CN112308503A - 时间监管方法和装置 - Google Patents
时间监管方法和装置 Download PDFInfo
- Publication number
- CN112308503A CN112308503A CN202010157904.0A CN202010157904A CN112308503A CN 112308503 A CN112308503 A CN 112308503A CN 202010157904 A CN202010157904 A CN 202010157904A CN 112308503 A CN112308503 A CN 112308503A
- Authority
- CN
- China
- Prior art keywords
- task
- duration
- current
- expected
- time length
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开的实施例公开了时间监管方法和装置,该方法的一具体实施方式包括:获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;记录当前对象完成当前任务所用的实际时长;基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息。该实施方式实现可以提示用户节省时间,并且为用户形成有序的时间规划提供帮助。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及时间监管方法和装置。
背景技术
人工智能(Artificial Intelligence,简称AI)。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。
当前很多孩子做事,尤其是学习上都没有时间规划,导致为了完成作业孩子每天需要学习到很晚,影响第二天上课的同时,孩子总没有精神,直至陷入恶性循环,孩子产生厌学情绪。
发明内容
本公开的实施例提出了一种时间监管方法和装置。
第一方面,本公开的实施例提供了一种时间监管方法,该方法包括:获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;记录当前对象完成当前任务所用的实际时长;基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息。
在一些实施例中,上述从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长,包括:基于任务序列建立任务时长模型,其中,任务时长模型用于表示对象、任务以及预期时长三者之间对应关系;将当前对象和当前任务输入任务时长模型获取当前对象完成当前任务的预期时长。
在一些实施例中,在基于任务序列建立任务时长模型之后、基于任务时长模型获取当前对象完成当前任务的预期时长之前,还包括:获取多个对象完成当前任务的执行时长,得到参考执行时长集合;基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长。
在一些实施例中,上述基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长,包括:将参考执行时长集合输入任务时长模型中,得到当前对象完成当前任务的期望时长;判断期望时长与当前对象完成当前任务的预期时长之差是否在设定阈值范围内;若未在设定阈值范围内,将期望时长作为任务时长模型中当前对象完成当前任务的预期时长。
在一些实施例中,上述基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息,包括:将实际时长与确定的预期时长进行比较;响应于确定实际时长不小于确定的预期时长,推送用于提示当前任务执行速度不高于历史执行速度的第一提示信息;响应于确定实际时长小于确定的预期时长,推送用于提示当前任务执行速度高于历史执行速度的第二提示信息。
在一些实施例中,在记录当前对象在完成当前任务所用的实际时长之后、基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息之前,还包括:将参考执行时长集合中的所有执行时长与实际时长进行排序,确定实际时长的名次;在基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息之后,推送名次。
在一些实施例中,上述获取用户输入的任务序列包括:通过多种路径中至少一种获取得到用户输入的任务序列,路径包括:拍照、语音以及自主制定。
第二方面,本公开的实施例提供了一种时间监管装置,该装置包括:获取模块,被配置成获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;确定模块,被配置成从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;记录模块,被配置成记录当前对象完成当前任务所用的实际时长;提示模块,被配置成基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息。
