CN111144079A - 一种智能获取学习资源的方法、装置、打印机和存储介质 - Google Patents

一种智能获取学习资源的方法、装置、打印机和存储介质 Download PDF

Info

Publication number
CN111144079A
CN111144079A CN201911410156.6A CN201911410156A CN111144079A CN 111144079 A CN111144079 A CN 111144079A CN 201911410156 A CN201911410156 A CN 201911410156A CN 111144079 A CN111144079 A CN 111144079A
Authority
CN
China
Prior art keywords
knowledge point
knowledge
question
picture
stem
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.)
Granted
Application number
CN201911410156.6A
Other languages
English (en)
Other versions
CN111144079B (zh
Inventor
邱庆翔
谢发炎
吴涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baige Feichi Technology Co ltd
Original Assignee
Xiamen Miaobao Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Miaobao Technology Co ltd filed Critical Xiamen Miaobao Technology Co ltd
Priority to CN201911410156.6A priority Critical patent/CN111144079B/zh
Publication of CN111144079A publication Critical patent/CN111144079A/zh
Application granted granted Critical
Publication of CN111144079B publication Critical patent/CN111144079B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/12—Digital output to print unit, e.g. line printer, chain printer
    • G06F3/1201—Dedicated interfaces to print systems
    • G06F3/1223—Dedicated interfaces to print systems specifically adapted to use a particular technique
    • G06F3/1237—Print job management
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)

Abstract

本发明公开了一种智能获取学习资源的方法、装置、打印机及计算机存储介质，在打印机处，包括：获取包括题目的图片；识别所述图片中的内容信息，以获得所需的知识点；将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源；接收所述服务器发送的学习资源，并打印所述学习资源。本发明使得用户能够根据错题快速的获取与所述知识点相对应的学习资源，进而用户可根据所述学习资源巩固学习过程中不清楚的知识点并深入学习。

