CN115345126A - 共享屏幕上的上下文实时内容突出显示 - Google Patents

共享屏幕上的上下文实时内容突出显示 Download PDF

Info

Publication number
CN115345126A
CN115345126A CN202210452585.5A CN202210452585A CN115345126A CN 115345126 A CN115345126 A CN 115345126A CN 202210452585 A CN202210452585 A CN 202210452585A CN 115345126 A CN115345126 A CN 115345126A
Authority
CN
China
Prior art keywords
content
computer
identified
discussion
highlighting
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
Application number
CN202210452585.5A
Other languages
English (en)
Inventor
M·M·图姆贝德
M·D·布哈瓦德
N·J·诗瑞玛丽
G·帕德玛娜布汗
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN115345126A publication Critical patent/CN115345126A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G06F40/109—Font handling; Temporal or kinetic typography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/169—Annotation, e.g. comment data or footnotes
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04812—Interaction techniques based on cursor appearance or behaviour, e.g. being affected by the presence of displayed objects
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/103—Formatting, i.e. changing of presentation of documents
    • G06F40/117—Tagging; Marking up; Designating a block; Setting of attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G06F40/35—Discourse or dialogue representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/1815—Semantic context, e.g. disambiguation of the recognition hypotheses based on word meaning
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

本发明公开涉及共享屏幕上的上下文实时内容突出显示。提供了一种用于上下文数字内容突出显示的方法、计算机系统和计算机程序产品。结合数字演示来监视多方之间的讨论，然后识别所监视的讨论的上下文。然后，基于所识别的上下文来识别与该演示相关联的所显示的数字内容的最相关部分，并且然后对所显示的内容的所识别的最相关部分应用突出显示。

Description

共享屏幕上的上下文实时内容突出显示
技术领域
本发明一般涉及计算领域，尤其涉及动态智能界面操纵。
背景技术
