CN112262421A - 自动学习复习的可编程接口 - Google Patents

Abstract

提供了用于将基于视频的学习资源中的数据与推送消息进行集成的技术。所公开的技术包括：响应于在学习软件中播放基于视频的学习资源，至少部分基于召回数据来确定触发事件。响应于触发事件的发生，所公开的技术使得将包括有从基于视频的学习资源中提取的内容的学习复习项插入到推送消息中。

Description

自动学习复习的可编程接口

技术领域

概括地说，本公开内容涉及联网的数据处理系统，具体地说，本公开内容涉及用于实现学习软件和推送消息传递系统之间的通信的可编程接口。

背景技术

因为在线学习平台是基于网络的，因此该平台可以使基于视频的培训课程可供大量终端用户使用。例如，LINKEDIN LEARNING和其它类似平台通过互联网，提供对基于视频的学习资源的访问。现有在线学习架构的局限性在于，它们是使用主动或基于拉式的技术范式进行设计的。结果，在线学习站点通常只是简单地等待，然后响应用户请求。

本节所描述的方法是可以采用的方法，但不一定是先前设想或实施的方法。因此，除非另外说明，否则不应假设本节所述的任何方法仅因其包含在本节中而被视为现有技术。

附图说明

在附图中：

图1A是在一个实施例中，示出可以由复习生成软件执行的过程的流程图，其中该复习生成软件实现为学习软件与消息传递系统之间的接口的一部分；

图1B是在一个实施例中，示出用于在学习软件和消息传递系统之间提供接口的示例系统的框图；

图1C是可以在其中实现学习软件与消息传递系统之间的接口的网络计算系统的框图；

图2是在一个实施例中，示出从基于视频的学习资源中提取信息的过程的流程图；

图3是在一个实施例中的召回数据的示例性图形表示；

图4是在一个实施例中，显示学习复习项的示例性用户界面的屏幕截图；

图5是示出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

在下面的描述中，为了便于解释起见，阐述了众多具体细节以便提供对本发明的透彻理解。然而，显而易见的是，可以在没有这些特定细节的情况下实现本发明。在其它情况下，以框图形式示出了公知的结构和设备，以避免不必要地对本发明造成模糊。

一般概述

可以通过添加技术来改进现有的在线学习技术，该技术可以自动地并根据智能调度来启动与终端用户的有针对性的后续交互，该交互与用户通过在线学习站点查看的学习资源的内容有关。为此，提供了用于将从基于视频的数字学习资源中提取的内容与通过推送消息传递系统生成的电子消息进行集成的技术。

在一种方法中，计算系统从基于视频的数字学习资源中提取内容，并生成一个或多个数字学习复习项。数字学习复习项包含基于视频的数字学习资源的内容的一个子集，例如，基于视频的学习资源的包含可操作项目的一个或多个算法确定的“关键要点”。在一个实施例中，基于视频的学习资源是培训课程的在线视频，而数字学习复习项是要插入到电子推送消息(例如，文本消息、电子邮件消息、或者用于电子新闻订阅的订阅模块)的基于文本的内容。在其它实施例中，基于视频的学习资源是实时交付的培训课程的音频或视频记录，或者是实时培训课程的转录。在一个实施例中，数字学习复习项包含一个或多个句子，这些句子是从包含培训课程的在线视频的转录的电子文档中提取的。在一个实施例中，基于计算的显著性度量来选择所述一个或多个句子，以包括在数字学习复习项中。

在一种方法中，使用召回数据和/或相关性数据来调度一个或多个触发事件，以使计算系统提供基于视频的学习资源内容的基于推送消息的提醒，从而提高用户对内容的保留。下面更详细地描述用于确定召回数据的技术。可以基于诸如以下的上下文数据来推导或建模相关性数据：如通过例如嵌入在用户移动计算设备中的GPS(全球定位系统)来感测的终端用户的当前地理位置、用户先前查看的馈送项的历史、由用户计算设备的时钟和日历功能确定的一天中的时间或一周中的一天。

触发事件被设计为：在经过一定时间间隔后由计算机进行检测。在一个实施例中，通过召回数据和先前事件来确定该时间间隔的持续时间。例如，用于调度触发事件的时间间隔可能根据以下而有所不同：前一个事件是基于视频的资源的播放，还是导致将学习复习项插入到电子消息或者在GUI中呈现学习复习项的先前触发事件。

在一种方法中，当基于召回数据确定的特定时间间隔到期时或者在其之后，触发事件发生。在一个实施例中，召回数据是估计的用户保留的观看内容(或估计的用户忘记的观看内容)相对于自观看或查看内容以来经过的时间的图。

响应于触发事件的发生(并且，在播放了基于视频的学习资源之后)，使得数字学习复习项呈现给先前已经播放了基于视频的学习资源的特定用户。在一个实施例中，使数字学习复习项插入到电子推送消息中，以在GUI中呈现给先前已经播放过基于视频的学习资源的特定用户。在另一个实施例中，通过文本语音转换(TTS)将数字学习复习项转换为合成语音，并且通过一个或多个扬声器输出合成语音。数字学习复习项包括该特定用户先前播放的基于视频的学习资源的内容的一个子集。

在一个实施例中，被合并到数字学习复习项中的内容子集包括一个或多个可操作项，例如关于用户可以采取的动作或行为修改的具体建议。如果从基于视频的学习资源中提取了多个数字学习复习项，则将权重分配给各个数字学习复习项。基于存储的用户简档数据来计算和调整这些权重值。

可以响应于不同的触发事件来重复数字学习复习项的呈现。不同的学习复习项可以包含不同的内容。可以通过不同的时间间隔，定义不同的触发事件。可以基于召回数据以及先前检测到的触发事件的数量和/或频率来确定不同的时间间隔。可以根据存储的针对特定用户和/或特定用户偏好的学习简档，来自定义学习复习项的形式、内容、时间和/或频率。

在一种方法中，与触发事件相关联的时间间隔的长度随着学习复习项的先前呈现的数量增加而增加。例如，与先前呈现多个学习复习项的情况相比，如果未呈现学习复习项，则学习资源的播放与触发事件之间的时间间隔的长度可以更短。

在另一种方法中，基于用户在多个培训课程中的观看历史记录来调整学习复习项的呈现之间的时间间隔，而不是仅根据最近观看的培训课程来进行调整。例如，可以安排或合并多个不同课程的学习复习项的演示，以避免在短时间内给用户带来许多不同的学习复习项的负担。

在一种方法中，学习复习项包括链接，该链接在被激活时，启动播放基于视频的学习资源的一部分，该部分与从基于视频的学习资源中提取并包含在学习复习项中的内容相对应。在一种方法中，学习复习项包括输入元素，该输入元素可以接收关于已呈现的学习复习项的用户反馈。

在一种方法中，使用自动自然语言处理技术从学习资源中提取学习复习项。自然语言处理技术提取基于文本的内容，对基于文本的内容的n-gram(n元组)(例如，二元组和/或三元组)执行语义分析，以根据主题对n元组进行分组，根据显著性度量对主题进行排名，在基于文本的内容中搜索与排名最高的主题匹配的句子，然后选择要包含在学习复习项中的句子子集。显著性度量表明主题相对于基于文本的内容中发现的其它主题的实质重要性。

