CN112488052B - 题目辅助方法、装置和系统 - Google Patents
题目辅助方法、装置和系统 Download PDFInfo
- Publication number
- CN112488052B CN112488052B CN202011489433.XA CN202011489433A CN112488052B CN 112488052 B CN112488052 B CN 112488052B CN 202011489433 A CN202011489433 A CN 202011489433A CN 112488052 B CN112488052 B CN 112488052B
- Authority
- CN
- China
- Prior art keywords
- topic
- solution
- display
- steps
- content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- G06V30/41—Analysis of document content
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种题目辅助方法、装置和系统,所述题目辅助方法包括:获取题目影像,并根据题目影像识别出题目内容;根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;将解题过程设置在相应的显示层级中;以及根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种题目辅助方法、装置和系统。
背景技术
近年来,人工智能技术已经广泛应用于日常的学习和教学中。例如,可以利用各种电子设备来拍摄、识别题目并进行解题,从而获得与题目对应的解题答案和解题过程,以辅助学习和教学。
因此,存在对新技术的需求。
发明内容
本公开的目的是提供一种题目辅助方法和题目辅助系统。
根据本公开的第一方面,提供了一种题目辅助方法,包括:获取题目影像,并根据题目影像识别出题目内容;根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;将解题过程设置在相应的显示层级中;以及根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
根据本公开的第二方面,提供了一种题目辅助装置,所述题目辅助装置包括存储器、处理器以及存储在所述存储器上的指令,当所述指令被所述处理器执行时,实现如上所述的题目辅助方法的步骤。
根据本公开的第三方面,提供了一种题目辅助系统,所述题目辅助系统包括用户终端以及服务器,其中:所述用户终端被配置为获取题目影像;所述用户终端和所述服务器中的至少一者被配置为根据题目影像识别出题目内容;所述服务器被配置为根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;所述用户终端和所述服务器中的至少一者还被配置为将解题过程设置在相应的显示层级中;以及所述用户终端被配置为根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
根据本公开的第四方面,提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质上存储有指令,当所述指令被所述处理器执行时,实现如上所述的题目辅助方法的步骤。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括指令,当所述指令被所述处理器执行时,实现如上所述的题目辅助方法的步骤。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1示意性地示出了根据本公开的一示例性实施例的题目辅助方法的流程示意图。
图2是图1的题目辅助方法中步骤S100的流程示意图。
图3是图1的题目辅助方法中步骤S200的至少部分流程的流程示意图。
图4是示意性地示出根据本公开的一具体实施例的显示层级结构图。
图5是图1的题目辅助方法中步骤S300的流程示意图。
图6是示意性地示出了根据本公开的一示例性实施例的题目辅助装置的框图。
图7是示意性地示出了根据本公开的一示例性实施例的题目辅助系统的框图。
注意,在以下说明的实施方式中,有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分,而省略其重复说明。在本说明书中,使用相似的标号和字母表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
具体实施方式
以下将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。在下面描述中,为了更好地解释本公开,阐述了许多细节,然而可以理解的是,在没有这些细节的情况下也可以实践本公开。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
本公开提供了一种题目辅助方法,可以用于例如学习和教学。在本公开的实施例中,可以按照显示层级来设置并显示相应的解题过程,从而有助于用户根据自身需求选择解题过程的显示方式,以实现灵活的交互,并改善学习和教学效果。
如图1所示,在本公开的一示例性实施例中,题目辅助方法可以包括:
步骤S100,获取题目影像,并根据题目影像识别出题目内容。
具体而言,如图2所示,步骤S100可以包括:
步骤S110,采用影像获取装置获取题目影像。
其中,影像获取装置可以对需要进行辅助的题目进行拍照或摄像,从而获取题目影像。该影像获取装置可以包括摄像头、成像模块、以及图像处理模块等,还可以包括用于接收或下载影像的通信模块等,影像获取装置可以是独立设置的,也可以被包括在诸如智能电话、平板电脑等用户终端中。题目影像可以包括任何形式的视觉呈现,例如照片或视频等。
如图2所示,根据题目影像识别出题目内容还可以包括:
步骤S120,采用部署在用户终端的区域识别模型来确定题目影像中的题目内容所在的题目区域,并确定题目区域中的题目数目。