在一些实施例中,上述确定模块包括:建模单元,被配置成基于所述任务序列建立任务时长模型,其中,所述任务时长模型用于表示对象、任务以及预期时长三者之间对应关系;时长获取单元,被配置成将所述当前对象和所述当前任务输入所述任务时长模型获取所述当前对象完成所述当前任务的预期时长。
在一些实施例中,确定模块还包括:集合获取单元,被配置成获取多个对象完成当前任务的执行时长,得到参考执行时长集合;调整单元,被配置成基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长。
在一些实施例中,上述调整单元包括:输入子单元、判断子单元以及替换子单元;输入子单元被配置成将参考执行时长集合输入任务时长模型中,得到当前对象完成当前任务的期望时长;判断单元被配置成判断期望时长与当前对象完成当前任务的预期时长之差是否在设定阈值范围内,若未在设定阈值范围内,则将判断结果发送给替换子单元;替换子单元被配置成将期望时长作为任务时长模型中当前对象完成当前任务的预期时长。
在一些实施例中,上述提示模块包括:比较单元,被配置成将实际时长与确定的预期时长进行比较;第一提示单元,被配置成响应于确定实际时长不小于确定的预期时长,推送用于提示当前任务执行速度不高于历史执行速度的第一提示信息;第二提示单元,被配置成响应于确定实际时长小于确定的预期时长,推送用于提示当前任务执行速度高于历史执行速度的第二提示信息。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的时间监管方法和装置,首先获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;然后记录当前对象完成当前任务所用实际时长,最后基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息,使得用户可以及时了解完成当前任务的实际时长与预期时长之间的差距,从而更清楚地了解当前任务的执行情况,提示用户节省时间并且为用户形成有序的时间规划提供了帮助。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的时间监管方法的一个实施例的流程图;
图3是根据本公开的时间监管方法的又一个实施例的流程图;
图4是根据本公开的时间监管方法的再一个实施例的流程图;
图5是根据本公开的时间监管装置的一个实施例的结构示意图;
图6是根据本公开的时间监管装置的又一个实施例的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的时间监管方法或时间监管装置的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,通常可以包括无线通信链路等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如即时通信工具、邮箱客户端等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有通信和控制功能的用户设备,比如图1中的电脑、手机。
当终端设备101、102、103为软件时,可以安装在上述用户设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上时间监控系统提供信息推送的信息服务器。信息服务器可以对孩子各种学习任务执行情况进行分析处理,并将处理结果反馈给终端设备,比如,学习任务包括:背诵课文、完成数学作业等。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的时间监管方法一般由服务器105执行,相应地,时间监管装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的时间监管方法的一个实施例的流程图200。该时间监管方法包括以下步骤:
步骤201,获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长。
本实施例中,任务序列中的对象可以是一个对象也可以是多个对象,每个对象对应至少一种任务,每个任务又对应至少一个预期时长,本实施例中,任务序列的内容由用户根据实际情况确定,比如,小明的课余时间的任务是背诵课文;而预期时长可以是由用户自主定制的时间,也可以采集执行任务的多个历史时长之后的确定的时长,比如,小明背诵课文的预期时长为20min。
本实施例中,用于执行时间监管方法的执行主体(如图1所示的服务器105)可以通过用户直接输入、采用多媒体信息输入以及采用文本输入的方式获取用户输入的任务序列。其中,用户直接输入的方式为:用户通过用户终端(如图1所示的终端设备101、102、103)直接向执行主体输入任务序列。采用多媒体信息输入的方式为:用户通过用户终端向执行主体输入含任务序列的语音或视频,执行主体对语音或视频进行常规的语音数据或视频数据处理之后得到任务序列。采用文本输入的方式为:用户通过用户终端向执行主体输入含任务序列的文本,执行主体对该文本进行常规的文本信息处理之后得到任务序列。