在一些实施例中，至少部分地基于可操作评级值来确定实质重要性，该可操作评级值基于自然语言处理来表示主题出现的程度，以包含一个或多个可操作内容项。例如，显著性度量包括主题中的动词数量的计数，在一个实施例中，使得向包含更多动词数量的主题分配较高的可操作评级值，从而优先于具有较低动词的其它主题计数。

在一些实施例中，基于所存储的用户简档数据对实质重要性进行加权。例如，显著性度量包括主题与存储在用户简档数据中包含的单词或短语匹配的次数的计数，从而与具有更少的与存储的简档数据相匹配的单词或短语的其它主题相比，包含更多与存储的用户简档数据匹配的单词或短语的主题的排名更高。

在一些实施例中，基于用户是否实际上观看了基于视频的学习资源中包括主题的部分来调整显著性度量，从而使得学习复习项适合于用户，因为它是仅与特定用户实际观看的基于视频的学习资源的那些部分相关联。为此，在用户观看基于视频的学习资源期间创建观看标记，并将其与从基于视频的学习资源中提取的其它内容一起提取并存储。这样，所公开的用于生成学习复习项的过程避免了示出用户从未观看过的基于视频的学习资源的片段。因此，在一些实施例中，系统通过观看标志来过滤主题，并且仅显示包含特定用户观看的特定视频片段的学习复习项，而不显示用户未观看的视频的其它片段。

在其它方法中，使用确定学习复习项的内容的其它方法来补充或替换自然语言处理技术。例如，在一个实施例中，学习复习项例如由培训课程的指导者或学生进行手动创作。

在一些实施例中，基于视频的学习资源包括交互式元素，该交互式元素允许用户添加评论和突出显示或‘喜欢’资源或该资源的特定部分。在这些实施例中，所公开的方法可以利用这些用户提供的标记(评论、突出显示、喜欢等等)，来确定特定主题的显著性度量。例如，基于对突出显示或‘喜欢’的检测，所公开的技术可以增加从学习资源的突出显示或‘喜欢’的部分提取的主题的排名。可以使用公开的自然语言处理技术，以与基于视频的学习资源的其它部分相同的方式来分析用户插入的注释(如果存在的话)，但将其标记为用户提供的。响应于检测到用户提供的标记，系统可以增加从用户提供的内容(例如，评论)中提取的主题的排名。

本文所描述的方法解决了基于拉式的在线学习系统的技术限制。所公开的方法通过在基于拉式的在线学习系统和基于推式的消息传递系统之间提供可编程接口，来改进已知系统。

通过使用所公开的方法，可以根据至少部分地基于召回数据确定和/或调整的调度，使先前仅通过基于拉式的在线学习机制提供的内容可通过基于推式的技术进行访问。这些改进的结果是可以更高效地利用诸如带宽之类的网络资源。这是因为与整个学习资源的大小相比，通过网络传输以供随后观看在线学习资源的内容的大小更小，其在于学习复习项仅包含学习资源的某些子集(例如，由算法确定的学习资源的“显著”部分)。另外，通过基于召回数据和/或先前的观看历史，以编程方式调度和调整学习复习项的播放频率，所公开的方法提供了优化学习复习重播频率，并从而释放要使用的网络资源以便用于其它任务和目的的潜力。

自动将更新插入到推送消息中

图1A是描绘可以由如下所述的图1C中所示的计算系统100的一个或多个组件执行的过程10的流程图。例如，过程10可以由下面描述的图1B所示的复习生成软件48来执行。复习生成软件48可以是提供了一种接口的可编程学习/消息传递接口122的组件，在线学习系统102和消息传递系统120可以通过该接口彼此传输数据和/或计算机指令。过程10的部分可以由单个实体或程序执行，也可以由多个实体或程序(其包括例如浏览器插件和远程服务器)来执行。可以使用在计算机存储器中存储的处理器可执行指令来实现如图1A中所示的处理的操作。为了提供清楚的例子，将图1A的操作描述为由计算设备110、160执行，可以将计算设备110、160单独地或共同地简称为‘计算系统’。

在操作12中，响应于计算设备对基于视频的学习资源的播放，过程10至少部分地基于召回数据来确定触发事件。如本文所使用的，触发事件可以指代计算机系统事件，例如，由传感器或输入/输出设备检测到的事件或者由操作系统生成的事件。当检测到触发事件时，计算系统打开在线学习系统102与消息传递系统120之间的通信接口。在一个实施例中，触发事件是某个时间间隔的到期，其中至少部分地基于召回数据来确定该时间间隔。通信接口是用于数据通信的联网数字通信路径，其使用例如HTTP(超文本传输协议)或SSL(安全套接字层)网络通信协议来建立。

如本文所使用的召回数据可以指代诸如预计的遗忘曲线(也称为估计的保留曲线)之类的存储的数据。在下面所描述的图3中示出了预计的遗忘曲线的例子。在数学上，召回数据包括：例如，对于一个人可能随着时间的推移，而保留或忘记该人以前通过在线学习系统的图形用户界面看过的内容的可能性的概率性或统计性的计算估计值。对于图1A的操作12，召回数据可以相对于通过图形用户界面将特定内容项呈现给用户的次数，而随时间变化。还可以例如使用自适应学习过程，基于用户反馈来调整召回数据。基于这些和/或其它因素，确定触发事件的过程可以在每次执行操作12时产生与触发事件不同的输出，虽然该输出是至少部分地基于召回数据。

在一个实施例中，触发事件是未来时间戳，通过将基于召回数据确定的时间间隔添加到与基于视频的学习资源的播放相关联的时间戳，或者通过向与先前触发事件的发生相关联的时间戳增加某个时间间隔，来计算该未来时间戳。可能的触发事件的其它例子是Web浏览器刷新事件和登录事件。当用户活动地使用学习软件以外的软件时(例如，当用户滚动浏览新闻源或浏览社交网络时)发生的滚动事件和其它人机交互，是其它形式的触发事件。

在操作14中，过程10监测在操作12中确定的触发事件的发生。在一个实施例中，过程10定期地将当前计算系统时钟时间(日期/时间)与和该触发事件相关联的未来时间戳进行比较。在当前日期/时间匹配或超过未来时间戳时，过程10转到操作16。如果当前日期/时间不匹配或超过未来时间戳，则过程10继续监测当前日期/时间，并将当前日期/时间与和触发事件相关联的未来时间戳进行比较。在其它实施例中，操作14监测由诸如触摸屏、扬声器或小键盘之类的输入/输出设备接收的信号，并将这些信号与触发事件进行比较。当所监测的输入信号与触发事件匹配时，过程10转到操作16。

在操作16中，过程10使图形用户界面与推送消息相关联地呈现学习更新模块。为此，过程10从在线学习软件获得学习复习项，并将该学习复习项发送或公开给推送消息传递系统以包括在推送消息中。如本文所使用的，推送消息可以指代：响应于感测到的或机器检测到的刺激，而不是响应于显式的查看或接收消息的用户请求，而输出的推送通知、文本消息、电子邮件消息或任何其它形式的电子消息。换句话说，对于终端用户，推送消息自动地显示在图形用户界面中，而无需用户提供显式的接收或查看消息的请求。

在操作16的可选操作18中，过程10通过从基于视频的学习资源的视频部分中提取基于文本的内容来获得学习复习项。在一个实施例中，操作18使用自动信息提取和数据转换技术，来获得基于视频的学习资源的基于文本的内容。在一个实施例中，通过由学习软件提供的应用编程接口，在存储基于视频的学习资源的HADOOP数据源上运行SPARK SQL查询。这些查询结果采用文本blob的形式，存储在CSV文件中。在一个实施例中，创建基于文本的内容的部分(例如，文本窗口或馈送模块)的可视化，并形成学习复习项的一部分，然后通过操作16将其显示在图形用户界面中。