其中,区域识别模型可以包括第一神经网络模型,该第一神经网络模型的输入为题目影像,输出为题目影像中的题目内容所在的题目区域。
第一神经网络模型可以使用大量的训练样本,按照上述的输入输出,通过任何已知的方法预先训练得到。例如,可以通过如下过程训练得到:建立一个题目影像样本训练集,其中的每个题目影像样本均包括至少一个题目。对每个题目影像样本进行标注处理,以标注出每个题目影像样本中的至少一个题目所在的题目区域的位置;以及通过经过标注处理的题目影像样本训练集对第一神经网络进行训练,以得到第一神经网络模型。第一神经网络可以是任何已知的神经网络,例如深度残差网络、递归神经网络等。
对第一神经网络进行训练还可以包括:基于题目影像样本测试集,对经过训练的第一神经网络模型的输出准确率进行测试;若输出准确率小于预定的第一阈值,则增加题目影像样本训练集中的题目影像样本的数量,所增加的题目影像样本中的每个题目影像样本均经过上述标注处理;以及通过增加了题目影像样本数量之后的题目影像样本训练集,重新对第一神经网络进行训练。然后基于题目影像样本测试集对重新训练过的第一神经网络模型的输出准确率再次进行测试,直到第一神经网络模型的输出准确率满足要求即不小于预定的第一阈值为止。本领域技术人员应理解,可以根据需要,将题目影像样本训练集中的一个或多个题目影像样本放到题目影像样本测试集中,也可以将题目影像样本测试集中的一个或多个题目影像样本放到题目影像样本训练集中。
此外,区域识别模型可以根据所确定的题目区域进一步获取其中所包含的题目数目,以待进一步处理。
如图2所示,根据题目影像识别出题目内容还可以包括:
步骤S131,当题目数目等于一时,采用部署在用户终端的第一字符识别模型来识别题目区域中的题目内容,并将所识别的题目内容上传至服务器;
步骤S132,当题目数目大于一时,将题目影像中的至少题目区域上传至服务器中,并采用部署在服务器的的第二字符识别模型来识别题目内容。
其中,第一字符识别模型或第二字符识别模型可以包括第二神经网络模型,该第二神经网络模型的输入为题目影像中的题目区域(例如,从完整的题目影像中切割出来的题目区域),输出为题目区域中的字符,即题目内容。应当理解,本文中所称的字符,包括文字(包括文本文字、图形文字、字母、数字、符号等)以及图片等。
类似地,第二神经网络模型可以使用大量的训练样本,按照上述的输入输出,通过任何已知的方法预先训练得到。例如,可以通过如下过程训练得到:建立一个题目影像样本训练集,其中的每个题目影像样本为一个题目区域。对每个题目影像样本进行标注处理,以标注出每个题目影像样本中的题目区域中的题目字符;以及通过经过标注处理的题目影像样本训练集对第二神经网络进行训练,以得到第二神经网络模型。第二神经网络可以是任何已知的神经网络。此外,与上文对第一神经网络的描述相类似,对第二神经网络进行训练还可以包括用题目影像样本测试集来验证第二神经网络模型的输出准确率,如果准确率不满足要求时可以增大题目影像样本训练集中样本的数量并重新进行训练。
在上述实施例中,将区域识别模型和用于单题识别的、相对简单的第一字符识别模型部署在本地的用户终端中,而将用于多题识别的、相对复杂的第二字符识别模型部署在服务器中,有助于在避免占据用户终端的有限的资源的前提下,尽可能地提高识别速度,改善识别效率。
当然,在其它一些实施例中,也可以将区域识别模型和字符识别模型均部署在服务器中。也就是说,无论题目区域中的题目数目是一个还是多个,都将所获取的题目影像从用户终端上传到服务器中,再由服务器中的区域识别模型和字符识别模型进行识别,以待进一步处理。
返回图1,题目辅助方法还可以包括:
步骤S200,根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明。
解题过程中的解题步骤表示从题目内容推导到解题答案的具体处理,而步骤说明可以包括对为什么采用这样的解题步骤的原因的说明、对解题步骤中所采用的数学工具的解释等等。在解题过程中,解题步骤通常是不可或缺的,而步骤说明可以根据解题步骤的复杂程度给出,例如,对于很简单的解题步骤,可以不产生相关的步骤说明。解题过程可以由文字来表述,或者也可以由图形(例如,包括题目内容中所涉及的函数曲线图等)来表示。
如图3所示,根据题目内容产生解题答案可以包括:
步骤S211,根据由题目内容所确定的题目类型,确定部署在服务器的解题模型;以及
步骤S212,采用解题模型来产生解题答案。
其中,题目类型可以包括计算题、应用题、填空题、选择题、操作题等。可以采用第三神经网络模型来根据题目内容确定题目类型,也就是说,该第三神经网络模型的输入为题目内容,输出为题目类型。第三神经网络模型可以使用大量的训练样本,按照上述的输入输出,通过任何已知的方法对第三神经网络进行预先训练而得到。第三神经网络可以是任何已知的神经网络,例如深度卷积神经网络等。
解题模型具体可以包括用于计算题的计算模型,用于应用题的自然语言处理模型和/或向量模型等等。
当根据题目内容确定题目类型为计算题时,可以采用部署在服务器的计算模型来产生解题答案。
当根据题目内容确定题目类型为应用题时,可以采用部署在服务器的自然语言处理模型、向量模型等来产生解题答案。自然语言处理模型和向量模型可以分别被单独用于解题,在一些情况下也可以被结合用于解题,以改善解题速度或准确性。
在一些实施例中,自然语言处理模型可以根据应用题的语言来分析并提取出其中关键的数据,然后基于这些数据计算出解题答案。
在一些实施例中,采用向量模型来产生解题答案具体可以包括:对题目内容进行特征提取以生成特征向量;从预设题库中检索与特征向量匹配的标准向量;以及根据预先设置的与标准向量对应的向量答案,产生解题答案。
其中,特征向量可以是二维特征向量,该二维特征向量可以是特征图(featuremap),其可以用本领域已知的任何方法来生成,例如可以利用深度卷积神经网络对应用题所在的影像区域进行处理来提取。其中,针对应用题中的文字生成第一二维特征向量,并针对应用题中的图片生成第二二维特征向量;以及将第一二维特征向量和第二二维特征向量拼接以得到二维特征向量。