Description

一种智能获取学习资源的方法、装置、打印机和存储介质
技术领域
本发明涉及智能设备应用领域，尤其涉及一种智能获取学习资源的方法、装置、打印机和存储介质。
背景技术
在教师的教学及学生的学习生活中，会面临各种考试和日常作业，日积月累形成了很多错题，其中，“错题集”是目前比较流行的记录错题的方式，通过对经常犯的错误进行记录，以方便学生及时回顾，不断增强学生对知识点的掌握程度，及时弥补学习中的薄弱环节及不足。但是这种错题集因为无法全面分析出学生的问题所在，例如，是因为当前的知识点没学会，还是因为前面的某个知识点没学会，甚至是哪一个概念没有理解，从而造成学生无法有针对性的找到对应的练习题进行复习和巩固，可能花费大量时间找学习资源，甚至花时间将所有练习题重新复习一遍，导致复习效率低下。
发明内容
针对上述问题，本发明的目的在于提供一种智能获取学习资源的方法、装置、打印机和存储介质，使得用户能够根据错题快速的获取与所述知识点相对应的学习资源，进而用户可根据所述学习资源巩固学习过程中不清楚的知识点并深入学习。
本发明实施例提供了一种智能获取学习资源的方法，在打印机处，包括：
获取包括题目的图片；
识别所述图片中的内容信息，以获得所需的知识点；
将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源；
接收所述服务器发送的学习资源，并打印所述学习资源。
优选地，所述识别所述图片中的内容信息，以获得所需的知识点，具体为：
对所述图片进行二值化，以获得剔除冗余内容后的二值化图片；
基于应用分块算法，将所述二值化图片切分为包含题干信息的题干图片和包含答题信息的答题图片；
基于文字识别算法将所述题干图片转化成文本，以获得题干文本；
基于分词算法对所述题干文本进行内容切分，以获得题干分词；根据所述题干分词获得对应的至少一个题干知识点。
优选地，还包括：
对所述答题图片上具有预定批注的部分进行截取；
基于文字识别算法对截取的图片进行文本转化，以获得答题文本；
对所述答题文本进行模糊识别，获得多个模糊知识点；
基于所述模糊知识点以及所述题干知识点，确定出于所述截取的图片对应的精确知识点，并将所述精确知识点设置为所需的知识点。
优选地，所述打印机内还设置有知识点结构树，所述知识点结构树包括多个知识点节点以及至少一个知识点节点之间的综合知识点节点；
则在根据所述题干分词获得对应的至少一个题干知识点之后，还包括：
在知识点结构树上，依次对所有题干知识点进行连线，并判断连接之间是否存在综合知识点节点；
若存在，则将所述综合知识点节点作为所需的知识点；
若不存在，则将所述题干知识点作为所需的知识点。
优选地，所获取的图片通过打印机自带的摄像头拍摄获得或者通过与打印机连接的用户终端获得。
优选地，所述学习资源包括对应的知识点的概念讲解、与所述知识点相关的典型例题以及练习题；则在所述接收所述服务器发送的学习资源，并打印所述学习资源之后，还包括：
获取用户发送的包含有答题信息的练习题图片；
基于文字识别算法对所述练习题图片进行文本转化，以获得练习题文本；
将所述练习题文本发送至所述服务器，以使得所述服务器根据所述练习题的文本对应的标准答案，分析用户的知识点掌握情况；
接收所述知识点掌握情况，并根据所述知识点掌握情况生成包含做题正确率、做题耗时、做题完成度以及知识点掌握程度的学习报告，并打印所述学习报告。
优选地，在对所述答题文本进行模糊识别，获得多个模糊知识点的步骤之后，还包括：
将所述模糊知识点发送至服务器，以使得服务器从预先建立的错题数据库中查找与所述模糊知识点对应的错题资源；其中，所述模糊知识点为错题点；
接收所述服务器发送的错题资源，并打印所述错题资源；其中，错题资源包括易错点与难点详解，与所述错题点相关典型例题以及练习题。
本发明实施例还提供了一种智能获取学习资源的装置，在打印机处，包括：
图片获取单元，用于获取包括题目的图片；
内容信息识别单元，用于识别所述图片中的内容信息，以获得所需的知识点；
知识点发送单元，用于将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源；
学习资源打印单元，用于接收所述服务器发送的学习资源，并打印所述学习资源。
优选地，内容信息识别单元，包括：
二值化图片获取模块，用于对所述图片进行二值化，以获得剔除冗余内容后的二值化图片；
二值化图片切分模块，用于基于应用分块算法，将所述二值化图片切分为包含题干信息的题干图片和包含答题信息的答题图片；
题干文本获取模块，用于基于文字识别算法将所述题干图片转化成文本，以获得题干文本；
题干分词获取模块，用于基于分词算法对所述题干文本进行内容切分，以获得题干分词；
题干知识点获取模块，用于根据所述题干分词题干分词获得对应的至少一个题干知识点。