在操作18的可选操作20中，使用自然语言处理技术，进一步处理在操作18中从基于视频的学习资源中提取的基于文本的内容，其中自然语言处理技术对基于文本的内容的三元组执行语义分析内容以识别基于文本的内容的显著子部分。因此，在一个实施例中，通过操作16在图形用户界面中显示的可视化包括替代通过操作18输出的基于文本的内容的部分的显著子部分，或者除了包括这些部分之外还包括显著子部分。在下面所描述的图2中，示出了可以用于生成基于文本的内容的显著子部分的自然语言处理技术的实施例。

学习/消息传递接口

图1B是在一个实施例中，描绘用于在在线学习系统102与消息传递系统120之间提供接口的示例系统的框图。如本文所使用的，“接口”可以指代应用程序编程接口(API)，或者更简单地指代为数据库驱动的web应用或数据库驱动的移动应用编写的计算机代码，以执行所描述的功能。在一个实施例中，计算系统包括或者可以访问可搜索的存储的数据源(例如，数据库和电子文件)，其存储基于视频的学习资源40和召回数据46。在一个实施例中，基于视频的学习资源40是e学习模块，其包含完全在线提供的教育课程、程序或学位。基于视频的学习资源40包含一个或多个教学内容的视频剪辑，并且可以包含其它元素，例如可下载文档、Web链接、社交媒体元素、在线聊天元素、游戏元素。以能够分组和组织不同形式的相关内容的数据结构，来存储基于视频的学习资源40a的组件。

基于视频的学习资源40输入到学习软件42和主题挖掘软件44。学习软件42是在线学习(或者e学习)软件，基于视频的学习资源40通过该在线学习软件来呈现给终端用户。这样，学习软件42包括视频播放器软件和图形用户界面。当终端用户通过学习软件42播放基于视频的学习资源40时，学习软件42记录时间戳数据52。

时间戳数据52包括特定终端用户与学习软件42进行交互以查看基于视频的学习资源40的日期和时间、以及终端用户的账户标识符。在一个实施例中，时间戳数据52还包括交互数据，该交互数据指示用户与内容的交互类型(例如，预览、播放、快进、暂停、倒带、退出)和交互中涉及的基于视频的学习资源40的片段。在一个实施例中，基于视频的学习资源40的片段，由以小时、分钟和秒为单位的交互的开始时间和结束时间来表示(例如，“用户123：观看；开始：1：30；结束：2:55”)。因此，在一些实施例中，如上所述，时间戳数据52隐式地或显式地包括观看标志。

在一个实施例中，时间戳数据52还包括关于基于视频的学习资源40的元数据(例如，唯一标识符和标题)。时间戳数据52还包括学习软件42与基于视频的学习资源40的特定片段相关联的“观看”标记，学习软件42检测到用户已实际播放/观看了基于视频的学习资源40的特定片段。学习软件42通过应用程序编程接口(API)来发送或暴露时间戳数据52，以供复习生成软件48使用，如下所述。时间戳数据52是特定于用户的；因此，基于时间戳数据52生成的学习复习项也是特定于用户的。在实现层，将时间戳数据52和学习复习项存储在数据库中，并在数据库中链接到特定于用户的标识符(例如，用户账户名或账号)。通过该数据库链接，复习生成软件48可访问与特定于用户的标识符相关联的用户简档数据。

主题挖掘软件44从基于视频的学习资源40中提取基于文本的内容54。在一个实施例中，在主题挖掘之前，对基于文本的内容54执行数据转换操作。数据转换操作包括生成Blob数据结构，该结构包括从基于视频的学习资源40的一个或多个视频部分的转录中提取的文本短语和相应的时间戳数据以及课程元数据，例如课程标题、到基于视频的学习资源40的存储位置的URL(统一资源定位符)链接、以及代表课程的缩略图。

在一个实施例中，在数据转换操作之后，主题挖掘软件44执行包括一系列自然语言处理(NLP)操作的主题挖掘操作，以产生一组候选主题。在一个实施例中，NLP操作包括词性(POS)标注序列、POS模式匹配、主题修剪、词干、停用词去除、同义词合并以及语义相关的词汇项合并。在其它实施例中，替代基于NLP的技术或者除了基于NLP的技术之外，主题挖掘软件44执行统计和概率方法，例如TF-IDF(术语频率-逆文档频率)、共现和LDA(潜在Dirichlet分配)。

主题挖掘软件44执行主题排名操作，以对候选主题进行排名并选择一组最高排名的主题。主题包括一个n元组(例如，连续的单词序列)，或单词不连续的一组单词。例如，在“管理的最佳实践是与同事保持公开和透明”的句子上操作的主题挖掘软件44可以输出“实践管理开放”的主题，其中在主题中省略了无关紧要的词(例如，诸如“a(一个)”或“the(该)”之类的冠词)。但是，主题挖掘软件44可以利用任何长度的n元组，包括单字组、二元组、三元组等。在一个实施例中，主题挖掘软件首先寻找更高阶的n元组(例如，三元组)，如果对三元组的搜索未返回期望的结果，则对较低的n元组进行搜索。例如，软件无法识别任何三元组，则主题挖掘软件44可以使用二元组来识别主题。

替代地或另外地，主题挖掘软件44对n元组进行定性分析。在一个实施例中，定性分析将n元组与存储在例如词典数据库或用户特定配置文件中的数据进行比较，以便确定特定n元组的质量的相对度量。例如，通过定性分析，“持久性”一词的排名可能会比短语“的类型”的排名更高，即使短语“的类型”包含更多的单词(即，即使“的类型”是一个三元组，“持久性”是一个单字组，也可以向“持久性”分配更高的定性分数)。

主题挖掘软件44在由数据转换操作创建的blob中，搜索与排名最高的主题相匹配的基于文本的内容54中的句子。主题挖掘软件44通过应用程序编程接口(API)传送或暴露基于文本的内容54的部分，例如与排名最高的主题相匹配的一组句子，以供如下所述的复习生成软件48使用。在一些实施例中，“观看”标志数据包括在主题挖掘软件44输出的基于文本的内容54中。下面参考图2更详细地描述主题挖掘软件44的实施例。

复习生成软件48响应于触发事件的发生，来获取基于文本的内容54的一个子集。在一个实施例中，复习生成软件48通过将存储在召回数据中的时间间隔数据添加到由学习软件42提供的时间戳数据52中，来访问召回数据46并确定触发事件。复习生成软件48监测计算机时钟数据以查找触发事件的发生。复习生成软件48通过向基于文本的内容54查询与关键要点标准匹配的句子集合，来生成学习复习项56。

在一个实施例中，关键要点标准是与句子匹配的主题的显著性量度。例如，通过计算高度排名主题与句子之间的语义距离，来确定显著性。在一个实施例中，相对于特定的基于视频的学习资源40，与较大数量的高度排名主题具有较短语义距离的句子被标记为高度突出。

根据计算系统的特定设计或实现的要求，关键要点标准以及主题集和句子集的集合大小是可变的。例如，使用特定于用户的权重值、观看标志和可操作的评分，来确定主题或句子的优先级。响应于检测到触发事件的发生，复习生成软件48输出学习复习项56，以供推送消息传递软件50插入基于推送的消息中。