可以采用第四神经网络模型来实现特征提取,也就是说,该第四神经网络模型的输入为题目内容(包括文字和图片),输出为题目内容所对应的特征向量。第四神经网络模型可以使用大量的训练样本,按照上述的输入输出,通过任何已知的方法对第四神经网络进行预先训练而得到。第四神经网络可以是任何已知的神经网络,例如深度卷积神经网络等。
预设题库可以包括多个组,每个组可以包括一个或多个向量。这些向量都是对已知的应用题的题目(例如,预先搜集的应用题的试题库中的题目)进行特征提取而生成的特征向量。来自同一组的任意两个向量具有相同的长度,来自不同组的任意两个向量具有不同的长度。
从预设题库中搜索标准向量可以包括:先根据特征向量的长度,在预设题库中找到与特征向量的长度匹配的组;然后在这个长度匹配的组中进行搜索,以找到标准向量。如此,能够更快速地搜索到与特征向量相匹配的标准向量。在一些实施例中,每个组可以具有各自的索引,该索引与该组中的各个向量的长度相匹配(例如相等),在预设题库中找到与特征向量的长度匹配的组包括:根据特征向量的长度索引到匹配的组。
然后,可以根据预先设置的与标准向量相关联的向量答案,生成应用题的解题答案。其中,向量答案也可以来自于预先搜集的应用题的试题库,例如,该试题库中包括题目内容和与题目内容对应的参考答案。以向量答案作为母板,可以根据题目内容与该最相近的标准向量之间的差异,来对向量答案进行变形以得到解题答案。
类似地,根据题目内容产生解题过程可以包括根据由题目内容所确定的题目类型,产生解题过程。
例如,当根据题目内容确定题目类型为计算题时,可以根据题目内容的形式特征(例如未知数的个数、最高幂次、位置和计算符号等),从预设规则库中获取对应的规则,并根据对应的规则产生解题过程。
例如,如果识别到的计算题的题目为计算则确定该题目的形式特征为计算分数的和。在预设规则库中获取计算分数的和的解题规则,例如可以为依次包括:统一算式中各分数的分母、合并分母并计算分子的和以及约化分数共三个步骤。然后包括这三个步骤的规则可以生成如图4所示的文字化的解题过程。
当然,在其它示例中,也可以生成图形化的解题过程。例如,如果识别到的计算题的题目为计算中x的值。那么,可以在预设规则库中获取计算一元一次方程的图形化的解题规则,具体为分别绘制/>和/>的函数图像,并找出交点所在位置的x坐标作为解题答案,从而生成图形化的解题过程。
返回图1,题目辅助方法还可以包括:
步骤S300,将解题过程设置在相应的显示层级中。
其中,同一个显示层级中的各解题步骤或者步骤说明通常对应于解题过程中为了实现某个具体的运算目的而串行进行的操作,而不同的显示层级中的解题步骤或步骤说明之间可以具有包含或被包含的关系。
例如,在图4中,用同种标号和缩进来表示的解题步骤或步骤说明处在同一个显示层级中。也就是说,例如“1.统一算式中各分数的分母”、“2.合并分母并计算分子的和”以及“3.约化分数”在一个显示层级中,而例如“(1)寻找分母2,3,6的最小公倍数”和“(2)使算式中的所有分母等于最小公倍数”在另一个显示层级中,依此类推。
在图4所示的示例中,根据在一个显示层级中的步骤说明“1.统一算式中各分数的分母”、“2.合并分母并计算分子的和”以及“3.约化分数”依次执行串行的操作,可以从题目内容“计算”得出解题答案“1”。而在另一个显示层级中,“(1)寻找分母2,3,6的最小公倍数”和“(2)使算式中的所有分母等于最小公倍数”为如何实现“统一算式中各分数的分母”的具体分步骤的步骤说明。
在一些实施例中,如图5所示,将解题过程设置在相应的显示层级中可以包括:
步骤S310,根据由题目内容所确定的题目类型,确定分层规则;以及
步骤S320,按照分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
可以预先设置分别对应于多种题目类型的多种分层规则,以针对不同的题目特点设置相应的显示层级,其中,显示层级的具体数目与相应的分层规则有关,在此不作限制。
此外,还可以更新已有的分层规则或添加新的分层规则,以优化解题过程的显示方式。具体而言,当根据题目内容确定出新的题目类型时,可以获取与新的题目类型对应的新的分层规则;以及按照新的分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
在一具体的分层规则中,可以与解题过程相对应,按照其中的解题步骤、解题步骤的分步骤以及相应的步骤说明,来设置显示层级。
例如,可以将解题步骤中的主步骤设置在第一显示层级中,将与至少部分主步骤对应的步骤说明设置在第二显示层级中。其中,主步骤是指根据题目内容获得解题答案的最主要的步骤,主步骤忽略了一些解题过程的具体细节,从而更好地显示出解题的思路框架,以改善学习和教学效果。此外,通过将解题步骤和对应的步骤说明分别设置在不同的显示层级中,用户可以根据需要灵活地控制解题步骤和步骤说明的显示。例如,用户在校对自己的解答时,可以控制只显示解题步骤,以节约校对时间;用户在解答过程中需要提示的情况下,可以控制只显示至少部分步骤说明而不显示具体的解题步骤;用户也可以在查看解题步骤的过程中,控制只显示自己不清楚的解题步骤的步骤说明,以提高学习和教学效率。
当然,在其它一些实施例中,也可以将解题步骤和对应的步骤说明设置在同一个显示层级中以待显示。
对于解题步骤中的一些较为复杂的主步骤而言,其可能还具有多个第一分步骤,类似地,对于一些较为复杂的第一分步骤而言,其还可以进一步具有多个第二分步骤,并可以依此类推将解题步骤分成更多个层次的分步骤。
可以将不同层次的分步骤设置在不同的显示层级中。例如,将至少一个主步骤所包含的第一分步骤设置在第三显示层级中,将至少一个第一分步骤所包含的第二分步骤设置在第五显示层级中,等等。相应地,可以将至少部分第一分步骤、至少部分第二分步骤的对应的步骤说明分别设置在第四显示层级和第六显示层级中。可以理解的是,如果第二分步骤还可以被进一步细分,那么,可以设置更多的显示层级。
当然,在其它一些实施例中,也可以将分步骤和对应的步骤说明设置在同一个显示层级中以待显示。
返回图1,题目辅助方法还可以包括:
步骤S400,根据默认的显示规则和接收到的显示指令中的至少一个来显示相应的显示层级。
