终的关键词集合。关键词提取的实现方式的示例包括快速自动关键词提取(RAKE)、tf-idf、以及TextRank。Tf-idf(或词频-逆文档频率)是反映词语对采集库或语料库中的文档的重要程度的数值统计。可以使用其它自然语言处理(NLP)算法来提取关键词，取决于算法，这些关键词可以是基于频率的双字母组、三字母组或其它形式。

框230可以首先涉及移除(例如，HTML和/或XML)标签并移除停用词和标点符号。

框230相对于与Bitcoin(比特币)有关的网页的示例性输出如下：

(10.0,‘users directly without’)

(9.0,‘worldwide payment system 93’)

(9.0,‘wall street journal19’)

(9.0,‘payment14 research produced’)

(9.0,‘name satoshi nakanotoll’)

(8.75,‘vendors accepted bitcoin’)

(8.5,‘convention followed throughout’)

(8.0,‘transactions take place’)

(5.0,‘white paper6’)

(4.75,‘lowercase bitcoin’)

(4.75,‘blockchain bitcoin’)

(4.75,‘bitcoin lowercase’)

(4.75,‘bitcoin capalization’)

框230的输出表示基于挖掘的所有词语的对应网页的汇总。

在框240，学习内容扩展在网络130上向学习内容分发系统150发送所标识的一个或多个关键词。框240可以涉及：学习内容扩展生成(例如，HTTP)消息，该消息包括该一个或多个关键词、源地址(标识客户端设备)、以及目的地地址(标识学习内容分发系统150)。

在框250，学习内容分发系统150基于该一个或多个关键词来标识与该一个或多个关键词相关的学习内容。如先前提到的，学习内容包括一个或多个学习内容项。因此，可以标识一个以上学习内容项。

在框260，学习内容分发系统150在网络130上向学习内容扩展发送标识学习内容的标识数据。框260可以涉及：学习内容分发系统150生成(例如，HTTP消息)，该消息包括该标识数据、源地址(标识学习内容分发系统150)、以及目的地地址(标识客户端设备)。

在框270，学习内容扩展促使在客户端设备的屏幕上显示标识数据。可以在覆盖在web浏览器上的弹出显示区中显示标识数据。图3是一个实施例中的示例性web浏览器显示区300的屏幕截图，该屏幕截图包括来自第三方内容提供方的web内容310以及通过学习内容扩展显示的(或促使被学习内容扩展显示的)(来自学习内容分发系统150的)标识数据330。在该示例中，标识数据330标识多个学习内容项。每个学习内容项表示对web浏览器的用户的不同推荐。在该示例中，标识数据330在web内容310的一部分上显示。(标识数据330可以自动显示，而无需用户输入，或者可以响应于用户选择图标320而显示。)在替代实施例中，选择图标320使得：(a)打开web浏览器中的新标签，该新标签包括标识数据330，或(b)打开web浏览器的新窗口，该新窗口包括标识数据330。

如果用户选择学习内容项，则用户将可以立即在当前(例如，弹出)显示区中或者在web浏览器的另一标签或窗口中消耗(例如，观看或收听)该学习内容项。web浏览器可以发送包含与学习内容项相关联的URL的(例如，HTTP)请求。URL可以包括针对所选择的学习内容项的标识符，并且可以引用学习内容分发系统150或附属于学习内容分发系统150的另一计算机系统。无论哪个计算机系统接收到该请求，web浏览器从该计算机系统接收到的内容都在学习内容扩展的弹出窗口中或在web浏览器的另一标签或窗口中显示。

在相关实施例中，学习内容分发系统150与用户或客户端设备的账户相关联地存储标识数据。之后，当对相同或不同客户端设备进行操作的用户的客户端设备访问与学习内容分发系统150相关联的网站时，向该用户呈现包括标识信息的该用户/客户端设备的账户信息。该相关实施例可以作为框260-270的补充或替代来执行。因此，即使执行了框260-270，当用户访问网站时也可以向用户呈现标识数据以向用户提醒推荐。

在相关实施例中，在框270之后，用户通过学习内容扩展来提供指示她/他对所标识的学习内容项中的一个或多个学习内容项不感兴趣的输入。(每个学习内容项可以与一个或多个图形元素相关联，其中一个图形元素指示用户对相应的学习内容项不感兴趣。)该输入指示用户可能对任何未选择的学习内容项感兴趣。另外地或替代地，用户通过学习内容扩展来提供她/他对所标识的学习内容项中的一个或多个学习内容项感兴趣的输入。无论用户稍后指示她/他至少可能感兴趣的哪个学习内容项，学习内容扩展都将向学习内容分发系统150发送那些学习内容项的标识数据以供持久存储并稍后在用户访问网站时呈现给用户。

模式

在一个实施例中，学习内容扩展在不同时间在不同模式中操作。例如，如果用户登录学习内容分发系统150(或附属的计算机系统)，则相应的学习内容扩展在第一模式中操作；如果用户未登录，则学习内容扩展在第二模式中操作。如果学习内容分发系统150验证学习内容扩展从相应web浏览器的高速缓存取回的凭证数据(或“凭证cookie”)，则用户“登录”。凭证数据可以是学习内容分发系统150在验证用户凭证(例如，用户名和密码)时设置或建立的cookie。在相关实施例中，学习内容扩展呈现用户界面以允许用户提供他/她的凭证。

当在第一模式中时，学习内容分发系统150可以将一个或多个学习内容项的标识数据存储在与相应用户相关联的账户中，以使得稍后当用户访问与学习内容分发系统150相关联的网站时可以向该用户呈现标识数据。

当在第一模式中时，学习内容扩展可以允许在第二模式中不允许的一个或多个动作，例如指示对各个学习内容项的兴趣的能力或观看任何推荐的学习内容的能力。

在相关实施例中，学习内容扩展在订户模式和非订户模式中操作，这可以类似于未登录模式或登录模式。因此，用户可以是附属于学习内容分发系统150的计算机系统(例如，职业社交网络系统)的成员，但可能不是学习内容分发系统150本身的订户。