现在越来越频繁地使用电子会议和演示。在这些会议期间，当在与屏幕上显示的内容相关的两方或更多方之间讨论特定话题(topic)时，发生常见情形。在这些情况下，来自与演示内容相关的讨论的上下文识别可以确保演示或讨论的焦点转移回演示的相关内容。
发明内容
根据一个示例性实施例，提供了一种用于上下文数字内容突出显示(highlighting)的方法。结合数字演示来监视多方之间的讨论，然后识别所监视的讨论的上下文。然后，基于所识别的上下文来识别与该演示相关联的所显示的数字内容的最相关部分，并且然后对所显示的内容的所识别的最相关部分应用突出显示。这里还公开了对应于上述方法的计算机系统和计算机程序产品。
附图说明
本发明的这些和其它目的、特征和优点将从以下结合附图阅读的对其说明性实施例的详细描述中变得显而易见。附图的各种特征不是按比例的，因为为了清楚起见，图示是为了帮助本领域技术人员结合详细描述理解本发明。在附图中：
图1示出了根据至少一个实施例的联网计算机环境；
图2是示出根据至少一个实施例的用于上下文突出显示的过程的操作流程图；
图3A-3C描绘了根据至少一个实施例的应用于演示幻灯片的示例性上下文突出显示；
图4是根据至少一个实施例的图1中描绘的计算机和服务器的内部和外部组件的框图；
图5是根据本公开的实施例的包括图1中描绘的计算机系统的说明性云计算环境的框图；以及
图6是根据本公开的实施例的图5的说明性云计算环境的功能层的框图。
具体实施方式
本文公开了所要求保护的结构和方法的详细实施例；然而，可以理解，所公开的实施例仅仅是对可以以各种形式实施的所要求保护的结构和方法的说明。然而，本发明可以以许多不同的形式实施，并且不应被解释为限于这里阐述的示例性实施例。相反，提供这些示例性实施例是为了使本公开透彻和完整，并将本发明的范围完全传达给本领域技术人员。在描述中，可以省略公知的特征和技术的细节，以避免不必要地模糊所演示的实施例。
如上所述，现在越来越频繁地使用电子会议和演示。在这些会议期间，当在与屏幕上显示的内容相关的两方或更多方之间讨论特定话题时，发生常见情形。在这些情况下，来自与演示内容相关的讨论的上下文识别可以确保演示或讨论的焦点转移回演示的相关内容。
因此，除其它以外，提供一种用以突出显示或以其它方式实时指示在演示期间显示的内容的哪一部分与当前讨论相关使得参与者可快速查明所显示内容的相关部分的方式可为有利的。在一些实施例中，进一步有利的是，实时验证所显示的并且与当前讨论相关的信息，并且将有效性传达给参与者以便更快地解决消极讨论，从而允许会议或演示继续进行。
以下描述的示例性实施例提供了用于显示内容的实时上下文光标突出显示的系统、方法和程序产品。这样，本实施例具有通过基于正在进行的交互来实时智能地突出显示相关内容来改进用户界面的技术领域的能力。更具体地，确定两方或更多方之间的当前讨论话题，并将其与当前显示的内容进行比较。然后识别与当前讨论话题的最大相似度内的显示内容。然后突出显示所显示的内容内的所识别的内容。根据一些实施例，还可以确定所识别的内容的有效性，并且可以经由屏幕上识别符来指示所得到的有效性。
在虚拟会议的上下文中参考某些实施例。这里使用的虚拟会议是指两个或多个人(即，参与者或出席者)通过数字方式在线的会议，而不是参与者在同一房间中面对面会见的传统物理会议。虚拟会议可以包括通过网络在计算机或其他电子设备之间的数据的数字传输，所述数据包括音频、视频、文本、图像等，使得参与者可以在演示或会议期间体验和交互，类似于传统的物理会议。术语虚拟会议可以与在线会议、电子会议或视频会议互换使用。
如本文所使用的，演示软件指的是使诸如计算机的电子设备在屏幕上显示演示的软件、应用程序、其它可执行代码。例如，可以使用演示软件在演示者的屏幕上显示演示中使用的幻灯片组。例如，演示软件可以包括
Figure BDA0003617505570000031
(PowerPoint和所有基于PowerPoint的商标和标志是微软公司和/或其分支机构的商标或注册商标)。
如本文所使用的，会议软件指的是使得诸如计算机之类的电子设备通过与会议参与者的其余部分共享会议参与者(例如，发言者)的屏幕来进行虚拟会议并分发音频、视频或其他数据以促进参与者参与会议或演示的软件、应用、其他可执行代码。会议软件的示例可以包括(