在一些实施例中,可以根据默认的显示规则自动地显示解题过程,而无需用户进行手动干预,以简化用户的操作。默认的显示规则例如可以包括按照预设的时间间隔依次显示处于同一个显示层级中的主步骤,以给予用户一定的思考时间,从而改善学习和教学效果。例如,可以每隔两分钟依次显示主步骤。默认的显示规则也可以例如包括在预设时间间隔后显示处于同一个显示层级中的所有的主步骤,例如在获取到题目影像之后,间隔五分钟才显示所有的主步骤。根据需要,也可以设置其它默认的显示规则来显示主步骤或者某个主步骤的分步骤等等。
在另一些实施例中,可以根据接收到的显示指令来显示对应的显示层级,以方便用户交互。显示指令可以由用户触发用户终端上的相应的按钮、或者在触摸区域中进行动作等方式给出。
例如,出于对学习/教学效果的考虑,解题过程可以在用户触发时才被显示。用户可以通过查看用户终端的显示装置获得解题答案之后,先自己思考解题步骤,在用户需要查看解题步骤时,再触发显示装置显示这些解题过程。
在一具体示例中,显示装置上的触摸区域中可以设置有“解题答案”、“解题步骤”、“步骤解释”或者指向各个方向的箭头等图标,或者触摸区域可以感应到用户在其上进行的动作。用户可以通过点击相应的图标、或者在触摸区域中进行轻扫、双击、单击、缩放等动作来实现对解题过程的显示的控制。例如,通过点击“解题答案”可以使尚未被显示出来的解题答案显示出,或者突出显示已经被显示出的解题答案;通过点击“解题步骤”或者触摸区域中的预设区域来显示出尚未显示的相应的解题步骤,或者突出显示已经显示出的某个解题步骤;通过点击“步骤解释”或者双击相应的解题步骤来获取该步骤的步骤说明;以及通过点击向下的箭头显示或突出显示同一个显示层级中的下一个解题步骤,通过点击向上的箭头显示或突出显示同一个显示层级中的上一个解题步骤,通过点击向右的箭头显示或突出显示另一个显示层级中的该解题步骤的分步骤,通过点击向左的箭头显示或突出显示另一个显示层级中的包括该解题步骤的解题步骤等等。
可以理解的是,也可以在显示装置上设置其它的图形界面或按钮等,从而获取显示指令。
本公开还提出了一种题目辅助装置,如图6所示,该题目辅助装置可以包括存储器610、处理器620以及存储在存储器610上的指令,当指令被处理器620执行时,实现如上所述的题目辅助方法的步骤。
其中,处理器620可以根据存储在存储器610中的指令执行各种动作和处理。具体地,处理器620可以是一种集成电路芯片,具有信号的处理能力。上述处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本公开实施例中公开的各种方法、步骤及逻辑框图。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,可以是X86架构或者是ARM架构等。
存储器610存储有可执行指令,该指令在被处理器620执行上文所述的对象识别方法。存储器610可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步动态随机存取存储器(SDRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、增强型同步动态随机存取存储器(ESDRAM)、同步连接动态随机存取存储器(SLDRAM)和直接内存总线随机存取存储器(DR RAM)。应注意,本文描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本公开还提出了一种题目辅助系统。如图7所示,该题目辅助系统可以包括用户终端710以及服务器720。
其中,用户终端710可以被配置为获取题目影像。例如,影像获取装置711可以被包括在用户终端710中。
用户终端710和服务器720中的至少一者可以被配置为根据题目影像识别出题目内容。例如,在图7所示的题目辅助系统中,用户终端710中可以部署区域识别模块712和用于单题识别的第一字符识别模块713,而服务器中可以部署用于多题识别的第二字符识别模块721。
服务器720可以被配置为根据题目内容产生解题答案和解题过程,其中,解题过程可以包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明。例如,解题模型722和与解题模型722相匹配的预设题库723可以被包括在服务器720中。服务器720还可以包括用于产生解题过程的预设规则库724。
用户终端710和服务器720中的至少一者还可以被配置为将解题过程设置在相应的显示层级中。
用户终端710也可以被配置为根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。用于显示的显示装置714可以被包括在用户终端710中。用户终端710还可以对解题答案或解题过程进行相应的渲染后再显示,以美化显示效果。
当影像获取装置711获取的题目影像后,题目影像被传输给区域识别模型712以识别题目区域,然后,由第一字符识别模型713或第二字符识别模型721来识别题目区域中的题目内容。根据所识别的题目内容,可以产生解题答案和解题过程,解题答案和解题过程被从服务器720传输回用户终端710,以待显示装置714进行显示。
本公开还提出了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质上存储有指令,当指令被执行时,可以实现上文所描述的题目辅助方法中的步骤。
类似地,本公开实施例中的非暂态计算机可读存储介质可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。应注意,本文描述的计算机可读存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本公开也提出了一种计算机程序产品,该计算机程序产品可以包括指令,当指令被处理器执行时,可以实现如上所述的题目辅助方法的步骤。
指令可以是将由一个或多个处理器直接地执行的任何指令集,诸如机器代码,或者间接地执行的任何指令集,诸如脚本。本文中的术语“指令”、“应用”、“过程”、“步骤”和“程序”在本文中可以互换使用。指令可以存储为目标代码格式以便由一个或多个处理器直接处理,或者存储为任何其他计算机语言,包括按需解释或提前编译的独立源代码模块的脚本或集合。指令可以包括引起诸如一个或多个处理器来充当本文中的各神经网络的指令。本文其他部分更加详细地解释了指令的功能、方法和例程。