不同的学习内容扩展模式规定用户相对于学习内容所具有的动作类型或访问类型。例如，在订户模式中，学习内容扩展允许用户立即消耗学习内容项(例如，在学习内容扩展生成的弹出窗口中或在相应web浏览器的另一标签或窗口中)。然而，在非订户模式中，学习内容扩展仅允许用户消耗学习内容项的一小部分(例如，前三分钟)(或者完全不消耗)，并且可选地，邀请用户订阅以便消耗整个学习内容项。对订阅的邀请可以包括链接，如果用户选择该链接，则使得生成引用学习内容分发系统150(或附属的计算机系统)的(例如，HTTP)请求，并且(例如，在相应的web浏览器中将打开的另一标签或窗口中)显示对该请求的响应。该响应可以包括描述订阅从学习内容分发系统150接收学习内容的益处和任何成本的web内容。

举另一个示例，在非订户模式中，可以给予用户临时访问以消耗有限数量的学习内容项，之后相应的学习内容扩展进入限制对任何后续学习内容项的所有(或大部分)访问的模式。

与学习内容进行交互

在一个实施例中，学习内容扩展提供了允许用户以一种或多种方式与学习内容交互的用户界面。学习内容扩展所允许的交互类型的示例包括选择指示以下各项的输入：(1)用户想要立即消耗学习内容项，(2)用户想要稍后消耗学习内容项，(3)用户对学习内容项不感兴趣，或(4)学习内容项与用户不相关。如果同时向用户呈现多个学习内容项，则该用户可以提供相对于一个学习内容项的一种输入类型(例如，稍后消耗)或相对于另一学习内容项的另一输入类型(例如，不感兴趣)。

在相关实施例中，学习内容扩展提供了允许用户提供涉及多个学习内容项的单个输入的用户界面。例如，学习内容的显示区可以包括图形元素，该图形元素在被选择时使得多个学习内容项与用户的在线学习账户相关联地保存，以使得该用户可以稍后消耗学习内容项。举另一个示例，学习内容的显示区可以包括图形元素，该图形元素在被选择时使得多个学习内容项被忽略并从显示区移除。

学习内容扩展或学习内容分发系统150保持对这些交互的记录。例如，学习内容扩展确定交互类型(例如，上述四种交互中的一种)并创建对该交互的记录。该记录可以包括针对与之交互的每个学习内容项(LCI)的LCI标识符、标识交互类型的交互类型标识符、以及可选地交互的时间戳。学习内容扩展可以在本地存储记录或者将记录发送给学习内容分发系统150以用于与相应用户的在线账户相关联地存储。

通信信道

在一个实施例中，学习内容分发系统150基于来自学习内容扩展的一个或多个关键词来标识的学习内容经由一个或多个通信信道而不是通过学习内容扩展来呈现给相应客户端设备的用户。例如，在基于一个或多个关键词标识学习内容之后，学习内容分发系统150确定与伴随来自学习内容扩展的包括该一个或多个关键词的消息的用户标识符相关联的电子邮件地址。学习内容分发系统150可以访问包括该电子邮件地址的用户账户数据。学习内容分发系统150促使生成被寻址到电子邮件地址的电子邮件消息，促使在电子邮件消息中包括学习内容的标识数据，并促使向目标接收方发送电子邮件消息。

举另一个示例，在基于来自学习内容扩展的一个或多个关键词来标识学习内容之后，学习内容分发系统150将学习内容存储在学习内容分发系统150可以访问的在线账户中。该在线账户与向学习内容分发系统150发送关键词的客户端设备的用户相关联。稍后，当用户操作客户端设备(或另一客户端设备)以访问在线账户(无论是通过学习内容分发系统150还是另一计算机系统)时，在该客户端设备的屏幕上自动向用户呈现学习内容。

调节推荐

在一个实施例中，学习内容扩展调节一个或多个动作。学习内容扩展可能调节的动作的示例包括：对web浏览器最近接收到的web内容进行分析，将所标识的关键词发送给学习内容分发系统150，以及经由相应的web浏览器来显示学习内容。

学习内容扩展可能出于不同原因而进行调节。例如，学习内容扩展检测到最近N次学习内容扩展显示学习内容时对应用户还未选择任何学习内容项。举另一个示例，学习内容扩展检测到最近M次学习内容扩展显示学习内容时对应用户选择了“忽略”按钮(或另一图形元素，例如“关闭”弹出元素)。调节决定可以基于学习内容扩展先前创建的交互记录。

在相关实施例中，学习内容分发系统150针对特定的用户和学习内容扩展做出调节决定。这种决定可以基于该学习内容分发系统150从学习内容扩展接收到的以及该学习内容分发系统150与该特定用户相关联地存储的交互记录来做出。例如，如果学习内容分发系统150确定特定用户针对最近的M组学习内容提供了负面反馈，则学习内容分发系统150确定调节未来的学习内容。

“调节”可以包括：(1)防止向特定用户显示任何将来标识的学习内容，(2)在一段时间内(例如，一周或一个月)防止向特定用户显示将来标识的学习内容，(3)针对对第三方内容提供方的接下去N次访问防止向特定用户显示将来标识的学习内容，或(4)减少将来呈现学习内容的机会。例如，学习内容分发系统150(或对应的学习内容扩展)增大学习内容项为了向特定用户呈现而必须超过的阈值分数。例如，学习内容项为了经由用户的学习内容扩展向该用户呈现而必须具有的阈值分数是50。在用户通过学习内容扩展的一个或多个负面输入之后，阈值分数被增大至75。因此，不同用户可以与不同的阈值分数相关联。举另一个示例，针对用户的新阈值分数可以基于向用户呈现其身份的学习内容的最高分数。例如，如果这种学习内容项的最高分数是65，则新阈值分数是至少65或高于65的某个值(例如，比最高先前分数高10％)。