当然,在本实施例的一些可选的实现方式中,执行主体还可以通过多种路径中至少一种获取得到用户输入的任务序列,其中,路径包括:拍照、语音以及自主制定。本可选实现方式中,执行主体具有输入装置以及处理输入装置信息的处理器,该输入装置具有拍照功能、语音功能或者键盘功能中的一种或多种,用户可以通过输入装置的键盘功能向处理器自主定制任务序列;处理器可以通过输入装置的拍照功能拍摄用户的具有任务序列的照片,并对照片进行图片数据处理后得到任务序列;处理器可以通过输入装置的语音功能录取具有任务序列的语音,并对语音进行语音数据处理后得到任务序列。
具体地,任务序列可以是如表1所示的表格。在表1中,对象包括:小亮、雨晨、君怡;任务包括:英语背诵、数学作业、语文作业;表1中还包括每个对象完成各个任务所用的预期时长。
表1
具体地,用户控制终端设备使用自身的拍照功能、语音功能或者通讯功能获取含有学生课堂作业的媒体素材,并控制终端设备通过网络(如图1所示的网络104)发送给执行主体,执行主体经过处理得到任务序列;而对于那些未在课堂上留的任务或者任务没有预期时长的情况,还可以通过用户自主制定完成任务序列,比如在执行主体设置有一些输入接口,便于学生通过输入接口向执行主体中输入自主制定的任务信息,执行主体对任务信息进行处理得到任务序列。
步骤202,从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长。
本实施例中,确定当前对象、与当前对象对应的当前任务的方式可以有多种,一种可以是默认方式,根据执行主体接收的当前操作对象的操作,自动确定当前对象以及当前对象对应的当前任务,比如,执行主体预先存有当前对象的用户标识,在当前操作对象向执行主体输入与预存的用户标识相同的用户标识之后,执行主体默认当前操作对象即为当前对象,当然,当前对象对应的当前任务也可采用此种方式确定,执行主体预先存有各个任务的任务标识,在执行主体确定当前对象之后,若当前操作对象输入了当前任务的任务标识,执行主体以任务标识对应的任务作为默认的当前任务;若当前操作对象未输入任务标识,执行主体可以以任务序列中当前对象对应的第一个任务作为默认的当前任务。
另一种是用户自主选择的方式,通过用户选择当前对象以及当前对象对应的当前任务,比如,执行主体通过终端设备向用户呈现任务序列中所有的对象和各对象对应的任务,用户在终端设备上选择了当前对象以及当前对象对应的当前任务之后通过终端设备反馈给执行主体。
进一步,在确定了当前对象、与当前对象对应的当前任务之后,还可以通过如下几种方式确定当前对象完成当前任务的预期时长。一种方式是:执行主体预先将任务序列存储在数据库中,一旦确定了当前对象、当前对象对应的当前任务,便可以对照任务序列,得到任务序列中当前对象完成当前任务的预期时长。
另一种方式是:执行主体在获取到任务序列之后,通过一些常规算法,将任务序列中记录的数据处理为训练样本,采用训练样本训练任务时长模型的初始模型,经过对初始模型的多次训练、评估和算法调参后到任务时长模型,一旦确定了当前对象、当前对象对应的当前任务,向任务时长模型中输入当前对象、当前对象对应的当前任务,便可以由任务时长模型得到当前对象完成当前任务的预期时长。
具体地,在本实施例的一个可选的实现方式中,从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长,包括:基于任务序列建立任务时长模型,其中,任务时长模型用于表示对象、任务以及预期时长三者之间对应关系;将当前对象和当前任务输入任务时长模型获取当前对象完成当前任务的预期时长。
本实现方式中,基于任务序列建立任务时长模型,首先需要基于任务序列得到用于训练的样本集。用于训练的样本集可以包括对象样本、任务样本以及任务样本所用的预期时长样本。其中,用于训练的样本集是任务时长模型可直接适用的用于训练的数据集,也可以是首先采集任务时长模型不能直接适用且装载有数据信息的图片、表格、语音、文本等,之后对于该任务时长模型不能直接适用且装载有数据信息的图片、表格、语音、文本等进行数据清洗和数据筛选,得到用于训练的样本集。
执行主体在获取到用于训练的样本集之后,通过一些常规算法,将用于训练的样本集中的数据处理为训练样本,采用训练样本训练任务时长模型的初始模型,经过对初始模型的多次训练、评估和算法调参后,会获得任务时长模型。当当前对象、当前任务输入任务时长模型后,那么任务时长模型就会给出当前任务所用的预期时长。
可选地,与当前对象、当前任务相对应的预期时长可以是一个数值也可以是在不同时间段的不同数值,比如,小亮的英语背诵的预期时长为20min,或者雨晨的英语背诵的预期时长在2020年01月01日的预期时长为25min,在2020年02月21日的预期时长分别为23min、21min以及20min。
任务时长模型的输入为对象样本、任务样本;任务时长模型的期望输出为输入的对象样本完成输入的任务样本所用的预期时长样本,为了实现对不同对象所用的预期时长进行精确化处理,任务时长模型可以采用神经网络模型。神经网络模型是以神经元的数学模型为基础来描述的。神经网络模型由网络拓扑、节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要在下列几点:并行分布处理;高度鲁棒性和容错能力;分布存储及学习能力;能充分逼近复杂的非线性关系。神经网络模型利用神经网络的学习能力,可在对不确定性系统的控制过程中自动学习系统的特性,从而自动适应系统随时间的特性变异,以求达到对系统的最优控制。