联网系统示例

图1C是可以在其中实现在线学习系统与消息传递系统之间的接口的示例性计算系统100的框图。计算系统100至少包括通信耦合到电子通信网络140的计算设备110、计算设备160和显示设备170。

使用计算机软件、硬件或软件和硬件，在设备110、160、170中实现体现在计算机编程代码、数据结构和数字数据中的自动功能的组合，这些功能在图1中示意性表示为在线学习系统102、基于视频的内容库104、NLP系统106、基于NLP的模型108、消息传递系统120、学习/消息传递(L/M)接口122、图形用户界面130、学习复习内容模块132。在本公开内容中使用的系统可以指代单个计算机或计算机和/或其它设备的网络。如本公开内容中所使用的计算设备，可以指代配备有处理器的计算机或者任何其它电子设备。

尽管在本公开内容中可以用任意数量N(其中，N为正整数)的在线学习系统102、基于视频的内容库104、NLP系统106、基于NLP的模型108、消息传递系统120、学习/消息传递(L/M)接口122、图形用户界面130、计算设备110、显示设备170和计算设备160来分别实现计算系统100，但为了便于讨论起见，可以以单数形式来指代这些元素。

此外，在图1中，将在线学习系统102、基于视频的内容库104、NLP系统106、基于NLP的模型108、消息传递系统120、学习/消息传递(L/M)接口122、消息传递系统120、学习/消息传递(L/M)接口122、图形用户界面130显示为单独的元素，但是为了便于说明起见，该图示并不意味着需要分离这些元素。可以将所说明的系统(或者其功能)划分为任意数量的物理系统(其包括单个物理计算机系统)，并且可以以任何适当的方式彼此通信。

示例性的在线学习系统102、NLP系统106、基于NLP的模型108、消息传递系统120、学习/消息传递(L/M)接口122、消息传递系统120、学习/消息传递(L/M)接口122、图形用户界面130通信地耦合到计算设备160和网络140。可以将在线学习系统102、NLP系统106、基于NLP的模型108、消息传递系统120、学习/消息传递(L/M)接口122、消息传递系统120、学习/消息传递(L/M)接口122、图形用户界面130实现为基于网络的软件应用程序，并由托管服务(没有示出)进行托管。例如，可以在在线学习系统102或消息传递系统120的前端部分中实现图形用户界面130，或者嵌入在另一个应用程序(例如，社交媒体应用程序或视频共享平台)中。在一个实施例中，在可以在计算设备160上执行的网络浏览器中实现图形用户界面130的部分。

在一些实施例中，计算设备160是客户端计算设备(例如，终端用户的智能手机、平板设备、移动通信设备、可穿戴设备、智能设备或膝上型计算机)，计算设备110是服务器计算机或者位于互联网上、云中的服务器计算机网络。如图1中所示，将显示设备170实现在计算设备160中，但是在其它实现中，可以实现为单独的设备或者实现为另一设备的一部分，或者实现为多个联网的显示设备。

示例性在线学习系统102是在线学习平台(例如，LINKEDIN LEARNING)。在其它实施例中，可以例如在通用视频共享平台内实现在线学习系统102，或者实现为可被企业内部网访问的企业软件套件的一部分。在一个实施例中，基于视频的学习资源40由在线学习系统102维护并存储在基于视频的内容库104中，基于视频的内容库104是使用常规的可搜索数据库来实现的。

NLP(自然语言处理)系统106是计算机实施的自然语言处理服务，其维护和更新基于NLP的程序，该程序包括主题挖掘软件44和基于NLP的模型108。基于NLP的模型108存储诸如规则、算法指令和参数之类的信息，由主题挖掘软件44使用该信息来决定从基于文本的内容中提取哪些n元组，如何识别、组合和排序主题以及如何使句子与主题匹配。基于NLP的模型108可根据计算系统100的特定设计或实现的要求而重新配置。参照图1B和图2更详细地描述了NLP系统106的示例性实施例。

消息传递系统120是诸如新闻源、推送通知系统、文本通知系统或电子邮件系统之类的消息传递系统，其包括推送消息或电子邮件功能。推送消息传递系统的一个特定但非限制性示例是LINKEDIN专业社交媒体平台上的新闻/内容提要。在一些实施例中，消息传递系统120包括作为另外或替代功能的文本到语音处理器，其将基于文本的学习复习项转换为合成语音，以产生基于音频的学习复习项，以通过一个或多个扬声器进行输出。

学习/消息传递接口122提供介于在线学习系统102和消息传递系统120之间的可编程接口。在一个实施例中，将复习生成软件48的部分实现为学习/消息传递接口122的一部分。学习/消息传递接口122有助于创建学习复习项。在一个实施例中，学习/消息传递接口122有助于从通过在线学习系统102播放的基于视频的学习资源40中提取基于文本的内容54的选定部分，并将这些基于文本的内容54的选定部分插入到消息传递系统120所生成的电子消息(例如，推送消息或电子邮件消息或音频消息)中。在一些实施例中，学习/消息传递接口122用来促进创建学习复习项的基于文本的内容54的选定部分包括学生笔记、或者先前观看培训课程的用户输入的其它内容。在其它实施例中，学习/消息传递接口122从计算机存储器或者通过与计算系统的输入设备的用户交互来获得先前创建和存储的学习复习项。

可以在提供用于在连接到网络的设备之间交换数据的任何介质或机制上，实现网络140。网络140的例子包括但不限于诸如局域网(LAN)、广域网(WAN)、以太网或互联网、或一个或多个地面、卫星或无线链路之类的网络。

计算设备160与显示设备170进行通信，并且操作图形用户界面130以直接或经由学习/消息传递接口122，通过网络140与在线学习系统102、NLP系统106、消息传递系统120的部分建立逻辑连接。学习复习内容模块132是图形用户界面元素，例如文本窗口或提要模块、或电子邮件窗口、或文本线程(其显示学习复习项56和/或其它信息)。

在一个实施例中，学习复习内容模块132包含直接链接到与学习复习内容模块132中显示的学习复习项56相对应的基于视频的学习资源40的特定片段的超链接。在线学习系统102后端使之成为可能，该后端存储并维护基于文本的内容54与它们在基于视频的学习资源40的视频部分中的对应位置之间的映射，其中，通过讨论基于文本的内容54的时间来指定基于文本的内容54在视频部分中的位置。

在一个实施例中，学习复习内容模块132包含输入框和/或交互式GUI元素，其允许用户输入与学习复习内容模块132中显示的学习复习项56有关的反馈。

学习复习项的生成

图2是在一个实施例中，描绘可以由计算系统100执行以从基于视频的学习资源中提取信息的过程200的流程图。过程200可以由单个实体或程序来执行，也可以由多个实体或程序(包括例如浏览器插件和远程服务器)来执行。可以使用在计算机存储器中存储的处理器可执行指令来实现如图2所示的处理的操作。为了提供清楚的例子，将图2的操作描述为由计算设备110、160执行，可以将计算设备110、160单独地或共同地简称为‘计算系统’。

在操作202中，过程200获得基于视频的学习资源的转录数据和元数据。在一个实施例中，通过由学习软件42提供的API来获得转录数据和元数据。在操作204中，过程200生成一组候选主题，其中候选主题至少包括从转录数据中提取的三元组。为了生成候选主题集，使用包含NLP模块流水线的主题挖掘系统。NLP模块的流水线包括POS标注模块、POS模式匹配模块以及一系列主题修剪模块，这些主题修剪模块包括词干提取模块、停用词删除模块、同义词合并模块以及用于合并与语义相关的词汇项目的语义合并模块。