相关性

学习内容分发系统150基于来自学习内容扩展的每个请求而执行一个或多个搜索。来自学习内容扩展的请求包括一个或多个关键词。如果请求包括多个关键词，则学习内容分发系统150可以执行单个搜索，该单个搜索涉及标识与这些关键词中的一个或多个关键词相关联的学习内容项。学习内容项与其相关联的关键词越多，该学习内容项的相关性就越高。反之，学习内容项与其相关联的关键词越少，该学习内容项的相关性就越低。因此，通常，与较多关键词相关联的学习内容项将比与较少关键词相关联的学习内容项的评分或排名更高。

替代地，学习内容分发系统150执行多个搜索，针对每个关键词和/或关键词的组合执行一个搜索。可以组合每个搜索的结果以生成单个结果，其中在每个单独搜索中标识的学习内容项相对于彼此进行排名。

在一个实施例中，基于关键词的学习内容项的相关性分数取决于该学习内容项与关键词相关联的程度。例如，如果在学习内容项的题目中找到关键词，则该学习内容项将具有相对高的相关性分数。如果在学习内容项的摘要的简述中找到关键词，则该学习内容项将具有高的、但相对较低的相关性分数。如果在学习内容项的章标题中找到关键词，则该学习内容项将具有相对高的相关性分数，可能比在学习内容项的摘要中找到关键词的情况要高。如果仅在学习内容项的非标题和非题目文本中找到关键词，则该学习内容项在给定该关键词的情况下将具有最低相关性分数。

在相关实施例中，基于关键词的学习内容项的相关性分数取决于该关键词在学习内容项的转录文本中出现的频度。因此，通常，关键词在学习内容项的转录文本中的实例数目越大，相关性分数就越高。反之，关键词在学习内容项的转录文本中的实例数目越少，相关性分数就越低。

在一个实施例中，音频或视频学习内容项与在该学习内容项中找到的音频的转录文本相关联。该转录文本可以由学习内容项的提供方提供。替代地，转录文本可以使用语音-至-文本计算机技术自动生成。任一种方式，都可以修改转录文本以包括指示标题、章标题、小标题、节标题等等的额外文本或标签，以分解转录文本以使得它更加可读。学习内容分发系统150的相关性评分组件可以利用这种转录文本以基于相关联的关键词来生成学习内容项的相关性分数。

在一个实施例中，学习内容项的相关性分数取决于先前是否已向用户呈现了该学习内容项。例如，如果过去已向用户推荐学习内容项大于N次并且用户未选择该学习内容项，则给予该学习内容项较低的相关性分数。在何处向用户呈现学习内容项作为推荐可以规定该学习内容项的相关性分数应该减小的程度(如果要减小的话)。例如，如果先前在附属于学习内容分发系统150的网站上推荐了学习内容项并且用户未选择该推荐，则相关性分数减小量X；而如果先前经由学习内容扩展向用户推荐学习内容项并且用户未选择该推荐，则相关性分数减小量Y，其中量Y大于量X。

在相关实施例中，向用户推荐学习内容项已过去越久，该推荐对该学习内容项的当前相关性分数的影响越小(如果有影响的话)。

用户简档数据

在一个实施例中，学习内容分发系统150在基于一个或多个关键词确定将向用户呈现哪些学习内容项时标识用户的一个或多个属性(例如，来自用户简档数据库156)。例如，标识与一个或多个关键词(来自学习内容扩展)相关联的学习内容项并且随后使用相应用户的一个或多个属性来对所标识的学习内容项评分或重新排序。这些属性可以存储在学习内容分发系统150可以访问的(用户的)简档中。示例性属性包括雇佣状态、职位名称、一个或多个技能、行业、资历水平、经验年限、当前雇主、过去雇主、工作概述、职位概述、联系人/“朋友”数量、以及这些联系人的身份。

例如，如果用户的一个或多个联系人已观看了学习内容项，并且学习内容分发系统150由于基于从该用户的学习内容扩展发送的关键词的搜索而将该学习内容项标识为候选，则该学习内容项的分数大于在该用户的联系人没有观看该学习内容项的情况下原本将具有的分数。举类似的示例，如果用户当前雇主的多个同事观看了学习内容项，则该用户也许比没有这些同事的用户更有可能观看相同的学习内容项。

举另一个示例，学习内容分发系统150确定特定学习内容项在具有特定职位名称的用户之中具有相对高的用户选择率。如果特定用户具有在该特定用户的简档中所列出的特定职位名称，并且学习内容分发系统150响应于来自该特定用户的学习内容扩展的一个或多个关键词而标识特定学习内容项，则该特定学习内容项可接收较高的相关性分数，并且因此更有可能被呈现给该特定用户。

举另一个示例，如果(1)学习内容项与用户当前不具有但与用户简档中所列出的一个或多个技能相关的技能相关联并且(2)学习内容分发系统150由于基于从用户的学习内容扩展发送的关键词的搜索而将该学习内容项标识为候选，则学习内容项的分数大于在以下情况下原本将具有的分数：(a)学习内容项仅与用户简档中当前所列出的技能相关联或(b)学习内容项不与和用户简档中所列出的任何技能有关的技能相关联。

多个关键词的搜索结果

在一个实施例中，学习内容分发系统150使用来自学习内容扩展的多个关键词来标识相关学习内容。例如，可以仅当学习内容项在至少两个搜索结果(每个搜索结果对应于不同的关键词)中出现在前十时才标识该学习内容项。这可以确保学习内容分发系统150标识的内容非常相关。

对web内容的不同部分进行加权

在一个实施例中，从web内容(例如，网页)提取的不同关键词可以不同地进行加权。不同的权重可能使得一些排名较低的学习内容项的排名高于先前排名较高的与相对较低权重相关联的学习内容项。web内容的不同部分可以与不同的权重相关联。例如，从web内容的标题提取的关键词可以具有比来自web内容的主体的关键词要高的权重。