优选地，还包括：
图片截取单元，用于对所述答题图片上具有预定批注的部分进行截取；
答题文本获取单元，用于基于文字识别算法对截取的图片进行文本转化，以获得答题文本；
模糊知识点获取单元，用于对所述答题文本进行模糊识别，获得多个模糊知识点；
所需的知识点获取单元，用于基于所述模糊知识点以及所述题干知识点，确定出于所述截取的图片对应的精确知识点，并将所述精确知识点设置为所需的知识点。
优选地，所述打印机内还设置有知识点结构树，所述知识点结构树包括多个知识点节点以及至少一个知识点节点之间的综合知识点节点；
则在根据所述题干分词获得对应的至少一个题干知识点之后，还包括：
在知识点结构树上，依次对所有题干知识点进行连线，并判断连接之间是否存在综合知识点节点，若存在，则将所述综合知识点节点作为所需的知识点；若不存在，则将所述题干知识点作为所需的知识点。
优选地，所获取的图片通过打印机自带的摄像头拍摄获得或者通过与打印机连接的用户终端获得。
优选地，所述学习资源包括对应的知识点的概念讲解、与所述知识点相关的典型例题以及练习题；则还包括：
练习题图片获取单元，用于获取用户发送的包含有答题信息的练习题图片；
练习题文本获取单元，用于基于文字识别算法对所述练习题图片进行文本转化，以获得练习题文本；
练习题文本发送单元，用于将所述练习题文本发送至所述服务器，以使得所述服务器根据所述练习题的文本对应的标准答案，分析用户的知识点掌握情况；
知识点掌握情况接收单元，用于接收所述知识点掌握情况，并根据所述知识点掌握情况生成包含做题正确率、做题耗时、做题完成度以及知识点掌握程度的学习报告，并打印所述学习报告。
优选地，还包括：
模糊知识点发送单元，用于将所述模糊知识点发送至服务器，以使得服务器从预先建立的错题数据库中查找与所述模糊知识点对应的错题资源；其中，所述模糊知识点为错题点；
错题资源打印单元，用于接收所述服务器发送的错题资源，并打印所述错题资源；其中，错题资源包括易错点与难点详解，与所述错题点相关典型例题以及练习题。
本发明实施例还提供了一种打印机，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行上述所述的智能获取学习资源的方法。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的智能获取学习资源的方法。
上述一个实施例中，所述打印机通过识别图片中的内容信息，获取所需的知识点，然后接收服务器发送的服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源，并打印所述学习资源，使得用户能够根据错题快速的获取与所述知识点相对应的学习资源，进而用户可根据所述学习资源巩固学习过程中不清楚的知识点并深入学习，提高了用户自主学习能力、学习效率以及方便后期对知识点进行学习和再巩固，同时避免了花费大量时间找学习资源。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式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方式，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是本发明第一实施例提供的智能获取学习资源的方法的流程示意图。
图2是本发明第一实施例提供的用户在图片上的批注的一种用户界面图。
图3是本发明第一实施例提供的用户在图片上的批注的另一种用户界面图。
图4是本发明优选实施例提供的基于知识点生成的知识结构树形图。
图5是本发明第二实施例提供的智能获取学习资源的装置的结构示意图。
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。
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
实施例一：
请参阅图1至图4，本发明第一实施例提供了一种智能获取学习资源的方法，其可由打印机来执行，特别的，由打印机内的一个或多个处理器来执行，并至少包括如下步骤：
S1，获取包括题目的图片。
在本实施例中，所获取的图片可通过打印机自带的摄像头拍摄获得或者通过与打印机连接的用户终端获得；所述用户终端预先通过约定协议与打印机建立通信连接，所述通信连接可以为无线通信连接或者有线通信连接，所述无线通信连接可以为蓝牙连接或者无线网络连接等，保证了通信的有效性。所述用户终端可以是两个或多个物理实体构成，也可以是一个物理实体构成。例如，个人电脑、智能手机、平板电脑或智能交互平板等，本发明在此不再赘述。
其中，所述打印机可以为便携式打印机或者照片打印机等，为了便于理解，本实施例中以打印机为便携式打印机进行示例性描述。