POS标注模块对转录数据中的每个句子进行标记，以获得针对该句子中的各个单词的POS标签：名词、动词、形容词和副词。在一个实施例中，斯坦福对数线性POS标记器用于为转录中的每个句子生成POS标记序列。实施例中使用的POS标记是从Penn Treebank英语POS标记集获得的。

POS模式匹配模块选择与预定义POS模式匹配的POS标记序列。在一个实施例中，POS模式匹配模块使用的一组预定义的POS模式存储在基于NLP的模型108中，并且可以基于系统的特定设计或实现的需求进行定制。POS模式的例子包括名词短语、动词短语、名词和动词短语。POS模式与主题相对应。在一个实施例中，包括n元组的POS模式用作主题。在另一个实施例中，包括至少三元组的POS模式用作主题，而小于三元组的n元组不用作主题。在一个实施例中，使用两种不同类型的主题：实体和事件。通过表示诸如“cherry pie(樱桃派)”之类的实体的名词短语来定义实体主题。通过名词短语加动词短语来定义事件主题，动词短语表示与实体相关联的动作。另一种类型的事件主题是动词短语加修饰语加名词短语，它表示以动词短语跟着名词短语形式出现的事件，其中可以通过诸如代词或数字之类的修饰语，将动词短语与名词短语分开。POS模式匹配模块扫描每个句子的POS标记序列，并查找与任何预定义POS模式的匹配，并将任何匹配输出为候选主题。主题修剪可删除不必要的短语，其包括词干、删除停用词以及合并同义词和与语义相关的词汇项目。主题修剪使用存储的参考数据(例如，同义词词典和词法数据库)，将同义词和与语义相关的词法项组合为常见主题。在修剪主题之后，对候选主题集进行完善和阐明。

在操作206中，过程200生成由上述主题生成过程输出的候选主题的排名数据。在一个实施例中，将出现的频率使用成主题的显著性的量度。排名数据包括：表示候选主题在转录数据中的出现频率的算法计算的数值。在一个实施例中，针对从转录数据中提取的每个干净的候选主题来计算TF-IDF值，并根据TF-IDF值对候选主题进行排序。在操作208中，将候选主题的一个子集选择为最重要的主题。通过选择在排名列表顶部出现的主题，来确定最重要主题的子集。在操作210中，过程200对转录数据运行搜索查询，以在转录数据中搜索与由操作208生成的最重要主题集中的主题匹配的句子。在操作212中，过程200基于匹配主题词的出现，对句子集合进行排序。例如，一个单词出现在多个主题中的句子在排序后的句子列表中会出现在较高的位置，而一个单词只出现在其中一个主题中的句子在排序后的句子列表中会出现在较低的位置。在操作214中，过程200与基于视频的学习资源的元数据相关联地存储句子的一个子集，以供将来包括在学习复习内容模块中。在一个实施例中，过程200从由操作212生成的句子的排序列表的顶部选择顶部的N个句子(其中N是正整数)，并将它们存储在存储器中，以在触发事件发生时由复习生成软件48使用。

基于召回数据来确定触发事件

图3是在一个实施例中，召回数据的示例性图形表示。在图3中，根据记住学习的主题的机会百分比与学习发生后的天数之间的关系来绘制召回数据。召回曲线310是首先预计的遗忘曲线，例如，其预测在学习事件发生10天之后，仅60％的学习主题仍保留在学习者的记忆中。召回曲线312示出了在90％的召回率下给出的第一提醒如何改变召回曲线的斜率。作为第一提醒的结果，召回曲线312取代了召回曲线310，并且现在预测在初始学习事件之后大约30天，将保留60％的学习主题。第二提醒进一步提高了记忆的机率，调整斜率以创建新的召回曲线314来代替召回曲线312。根据召回曲线314，第一次、第二次和第三次提醒的发布将提高学习者保留所学主题近似80％的机会(即使在初始学习事件后60天内)。在一个实施例中，基于主题和/或用户简档或偏好来定制包括召回曲线集合的召回数据，因此其对于不同的主题和/或对于不同的用户可以是不同的。

图3还示出了第一、第二、第三和第四提醒之间的时间间隔不相同，而是随着每个连续的提醒进行增加。使用如图3所示的召回数据，学习复习生成软件48可以在播放了基于视频的学习资源之后的5天的时间间隔内定义第一触发事件。当复习生成软件48确定已经过去了5天时，学习复习生生成软件48开始在推送消息中插入对应于图3的第一提醒的学习复习项。学习复习生成软件48还可以例如在初始播放事件之后的12天的时间间隔或者在第一触发事件之后的7天的时间间隔中，定义第二触发事件。也就是说，可以基于单个基于视频的资源播放事件的发生，或者相对于先前发生的触发事件或提醒来定义一组将来的触发事件。

用例：在新闻源模块中插入学习复习项

在一个实施例中，图4是显示学习复习内容模块400的示例性用户界面的屏幕截图。学习复习内容模块400被设计为在图形用户界面130中显示。学习复习内容模块400体现为馈送模块，其包括学习复习部分440、反馈部分437和馈送模块部分438。学习复习部分440包括学习复习标题430、课程完成日期通知432、课程标题超链接434和学习复习项集合436。激活超链接434，以深层链接到讨论学习复习项436的基于视频的学习资源的部分。

在一个实施例中，使用上述的基于NLP的技术从基于视频的学习资源中提取学习复习项436。馈送模块部分438包含一组交互式图标，在这些图标被激活时，会启动软件应用程序的嵌入了学习复习内容模块400的其它功能。

反馈部分437包括交互式图形用户界面元素，其允许终端用户输入与学习复习项有关的显式或隐式反馈数据。可以通过激活“喜欢”或“评论”GUI元素来输入显式反馈，而由于用户激活了“共享”GUI元素以与另一个计算系统用户共享项目，因此可以推断出隐式反馈。在一个实施例中，计算系统将经由任何GUI机制437接收的反馈数据合并到生成学习复习内容模块400的过程中。例如，计算系统添加、删除或修改学习复习项中包含的语句，基于经由任何GUI机制437接收到的反馈数据来向用户呈现这些语句。

优点

可以通过本文所描述的至少一些实施例实现的益处包括：根据至少部分基于召回数据确定的调度，通过从基于视频的学习资源中自动提取显著内容项集合，并将提取的项插入到推送消息中，来增强基于视频的学习资源与推送消息传递系统的集成。

实现示例-硬件概述

根据一个实施例，通过一个或多个计算设备来实现本文所描述的技术。例如，可以至少临时地在包括一个或多个服务器计算机和/或其它计算设备的组合的网络上实现所公开技术的各部分。这些计算设备可以是硬连线的，以执行该技术，或者可以包括数字电子设备(例如，被永久编程为执行该技术的一个或多个专用集成电路(ASIC)或现场可编程门阵列(FPGA))，或者可以包括一个或多个通用硬件处理器，这些硬件处理器被编程为根据固件、存储器、其它存储设备或组合中的程序指令来执行这些技术。这样的计算设备还可以将定制的硬连线逻辑、ASIC或FPGA与定制编程相结合，以实现所描述的技术。