Figure BDA0003617505570000032
和所有基于Webex的商标和标志是思科系统公司和/或其分支机构的商标或注册商标)。
参考图1，描述了根据一个实施例的示例性联网计算机环境100。联网计算机环境100可以包括具有处理器104和数据存储设备106的计算机102，该计算机被使能以运行软件程序108和上下文突出显示程序110a。联网计算机环境100还可以包括服务器112，其被使能以运行可以与数据库114和通信网络116交互的上下文突出显示程序110b。联网计算机环境100可以包括多个计算机102和服务器112，仅示出其中的一个。通信网络116可以包括各种类型的通信网络，诸如广域网(WAN)、局域网(LAN)、电信网络、无线网络、公共交换网络和/或卫星网络。应当理解，图1仅提供了一种实现的说明，而不暗示对其中可实现不同实施例的环境的任何限制。可以基于设计和实现要求对所描述的环境进行许多修改。
客户计算机102可以经由通信网络116与服务器计算机112通信。通信网络116可以包括诸如有线、无线通信链路或光纤电缆的连接。如将参考图4讨论的，服务器计算机112可以分别包括内部组件902a和外部组件904a，并且客户端计算机102可以分别包括内部组件902b和外部组件904b。服务器计算机112还可以在云计算服务模型——诸如软件即服务(SaaS)、平台即服务(PaaS)或基础设施即服务(IaaS)中操作。服务器112还可以位于云计算部署模型中，诸如私有云、社区云、公共云或混合云。客户端计算机102可以是例如移动设备、电话、个人数字助理、上网本、膝上型计算机、平板计算机、台式计算机或能够运行程序、访问网络和访问数据库114的任何类型的计算设备。根据本实施例的各种实现方式，上下文突出显示程序110a、110b可以与可以嵌入在各种存储设备中的数据库114交互，所述存储设备诸如但不限于计算机/移动设备102、联网服务器112或云存储服务。
根据本实施例，使用客户计算机102或服务器计算机112的用户可以(分别)使用上下文突出显示程序110a、110b来基于讨论的话题实时识别和突出显示在共享屏幕上显示的相关内容。下文将参考图2和3A-3C更详细地解释上下文突出显示方法。
现在参考图2，描绘了图示根据至少一个实施例的由上下文突出显示程序110a和110b使用的示例性上下文突出显示过程200的操作流程图。
在202，开始演示或会议。演示、虚拟会议等可以包括向参与者或观众成员显示的内容。所显示的内容可以呈现在连接到计算机102的设备屏幕上、投影到屏幕上、显示在增强现实设备中等等。所显示的内容可以包括与演示或讨论(例如，工作会议)相关的文本、表格、图表、图像、视频剪辑、音频剪辑等。换言之，所显示的内容的主题与讨论的话题相关，并且可以结合讨论来使用。
演示者、会议领导者等可利用演示软件(例如，软件程序108)来向演示参与者显示内容。例如，可以准备、加载排序的演示幻灯片的集合，然后由运行在计算机102上的演示软件显示，该演示软件一次向可以与参与者共享的屏幕输出一个幻灯片。共享屏幕例如可以包括给在一个位置物理地在一起的观众的投影屏幕，或者每个参与者可以经由通信网络116在他们的个人计算机102处接收当前幻灯片的内容，该计算机在虚拟会议中在他们的个人屏幕上显示幻灯片内容，或者其某种组合。另外，话筒、相机和其他相关传感器可被用于监视在演示或会议期间同时发生的讨论。一旦识别出指示演示已经开始的触发，上下文突出显示过程200就可以确定会议已经开始。例如，触发可以包括何时向参与者显示第一幻灯片或者通过使用自然语言处理(NLP)来识别在会议开始时所说的并且经由麦克风获得的预定短语(例如，“让我们开始吧”)。
接下来，在204，分析演示期间的讨论。如上所述，麦克风和其他传感器可以用于监控参与者的语音。在一些实施例中，一些或所有参与者可能不使用发声语音，而是参与者在演示期间使用文本消息或其他非口头通信来与讲话者或演示者交互。这样，上下文突出显示过程200可以在讨论期间监视言语和非言语通信的组合。可以使用例如连接到计算机102的麦克风来监视口头通信。会议软件可以从麦克风获得音频数据，以便传输到参与者。在各实施例中，上下文突出显示过程200可与会议软件接口(例如，经由应用编程接口(API))以获得音频数据并使用NLP技术来处理该音频数据。在基于文本的讨论可能发生的情况下，上下文突出显示过程200可以与会议软件或消息传送应用进行接口连接(例如，经由API)，以从其他参与者或演示者获得问题、评论或其他通信以供分析。