S2，识别所述图片中的内容信息，以获得所需的知识点。
在本实施例中，S2步骤包括：
S21，对所述图片进行二值化，以获得剔除冗余内容后的二值化图片。所述二值化是为了简化图像，将冗余内容例如光影剔除(因光影的颜色可能与字体颜色一致)，仅留存图片中的文字内容或者标注内容等。
S22，基于应用分块算法，将所述二值化图片切分为包含题干信息的题干图片和包含答题信息的答题图片；
在本实施例中，为了简化操作，直接通过获取题干信息，就能从所述题干信息当中获取所需知识点，具体地，通过应用分块算法，对所述二值化图片的图像矩阵进行分块，根据题干与答题图像矩阵的不同，所述二值化图片切分为包含题干信息的题干图片和包含答题信息的答题图片。其中，应用分块算法是一种线性的暴力数据结构，其基本思想是将一段序列，分成一定数量的块，每一块有一个长度，表示一段区间。
S23，基于文字识别算法将所述题干图片转化成文本，以获得题干文本。
在本实施例中，在获得所述题干图片后，可通过基于文字识别算法(OpticalCharacter Recognition，OCR)识别出题干图片的文字，再将转化成文本。如果是公式等图片形式的，则可以通过图像匹配算法进行模糊匹配，以获取与所述图片对应的公式文本。其中，所述打印机内预置有相应的各种公式相关图片的模板，在匹配时，所述打印机将图片与所述模板进行匹配，并将相似度最高或者相似度大于预设阈值的模板所对应的公式作为与所述图片对应的公式文本。所述图像匹配算法可以是基于灰度的匹配算法、基于特征的匹配算法、基于关系的匹配算法，具体视实际需要而定，本发明不做具体限定。
S24，基于分词算法对所述题干文本进行内容切分，以获得题干分词。
S25，根据所述题干分词获得对应的至少一个题干知识点。
在本实施例中，所述分词算法是基于词表的分词方法，包括正向最大匹配法(forward maximum matching method，FMM)、逆向最大匹配法(backward maximummatching method，BMM)、N-最短路径方法、基于统计模型的分词方法、基于N-gram语言模型的分词方法、基于序列标注的分词方法、基于HMM的分词方法、基于CRF的分词方法、基于词感知机的分词方法、基于深度学习的端到端的分词方法等，例如，题目为：已知函数f(x)＝x3+x，x∈R；(1)指出f(x)在定义域R上的奇偶性与单调性，则基于分词算法对所述题干文本进行内容切分后，已知函数/f(x)＝x3+x/x∈R/指出f(x)在/定义域R上/的/奇偶性/以及/单调性，则对应知识点至少定义域、函数解法、单调性以及奇偶性等。
S3，将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源。
S4，接收所述服务器发送的学习资源，并打印所述学习资源。
在本实施例中，所述学习资源包括对应的知识点的概念讲解、与所述知识点相关的典型例题以及练习题。其中，所述学习资源可以以表格的方式呈现，也可以以结构树、图形或者文本的形式呈现等，本发明均不做具体限定。
综上，通过识别图片中的内容信息，获取所需的知识点，然后接收服务器发送的服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源，并打印所述学习资源，使得用户能够根据错题快速的获取与所述知识点相对应的学习资源，进而用户可根据所述学习资源巩固学习过程中不清楚的知识点并深入学习，提高了用户自主学习能力、学习效率以及方便后期对知识点进行学习和再巩固，同时避免了花费大量时间找学习资源。
在上述实施例的基础上，本发明一优选实施例中，为了有针对性的根据用户的错题进行相关知识点的复习，则对所述答题图片上具有预定批注的部分进行截取，基于文字识别算法对截取的图片进行文本转化，以获得答题文本，并对所述答题文本进行模糊识别，获得多个模糊知识点，从而基于所述模糊知识点以及所述题干知识点，确定出于所述截取的图片对应的精确知识点，并将所述精确知识点设置为所需的知识点。
在本实施例中，用户可通过用户终端以预定的形式来对所述错题进行批注。例如，可以以圈选的方式进行批注(如图2所示)，也可以以波浪线或者直线等划线的方式在答题信息需要批注的内容下面进行批注(如图3所示)，也可以打叉进行批注等，本发明不做具体限定。以图2为例，所述打印机首先获取用户圈选批注的答题信息的截图，并通过文字识别算法获取该截图对应的文字(图2为公式)，再通过文字模糊识别判断其关键词为函数，但是，由于答题信息的截图只是针对用户的批注内容进行截图，识别的内容只是一部分，可能造成识别的结果不准确，例如可能识别为物理领域的函数、化学领域的函数等，为了避免识别识别结果不准确，通过将所述模糊识别的模糊知识点与所述题干的知识点进行结合，以得到精确的知识点，则根据图2的题干知识点以及模糊知识点，可知所述精确知识点数学领域的增函数与奇函数的关系。