计算设备可以是服务器计算机、个人计算机或服务器计算机和/或个人计算机的网络。计算机的说明性示例是台式计算机系统、便携式计算机系统、手持式设备、移动计算设备、可穿戴设备、身体上或植入式设备、智能电话、智能设备、网络设备、自主或半自主设备(例如，机器人或无人地面或飞行器)、或者采用硬连线和/或程序逻辑来实现上述技术的任何其它电子设备。

例如，图5是示出了可以在其上实现本发明的实施例的计算机系统500的框图。计算机系统500的组件包括用于以硬件、软件或硬件和软件的组合来实现所公开的技术的指令，在附图中示意性地将这些指令表示为例如方框和圆圈。

计算机系统500包括输入/输出(I/O)子系统502，该输入/输出子系统502可以包括总线和/或其它通信机制，以用于通过电子信号路径在计算机系统500的组件之间传递信息和/或指令。该I/O子系统可以包括I/O控制器、存储器控制器和一个或多个I/O端口。在附图中，将电子信号路径示意性地表示为例如线、单向箭头或双向箭头。

一个或多个硬件处理器504与I/O子系统502耦合以用于处理信息和指令。硬件处理器504可以包括例如通用微处理器或微控制器和/或专用微处理器，例如，嵌入式系统或图形处理单元(GPU)或数字信号处理器。

计算机系统500还包括诸如主存储器之类的存储器506，其耦合到I/O子系统502，以用于存储信息和要由处理器504执行的指令。存储器506可以包括易失性存储器，例如，各种形式的随机存取存储器(RAM)或其它动态存储设备。存储器506还可以在执行要由处理器504执行的指令的过程中，存储临时变量或其它中间信息。当这些指令存储在处理器504可以访问的非临时性计算机可读存储介质中时，使得计算机系统500实现成被定制为执行指令中指定的操作的专用机器。

计算机系统500还包括非易失性存储器，例如只读存储器(ROM)508或耦合到I/O子系统502的其它静态存储设备，以用于存储处理器504的静态信息和指令。ROM 508可以包括各种形式的可编程ROM(PROM)，例如，可擦除PROM(EPROM)或电可擦PROM(EEPROM)。永久存储设备510可以包括各种形式的非易失性RAM(NVRAM)，例如闪存、固态存储器、磁盘或光盘，并且可以耦合到I/O子系统502以存储信息和指令。

计算机系统500可以经由I/O子系统502耦合到一个或多个输出设备512(例如，显示设备)。例如，显示器512可以体现为用于向诸如计算机用户之类的信息显示的触摸屏显示器或发光二极管(LED)显示器或液晶显示器(LCD)。替代显示设备或者除了显示设备之外，计算机系统500还可以包括其它类型的输出设备，例如扬声器、LED指示器和触觉设备。

一个或多个输入设备514耦合到I/O子系统502，以用于将信号、信息和命令选择传送到处理器504。输入设备514的类型包括触摸屏、麦克风、静态和视频数码相机、字母数字键和其它键、按钮、转盘、滑轨和/或各种类型的传感器(例如，力传感器、运动传感器、热传感器、加速计、陀螺仪和惯性测量单元(IMU)传感器)和/或各种类型的收发器(例如，无线收发器，诸如蜂窝电话或Wi-Fi、射频(RF)或红外(IR)收发器以及全球定位系统(GPS)收发器)。

另一种类型的输入设备是控制设备516，除了输入功能之外，该控制设备516还可以执行光标控制或其它自动控制功能(例如，在显示屏上的图形界面中进行导航)。可以将控制设备516实现为触摸板、鼠标、轨迹球或光标方向键，以用于将方向信息和命令选择传达给处理器504，并用于控制显示器512上的光标移动。输入设备可以在两个轴(例如，第一轴(例如，x)和第二轴(例如，y))中具有至少两个自由度，这允许设备指定平面中的位置。另一种类型的输入设备是有线、无线或光学控制设备，例如操纵杆、指挥棒、控制台、方向盘、踏板、变速装置或其它类型的控制设备。输入设备514可以包括多个不同的输入设备(例如，摄像机和深度传感器)的组合。

计算机系统500可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实施本文所描述的技术，其与计算机系统结合使计算机系统500操作成专用机器，或者对计算机系统500进行编程以操作成专用机器。根据一个实施例，计算机系统500响应于处理器504执行存储器506中包含的一个或多个指令的一个或多个序列，来执行本文中的技术。可以将这样的指令从诸如存储设备510之类的另一存储介质读入到存储器506中。存储器506中包含的指令序列的执行，使处理器504执行本文所描述的处理步骤。在替代的实施例中，可以使用硬连线电路来代替软件指令或者与软件指令结合使用。

如本公开内容中所使用的术语“存储介质”是指存储有使机器以特定方式操作的数据和/或指令的任何非临时性介质。这样的存储介质可以包括非易失性介质和/或易失性介质。非易失性介质包括例如光盘或磁盘(例如，存储设备510)。易失性介质包括动态存储器(例如，存储器506)。常见形式的存储介质包括例如硬盘、固态驱动器、闪存驱动器、磁性数据存储介质、任何光学或物理数据存储介质、存储芯片等等。

存储介质不同于传输介质，但是可以与传输介质结合使用。传输介质参与存储介质之间的信息传输。例如，传输介质包括同轴电缆、铜线和光纤，其包括构成I/O子系统502的总线的传输线。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产生的声波或光波。

各种形式的介质可以涉及将一个或多个指令的一个或多个序列传送给处理器504以进行执行。例如，这些指令可以最初承载在远程计算机的磁盘或固态驱动器上。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，通过通信链路(例如，光纤或同轴电缆或电话线)来发送指令。计算机系统500本地的调制解调器或路由器可以在通信链路上接收数据，并将数据转换为计算机系统500可以读取的格式。例如，诸如射频天线或红外探测器之类的接收器可以接收在无线或光信号中携带的数据，适当的电路可以将该数据提供给I/O子系统502(例如，将数据放置在总线上)。I/O子系统502将数据携带到存储器506，处理器504从存储器506中检索指令并进行执行。由存储器506接收的指令可以可选地在被处理器504执行之前或之后，存储在存储设备510上。

计算机系统500还包括耦合到总线502的通信接口518。通信接口518提供耦合到网络链路520的双向数据通信，网络链路520直接或间接地连接到一个或多个通信网络(例如，局域网络522或互联网上的公共或私有云)。例如，通信接口518可以是综合业务数字网(ISDN)卡、电缆调制解调器、卫星调制解调器、或者提供到对应类型的通信线路的数据通信连接的调制解调器(例如，同轴电缆或光纤线路或电话线)。再举一个例子，通信接口518可以包括局域网(LAN)卡，以提供到兼容LAN的数据通信连接。也可以实现无线链路。在任何这样的实现中，通信接口518通过信号路径来发送和接收电、电磁或光信号，这些信号路径携带表示各种类型的信息的数字数据流。

网络链路520通常使用例如蜂窝、Wi-Fi或蓝牙技术，直接地或通过一个或多个网络向其它数据设备提供电、电磁或光数据通信。例如，网络链路520可以提供通过局域网522到主机计算机524或者到其它计算设备(例如，个人计算设备或物联网(IoT)设备和/或由互联网服务提供商(ISP)526操作的数据设备)的连接。ISP 526通过通常称为“互联网”528的全球分组数据通信网络来提供数据通信服务。局域网络522和互联网528都使用承载数字数据流的电、电磁或光信号。通过各种网络的信号以及在网络链路520上并且通过通信接口518的信号，是传输介质的示例形式，其中，信号携带去往和来自计算机系统500的数字数据。