步骤203,记录当前对象完成当前任务所用的实际时长。
在本实施例中,执行主体具有计时器功能,一旦当前对象执行当前任务时,可以自动记录当前对象执行当前任务完成当前任务所用的实际时长,并将当前任务所用的实际时长进行保存。
步骤204,基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息。
本实施例中,步骤204可以有多种实现方式,如下所示不同实现方式详细说明了步骤204实现过程:
在本实施例的一个可选的实现方式中,基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息包括:将实际时长和确定的预期时长进行比较;响应于确定实际时长大于确定的预期时长,推送用于提示当前任务的实际时长大于预存预期时长的第一推送信息;响应于确定实际时长不大于确定的预期时长,推送用于提示当前任务的实际时长不大于预存预期时长的第二推送信息。
进一步,第一推送信息、第二推送信息可以由执行主体向图1中的终端设备101、102、103推送,比如第一推送信息包括“小亮今天背诵英语的背诵时长比以往背诵英语的背诵时长均长”,第二推送信息包括“小亮今天做数学作业的作业时长不大于以往做数学作业的作业时长”。
在本可选的实现方式中,终端设备101、102、103位于家长端,执行主体通过自身的计时器功能记录孩子当前学习任务的实际时长,从任务时长模型中或者直接获取孩子执行当前学习任务对应的预期时长,将孩子的实际时长与预期时长进行比较,而与比较结果的对应的提示信息可推送至家长端供家长审核,由家长根据提示信息督促并监察孩子的学习情况,长期以往,孩子将养成时间规划的好习惯。
在本实施例的另一个可选的实现方式中,基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息包括:将实际时长与确定的预期时长进行比较;响应于确定实际时长不小于确定的预期时长,推送用于提示当前任务执行速度不高于历史执行速度的第一提示信息;响应于确定实际时长小于确定的预期时长,推送用于提示当前任务执行速度高于历史执行速度的第二提示信息。
进一步,第一提示信息、第二提示信息可以由执行主体向图1中的终端设备101、102、103推送,比如第一提示信息包括“小亮今天背诵英语的速度不高于以往背诵英语的速度”,第二提示信息包括“小亮今天做数学作业的速度高于比以往做数学作业的速度”。
在本实施例的另一个可选的实现方式中,终端设备101、102、103位于家长端,执行主体通过自身的计时器功能记录孩子当前学习任务的实际时长,从任务时长模型中或者直接获取孩子在执行当前学习任务时对应的预期时长,将孩子的实际时长与预期时长进行比较,而与比较结果对应的提示信息可推送至家长端供家长审核,由家长根据提示信息督促并监察孩子的学习情况,长期以往,孩子将养成时间规划的好习惯。
本实施例提供的时间监管方法,首先获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;然后记录当前对象完成当前任务所用实际时长,最后基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息,使得用户可以及时了解完成当前任务的实际时长与预期时长之间的差距,从而更清楚地了解当前任务的执行情况,提示用户节省时间并且为用户形成有序的时间规划提供了帮助。
为了使当前对象在完成当前任务所用的预期时长具有更好的比较价值,在本公开的时间监管方法实施过程中,可以对任务时长模型进行优化,而优化的方式包括采用更多的对象完成当前任务的时长,即采用更多对象的执行时长,作为任务时长模型训练的样本,从而调整任务时长模型中当前对象的当前任务对应的预期时长,继续参见图3,图3是根据本公开的时间监管方法的又一个实施例的流程图300,该时间监管方法包括以下步骤:
步骤301,获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长。
步骤302,基于任务序列建立任务时长模型,其中,任务时长模型用于表示对象、任务以及预期时长三者之间对应关系。
步骤303,获取多个对象完成当前任务的执行时长,得到参考执行时长集合。
在本实施例中,为了提高当前对象完成当前任务的预期时长的准确性,获取的多个对象可以是与当前对象完全不同的对象,比如获取的多个对象是与当前对象在同一年级的孩子,或者是与当前对象在同一班级的孩子,或者同一年龄段的孩子,由于年龄相似智力水平相同,将多个对象完成当前任务的执行时长作为任务时长模型的训练样本,为调整当前对象的当前任务的预期时长提供了良好的基础。进一步,参考执行时长集合为多个对象完成当前任务的执行时长的集合,基于参考执行时长集合的表现形式可以是数组、向量、图表等。
步骤304,基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长。
在本实施例中,基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长,可以通过多种方式实现:
方式一,将参考执行时长集合输入任务时长模型中,得到当前对象完成当前任务的期望时长;判断期望时长与当前对象的当前任务所用的预期时长之差是否在设定阈值范围内;若未在设定阈值范围内,将期望时长作为任务时长模型中当前对象完成当前任务的预期时长。