在上述实施例的基础上，本发明一优选实施例中，所述打印机内还设置有知识点结构树，所述知识点结构树包括多个知识点节点以及至少一个知识点节点之间的综合知识点节点；
则在根据所述题干分词获得对应的至少一个题干知识点之后，还包括：
在知识点结构树上，依次对所有题干知识点进行连线，并判断连接之间是否存在综合知识点节点，若存在，则将所述综合知识点节点作为所需的知识点；若不存在，则将所述题干知识点作为所需的知识点。
在本实施例中，所述打印机在接收到所述题干信息后，可根据所述题干分词获得对应的至少一个题干知识点，并将所述题干知识点加载对应的知识结构树，其中，知识结构树根据不同的课程信息有不同的数据结构，如多个知识点节点以及至少一个知识点节点之间的综合知识点节点，具体地，如图4所示，所述知识结构树包括根节点A(如数学、语文、化学等)，根节点的子节点可以是从属于所述课程的章节点(如定义域B、增函数C、奇函数D等)，而章节点的子节点则是从属于各个章节的知识点节点，如奇函数D，其包括的知识点为定义D3、应用D 2以及增函数与奇函数的关系D1。其中，可以理解的是，根据所述题干分词获得对应的题干知识点为增函数C与奇函数D，则依次对增函数C与奇函数D的所有题干知识点进行连线，判断是否有综合知识点节点，则根据图4，他们的综合知识点节点为所述知识点结构树上的增函数与奇函数的关系D1的知识节点，则所述D1知识节点为所需知识点，但是，当所述题干分词获得对应的题干知识点为所述知识结构树上的定义域B，则所述定义域B为所需的知识点。
当然，需要说明的是，在实际情况中，知识结构树可能包含更多的层次或者更少的层次，例如，对于B节点，其可能有更进一步的对应于各种求解方法的子节点，如直接开方法等。而且知识结构树的每个层次的定义或者分类方式并不限于上述的情况，这些方案均在本发明的保护范围之内。
在本实施例中，在获得所述知识点以及与其对应的学习资源后，所述打印机获取该知识点在所述知识结构树上的路径信息，并根据所述路径信息将所述学习资源添加到所述知识结构树的与路径信息对应的子节点上。
其中，在获取所述学习资料的过程中，可以默认获取该知识点以及其从属的所有子节点或者孙节点的学习资料。例如，当判断知识点是一元二次方程，则可以同时获取一元二次方程的性质、求解以及应用的相关学习资料。而如果判断知识点是一元二次方程的性质，则可仅获取与所述性质有关的学习资料。
可以理解的是，在其他实施例中，也可以将识别到所述知识点，根据识别结果生成与所述题干信息相关的鱼骨图或者框架图等，本发明不做具体限制。
在上述实施例的基础上，本发明一优选实施例中，所述学习资源包括对应的知识点的概念讲解、与所述知识点相关的典型例题以及练习题；则在所述接收所述服务器发送的学习资源，并打印所述学习资源之后，还包括：
打印机获取用户发送的包含有答题信息的练习题图片，基于文字识别算法对所述练习题图片进行文本转化，以获得练习题文本，并将所述练习题文本发送至所述服务器，以使得所述服务器根据所述练习题的文本对应的标准答案，分析用户的知识点掌握情况，接收所述打印机发送的知识点掌握情况，并根据所述知识点掌握情况生成包含做题正确率、做题耗时、做题完成度以及知识点掌握程度的学习报告，并打印所述学习报告。
在上述实施例的基础上，本发明一优选实施例中，在对所述答题文本进行模糊识别，获得多个模糊知识点的步骤之后，还包括：
将所述模糊知识点发送至服务器，以使得服务器从预先建立的错题数据库中查找与所述模糊知识点对应的错题资源；
接收所述服务器发送的错题资源，并打印所述错题资源；其中，错题资源包括易错点与难点详解，与所述错题点相关典型例题以及练习题。
在本实施例中，所述服务器根据所述模糊知识点，分析所述模糊知识点对应的错题点，并根据区分用户是理解性错误还是记忆性错误，针对理解性错误，通过获取不同类型的题干，以及查找包含对应的易错点与难点详解，与所述错题点相关典型例题以及练习题的错题资源，针对记忆性错误，查找包含需背诵的错题资源即可，让用户有针对性的复习重点，节省时间。
本发明第二实施例：
参见图5，本发明第二实施例还提供了一种智能获取学习资源的装置，在打印机处，包括：
图片获取单100，用于获取包括题目的图片；
内容信息识别单元200，用于识别所述图片中的内容信息，以获得所需的知识点；
知识点发送单元300，用于将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源；
学习资源打印单元400，用于接收所述服务器发送的学习资源，并打印所述学习资源。
在上述实施例的基础上，本发明一优选实施例中，内容信息识别单元200，包括：
二值化图片获取模块，用于对所述图片进行二值化，以获得剔除冗余内容后的二值化图片；