计算机系统500可以通过网络、网络链路520和通信接口518，发送消息并接收数据和包括程序代码的指令。在互联网示例中，服务器530可以通过互联网528、ISP 526、局域网络522和通信接口518，为应用程序发送请求的代码。接收的代码可以在接收和/或存储在存储设备510或其它非易失性存储器中以供以后执行时，由处理器504执行。

其它示例

下面提供本文公开的技术的说明性示例。这些技术的实施例可以包括以下描述的任何示例或组合。

在示例1中，一种方法包括：响应于特定用户在学习软件中播放基于视频的学习资源，至少部分地基于召回数据和相关数据中的一个或多个来确定触发事件；响应于对所述触发事件的检测，使得推送消息传递系统将学习复习项插入到推送消息中，所述学习复习项包括从所述基于视频的学习资源中提取的内容，其中所述推送消息传递系统使所述推送消息包括呈现给所述特定用户的所述学习复习项；其中，所述方法由一个或多个计算设备执行。所述内容可以是可操作主题。可以从所述特定用户对所述基于视频的学习资源的所述播放中包括的所述基于视频的学习资源的一部分中，提取所述内容。

示例2包括根据示例1所述的方法，其中，所述触发事件与未来时间戳相关联，通过将使用所述召回数据确定的时间间隔添加到与所述基于视频的学习资源的所述播放相关联的时间戳来计算所述未来时间戳。示例3包括根据示例2所述的方法，其中，对所述触发事件的检测包括：确定当前时间戳与和所述触发事件相关联的所述未来时间戳匹配。示例4包括根据示例1-3中的任何一项所述的方法，其中，所述触发事件与未来时间戳相关联，通过将使用所述召回数据确定的时间间隔添加到与所述学习复习项在图形用户界面中的先前呈现相关联的时间戳来计算所述未来时间戳。示例5包括根据示例1-4中的任何一项所述的方法，其中，所述召回数据包括时间间隔到置信度值的映射，其中，所述置信度值表示在播放了所述基于视频的学习资源之后一个或多个用户将记住实质内容的数学计算的可能性，并且其中，所述置信度值至少部分地基于在播放了所述基于视频的学习资源之后触发事件的发生的次数或频率而可变。示例6包括根据示例1-5中的任何一项所述的方法，其中，所述学习复习项包括链接，当所述链接被激活时，启动所述基于视频的学习资源的一部分的呈现，其中所述基于视频的学习资源的所述部分与从所述基于视频的学习资源中提取的、被包括在所述学习复习项中的所述内容相对应。示例7包括根据示例1-6中的任何一项所述的方法，其中，所述学习复习项的不同版本包括从所述基于视频的学习资源中提取的不同内容，并且所述方法包括：响应于不同的触发事件，将所述学习复习项的不同版本插入到不同的推送消息中。示例8包括根据示例1-7中的任何一项所述的方法，其中，所述推送消息包括新闻源或推送通知或文本消息或电子邮件消息。示例9包括根据示例1-8中的任何一项所述的方法，其中，从所述基于视频的学习资源中提取的所述内容是从以下各项中提取的：(i)所述基于视频的学习资源、或(ii)由课程指导者或学生创建的电子文件，所述内容是使用以下过程来提取的：(i)涉及自然语言处理软件的自动过程、或(ii)涉及所述课程指导者或所述学生的手动过程。

在示例10中，一种系统包括：一个或多个计算机处理器；耦合到所述一个或多个计算机处理器的学习/消息传递(L/M)接口，其中，所述L/M接口执行包括以下操作：响应于特定用户在学习软件中播放基于视频的学习资源，至少部分地基于召回数据来确定触发事件；响应于对所述触发事件的检测，使得推送消息传递系统将学习复习项插入到推送消息中，所述学习复习项包括从所述基于视频的学习资源中提取的内容，其中所述推送消息传递系统使所述推送消息呈现给所述特定用户。

示例11包括根据示例10所述的系统，其中，所述触发事件与未来时间戳相关联，通过将使用所述召回数据确定的时间间隔添加到与所述基于视频的学习资源的所述播放相关联的时间戳来计算所述未来时间戳。示例12包括根据示例10所述的系统，其中，所述触发事件与未来时间戳相关联，通过将使用所述召回数据确定的时间间隔添加到与先前触发事件相关联的时间戳来计算所述未来时间戳。示例13包括根据示例10所述的系统，其包括：基于从所述特定用户接收的反馈输入，修改所述学习复习项的呈现。示例14包括根据示例10所述的系统，其中，所述学习复习项包括链接，当所述链接被激活时，启动所述基于视频的学习资源的一部分的呈现，其中所述基于视频的学习资源的所述部分与从所述基于视频的学习资源中提取的、被包括在所述学习复习项中的所述内容相对应，并且其中，所述推送消息包括新闻源或推送通知或文本消息或电子邮件消息。

在示例15中，一种计算机程序产品包括：包括指令的一个或多个非临时性计算机可读存储介质，当所述指令被一个或多个处理器执行时，使得执行以下操作：响应于特定用户在学习软件中播放基于视频的学习资源，至少部分地基于召回数据来确定触发事件；响应于对所述触发事件的检测，使得推送消息传递系统将学习复习项插入到推送消息中，所述学习复习项包括从所述基于视频的学习资源中提取的内容，其中所述推送消息传递系统使所述推送消息呈现给所述特定用户。

示例16包括根据示例15所述的计算机程序产品，其中，使用主题建模软件来提取从所述基于视频的学习资源中提取的所述内容。示例17包括根据示例15所述的计算机程序产品，其中，通过从所述基于视频的学习资源的基于文本的内容中选择一组数学计算出的最突出句子，来提取从所述基于视频的学习资源中提取的所述内容。示例18包括根据示例17所述的计算机程序产品，其中，通过将基于所述文本的内容的句子与一组重要主题匹配，来选择所述一组数学计算出的最突出句子。示例19包括根据示例18所述的计算机程序产品，其中，所述一组重要主题是通过基于从所述基于文本的内容中提取的主题在所述基于视频的学习资源的所述基于文本的内容中出现的频率的计算量度，来对所述主题进行排名来确定的。示例20包括根据示例19所述的计算机程序产品，其中，通过基于所计算的语义相似性度量，对从所述基于视频的学习资源的所述基于文本的内容中提取的三元组进行分组，来确定所述主题。

一般注意事项

在前述的说明书中，已经参照可能随实施方式而变化的许多具体细节来描述了本发明的实施例。因此，说明书和附图应被认为是说明性的而不是限制性的。本发明保护范围的唯一且排他性的指示、以及申请人希望作为本发明保护范围的指示，是以本申请的特定形式从本申请中提出的权利要求书的字面意义和等效范围，包括任何后续的更正。

本文针对权利要求中所包含的术语阐述的任何定义，都可以支配权利要求中所使用的术语的含义。权利要求中没有明确陈述的任何限制、要素、特性、特征、优点或属性，无论如何都不应该限制权利要求的保护范围。说明书和附图应被认为是说明性的而不是限制性的。

如本公开内容中所使用的，术语“包括”和“包含”(以及那些术语的变型，比如“包括有”、“包括”、“包含有”、“包含”、“含有”等等)意在包括性的，而不是旨在排除其它功能、组件、整数或步骤。