可以使用HTML标签来确定将向每个关键词应用什么权重(如果存在的话)。例如，在标题部分内提取的(例如，在‘title’标签之间找到的)关键词可以与最高权重相关联，从页头(header)部分提取的(例如，在‘header’标签之间找到的)关键词可以与下一最高权重相关联，并且从主体部分提取的关键词可以与最低权重相关联(或者没有权重)。

搜索术语也可以用作关键词。例如，学习内容扩展将搜索引擎页面的搜索栏中的一组一个或多个搜索术语标识为关键词，并将该关键词发送给学习内容分发系统150。

某些网站的网页上的主题也可以用作关键词。例如，用户访问关于Python编程语言的Wikipedia页面。因此，相应的学习内容扩展将“Python”标识为关键词。可以从URL或从网页内的某一(例如，预先定义的)部分提取关键词。

对web内容的不同源进行加权

在一个实施例中，从中提取一个或多个关键词的(例如，web)源规定对这些关键词的加权。例如，与学习相关联的源(例如，Wikipedia、搜索引擎结果页面、托管学习内容的另一学习平台)使得访问那些源的用户更有可能对学习感兴趣。相比之下，当用户访问其它类型的源(例如娱乐或体育网站)时，则假定这些用户不太可能对推荐的学习内容感兴趣。可以使用源加权来调节相关性分数，以使得与在源不与学习相关联的情况下相比在源与学习相关联的情况下更有可能推荐学习内容项。

可以手动或自动地确定源加权。例如，在任何用户安装学习内容扩展之前，该学习内容扩展的开发者或管理员向多个源中的每个源分配源加权。可以基于流行度(popularity)(例如针对源的唯一web业务)来标识源。

学习内容扩展可以包括将源与源加权进行关联的源加权映射。学习内容扩展基于源的身份(例如，URL)在映射中查找源加权，并将该源加权传递给学习内容分发系统150。以此方式，源(例如，网站)的身份未被传递给学习内容分发系统150。

替代地，学习内容分发系统150包括源加权映射，并在响应于从相应的学习内容扩展接收到源的身份而计算一个或多个学习内容项的分数时应用该映射。

在相关实施例中，学习内容扩展存储将源映射到类别的源-类别映射，并且仅将类别数据发送给学习内容分发系统150。示例性类别包括学习、非学习、娱乐、互联网搜索、体育、新闻、计算机技术、以及商业。源(或特定的网页)可以与多个类别相关联。在该实施例中，学习内容分发系统150存储将不同类别映射到不同权重的类别加权映射。以此方式，源的身份未被传递给学习内容分发系统150。此外，如果权重改变，则仅需要对学习内容分发系统150的改变而不需要更新已经部署的学习内容扩展。

在相关实施例中，如果用户正在访问被分类为学习源的网站，则学习内容扩展立即呈现任何推荐的学习内容。反之，如果用户正在访问被分类为另一类型的源(例如，非学习源)的网站，则学习内容扩展不呈现任何标识的学习内容。替代地，任何这种标识的学习内容与用户的在线账户相关联地存储，并且当用户访问可以访问该在线账户的网站时向用户呈现所标识的学习内容。

在一个实施例中，学习内容扩展利用由搜索引擎生成的搜索结果页面上的每个搜索结果的源信息，并使用该源信息来对不同关键词进行加权(或至少分类)。例如，搜索结果页面包括两个搜索结果：标识第一源(或网站)的第一搜索结果以及标识第二源的第二搜索结果。第一源可以被分类为学习源并且第二源可以被分类为体育网站。从第一搜索结果提取的任何关键词的权重可以高于从第二搜索结果提取的任何关键词。另外，如果搜索结果页面上的大部分或某一百分比(例如，大于65％)搜索结果是来自被分类为学习源的源，则关键词的权重可以甚至更高。

置信度水平

在一个实施例中，可以确定置信度水平(confidence level)并与推荐的学习内容相关联。置信度水平指示由学习内容扩展执行的关键词分析的置信度和/或从相关性模型标识的学习内容的置信度。可能存在两个不同的置信度水平：关键词分析的置信度水平以及所标识的学习内容的置信度水平。

关键词分析(无论是由学习内容扩展还是由学习内容分发系统150执行)的置信度可以具有使用自然语言处理(NLP)计算的分数的形式。可以使用受监督的机器学习过程来计算分数，其中每个经标记的训练实例指示(a)关键词分析的输出是否准确或(b)该输出的准确程度(例如，在0至10的尺度上)。

用于测量关键词分析的置信度的其它方式包括：

a.如果用户最近查看的连续网页中出现所标识的关键词(例如，如果“cryptocurrency”在最近三个网页中被标识为关键词)，则该关键词的置信度相对高

b.如果靠前的N个所标识关键词中的多个关键词具有类似含义(例如，“bitcoin”和“cryptocurrency”)，则这些关键词的置信度相对高

c.如果用户点击包含所标识关键词的链接，则该关键词的置信度相对高(在该情况下，即使是从进行链接的网页标识关键词，也可以在被链接到的网页上显示基于该关键词的推荐学习内容项(或通过不同的通信信道))

d.如果多个所标识关键词与相同的学习内容项匹配，则这些关键词的置信度相对高

用于测量关键词分析的置信度的另一方式是用户反馈调查。

用于测量置信度的另一方式是将类似网站聚集在一起。类似网站可以在内容的类型或性质、内容的结构等方面类似。将类似网站聚集在一起的一个原因是因为对于某些类型的网站推荐可以更强，并且对于完全不具有任何相关学习内容的网站(例如，Amazon、eBay等等)推荐可以显著更弱。