二值化图片切分模块，用于基于应用分块算法，将所述二值化图片切分为包含题干信息的题干图片和包含答题信息的答题图片；
题干文本获取模块，用于基于文字识别算法将所述题干图片转化成文本，以获得题干文本；
题干分词获取模块，用于基于分词算法对所述题干文本进行内容切分，以获得题干分词；
题干知识点获取模块，用于根据所述题干分词题干分词获得对应的至少一个题干知识点。
在上述实施例的基础上，本发明一优选实施例中，还包括：
图片截取单元，用于对所述答题图片上具有预定批注的部分进行截取；
答题文本获取单元，用于基于文字识别算法对截取的图片进行文本转化，以获得答题文本；
模糊知识点获取单元，用于对所述答题文本进行模糊识别，获得多个模糊知识点；
所需的知识点获取单元，用于基于所述模糊知识点以及所述题干知识点，确定出于所述截取的图片对应的精确知识点，并将所述精确知识点设置为所需的知识点。
在上述实施例的基础上，本发明一优选实施例中，所述打印机内还设置有知识点结构树，所述知识点结构树包括多个知识点节点以及至少一个知识点节点之间的综合知识点节点；
则在根据所述题干分词获得对应的至少一个题干知识点之后，还包括：
在知识点结构树上，依次对所有题干知识点进行连线，并判断连接之间是否存在综合知识点节点，若存在，则将所述综合知识点节点作为所需的知识点；若不存在，则将所述题干知识点作为所需的知识点。
在上述实施例的基础上，本发明一优选实施例中，所获取的图片通过打印机自带的摄像头拍摄获得或者通过与打印机连接的用户终端获得。
在上述实施例的基础上，本发明一优选实施例中，所述学习资源包括对应的知识点的概念讲解、与所述知识点相关的典型例题以及练习题；则还包括：
练习题图片获取单元，用于获取用户发送的包含有答题信息的练习题图片；
练习题文本获取单元，用于基于文字识别算法对所述练习题图片进行文本转化，以获得练习题文本；
练习题文本发送单元，用于将所述练习题文本发送至所述服务器，以使得所述服务器根据所述练习题的文本对应的标准答案，分析用户的知识点掌握情况；
知识点掌握情况接收单元，用于接收所述知识点掌握情况，并根据所述知识点掌握情况生成包含做题正确率、做题耗时、做题完成度以及知识点掌握程度的学习报告，并打印所述学习报告。
在上述实施例的基础上，本发明一优选实施例中，还包括：
模糊知识点发送单元，用于将所述模糊知识点发送至服务器，以使得服务器从预先建立的错题数据库中查找与所述模糊知识点对应的错题资源；其中，所述模糊知识点为错题点；
错题资源打印单元，用于接收所述服务器发送的错题资源，并打印所述错题资源；其中，错题资源包括易错点与难点详解，与所述错题点相关典型例题以及练习题。
本发明实施例还提供了一种打印机，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行上述所述的智能获取学习资源的方法。
本发明第六实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的智能获取学习资源的方法。
示例性的，所述计算机程序可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在打印机中的执行过程。
所述打印机可包括但不仅限于处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是打印机的示例，并不构成对打印机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述打印机还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述打印机的控制中心，利用各种接口和线路连接整个打印机的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述打印机的各种功能。所述存储器可主要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、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述打印机集成的单元如果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读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所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理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种智能获取学习资源的方法，其特征在于，在打印机处，包括：