然后，在206，上下文突出显示过程200确定讨论中是否涉及两方或更多方。讨论中涉及的各方可以包括一个或多个主持人或参与者。在传统的物理会议中，确定讨论中涉及两方或更多方可以包括对经由麦克风捕获的音频数据的分析。这种音频数据的分析可以使用NLP技术来识别指示两方之间的会话的单词和短语。在一些实施例中，可以识别声音特征，然后由机器学习模型使用该声音特征来确定两个或更多个不同的人正在彼此说话。在虚拟会议设置中，上下文突出显示过程200可以与会议软件对接以识别说话的人或非口头通信的每个人，因为会议软件将基于签到的用户和发送签到的用户的通信的设备来识别正在通信的各方。
例如，在讨论金融市场趋势的虚拟会议中，发言者讨论了Nifty指数。在共享屏幕上显示幻灯片，其建议在接下来的十天内，Nifty指数将增加。当发言者重视关于Nifty指数时，参与者P口头询问关于来自公司R中的社交媒体公司X的最近投资以及公司R的未来市场资本总额的影响的问题。上下文突出显示过程200将与会议软件交互，以通过检测来自发言者的麦克风的音频来确定一方是发言者，并且还通过检测来自参与者P的麦克风的音频来确定该参与者P是讨论的一方。
如果上下文突出显示过程200在206处确定讨论中没有涉及两方或更多方，则上下文突出显示过程200返回到204以分析讨论。
然而，如果在206上下文突出显示过程200确定讨论中涉及两方或更多方，则在208识别讨论的上下文。在实施例中，可以对讨论数据(例如，来自麦克风的音频数据)执行语义分析以确定在当前讨论中传达的含义。如前所述，在一些情况下，音频数据和非言语数据的组合可以在语义上被分析以确定讨论的主题或话题，从而建立讨论的上下文。在一些实施例中，机器学习算法可以用于基于话题对讨论数据进行分类。其他语义分析技术可以识别情感、意图等。另外，语义分析可以包括关键字或实体提取。在执行语义分析之后，可以通过搜索知识库、因特网等来收集与所识别的话题和关键词相关的附加数据。
继续前面的示例，使用监督机器学习算法来分析来自发言者和参与者P的音频数据，并且上下文突出显示过程200接收由监督机器学习算法提取的关键字和短语，诸如“公司R”、“公司X的投资”和“未来市场资本总额”。在提取了关键字和短语之后，上下文突出显示过程200经由因特网搜索与关键字相关的信息，并且确定公司R是Nifty指数的一部分。另外，上下文突出显示过程200确定公司X是盈利公司，并且盈利公司的投资通常增加投资者的市场资本总额。此外，上下文突出显示过程200确定如果公司R的市场资本总额增加，则Nifty指数也将受到正面影响，因为公司R是Nifty的组成公司。
接下来，在210，确定最相关的显示内容。在实施例中，上下文突出显示过程200可以经由API与演示软件接口以检索所显示的内容。所显示的内容可以包括文本、图像等。所显示的内容可以是来自演示的当前显示的幻灯片中包含的内容。在一些实施例中，所显示的内容可以包括先前显示的内容。例如，发言者可能不会给予参与者询问关于内容的问题的机会，直到发言者已经移动到下一个幻灯片。这样，一些实施例可以获得先前显示的内容。在一些实施例中，先前显示的内容可受自从显示幻灯片以来的阈值时间量(例如，2分钟)、先前显示的幻灯片的阈值数目(例如，3个幻灯片以前)或先前显示的演示的百分比(例如，100个幻灯片的10％，因此10个幻灯片以前)限制。
为了从所显示的内容确定最相关的内容，可以对所显示的内容执行语义分析，类似于以上关于208描述的讨论的语义分析。因此，机器学习模型可以用于分析所显示的内容以识别关键词和短语以及其他语义提示。由于所显示的内容可以包括图像、表格、图表、视频和其他视觉数据，因此语义分析可以涉及初步图像分析以生成所显示的内容内包含的视觉数据的文本表示。视觉数据的文本表示然后可以与来自所显示的内容的文本数据一起分组，并且被输入到机器学习模型中以识别关键词或短语。表示所显示内容的文本数据可以被分解或令牌化成多个部分，例如通过句子、句子中的从句、单词、列表项、各个图像等。