学习内容项的置信度可以基于一个或多个因素，例如由学习内容项的消费者提供的评级的均值(或中值评级)、学习内容项的提供方的评级、学习内容项的流行度(例如，学习内容项的观看次数或学习内容项的唯一观看者数量)、以及学习内容项的新近流行度(例如，在过去一周或过去一天中学习内容项的观看或观看者数量)。例如，学习内容项越流行，该学习内容项的分数就越高。类似地，学习内容项的用户评级越高，该学习内容项的分数就越高。

学习内容项的置信度可以基于在通过学习内容扩展来呈现学习内容项时其他用户选择该学习内容项的频度。因此，被推荐给学习内容扩展的用户的每个学习内容项可以具有用户选择率(或点击通过率(CTR))。学习内容项的用户选择率越高，学习内容项的置信度就越高，并且学习内容项的分数就越高。

在一个实施例中，学习内容项的置信度被表示为经预测的用户选择率或经预测的CTR。经预测的用户选择率可以基于与学习内容的过去用户交互(无论是通过学习内容扩展还是通过附属于学习内容分发系统150的网站)。可以训练机器学习的预测模型并将其用于对每个学习内容项评分。该模型的示例性特征包括学习内容项的实际或当前用户选择率、其在线活动发起从相应学习内容扩展向学习内容分发系统150的请求的用户的实际或当前用户选择率、学习内容项的相关性分数(例如，由相关性模型生成)、学习内容项的用户评级(例如，基于不同用户相对于学习内容项的多个评级)、学习内容项的提供方的评级(例如，基于不同用户相对于提供方的学习内容项的多个评级)、学习内容项的流行度、用户的属性、学习内容项的音频/视频时间长度、自从用户上次参与学习内容以来的时间、用户在相应网站上花费的时间、自从向用户呈现最近的学习内容推荐以来的时间、自从用户提供对推荐的(正面/负面)反馈以来的时间、以及与学习内容项或用户正在查看的主题的总体参与度的增长率。例如，趋势热点学习内容项(或主题)可能具有比其它学习内容项(或其它学习内容项的主题)要少的总观看，但增长率更高。

在一个实施例中，不管如何生成或测量置信度分数，都使用学习内容项的置信度分数来确定如何经由学习内容扩展来向用户呈现该学习内容项。例如，如果置信度分数高于第一阈值，则学习内容扩展立即突出显示对学习内容项的视觉指示(例如，至少显示学习内容项的标题)。如果置信度分数在第一阈值至第二阈值之间，则学习内容扩展显示不太突出的视觉指示(例如，小图标)，该指示指示了如果选择该视觉指示则可以查看一个或多个推荐。如果选择了视觉指示，则学习内容扩展显示学习内容项的标题(或者如果推荐多个学习则显示多个标题)。如果置信度分数小于第二阈值，则学习内容扩展不显示任何视觉指示。替代地，学习内容分发系统150将推荐的学习内容与用户的在线账户相关联地存储，当用户访问可以访问该在线账户的网站时，用户可以访问该账户。在相关实施例中，即使通过学习内容扩展向用户呈现对学习内容项的推荐，当该用户访问网站时也可以再次向用户呈现该推荐。

学习内容项内的经推荐部分

在一个实施例中，对学习内容项的推荐包括该学习内容项内的特定时间或部分。例如，如果用户选择被显示为学习内容扩展的结果的学习内容项，则该学习内容项的回放不在最起点(例如，时间0:00)开始，而是在学习内容项内的位置(例如时间2:32)开始。以此方式，用户不仅接收到相关(并且潜在地高度置信的)推荐，而且该用户能够观看经推荐学习内容项的潜在最相关部分。

可以基于(例如，学习内容扩展标识的)关键词与包含该关键词的转录文本的比较来标识学习内容项的特定部分。转录文本的不同部分与不同时间相关联。转录文本中提到关键词的第一位置可以用于标识学习内容项的起始点。例如，如果在学习内容项的章标题中找到关键词并且用户选择了该学习内容项的标识数据(例如，在由学习内容扩展生成的弹出显示区中或在相应的web浏览器的窗口中)，则该学习内容项的回放在与章标题相对应的时间开始。举另一个示例，如果在学习内容项的转录文本的句子中找到关键词并且用户选择了该学习内容项的标识数据，则该学习内容项的回放在与该句子所属于的最近章标题或节标题相对应的时间、与该句子所属于的段落的起始相对应的时间、或与该句子的开始相对应的时间开始。

学习内容扩展历史

在一个实施例中，使用学习内容扩展的用户(或“扩展用户”)的历史来为访问附属于学习内容分发系统150的用户标识相关学习内容。与向扩展用户呈现并且由扩展用户选择的学习内容项有关的数据越多，对非扩展用户的推荐就越准确。换言之，可以改善相关性模型和/或置信度模型以学习以权重为特征的分数和/或与较高用户选择率相关联的分数阈值。

分发学习内容扩展

可以使用一个或多个技术将学习内容扩展分发给不同的客户端设备。例如，用户(无论是否注册)访问附属于学习内容分发系统150的网站。用户可以访问主页。在主页上显示可不予理会的横幅广告(banner)，该横幅广告包括针对用户下载学习内容扩展的邀请。举另一个示例，当用户向作为提供对许多学习内容项的访问的学习平台的一部分的网站注册时，引导流程的一部分包括下载学习内容扩展的邀请。举另一个示例，可以向对有兴趣向网站注册的用户发送包括下载学习内容扩展的邀请的电子邮件，并且用户可以使用该学习内容扩展在有限的时间内查看学习内容而无需付费。