获取包括题目的图片；
识别所述图片中的内容信息，以获得所需的知识点；
将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源；
接收所述服务器发送的学习资源，并打印所述学习资源。
2.根据权利要求1所述的智能获取学习资源的方法，其特征在于，所述识别所述图片中的内容信息，以获得所需的知识点，具体为：
对所述图片进行二值化，以获得剔除冗余内容后的二值化图片；
基于应用分块算法，将所述二值化图片切分为包含题干信息的题干图片和包含答题信息的答题图片；
基于文字识别算法将所述题干图片转化成文本，以获得题干文本；
基于分词算法对所述题干文本进行内容切分，以获得题干分词；根据所述题干分词获得对应的至少一个题干知识点。
3.根据权利要求2所述的智能获取学习资源的方法，其特征在于，还包括：
对所述答题图片上具有预定批注的部分进行截取；
基于文字识别算法对截取的图片进行文本转化，以获得答题文本；
对所述答题文本进行模糊识别，获得多个模糊知识点；
基于所述模糊知识点以及所述题干知识点，确定出于所述截取的图片对应的精确知识点，并将所述精确知识点设置为所需的知识点。
4.根据权利要求2所述的智能获取学习资源的方法，其特征在于，所述打印机内还设置有知识点结构树，所述知识点结构树包括多个知识点节点以及至少一个知识点节点之间的综合知识点节点；
则在根据所述题干分词获得对应的至少一个题干知识点之后，还包括：
在知识点结构树上，依次对所有题干知识点进行连线，并判断连接之间是否存在综合知识点节点；
若存在，则将所述综合知识点节点作为所需的知识点；
若不存在，则将所述题干知识点作为所需的知识点。
5.根据权利要求2所述的智能获取学习资源的方法，其特征在于，所获取的图片通过打印机自带的摄像头拍摄获得或者通过与打印机连接的用户终端获得。
6.根据权利要求1所述的智能获取学习资源的方法，其特征在于，所述学习资源包括对应的知识点的概念讲解、与所述知识点相关的典型例题以及练习题；则在所述接收所述服务器发送的学习资源，并打印所述学习资源之后，还包括：
获取用户发送的包含有答题信息的练习题图片；
基于文字识别算法对所述练习题图片进行文本转化，以获得练习题文本；
将所述练习题文本发送至所述服务器，以使得所述服务器根据所述练习题的文本对应的标准答案，分析用户的知识点掌握情况；
接收所述知识点掌握情况，并根据所述知识点掌握情况生成包含做题正确率、做题耗时、做题完成度以及知识点掌握程度的学习报告，并打印所述学习报告。
7.根据权利要求3所述的智能获取学习资源的方法，其特征在于，在对所述答题文本进行模糊识别，获得多个模糊知识点的步骤之后，还包括：
将所述模糊知识点发送至服务器，以使得服务器从预先建立的错题数据库中查找与所述模糊知识点对应的错题资源；其中，所述模糊知识点为错题点；
接收所述服务器发送的错题资源，并打印所述错题资源；其中，错题资源包括易错点与难点详解，与所述错题点相关典型例题以及练习题。
8.一种智能获取学习资源的装置，其特征在于，在打印机处，包括：
图片获取单元，用于获取包括题目的图片；
内容信息识别单元，用于识别所述图片中的内容信息，以获得所需的知识点；
知识点发送单元，用于将所述知识点发送至服务器，以使得服务器从预先建立的知识点数据库中查找与所述知识点相关的学习资源；
学习资源打印单元，用于接收所述服务器发送的学习资源，并打印所述学习资源。
9.一种打印机，其特征在于，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如权利要求1至7任意一项所述的智能获取学习资源的方法。
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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7任意一项所述的智能获取学习资源的方法。
CN201911410156.6A 2019-12-31 2019-12-31 一种智能获取学习资源的方法、装置、打印机和存储介质 Active CN111144079B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911410156.6A CN111144079B (zh) 2019-12-31 2019-12-31 一种智能获取学习资源的方法、装置、打印机和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911410156.6A CN111144079B (zh) 2019-12-31 2019-12-31 一种智能获取学习资源的方法、装置、打印机和存储介质