在本文中对“实施例”等等的引用，指示所描述或示出的实施例可以包括特定的特征、结构或特性，但是每个实施例可以不必包括特定的特征、结构或特性。这样的短语不一定指相同的实施例。此外，当结合实施例描述或示出特定的特征、结构或特性时，相信结合其它实施例(无论是否明确指出)来实现这种特征、结构或特性在本领域普通技术人员的知识范围内。

已经使用处理步骤来描述本公开内容的各种特征。给定处理步骤的功能/处理可以潜在地以不同的方式执行，并由不同的系统或系统模块来执行。此外，可以将给定的处理步骤划分为多个步骤和/或可以将多个步骤组合为单个步骤。此外，在不脱离本公开内容的保护范围的情况下，可以改变步骤的顺序。

应当理解的是，在本说明书中公开和定义的实施例扩展到所提到的或者从文本或附图中显而易见的各个特征和部件的替代组合。这些不同的组合构成实施例的各种替代方面。

在前述的说明书中，已经参照可能随实施方式而变化的许多具体细节来描述了本发明的实施例。因此，说明书和附图应被认为是说明性的而不是限制性的。本发明保护范围的唯一且排他性的指示、以及申请人希望作为本发明保护范围的指示，是以本申请的特定形式从本申请中提出的权利要求书的字面意义和等效范围，包括任何后续的更正。

Claims (20)

1.一种方法，其包括：

响应于特定用户在学习软件中播放基于视频的学习资源，至少部分地基于召回数据来确定触发事件；

响应于对所述触发事件的检测，使得推送消息传递系统将学习复习项插入到推送消息中，所述学习复习项包括从所述基于视频的学习资源的一部分中提取的可操作主题，其中所述基于视频的学习资源的所述部分被包括在所述特定用户对所述基于视频的学习资源的所述播放中，其中，所述推送消息传递系统使所述推送消息呈现给所述特定用户；

其中，所述方法由一个或多个计算设备执行。

2.根据权利要求1所述的方法，其中，所述触发事件与未来时间戳相关联，其中所述未来时间戳是通过将使用所述召回数据确定的时间间隔添加到与所述基于视频的学习资源的所述播放相关联的时间戳来计算的。

3.根据权利要求2所述的方法，其中，对所述触发事件的检测包括：确定当前时间戳与和所述触发事件相关联的所述未来时间戳匹配。

4.根据权利要求1-3中的任何一项所述的方法，其中，所述触发事件与未来时间戳相关联，其中所述未来时间戳是通过将使用所述召回数据确定的时间间隔添加到与所述学习复习项在图形用户界面中的先前呈现相关联的时间戳来计算的。

5.根据权利要求1-4中的任何一项所述的方法，其中，所述召回数据包括时间间隔到置信度值的映射，其中，所述置信度值表示在播放了所述基于视频的学习资源之后一个或多个用户将记住实质内容的数学计算的可能性，并且其中，所述置信度值至少部分地基于在播放了所述基于视频的学习资源之后触发事件的发生的次数或频率而可变。

6.根据权利要求1-5中的任何一项所述的方法，其中，所述学习复习项包括链接，其中当所述链接被激活时启动所述基于视频的学习资源的一部分的呈现，其中所述基于视频的学习资源的所述部分与从所述基于视频的学习资源中提取的、被包括在所述学习复习项中的所述内容相对应。

7.根据权利要求1-6中的任何一项所述的方法，其中，所述学习复习项的不同版本包括从所述基于视频的学习资源中提取的不同内容，并且所述方法包括：响应于不同的触发事件，将所述学习复习项的不同版本插入到不同的推送消息中。

8.根据权利要求1-7中的任何一项所述的方法，其中，所述推送消息包括新闻源或推送通知或文本消息或电子邮件消息。

9.根据权利要求1-8中的任何一项所述的方法，其中，从所述基于视频的学习资源中提取的所述内容是从以下各项中提取的：(i)所述基于视频的学习资源、或(ii)由课程指导者或学生创建的电子文件，并且所述内容是使用以下过程来提取的：(i)涉及自然语言处理软件的自动过程、或(ii)涉及所述课程指导者或所述学生的手动过程。

10.一种系统，其包括：

一个或多个计算机处理器；

耦合到所述一个或多个计算机处理器的学习/消息传递(L/M)接口，其中，所述L/M接口执行包括以下操作：

响应于特定用户在学习软件中播放基于视频的学习资源，至少部分地基于召回数据来确定触发事件；

响应于对所述触发事件的检测，使得推送消息传递系统将学习复习项插入到推送消息中，所述学习复习项包括从所述基于视频的学习资源中提取的可操作主题，其中所述推送消息传递系统使所述推送消息呈现给所述特定用户。

11.根据权利要求10所述的系统，其中，所述触发事件与未来时间戳相关联，其中所述未来时间戳是通过将使用所述召回数据确定的时间间隔添加到与所述基于视频的学习资源的所述播放相关联的时间戳来计算的。

12.根据权利要求10所述的系统，其中，所述触发事件与未来时间戳相关联，其中所述未来时间戳是通过将使用所述召回数据确定的时间间隔添加到与先前触发事件相关联的时间戳来计算的。

13.根据权利要求10所述的系统，其中，所述L/M接口执行包括以下的操作：基于从所述特定用户接收的反馈输入来修改所述学习复习项的呈现。

14.根据权利要求10所述的系统，其中，所述学习复习项包括链接，其中当所述链接被激活时启动所述基于视频的学习资源的一部分的呈现，其中所述基于视频的学习资源的所述部分与从所述基于视频的学习资源中提取的、被包括在所述学习复习项中的所述内容相对应，并且其中，所述推送消息包括新闻源或推送通知或文本消息或电子邮件消息。

15.一种计算机程序产品，其包括：

包括指令的一个或多个计算机可读存储介质，当所述指令被一个或多个处理器执行时，使得执行以下操作：

响应于特定用户在学习软件中播放基于视频的学习资源，至少部分地基于召回数据来确定触发事件；

响应于对所述触发事件的检测，使得推送消息传递系统将学习复习项插入到推送消息中，所述学习复习项包括从所述基于视频的学习资源的一部分中提取的内容，其中所述基于视频的学习资源的所述部分被包括在所述特定用户对所述基于视频的学习资源的所述播放中，其中，所述推送消息传递系统使所述推送消息呈现给所述特定用户。

16.根据权利要求15所述的计算机程序产品，其中，从所述基于视频的学习资源中提取的所述内容是使用主题建模软件来提取的。

17.根据权利要求15所述的计算机程序产品，其中，从所述基于视频的学习资源中提取的所述内容是通过从所述基于视频的学习资源的基于文本的内容中选择一组数学计算的最突出句子来提取的。

18.根据权利要求17所述的计算机程序产品，其中，所述一组数学计算的最突出句子是通过将所述基于文本的内容的句子与一组重要主题进行匹配来选择的。

19.根据权利要求18所述的计算机程序产品，其中，所述一组重要主题是通过基于从所述基于文本的内容中提取的主题在所述基于视频的学习资源的所述基于文本的内容中出现的频率的计算量度，来对所述主题进行排名来确定的。

20.根据权利要求19所述的计算机程序产品，其中，所述主题是通过基于所计算的语义相似性的度量，来对从所述基于视频的学习资源的所述基于文本的内容中提取的三元组进行分组来确定的。

Images