硬件概述

根据一个实施例，本文所描述的技术由一个或多个专用件算设备实现。专用计算设备可以硬接线以执行各技术，或者可以包括数字电子设备，例如一个或多个专用集成电路(ASIC)或被持久编程为执行各技术的现场可编程门阵列(FPGA)，或者可以包括被编程为依照固件、存储器、其它存储装置、或其组合中的程序指令来执行各技术的一个或多个通用硬件处理器。此类专用计算设备还可以将定制的硬接线逻辑、ASIC或FPGA与定制编程进行组合以实现各技术。专用计算设备可以是台式计算机系统、便携式计算机系统、手持设备、联网设备或纳入硬接线和/或程序逻辑以实现各技术的任何其它设备。

例如，图4是示出了在其上可以实现本发明的实施例的计算机系统400的框图。计算机系统400包括总线402或用于传送信息的其它通信机制、以及与总线402耦合以用于处理信息的硬件处理器404。例如，硬件处理器404可以是通用微处理器。

计算机系统400还包括主存储器406(例如随机存取存储器(RAM)或其它动态存储设备)，该主存储器406耦合到总线402以存储将由处理器404执行的信息和指令。主存储器406还可以用于在执行将由处理器404执行的指令期间存储临时变量或其它中间信息。这些指令在被存储在处理器404可访问的非暂时性存储介质中时使计算机系统400变成被定制为执行指令中所指定的操作的专用机器。

计算机系统400还包括耦合到总线402以存储用于处理器404的静态信息和指令的只读存储器(ROM)408或其它静态存储设备。提供存储设备410(例如磁盘、光盘、或固态驱动器)并将其耦合到总线402以存储信息和指令。

计算机系统400可以经由总线402耦合到显示器412(例如阴极射线管(CRT))以用于向计算机用户显示信息。输入设备414(包括字母数字和其它键)耦合到总线402以向处理器404传送信息和命令选择。另一类型的用户输入设备是光标控件416(例如鼠标、轨迹球、或光标方向键)以用于向处理器404传送方向信息和命令选择并用于控制显示器412上的光标移动。该输入设备通常在两个轴(第一轴(例如，x)和第二轴(例如，y))中具有两个自由度，这允许设备指定平面中的位置。

计算机系统400可以使用定制的硬接线逻辑、一个或多个ASIC或FPGA、硬件和/或程序逻辑来实现本文所描述的技术，这些硬件和/或程序逻辑结合计算机系统使得计算机系统400成为或将计算机系统400编程为专用机器。根据一个实施例，本文的技术由计算机系统400响应于处理器404执行主存储器406中所包含的一个或多个指令的一个或多个序列而执行。这些指令可以从另一存储介质(例如存储设备410)读取到主存储器406中。执行主存储器406中所包含的指令序列使得处理器404执行本文所描述的过程步骤。在替代实施例中，可以替代或结合软件指令来使用硬接线电路。

如本文所使用的术语“存储介质”是指存储使得机器以特定方式操作的数据和/或指令的任何非暂时性介质。这种存储介质可以包括非易失性介质和/或易失性介质。例如，非易失性介质包括光盘、磁盘、或固态驱动器，例如存储设备410。易失性介质包括动态存储器，例如主存储器406。例如，存储介质的共用形式包括软盘、软性磁盘、硬盘、固态驱动器、磁带、或任何其它磁性数据存储介质、CD-ROM、任何其它光学数据存储介质、具有孔模式的任何物理介质、RAM、PROM、以及EPROM、FLASH-EPROM、NVRAM、任何其它存储器芯片或盒式磁带。

存储介质不同于传输介质但可以结合传输介质来使用。传输介质参与在存储介质之间传递信息。例如，传输介质包括同轴电缆、铜线和光纤，包括包含总线402的导线。传输介质还可以采用声波或光波的形式，例如在无线电波和红外数据通信期间生成的那些声波或光波。

在向处理器404携带一个或多个指令的一个或多个序列以供执行时可以涉及各种形式的介质。例如，指令可以初始地在远程计算机的磁盘或固态驱动器上携带。远程计算机可以将指令加载到其动态存储器中并使用调制解调器在电话线上发送指令。在计算机系统400本地的调制解调器可以在电话线上接收数据，并使用红外发射机将数据转换成红外信号。红外检测器可以接收在红外信号中携带的数据并且适当的电路可以将数据置于总线402上。总线402将数据携带至主存储器406，处理器404从该主存储器406取回并执行指令。由主存储器406接收到的指令可以可选地在由处理器404执行之前或之后存储在存储设备410上。

计算机系统400还包括耦合到总线402的通信接口418。通信接口418提供耦合到网络链路420的双向数据通信，该网络链路420连接到本地网络422。例如，通信接口418可以是集成服务数据网络(ISDN)卡、电缆调制解调器、卫星调制解调器、或调制解调器以提供至对应类型的电话线的数据通信连接。举另一个示例，通信接口418可以是局域网(LAN)卡以提供至兼容的LAN的数据通信连接。还可以实现无线链路。在任何此类实现方式中，通信接口418发送和接收携带表示各种类型的信息的数字数据流的电、电磁或光信号。

网络链路420通常通过一个或多个网络向其它数据设备的数据通信。例如，网络链路420可以通过局域网络422提供至主机计算机424或至由互联网服务提供商(ISP)426操作的数据设备的连接。ISP进而通过现在通常被称为“互联网”428的全球分组数据通信网提供数据通信服务。局域网络422和互联网428两者都使用携带数字数据流的电、电磁或光信号。通过各个网络的信号以及网络链路420上并通过通信接口418的信号(其携带去往和来自计算机系统400的数字数据)是传输介质的示例性形式。

计算机系统400可以通过网络、网络链路420和通信接口418来发送消息和接收数据，包括程序代码。在互联网示例中，服务器430可以通过互联网428、ISP 426、局域网络422和通信接口418来发送应用程序所请求的代码。

接收到的代码可以在其被接收到时由处理器404执行、和/或存储在存储设备410或其它非易失性存储中以供稍后执行。

在前述说明书中，已经参考可以因实现方式而异的众多具体细节描述了本发明的各实施例。说明书和附图因此应该被视为说明性的而不是限制性的。本发明范围的唯一且排他性指示以及申请人旨在作为本发明范围的内容是产生于本申请的一组权利要求(以产生这些权利要求的特定形式)的字面及等效范围，包括任何后续修正。