另外,本公开的实施方式还可以包括以下示例:
1.一种题目辅助方法,所述题目辅助方法包括:
获取题目影像,并根据题目影像识别出题目内容;
根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;
将解题过程设置在相应的显示层级中;以及
根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
2.根据1所述的题目辅助方法,获取题目影像,并根据题目影像识别出题目内容包括:
采用影像获取装置获取题目影像;
采用部署在用户终端的区域识别模型来确定题目影像中的题目内容所在的题目区域,并确定题目区域中的题目数目;以及
当题目数目等于一时,采用部署在用户终端的第一字符识别模型来识别题目区域中的题目内容,并将所识别的题目内容上传至服务器;
当题目数目大于一时,将题目影像中的至少题目区域上传至服务器中,并采用部署在服务器的第二字符识别模型来识别题目内容。
3.根据1所述的题目辅助方法,根据题目内容产生解题答案包括:
根据由题目内容所确定的题目类型,确定部署在服务器的解题模型;以及
采用解题模型来产生解题答案。
4.根据3所述的题目辅助方法,解题模型包括用于题目类型为计算题的题目的计算模型,以及用于题目类型为应用题的题目的自然语言处理模型和/或向量模型。
5.根据4所述的题目辅助方法,当题目类型为应用题时,采用向量模型来产生解题答案包括:
当题目类型为应用题时,对题目内容进行特征提取以生成特征向量;
从预设题库中检索与特征向量匹配的标准向量;以及
根据预先设置的与标准向量对应的向量答案,产生解题答案。
6.根据1所述的题目辅助方法,根据题目内容产生解题过程包括:
根据由题目内容所确定的题目类型,产生解题过程。
7.根据6所述的题目辅助方法,当题目类型为计算题时,根据题目内容产生解题过程包括:
根据题目内容的形式特征,从预设规则库中获取对应的规则,并根据对应的规则产生解题过程。
8.根据1所述的题目辅助方法,将解题过程设置在相应的显示层级中包括:
根据由题目内容所确定的题目类型,确定分层规则;以及
按照分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
9.根据8所述的题目辅助方法,分层规则被配置为将解题步骤中的主步骤设置在第一显示层级中。
10.根据9所述的题目辅助方法,分层规则还被配置为将与至少部分主步骤对应的步骤说明设置在第二显示层级中。
11.根据9所述的题目辅助方法,分层规则还被配置为将解题答案设置在第一显示层级中。
12.根据9所述的题目辅助方法,分层规则还被配置为将至少一个主步骤所包含的第一分步骤设置在第三显示层级中。
13.根据12所述的题目辅助方法,分层规则还被配置为将与至少部分第一分步骤对应的步骤说明设置在第四显示层级中。
14.根据12所述的题目辅助方法,分层规则还被配置为将至少一个第一分步骤所包含的第二分步骤设置在第五显示层级中。
15.根据14所述的题目辅助方法,分层规则还被配置为将与至少部分第二分步骤对应的步骤说明设置在第六显示层级中。
16.根据1所述的题目辅助方法,将解题过程设置在相应的显示层级中还包括:
当根据题目内容确定出新的题目类型时,获取与新的题目类型对应的新的分层规则;以及
按照新的分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
17.根据1所述的题目辅助方法,显示指令被配置为实现以下动作中的至少一者:
显示或突出显示解题答案;
在当前的显示层级中显示或突出显示当前的解题步骤;
在当前的显示层级中显示或突出显示不同于当前的解题步骤的其它解题步骤;
在不同于当前的显示层级的另一个显示层级中显示或突出显示当前的解题步骤的步骤说明;以及
在不同于当前的显示层级的另一个显示层级中显示或突出显示不同于当前的解题步骤的其它解题步骤。
18.一种题目辅助装置,所述题目辅助装置包括存储器、处理器以及存储在所述存储器上的指令,当所述指令被所述处理器执行时,实现根据1至17中任一项所述的题目辅助方法的步骤。
19.一种题目辅助系统,所述题目辅助系统包括用户终端以及服务器,其中:
所述用户终端被配置为获取题目影像;
所述用户终端和所述服务器中的至少一者被配置为根据题目影像识别出题目内容;
所述服务器被配置为根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;
所述用户终端和所述服务器中的至少一者还被配置为将解题过程设置在相应的显示层级中;以及
所述用户终端被配置为根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
20.根据19所述的题目辅助系统,所述用户终端包括:
影像获取装置,所述影像获取装置被配置为获取题目影像;以及
显示装置,所述显示装置被配置为根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
21.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质上存储有指令,当所述指令被所述处理器执行时,实现根据1至17中任一项所述的题目辅助方法的步骤。
22.一种计算机程序产品,所述计算机程序产品包括指令,当所述指令被所述处理器执行时,实现根据1至17中任一项所述的题目辅助方法的步骤。
需要说明的是,附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,所述模块、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。
一般而言,本公开的各种示例实施例可以在硬件或专用电路、软件、固件、逻辑,或其任何组合中实施。某些方面可以在硬件中实施,而其他方面可以在可以由控制器、微处理器或其他计算设备执行的固件或软件中实施。当本公开的实施例的各方面被图示或描述为框图、流程图或使用某些其他图形表示时,将理解此处描述的方框、装置、系统、技术或方法可以作为非限制性的示例在硬件、软件、固件、专用电路或逻辑、通用硬件或控制器或其他计算设备,或其某些组合中实施。