其中期望时长是指当前对象完成当前任务可以实现地更短更好的预期时长的概率估计值。而设定阈值范围可由对象、任务的不同进行不同的设置。
需要说明的是,任务时长模型是由多个样本训练得到的,当前对象的当前任务的预期时长也是采集多个当前对象完成当前任务的样本时长(样本时长即不同时间采集的当前对象完成当前任务的多个预期时长)得到,而方式一中,将参考执行时长集合输入任务时长模型中得到期望时长,多个对象可以是包括当前对象的多个不同对象,为任务时长模型优化当前对象的当前任务的预期时长提供较好的参考价值。
方式二,由参考执行时长集合计算当前对象完成当前任务的期望时长;判断期望时长与当前对象完成当前任务的预期时长之差是否在设定阈值范围内;若未在设定阈值范围内,将期望时长作为任务时长模型中当前对象完成当前任务的预期时长。
在方式二中,可以通过对参考执行时长集合中执行时长进行加权求平均值得到期望时长,进一步指导任务时长模型是否调整任务时长模型中当前对象完成当前任务的预期时长。
步骤305,将当前对象和当前任务输入任务时长模型获取当前对象完成当前任务的预期时长。
步骤306,记录当前对象完成当前任务所用的实际时长。
步骤307,基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息。
本实施例提供的时间监管方法,获取多个对象完成当前任务的执行时长,得到参考执行时长集合,基于参考执行时长集合调整任务时长模型中当前对象的当前任务对应所用的预期时长,其调整实现方式多样,为任务时长模型优化奠定了基础。
为了更好的了解当前对象的完成当前任务的情况,比如使家长或孩子了解孩子当前学习任务的完成情况,可以将参考执行时长集合中的所有执行时长与当前对象的实际时长进行排序或评分,确定实际时长的名次或分数,并在完成排序或评分之后推送名次或分次。参见图4,图4是根据本公开的时间监管方法的再一个实施例的流程图400,该时间监管方法包括以下步骤:
步骤401,获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长。
步骤402,基于任务序列建立任务时长模型,其中,任务时长模型用于表示对象、任务以及预期时长三者之间对应关系。
步骤403,获取多个对象完成当前任务的执行时长,得到参考执行时长集合。
步骤404,基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长。
步骤405,将当前对象和当前任务输入任务时长模型获取当前对象完成当前任务的预期时长。
步骤406,记录当前对象完成当前任务所用的实际时长。
步骤407,将参考执行时长集合中的所有执行时长与实际时长进行排序,确定实际时长的名次。
本实施例中,可以将所有执行时长与当前对象的实际时长按由小到大的次序进行排序或者将所有执行时长与当前对象的实际时长按由大到小的次序进行排序得到数列,当前对象的实际时长在该数列中的位置即为实际时长的名次。
步骤408,基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息,并推送实际时长的名次。
本公开的实施例仅给出了名次的得到过程与提示方式,在本实施例一些可选的实现方式中,还可以根据参考执行时长集合中的所有执行时长对当前对象完成当前任务的实际时长进行评分,得到当前对象的实际时长的分数,并在基于实际时长和确定的预期时长的比较结果推送与比较结果对应的提示信息后,推送当前对象的实际时长的分数。比如,小亮完成英语背诵的实际时长为30min,雨晨完成英语背诵的执行时长为20min,君怡完成英语背诵的执行时长为25min,将雨晨完成英语背诵与君怡完成英语背诵的中执行时长的平均值作为满分的对应时长,则小亮英语背诵的实际时长对应的分数为66.7。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了时间监管装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的时间监管装置500包括获取模块501、确定模块502、记录模块503和提示模块504。获取模块501被配置成获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;确定模块502被配置成从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;记录模块503被配置成记录当前对象完成当前任务所用的实际时长;提示模块504被配置成基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息。
在本实施例中,时间监管装置500中:获取模块501、确定模块502、记录模块503和提示模块504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述确定模块502可以包括:建模单元(图5中未示出)、时长获取单元(图5中未示出)。上述建模单元可以被配置成基于任务序列建立任务时长模型,其中,任务时长模型用于表示对象、任务以及预期时长三者之间对应关系。上述时长获取单元可以被配置成将当前对象和当前任务输入任务时长模型获取当前对象完成当前任务的预期时长。