Claims (20)

1.一种方法，包括：

由浏览器扩展分析计算设备上正在显示的web内容内的文本；

其中，分析所述文本涉及标识一个或多个关键词；

由所述浏览器扩展在计算机网络上向远程系统发送所述一个或多个关键词；

对于所述一个或多个关键词中的每个关键词，由所述远程系统标识一个或多个课程以及一个或多个相关性分数，每个相关性分数反映所述每个关键词与所述一个或多个课程中的课程之间的相关性度量；

由所述远程系统向所述浏览器扩展发送标识一个或多个特定课程的课程标识数据；

由所述浏览器扩展促使在所述计算设备上显示所述课程标识数据；

其中，所述方法是由一个或多个计算设备执行的。

2.根据权利要求1所述的方法，其中，所述web内容是第一web内容，所述方法还包括：在促使在所述计算设备上显示所述课程标识数据之后：

确定在所述计算设备上正在呈现不同于所述第一web内容的第二web内容；

基于所述计算设备的用户的一个或多个过去交互来确定是否在所述计算设备上呈现与所述第二web内容相关的另外课程标识数据；

确定不呈现与所述第二内容相关的第二课程标识数据。

3.根据权利要求1所述的方法，还包括：

由所述远程系统标识所述计算设备的用户的简档；

在所述简档中标识与所述用户相关联的一个或多个技能；

由所述远程系统基于所述一个或多个技能来标识所述一个或多个特定课程。

4.根据权利要求1所述的方法，其中，所述一个或多个关键词是多个关键词，所述方法还包括：

由所述远程系统做出关于特定课程与所述多个关键词中的复数个关键词相关联的确定；

基于所述确定来将所述特定课程标识为所述一个或多个特定课程中的一个。

5.根据权利要求1所述的方法，其中，所述一个或多个关键词是包括第一关键词和第二关键词的多个关键词，所述方法还包括：

确定所述第一关键词在所述web内容内的第一位置中；

基于所述第一位置来将所述第一关键词与第一权重进行关联；

确定所述第二关键词在所述web内容内的第二位置中；

基于所述第二位置来将所述第二关键词与不同于所述第一权重的第二权重进行关联；

其中，第一课程的第一相关性分数基于所述第一关键词和所述第一权重；

其中，第二课程的第二相关性分数基于所述第二关键词和所述第二权重。

6.根据权利要求1所述的方法，其中，所述web内容是来自第一源的第一web内容，所述方法还包括：

基于所述第一源来确定第一权重；

其中，所述一个或多个相关性分数基于所述第一权重；

由所述浏览器扩展分析所述计算设备上正在显示的第二web内容内的第二文本；

其中，所述第二web内容来自不同于所述第一源的第二源；

其中，分析所述第二文本涉及标识一个或多个第二关键词；

由所述浏览器扩展在所述计算机网络上向所述远程系统发送所述一个或多个第二关键词；

基于所述源来确定第二权重；

对于所述一个或多个第二关键词中的每个关键词，由所述远程系统标识一个或多个第二课程以及一个或多个第二相关性分数；

其中，所述一个或多个第二相关性分数基于所述第二权重；

由所述远程系统向所述浏览器扩展发送标识一个或多个第二课程的第二课程标识数据；

由所述浏览器扩展促使在所述计算设备上显示所述第二课程标识数据。

7.根据权利要求1所述的方法，还包括：

由所述远程系统确定多个课程中的每个课程的置信度水平，其中，特定课程的置信度水平包括以下各项中的一项或多项：所述特定课程的用户评级、所述特定课程的提供方的评级、所述特定课程的观看次数、或所述特定课程的用户选择率；

基于针对所述一个或多个特定课程中的每个课程确定的置信度水平来标识所述一个或多个特定课程。

8.根据权利要求1所述的方法，还包括：

由所述远程系统确定所述一个或多个关键词中的关键词与所述一个或多个特定课程中的特定课程内的特定位置相关联，所述特定位置不是所述特定课程的起始处；

其中，发送所述课程标识数据包括：与所述特定课程相关联地发送所述特定位置；

在由所述浏览器扩展促使在所述计算设备上显示所述课程标识数据之后接收选择所述特定课程的用户输入；

响应于接收所述用户输入，促使在所述特定位置处开始回放所述特定课程。

9.一种方法，包括：

由在计算设备上的web浏览器内执行的学习内容扩展来分析所述计算设备从第三方内容提供方接收的web内容内的文本；

其中，分析所述文本涉及标识一个或多个关键词；

由所述学习内容扩展在计算机网络上向远程系统发送所述一个或多个关键词；

对于所述一个或多个关键词中的每个关键词，由所述远程系统标识一个或多个学习内容项以及一个或多个相关性分数，每个相关性分数反映所述每个关键词与所述一个或多个学习内容项中的学习内容项之间的相关性度量；

从由于所述一个或多个关键词而被标识的多个学习内容项之中并基于针对所述多个学习内容项中的每个学习内容项生成的分数来选择一个或多个特定学习内容项；

由所述远程系统向所述学习内容扩展发送标识所述一个或多个特定学习内容项的标识数据；

由所述学习内容扩展促使在所述计算设备上显示所述标识数据。

10.根据权利要求9所述的方法，其中，所述web内容是第一web内容，所述方法还包括：在促使在所述计算设备上显示所述标识数据之后：

确定在所述计算设备上正在显示不同于所述第一web内容的第二web内容；

基于所述计算设备的用户的一个或多个过去交互来确定是否在所述计算设备上呈现与所述第二web内容相关的另外标识数据；

确定不呈现与所述第二内容相关的第二标识数据。

11.根据权利要求9所述的方法，还包括：

由所述远程系统确定学习内容项集合中的每个学习内容项的置信度水平，其中，特定学习内容项的置信度水平包括以下各项中的一项或多项：所述特定学习内容项的用户评级、所述特定学习内容项的提供方的评级、所述特定学习内容项的观看次数、或所述特定学习内容项的用户选择率；