在说明书及权利要求中的词语“前”、“后”、“顶”、“底”、“之上”、“之下”等,如果存在的话,用于描述性的目的而并不一定用于描述不变的相对位置。应当理解,这样使用的词语在适当的情况下是可互换的,使得在此所描述的本公开的实施例,例如,能够在与在此所示出的或另外描述的那些取向不同的其他取向上操作。
如在此所使用的,词语“示例性的”意指“用作示例、实例或说明”,而不是作为将被精确复制的“模型”。在此示例性描述的任意实现方式并不一定要被解释为比其它实现方式优选的或有利的。而且,本公开不受在上述技术领域、背景技术、发明内容或具体实施方式中所给出的任何所表述的或所暗示的理论所限定。
如在此所使用的,词语“基本上”意指包含由设计或制造的缺陷、器件或元件的容差、环境影响和/或其它因素所致的任意微小的变化。词语“基本上”还允许由寄生效应、噪声以及可能存在于实际的实现方式中的其它实际考虑因素所致的与完美的或理想的情形之间的差异。
另外,前面的描述可能提及了被“连接”或“耦接”在一起的元件或节点或特征。如在此所使用的,除非另外明确说明,“连接”意指一个元件/节点/特征与另一种元件/节点/特征在电学上、机械上、逻辑上或以其它方式直接地连接(或者直接通信)。类似地,除非另外明确说明,“耦接”意指一个元件/节点/特征可以与另一元件/节点/特征以直接的或间接的方式在机械上、电学上、逻辑上或以其它方式连结以允许相互作用,即使这两个特征可能并没有直接连接也是如此。也就是说,“耦接”意图包含元件或其它特征的直接连结和间接连结,包括利用一个或多个中间元件的连接。
另外,仅仅为了参考的目的,还可以在本文中使用“第一”、“第二”等类似术语,并且因而并非意图限定。例如,除非上下文明确指出,否则涉及结构或元件的词语“第一”、“第二”和其它此类数字词语并没有暗示顺序或次序。
还应理解,“包括/包含”一词在本文中使用时,说明存在所指出的特征、整体、步骤、操作、单元和/或组件,但是并不排除存在或增加一个或多个其它特征、整体、步骤、操作、单元和/或组件以及/或者它们的组合。
在本公开中,术语“提供”从广义上用于涵盖获得对象的所有方式,因此“提供某对象”包括但不限于“购买”、“制备/制造”、“布置/设置”、“安装/装配”、和/或“订购”对象等。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。在此公开的各实施例可以任意组合,而不脱离本公开的精神和范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本公开的范围和精神。本公开的范围由所附权利要求来限定。
Claims (20)
1.一种题目辅助方法,其特征在于,所述题目辅助方法包括:
获取题目影像,并根据题目影像识别出题目内容;
根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;
将解题过程设置在相应的显示层级中,其中,设置在同一显示层级中的解题步骤在解题过程中串行地进行,设置在不同显示层级中的解题步骤之间具有包含或被包含的关系,解题步骤与对应的步骤说明分别设置在不同的显示层级中,且用同种标号和缩进来表示的解题步骤或步骤说明处在同一个显示层级中;以及
根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级,其中,默认的显示规则包括按照预设时间间隔依次显示处于同一显示层级中的主解题步骤,或者默认的显示规则包括在预设时间间隔后显示处于同一显示层级中的所有主解题步骤;
其中,将解题过程设置在相应的显示层级中包括:
根据由题目内容所确定的题目类型,确定分层规则;以及
按照分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
2.根据权利要求1所述的题目辅助方法,其特征在于,获取题目影像,并根据题目影像识别出题目内容包括:
采用影像获取装置获取题目影像;
采用部署在用户终端的区域识别模型来确定题目影像中的题目内容所在的题目区域,并确定题目区域中的题目数目;以及
当题目数目等于一时,采用部署在用户终端的第一字符识别模型来识别题目区域中的题目内容,并将所识别的题目内容上传至服务器;
当题目数目大于一时,将题目影像中的至少题目区域上传至服务器中,并采用部署在服务器的第二字符识别模型来识别题目内容。
3.根据权利要求1所述的题目辅助方法,其特征在于,根据题目内容产生解题答案包括:
根据由题目内容所确定的题目类型,确定部署在服务器的解题模型;以及
采用解题模型来产生解题答案。
4.根据权利要求3所述的题目辅助方法,其特征在于,解题模型包括用于题目类型为计算题的题目的计算模型,以及用于题目类型为应用题的题目的自然语言处理模型和/或向量模型。
5.根据权利要求4所述的题目辅助方法,其特征在于,当题目类型为应用题时,采用向量模型来产生解题答案包括:
当题目类型为应用题时,对题目内容进行特征提取以生成特征向量;
从预设题库中检索与特征向量匹配的标准向量;以及
根据预先设置的与标准向量对应的向量答案,产生解题答案。
6.根据权利要求1所述的题目辅助方法,其特征在于,根据题目内容产生解题过程包括:
根据由题目内容所确定的题目类型,产生解题过程。
7.根据权利要求6所述的题目辅助方法,其特征在于,当题目类型为计算题时,根据题目内容产生解题过程包括:
根据题目内容的形式特征,从预设规则库中获取对应的规则,并根据对应的规则产生解题过程。
8.根据权利要求1所述的题目辅助方法,其特征在于,分层规则被配置为将解题步骤中的主步骤设置在第一显示层级中。
9.根据权利要求8所述的题目辅助方法,其特征在于,分层规则还被配置为将与至少部分主步骤对应的步骤说明设置在第二显示层级中。
10.根据权利要求8所述的题目辅助方法,其特征在于,分层规则还被配置为将解题答案设置在第一显示层级中。
11.根据权利要求8所述的题目辅助方法,其特征在于,分层规则还被配置为将至少一个主步骤所包含的第一分步骤设置在第三显示层级中。