Publications (2)

Publication Number Publication Date
CN111144079A true CN111144079A (zh) 2020-05-12
CN111144079B CN111144079B (zh) 2022-12-13

Family

ID=70522494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911410156.6A Active CN111144079B (zh) 2019-12-31 2019-12-31 一种智能获取学习资源的方法、装置、打印机和存储介质

Country Status (1)

Country Link
CN (1) CN111144079B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112214184A (zh) * 2020-10-16 2021-01-12 平安国际智慧城市科技股份有限公司 自定义打印方法、装置、计算机设备及介质
CN112307246A (zh) * 2020-09-25 2021-02-02 北京字节跳动网络技术有限公司 一种学习小组的获取方法、装置、服务器和存储介质
CN112558893A (zh) * 2020-12-22 2021-03-26 厦门喵宝科技有限公司 一种便携式智能打印装置及其控制方法
CN113127682A (zh) * 2021-04-15 2021-07-16 杭州大拿科技股份有限公司 题目讲解方法、系统、电子设备及计算机可读存储介质
CN113992746A (zh) * 2021-10-26 2022-01-28 上海汉图科技有限公司 一种智能推送方法、智能打印方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070190512A1 (en) * 2006-02-03 2007-08-16 Meimer Erwin K Multiuser learning system
CN109255031A (zh) * 2018-09-20 2019-01-22 苏州友教习亦教育科技有限公司 基于知识图谱的数据处理方法
CN109299882A (zh) * 2018-10-11 2019-02-01 四川生学教育科技有限公司 一种成绩分析、诊断预测和学习资源推送方法及平台
CN110085075A (zh) * 2019-05-23 2019-08-02 宜春宜联科技有限公司 学习状况管理方法、装置和系统
CN110334223A (zh) * 2019-07-01 2019-10-15 深圳市快易典教育科技有限公司 错题本管理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070190512A1 (en) * 2006-02-03 2007-08-16 Meimer Erwin K Multiuser learning system
CN109255031A (zh) * 2018-09-20 2019-01-22 苏州友教习亦教育科技有限公司 基于知识图谱的数据处理方法
CN109299882A (zh) * 2018-10-11 2019-02-01 四川生学教育科技有限公司 一种成绩分析、诊断预测和学习资源推送方法及平台
CN110085075A (zh) * 2019-05-23 2019-08-02 宜春宜联科技有限公司 学习状况管理方法、装置和系统
CN110334223A (zh) * 2019-07-01 2019-10-15 深圳市快易典教育科技有限公司 错题本管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
龚敏: "基于WEB的在线测评系统的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307246A (zh) * 2020-09-25 2021-02-02 北京字节跳动网络技术有限公司 一种学习小组的获取方法、装置、服务器和存储介质
CN112214184A (zh) * 2020-10-16 2021-01-12 平安国际智慧城市科技股份有限公司 自定义打印方法、装置、计算机设备及介质
CN112214184B (zh) * 2020-10-16 2023-11-24 深圳赛安特技术服务有限公司 自定义打印方法、装置、计算机设备及介质
CN112558893A (zh) * 2020-12-22 2021-03-26 厦门喵宝科技有限公司 一种便携式智能打印装置及其控制方法
CN112558893B (zh) * 2020-12-22 2023-02-03 厦门喵宝科技有限公司 一种便携式智能打印装置及其控制方法
CN113127682A (zh) * 2021-04-15 2021-07-16 杭州大拿科技股份有限公司 题目讲解方法、系统、电子设备及计算机可读存储介质
CN113992746A (zh) * 2021-10-26 2022-01-28 上海汉图科技有限公司 一种智能推送方法、智能打印方法及装置

Also Published As

Publication number Publication date
CN111144079B (zh) 2022-12-13

Similar Documents

Publication Publication Date Title
CN111144079B (zh) 一种智能获取学习资源的方法、装置、打印机和存储介质
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
US11508251B2 (en) Method and system for intelligent identification and correction of questions
KR102106462B1 (ko) 가중치 기반의 유사 문제 필터링 방법
CN110363194B (zh) 基于nlp的智能阅卷方法、装置、设备及存储介质
CN107423278B (zh) 评价要素的识别方法、装置及系统
CN111159356B (zh) 基于教学内容的知识图谱构建方法
CN111428480A (zh) 简历识别方法、装置、设备及存储介质
CN113312899A (zh) 文本分类方法、装置和电子设备
CN112507095A (zh) 基于弱监督学习的信息识别方法及相关设备
CN111639485A (zh) 基于文本相似性的课程推荐方法及相关设备
CN115687643A (zh) 一种训练多模态信息抽取模型的方法及信息抽取方法
CN114821613A (zh) 一种pdf中表格信息的抽取方法和系统
CN117077679B (zh) 命名实体识别方法和装置
CN113505786A (zh) 试题拍照评判方法、装置及电子设备
CN107783958B (zh) 一种目标语句识别方法及装置
CN112818693A (zh) 一种电子元器件型号词的自动提取方法及系统
CN112948526A (zh) 用户画像的生成方法及装置、电子设备、存储介质
CN106339965A (zh) 一种学情分析方法
CN113792545B (zh) 一种基于深度学习的新闻事件活动名称抽取方法
CN116306506A (zh) 一种基于内容识别的智能邮件模板方法
CN114862141A (zh) 基于画像关联性的课程推荐方法、装置、设备及存储介质
CN114492310A (zh) 文本标注方法、文本标注装置、电子设备和存储介质
CN114067343A (zh) 一种数据集的构建方法、模型训练方法和对应装置
CN113569112A (zh) 基于题目的辅导策略提供方法、系统、装置及介质

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
TR01 Transfer of patent right

Effective date of registration: 20230625

Address after: 6001, 6th Floor, No.1 Kaifeng Road, Shangdi Information Industry Base, Haidian District, Beijing, 100085

Patentee after: Beijing Baige Feichi Technology Co.,Ltd.

Address before: 361015 room 3124, Xuanye building, Pioneer Park, torch hi tech Zone, Xiamen City, Fujian Province

Patentee before: XIAMEN MIAOBAO TECHNOLOGY CO.,LTD.

TR01 Transfer of patent right