基于针对所述一个或多个特定学习内容项中的每个学习内容项确定的置信度水平来标识所述一个或多个特定内容项。

12.根据权利要求9所述的方法，还包括：

由所述远程系统确定所述一个或多个关键词中的关键词与所述一个或多个特定学习内容项中的特定学习内容项内的特定位置相关联，所述特定位置不是所述特定学习内容项的起始处；

其中，发送所述标识数据包括：与所述特定学习内容项相关联地发送所述特定位置；

在由所述浏览器扩展促使在所述计算设备上显示所述标识数据之后接收选择所述特定学习内容项的用户输入；

响应于接收所述用户输入，促使在所述特定位置处开始回放所述特定学习内容项。

13.存储指令的一个或多个存储介质，所述指令在由一个或多个处理器执行时使得进行以下操作：

由浏览器扩展分析计算设备上正在显示的web内容内的文本；

其中，分析所述文本涉及标识一个或多个关键词；

由所述浏览器扩展在计算机网络上向远程系统发送所述一个或多个关键词；

对于所述一个或多个关键词中的每个关键词，由所述远程系统标识一个或多个课程以及一个或多个相关性分数，每个相关性分数反映所述每个关键词与所述一个或多个课程中的课程之间的相关性度量；

由所述远程系统向所述浏览器扩展发送标识一个或多个特定课程的课程标识数据；

由所述浏览器扩展促使在所述计算设备上显示所述课程标识数据。

14.根据权利要求13所述的一个或多个存储介质，其中，所述web内容是第一web内容，其中，所述指令在由所述一个或多个处理器执行时还使得：在促使在所述计算设备上显示所述课程标识数据之后：

确定在所述计算设备上正在呈现不同于所述第一web内容的第二web内容；

基于所述计算设备的用户的一个或多个过去交互来确定是否在所述计算设备上呈现与所述第二web内容相关的另外课程标识数据；

确定不呈现与所述第二内容相关的第二课程标识数据。

15.根据权利要求13所述的一个或多个存储介质，其中，所述指令在由所述一个或多个处理器执行时还使得进行以下操作：

由所述远程系统标识所述计算设备的用户的简档；

在所述简档中标识与所述用户相关联的一个或多个技能；

由所述远程系统基于所述一个或多个技能来标识所述一个或多个特定课程。

16.根据权利要求13所述的一个或多个存储介质，其中，所述一个或多个关键词是多个关键词，其中，所述指令在由所述一个或多个处理器执行时还使得进行以下操作：

由所述远程系统做出关于特定课程与所述多个关键词中的复数个关键词相关联的确定；

基于所述确定来将所述特定课程标识为所述一个或多个特定课程中的一个。

17.根据权利要求13所述的一个或多个存储介质，其中，所述一个或多个关键词是包括第一关键词和第二关键词的多个关键词，其中，所述指令在由所述一个或多个处理器执行时还使得进行以下操作：

确定所述第一关键词在所述web内容内的第一位置中；

基于所述第一位置来将所述第一关键词与第一权重进行关联；

确定所述第二关键词在所述web内容内的第二位置中；

基于所述第二位置来将所述第二关键词与不同于所述第一权重的第二权重进行关联；

其中，第一课程的第一相关性分数基于所述第一关键词和所述第一权重；

其中，第二课程的第二相关性分数基于所述第二关键词和所述第二权重。

18.根据权利要求13所述的一个或多个存储介质，其中，所述web内容是来自第一源的第一web内容，其中，所述指令在由所述一个或多个处理器执行时还使得进行以下操作：

基于所述第一源来确定第一权重；

其中，所述一个或多个相关性分数基于所述第一权重；

由所述浏览器扩展分析所述计算设备上正在显示的第二web内容内的第二文本；

其中，所述第二web内容来自不同于所述第一源的第二源；

其中，分析所述第二文本涉及标识一个或多个第二关键词；

由所述浏览器扩展在所述计算机网络上向所述远程系统发送所述一个或多个第二关键词；

基于所述源来确定第二权重；

对于所述一个或多个关键词中的每个关键词，由所述远程系统标识一个或多个第二课程以及一个或多个第二相关性分数；

其中，所述一个或多个第二相关性分数基于所述第二权重；

由所述远程系统向所述浏览器扩展发送标识一个或多个第二课程的第二课程标识数据；

由所述浏览器扩展促使在所述计算设备上显示所述第二课程标识数据。

19.根据权利要求13所述的一个或多个存储介质，其中，所述指令在由所述一个或多个处理器执行时还使得进行以下操作：

由所述远程系统确定多个课程中的每个课程的置信度水平，其中，特定课程的置信度水平包括以下各项中的一项或多项：所述特定课程的用户评级、所述特定课程的提供方的评级、所述特定课程的观看次数、或所述特定课程的用户选择率；

基于针对所述一个或多个特定课程中的每个课程确定的置信度水平来标识所述一个或多个特定课程。

20.根据权利要求13所述的一个或多个存储介质，其中，所述指令在由所述一个或多个处理器执行时还使得进行以下操作：

由所述远程系统确定所述一个或多个关键词中的关键词与所述一个或多个特定课程中的特定课程内的特定位置相关联，所述特定位置不是所述特定课程的起始处；

其中，发送所述课程标识数据包括：与所述特定课程相关联地发送所述特定位置；

在由所述浏览器扩展促使在所述计算机设备上显示所述课程标识数据之后，接收选择所述特定课程的用户输入；

响应于接收所述用户输入，促使在所述特定位置处开始回放所述特定课程。

Images