一旦显示的内容已经被语义分析，相似性算法可以被用于将在208识别的讨论的上下文与显示的内容的语义相比较，以找到显示的内容的最接近地匹配讨论上下文的部分。语义相似性算法可以输出指示所显示的内容的每个部分与讨论上下文有多相似的分数(例如，从0到1归一化，其中1是紧密相似性)。根据至少一个实施例，一旦为所显示内容的每个部分计算了相似性得分，就可以按照相似性得分对这些部分进行排序和排名。然后，可以选择具有最高相似性得分的部分作为最相关的显示内容。
继续前面的例子，并且如图3A中所描绘的，演示幻灯片300中所显示的内容包括示出Nifty指数历史值的曲线302，其伴随有陈述“看下趋势线，Nifty指数在未来10个季度内将上涨10％。在接下来的10天中关注Nifty的股票。这是很好的投资机会。”的文本304。上下文突出显示过程200可以从演示软件获得所显示的内容(即，曲线302和文本304)。此后，上下文突出显示过程200可以识别视觉数据(即，曲线302)并且执行图像分析以生成曲线302的文本表示。文本304可以基于子句被分解成多个部分。然后，对曲线302的文本表示以及来自文本304的子句进行语义分析，并与先前识别的讨论上下文进行比较。在计算了所显示内容的每个部分的相似性得分之后，从最高到最低对得分进行排名。具有最高相似性得分的显示内容的部分是子句“Nifty指数在未来10个季度内将上涨10％。”。因此，子句“Nifty指数在未来10个季度内将上涨10％”被确定为是所显示内容的最相关部分。
然后，在212，在屏幕上突出显示所显示的内容内的最相关内容。根据至少一个实施例，先前在210处识别的所显示内容的部分通过与演示软件通信(例如，经由适当的API调用)而被突出显示，并且此后演示可以通过突出显示所显示内容部分来响应来自上下文突出显示过程200的通信。突出显示可以包括对所显示内容的视觉或其它改变的任何组合，以区分所显示内容的部分。例如，突出显示可包括将有色背景应用于文本、字体样式改变(诸如从Times New Roman改变到Calibri)、字体大小改变、字体颜色改变、加粗、斜体、下划线、指向相关内容的静态或动画箭头等等。
在如上所述在210搜索先前幻灯片以寻找相关内容的实施例中，突出显示相关内容可包括与演示软件通信以在幻灯片组中返回以显示包含相关内容的正确的过去幻灯片并将突出显示应用于相关内容。这样，相关内容既显示在屏幕上又在讨论期间实时突出显示，尽管相关内容在与讨论开始时最初显示的幻灯片不同的幻灯片上。
继续前面的例子，并且如图3B所示，子句“Nifty指数在未来10个季度内将上涨10％”被确定为是所显示内容的最相关部分306。此后，上下文突出显示过程200通过API调用请求演示软件突出显示作为子句“Nifty指数在未来10个季度内将上涨10％”的相关部分306。如图3B所示，根据该示例，通过对相关部分306的文本应用粗体和下划线来突出显示所识别的相关部分306。
在214，上下文突出显示过程200确定是否继续讨论该话题。在各实施例中，在如上在212所述对所显示的内容的相关部分306应用突出显示之后，可继续分析会议或演示中的两方或更多方之间的讨论。上下文突出显示过程200可通过如上文先前在206处所描述地监视和分析讨论来确定两方或多方之间的讨论是否继续。在实施例中，可以以先前在208处描述的方式来识别讨论的话题，并且将该话题与先前在208处确定的话题进行比较以确定是否继续讨论相同的话题。除此之外或另选地，当前讨论话题可与相关部分306的语义进行比较以确定讨论是否仍与突出显示的相关部分306紧密相关。
在一些实施例中，上下文突出显示过程200还可以确定讨论是否包括一方或更多方正在表达关于相关部分306的有效性的怀疑或问题的指示。可以采用在监督机器学习模型中使用的各种NLP技术来确定是否通过例如识别预定单词或短语、分析语音的音调、经由相机监视参与者的面部表情或身体语言等来引起关于相关部分306的怀疑或问题。
继续前面的例子，在突出显示相关部分306之后，另一参与者P2指出“公司R的值的改变将不足以使Nifty指数在10天内增加10％。基于讨论的分析，讨论的话题仍然与在接下来的10天内的Nifty指数的增加相关。此外，参与者P2表达了对在讨论中出现的点和在相关部分306中突出显示的相应内容的怀疑，这些点和内容由P2的陈述的NLP分析来识别。