在本实施例的一些可选的实现方式中,上述提示模块504可以包括比较单元(图中未示出)、第一提示单元(图中未示出),第二提示单元(图中未示出)。其中,上述比较单元可以被配置成将实际时长与确定的预期时长进行比较。上述第一提示单元可以被配置成响应于确定实际时长不小于确定的预期时长,推送用于提示当前任务执行速度不高于历史执行速度的第一提示信息。上述第二提示单元,可以被配置成响应于确定实际时长小于确定的预期时长,推送用于提示当前任务执行速度高于历史执行速度的第二提示信息。
为了优化任务时长模型中当前对象完成当前任务的预期时长,进一步参考图6,本公开提供了时间监管装置的又一个实施例,该装置实施例与图3所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例提供的时间监管装置600相对于图5所示的时间监管装置500,确定模块包括:建模单元602、时长获取单元605。并且,确定模块还包括集合获取单元603和调整单元604。其中,集合获取单元603被配置成获取多个对象完成当前任务的执行时长,得到参考执行时长集合。调整单元604被配置成基于参考执行时长集合,调整任务时长模型中当前对象完成当前任务的预期时长。
在本实施例中,时间监管装置600中:获取模块601、建模单元602、集合获取单元603、调整单元604、时长获取单元605、记录模块606和提示模块607的具体处理及其所带来的技术效果可分别参考图3对应实施例中的步骤301、步骤302、步骤303、步骤304、步骤305、步骤306和步骤307的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述调整单元604还可以包括:输入子单元(图中未示出)、判断子单元(图中未示出)以及替换子单元(图中未示出)。其中,输入子单元被配置成将参考执行时长集合输入任务时长模型中,得到当前对象完成当前任务的期望时长。判断子单元被配置成判断期望时长与当前对象完成当前任务的预期时长之差是否在设定阈值范围内,若未在设定阈值范围内,则将判断结果发送给替换子单元。替换子单元被配置成将期望时长作为任务时长模型中当前对象完成当前任务的预期时长。
进一步,作为上述所示时间监管方法的实现,本公开还可以提供一种时间监管系统,该时间监管系统可以包括:服务端(例如图1所示的服务器105),客户端(例如图1所示的终端设备101、102和103)。其中,上述服务端,可以用于实现如前述实施例的时间监管方法。上述客户端,可以被配置成响应服务端推送的提示信息,并显示提示信息。
进一步,作为上述所示时间监管方法的实现,本公开还可以提供一种电子设备,其包括:存储装置和一个或多个处理器,存储装置用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器:获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;记录当前对象完成当前任务所用的实际时长;基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息,推送与比较结果对应的提示信息。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以从网络上被下载和安装。在该计算机程序被执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(Radio Frequency,射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:获取用户输入的任务序列,任务序列包括:对象、与对象对应的各个任务以及对象完成各个任务所用的预期时长;从任务序列中,确定当前对象、与当前对象对应的当前任务,以及当前对象完成当前任务的预期时长;记录当前对象完成当前任务所用的实际时长;基于实际时长和确定的预期时长的比较结果,推送与比较结果对应的提示信息,向客户端推送与比较结果对应的提示信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的模块和单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块和单元也可以设置在处理器中。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种时间监管方法,包括:
获取用户输入的任务序列,所述任务序列包括:对象、与所述对象对应的各个任务以及所述对象完成各个任务所用的预期时长;
从所述任务序列中,确定当前对象、与所述当前对象对应的当前任务,以及所述当前对象完成所述当前任务的预期时长;
记录所述当前对象完成所述当前任务所用的实际时长;
基于所述实际时长和确定的预期时长的比较结果,推送与所述比较结果对应的提示信息。
2.根据权利要求1所述的方法,其中,所述从所述任务序列中,确定当前对象、与所述当前对象对应的当前任务,以及所述当前对象完成所述当前任务的预期时长,包括:
基于所述任务序列建立任务时长模型,其中,所述任务时长模型用于表示对象、任务以及预期时长三者之间对应关系;
将所述当前对象和所述当前任务输入所述任务时长模型获取所述当前对象完成所述当前任务的预期时长。