12.根据权利要求11所述的题目辅助方法,其特征在于,分层规则还被配置为将与至少部分第一分步骤对应的步骤说明设置在第四显示层级中。
13.根据权利要求11所述的题目辅助方法,其特征在于,分层规则还被配置为将至少一个第一分步骤所包含的第二分步骤设置在第五显示层级中。
14.根据权利要求13所述的题目辅助方法,其特征在于,分层规则还被配置为将与至少部分第二分步骤对应的步骤说明设置在第六显示层级中。
15.根据权利要求1所述的题目辅助方法,其特征在于,将解题过程设置在相应的显示层级中还包括:
当根据题目内容确定出新的题目类型时,获取与新的题目类型对应的新的分层规则;以及
按照新的分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
16.根据权利要求1所述的题目辅助方法,其特征在于,显示指令被配置为实现以下动作中的至少一者:
显示或突出显示解题答案;
在当前的显示层级中显示或突出显示当前的解题步骤;
在当前的显示层级中显示或突出显示不同于当前的解题步骤的其它解题步骤;
在不同于当前的显示层级的另一个显示层级中显示或突出显示当前的解题步骤的步骤说明;以及
在不同于当前的显示层级的另一个显示层级中显示或突出显示不同于当前的解题步骤的其它解题步骤。
17.一种题目辅助装置,其特征在于,所述题目辅助装置包括存储器、处理器以及存储在所述存储器上的指令,当所述指令被所述处理器执行时,实现根据权利要求1至16中任一项所述的题目辅助方法的步骤。
18.一种题目辅助系统,其特征在于,所述题目辅助系统包括用户终端以及服务器,其中:
所述用户终端被配置为获取题目影像;
所述用户终端和所述服务器中的至少一者被配置为根据题目影像识别出题目内容;
所述服务器被配置为根据题目内容产生解题答案和解题过程,其中,解题过程包括解题步骤或者解题过程包括解题步骤和至少部分解题步骤的步骤说明;
所述用户终端和所述服务器中的至少一者还被配置为将解题过程设置在相应的显示层级中,其中,设置在同一显示层级中的解题步骤在解题过程中串行地进行,设置在不同显示层级中的解题步骤之间具有包含或被包含的关系,解题步骤与对应的步骤说明分别设置在不同的显示层级中,且用同种标号和缩进来表示的解题步骤或步骤说明处在同一个显示层级中;以及
所述用户终端被配置为根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级,其中,默认的显示规则包括按照预设时间间隔依次显示处于同一显示层级中的主解题步骤,或者默认的显示规则包括在预设时间间隔后显示处于同一显示层级中的所有主解题步骤;
其中,将解题过程设置在相应的显示层级中包括:
根据由题目内容所确定的题目类型,确定分层规则;以及
按照分层规则将解题过程中的解题步骤、或者解题过程中的解题步骤和步骤说明,分别设置在相应的显示层级中。
19.根据权利要求18所述的题目辅助系统,其特征在于,所述用户终端包括:
影像获取装置,所述影像获取装置被配置为获取题目影像;以及
显示装置,所述显示装置被配置为根据默认的显示规则和接收到的显示指令中的至少一个来显示对应的显示层级。
20.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质上存储有指令,当所述指令被处理器执行时,实现根据权利要求1至16中任一项所述的题目辅助方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011489433.XA CN112488052B (zh) | 2020-12-16 | 2020-12-16 | 题目辅助方法、装置和系统 |
PCT/CN2021/128829 WO2022127425A1 (zh) | 2020-12-16 | 2021-11-04 | 题目辅助方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011489433.XA CN112488052B (zh) | 2020-12-16 | 2020-12-16 | 题目辅助方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488052A CN112488052A (zh) | 2021-03-12 |
CN112488052B true CN112488052B (zh) | 2023-05-26 |
Family
ID=74917126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011489433.XA Active CN112488052B (zh) | 2020-12-16 | 2020-12-16 | 题目辅助方法、装置和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112488052B (zh) |
WO (1) | WO2022127425A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488052B (zh) * | 2020-12-16 | 2023-05-26 | 杭州大拿科技股份有限公司 | 题目辅助方法、装置和系统 |
CN113257063A (zh) * | 2021-06-08 | 2021-08-13 | 北京字节跳动网络技术有限公司 | 一种交互方法及终端设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07134540A (ja) * | 1993-11-10 | 1995-05-23 | Hitachi Ltd | 電子化教育支援システム |
CN111951133A (zh) * | 2020-07-31 | 2020-11-17 | 北京伴我学教育科技有限公司 | 辅助解题的方法、装置以及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169644A (zh) * | 2010-02-26 | 2011-08-31 | 卢君毅 | 具有解答提示功能的考试系统 |