3.根据权利要求2所述的方法,其中,在所述基于所述任务序列建立任务时长模型之后、所述基于所述任务时长模型获取所述当前对象完成所述当前任务的预期时长之前,还包括:
获取多个对象完成所述当前任务的执行时长,得到参考执行时长集合;
基于所述参考执行时长集合,调整所述任务时长模型中所述当前对象完成所述当前任务的预期时长。
4.根据权利要求3所述的方法,其中,所述基于所述参考执行时长集合,调整所述任务时长模型中所述当前对象完成所述当前任务的预期时长,包括:
将所述参考执行时长集合输入所述任务时长模型中,得到所述当前对象完成所述当前任务的期望时长;
判断所述期望时长与所述当前对象完成所述当前任务的预期时长之差是否在设定阈值范围内;
若未在设定阈值范围内,将所述期望时长作为所述任务时长模型中所述当前对象完成所述当前任务的预期时长。
5.根据权利要求1所述的方法,其中,所述基于所述实际时长和确定的预期时长的比较结果,推送与所述比较结果对应的提示信息,包括:
将所述实际时长与确定的预期时长进行比较;
响应于确定所述实际时长不小于所述确定的预期时长,推送用于提示所述当前任务执行速度不高于历史执行速度的第一提示信息;
响应于确定所述实际时长小于所述确定的预期时长,推送用于提示所述当前任务执行速度高于历史执行速度的第二提示信息。
6.根据权利要求3所述的方法,其中,在所述记录所述当前对象完成所述当前任务所用的实际时长之后、所述基于所述实际时长和确定的预期时长的比较结果,推送与所述比较结果对应的提示信息之前,还包括:
将所述参考执行时长集合中的所有执行时长与所述实际时长进行排序,确定所述实际时长的名次;
在所述基于所述实际时长和确定的预期时长的比较结果,推送与所述比较结果对应的提示信息之后,推送所述名次。
7.根据权利要求1-6之一所述的方法,其中,所述获取用户输入的任务序列包括:
通过多种路径中至少一种获取得到用户输入的任务序列,所述路径包括:拍照、语音以及自主制定。
8.一种时间监管装置,包括:
获取模块,被配置成获取用户输入的任务序列,所述任务序列包括:对象、与所述对象对应的各个任务以及所述对象完成各个任务所用的预期时长;
确定模块,被配置成从所述任务序列中,确定当前对象、与所述当前对象对应的当前任务,以及所述当前对象完成所述当前任务的预期时长;
记录模块,被配置成记录所述当前对象完成所述当前任务所用的实际时长;
提示模块,被配置成基于所述实际时长和确定的预期时长的比较结果,推送与所述比较结果对应的提示信息。
9.根据权利要求8所述的装置,其中,所述确定模块包括:
建模单元,被配置成基于所述任务序列建立任务时长模型,其中,所述任务时长模型用于表示对象、任务以及预期时长三者之间对应关系;
时长获取单元,被配置成将所述当前对象和所述当前任务输入所述任务时长模型获取所述当前对象完成所述当前任务的预期时长。
10.根据权利要求9所述的装置,其中,确定模块还包括:
集合获取单元,被配置成获取多个对象完成所述当前任务的执行时长,得到参考执行时长集合;
调整单元,被配置成基于所述参考执行时长集合,调整所述任务时长模型中所述当前对象完成所述当前任务的预期时长。
11.根据权利要求10所述的装置,其中,所述调整单元包括:输入子单元、判断子单元以及替换子单元;
所述输入子单元被配置成将所述参考执行时长集合输入所述任务时长模型中,得到所述当前对象完成所述当前任务的期望时长;
所述判断子单元被配置成判断所述期望时长与所述当前对象完成所述当前任务的预期时长之差是否在设定阈值范围内,若未在设定阈值范围内,则将判断结果发送给所述替换子单元;
所述替换子单元被配置成将所述期望时长作为所述任务时长模型中所述当前对象完成所述当前任务的预期时长。
12.根据权利要求8所述的装置,其中,所述提示模块包括:
比较单元,被配置成将所述实际时长与确定的预期时长进行比较;
第一提示单元,被配置成响应于确定所述实际时长不小于所述确定的预期时长,推送用于提示所述当前任务执行速度不高于历史执行速度的第一提示信息;
第二提示单元,被配置成响应于确定所述实际时长小于所述确定的预期时长,推送用于提示所述当前任务执行速度高于历史执行速度的第二提示信息。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
14.一种计算机可读介质,其上存储计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010157904.0A CN112308503A (zh) | 2020-03-09 | 2020-03-09 | 时间监管方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010157904.0A CN112308503A (zh) | 2020-03-09 | 2020-03-09 | 时间监管方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308503A true CN112308503A (zh) | 2021-02-02 |
Family
ID=74336386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010157904.0A Pending CN112308503A (zh) | 2020-03-09 | 2020-03-09 | 时间监管方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308503A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225179A (zh) * | 2015-08-28 | 2016-01-06 | 广东小天才科技有限公司 | 一种学习过程监控方法和学习过程监控装置 |
CN106971640A (zh) * | 2017-05-15 | 2017-07-21 | 广东小天才科技有限公司 | 一种基于大数据检测学习效果的方法及装置 |
CN109272789A (zh) * | 2018-10-31 | 2019-01-25 | 安徽网网络科技有限公司 | 基于数据分析的学习效果评估系统及评估方法 |
CN110569297A (zh) * | 2019-09-11 | 2019-12-13 | 上海乂学教育科技有限公司 | 学生学习状态统计评估系统 |
-
2020
- 2020-03-09 CN CN202010157904.0A patent/CN112308503A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105225179A (zh) * | 2015-08-28 | 2016-01-06 | 广东小天才科技有限公司 | 一种学习过程监控方法和学习过程监控装置 |
CN106971640A (zh) * | 2017-05-15 | 2017-07-21 | 广东小天才科技有限公司 | 一种基于大数据检测学习效果的方法及装置 |
CN109272789A (zh) * | 2018-10-31 | 2019-01-25 | 安徽网网络科技有限公司 | 基于数据分析的学习效果评估系统及评估方法 |
CN110569297A (zh) * | 2019-09-11 | 2019-12-13 | 上海乂学教育科技有限公司 | 学生学习状态统计评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108614865B (zh) | 基于深度强化学习的个性化学习推荐方法 | |
CN108959331B (zh) | 运用设备学习框架的方法、装置及计算机程序 | |
CN108399809A (zh) | 虚拟教学系统、云平台管理系统和处理终端管理系统 | |
CN108961888B (zh) | 一种个性化重构知识体系学习系统及方法 | |
CN108924651B (zh) | 基于训练操作识别的教学视频智能播放系统 | |
US20220084428A1 (en) | Learning content recommendation apparatus, system, and operation method thereof for determining recommendation question by reflecting learning effect of user | |
CN111831914A (zh) | 一种在线教育的智能推题系统 | |
CN111738010A (zh) | 用于生成语义匹配模型的方法和装置 | |
CN107463096B (zh) | 一种具有云控制器编程功能的计算机控制实验系统 | |
CN110688471B (zh) | 训练样本获取方法、装置及设备 | |
CN109214448A (zh) | 非绩优人员培训方法、系统、终端及计算机可读存储介质 | |
CN110531849A (zh) | 一种基于5g通信的增强现实的智能教学系统 | |
CN114490918A (zh) | 基于动态学习模型的动态知识图谱搭建系统、方法及应用 | |
CN204425398U (zh) | 智能早教系统及装置 | |
CN116757270A (zh) | 基于人机交互模型或大模型的数据处理方法、服务器 | |
CN112036146A (zh) | 一种评语生成方法、装置、终端设备及存储介质 | |
CN113077237B (zh) | 一种自适应混合算法的排课方法及系统 | |
CN104620299A (zh) | 跨班及跨机构题目验证 | |
CN113160009A (zh) | 信息推送方法、相关装置、以及计算机介质 | |
CN112308503A (zh) | 时间监管方法和装置 | |
CN116228361A (zh) | 基于特征匹配的课程推荐方法、装置、设备和存储介质 | |
CN111161708A (zh) | 语音信息处理方法及装置 | |
US11803928B2 (en) | Promoting a tutor on a platform | |
Marković et al. | INSOS—educational system for teaching intelligent systems | |
CN109817045A (zh) | 一种数学学习辅助方法、系统及其装置 |
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 |