US20140093847A1 (en) * | 2012-09-28 | 2014-04-03 | The Trustees of the Stevens Institute of Technolory | Automated teaching system using declarative problem solving approach |
KR101568841B1 (ko) * | 2015-01-19 | 2015-11-13 | 주식회사 아이카이스트 | 수학식 인식에 따른 풀이과정 출력 방법 및 시스템 |
CN107492275A (zh) * | 2017-09-07 | 2017-12-19 | 李卫东 | 辅助学习方法及装置 |
CN111475627B (zh) * | 2019-01-23 | 2021-06-18 | 北京字节跳动网络技术有限公司 | 解答推导题目的检查方法、装置、电子设备及存储介质 |
CN109948473A (zh) * | 2019-03-04 | 2019-06-28 | 中国计量大学 | 一种基于神经网络的提升学生应用题解题能力的方法 |
CN109815955B (zh) * | 2019-03-04 | 2021-09-28 | 杭州大拿科技股份有限公司 | 题目辅助方法及系统 |
CN109859555A (zh) * | 2019-03-29 | 2019-06-07 | 上海乂学教育科技有限公司 | 适合自适应学习的数学学科分步骤展示方法及计算机系统 |
CN111369403B (zh) * | 2020-02-27 | 2021-09-14 | 北京字节跳动网络技术有限公司 | 一种解题演示方法及装置 |
CN112488052B (zh) * | 2020-12-16 | 2023-05-26 | 杭州大拿科技股份有限公司 | 题目辅助方法、装置和系统 |
-
2020
- 2020-12-16 CN CN202011489433.XA patent/CN112488052B/zh active Active
-
2021
- 2021-11-04 WO PCT/CN2021/128829 patent/WO2022127425A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07134540A (ja) * | 1993-11-10 | 1995-05-23 | Hitachi Ltd | 電子化教育支援システム |
CN111951133A (zh) * | 2020-07-31 | 2020-11-17 | 北京伴我学教育科技有限公司 | 辅助解题的方法、装置以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022127425A1 (zh) | 2022-06-23 |
CN112488052A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112434721B (zh) | 一种基于小样本学习的图像分类方法、系统、存储介质及终端 | |
WO2020177531A1 (zh) | 题目辅助方法及系统 | |
US20210264190A1 (en) | Image questioning and answering method, apparatus, device and storage medium | |
KR101657495B1 (ko) | 딥러닝 분석을 위한 모듈화시스템 및 이를 이용한 영상 인식 방법 | |
KR20210038449A (ko) | 문답 처리, 언어 모델 훈련 방법, 장치, 기기 및 저장 매체 | |
CN111104962A (zh) | 图像的语义分割方法、装置、电子设备及可读存储介质 | |
CN112488052B (zh) | 题目辅助方法、装置和系统 | |
WO2021238548A1 (zh) | 区域识别方法、装置、设备及可读存储介质 | |
CN111666766B (zh) | 数据处理方法、装置和设备 | |
CN110210480B (zh) | 文字识别方法、装置、电子设备和计算机可读存储介质 | |
CN113536856A (zh) | 图像识别方法和系统、数据处理方法 | |
CN110750624A (zh) | 信息输出方法及装置 | |
JP7242994B2 (ja) | ビデオイベント識別方法、装置、電子デバイス及び記憶媒体 | |
CN114067321A (zh) | 一种文本检测模型训练方法、装置、设备及存储介质 | |
CN113868519B (zh) | 信息搜索方法、装置、电子设备和存储介质 | |
CN113434722B (zh) | 图像分类方法、装置、设备及计算机可读存储介质 | |
EP3882817A2 (en) | Method, apparatus and device for recognizing bill and storage medium | |
CN114332894A (zh) | 图像的文本检测方法及装置 | |
WO2021179751A1 (zh) | 图像处理方法和系统 | |
CN116743692B (zh) | 一种历史消息折叠方法和系统 | |
WO2023024898A1 (zh) | 题目辅助方法、题目辅助装置和题目辅助系统 | |
US20190317959A1 (en) | Sketch-based image retrieval using feedback and hierarchies | |
CN110580294A (zh) | 实体融合方法、装置、设备及存储介质 | |
CN111767710B (zh) | 印尼语的情感分类方法、装置、设备及介质 | |
CN113805977A (zh) | 测试取证方法及模型训练方法、装置、设备、存储介质 |
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 |