如果上下文突出显示过程200确定讨论已经移到了不同的话题，或者根据一些实施例，在214处没有识别关于话题有效性的讨论，则上下文突出显示过程200返回到204以分析讨论。
然而，如果上下文突出显示过程200确定讨论已经继续相同话题，或者根据一些实施例，如果上下文突出显示过程200还确定在214处识别出关于话题有效性的不同意，则在216处验证相关内容306的有效性。根据至少一个实施例，上下文突出显示过程200可以利用单独的服务或程序来验证内容的有效性。例如，上下文突出显示过程200可以(例如，经由通信网络116)将要验证的内容(例如，相关内容306)发送到验证服务，在一些实施方式中，验证服务可以搜索因特网、其他知识库或一些其他信息源以确定上下文突出显示过程200发送的相关内容306的有效性。响应于上下文突出显示过程200验证请求，验证服务可以返回指示相关内容306的所确定的有效性的有效性分数。此后，上下文突出显示过程200可以将有效性分数与预定阈值进行比较以确定相关内容306是有效还是无效。在其他实施例中，有效性服务可以做出有效性的确定，并且然后将指示相关内容306有效或无效的响应发送到上下文突出显示过程200。
继续前面的示例，上下文突出显示过程200将陈述“Nifty指数在未来10个季度内将上涨10％”的相关内容306子句传送到验证服务，验证服务基于当前趋势确定相关内容306有效有足够的置信度以将“有效”的结果返回到上下文突出显示过程200。
然后，在218，有效性指示符被添加到相关内容306的邻近。在实施例中，上下文突出显示过程200可以与演示软件通信(例如，经由API调用)以请求将有效性指示符添加到所显示的内容(例如，演示幻灯片300)。上下文突出显示过程200可提供适当的指示符，该指示符然后由演示软件放置在幻灯片上。在其它实施例中，演示软件可响应于上下文突出显示过程200请求连同有效性结果(即，有效或无效)放置其自己的指示符。有效性指示符可以采取各种形式的静态、动画、音频或其他指示。例如，指示符可以是大拇指向上(有效)或大拇指向下(无效)、“x”(无效)或对号(有效)等。在其他实施例中，作为上述指示符的替换或补充，突出显示的相关内容306可被进一步更改以指示有效性。例如，如果相关内容被验证为有效，则相关内容306的文本可以从黑色变为绿色。此后，上下文突出显示过程200返回到步骤204以继续分析讨论。
继续前面的示例，并参考图3C，相关内容306被验证为有效。此后，上下文突出显示过程200与演示软件通信，请求将指示相关内容306有效的有效性指示符添加到演示幻灯片300。演示软件然后添加如所描绘的与相关内容306相邻的大拇指向上有效性指示符308以指示相关内容306是有效的。
可以理解，图2和3A-3C仅提供了一个实施例的说明，而不暗示对如何实现不同实施例的任何限制。可以基于设计和实现要求对所描述的实施例进行许多修改。例如，根据替换实施例，上下文突出显示过程200可被集成到演示软件或会议软件中，因此通信可被内在化在软件内。在一些实施例中，这种集成可以通过将上下文突出显示过程200实现为演示或会议软件的插件来实现。在一些实施例中，演示和会议软件可被组合成实现上下文突出显示过程200的单个应用程序。
如以上实施例中所述，上下文突出显示程序110a和110b可通过向显示在共享屏幕上的与当前讨论相关的内容实时提供内容突出显示来改进计算机或其它技术的功能，使得参与者可鉴于当前讨论快速查明所显示内容的相关部分。此外，在讨论期间可以实时确定和指示内容的有效性，以通知参与者突出显示的内容的有效性，并快速解决切题讨论，从而允许在没有过度延迟的情况下继续进行演示或会议。
图4是根据本发明的说明性实施例的图1中所示的计算机的内部和外部组件的框图900。应当理解，图4仅提供了一种实现的说明，而不暗示对其中可实现不同实施例的环境的任何限制。可以基于设计和实现要求对所描述的环境进行许多修改。
数据处理系统902、904代表能够执行机器可读程序指令的任何电子设备。数据处理系统902、904可以代表智能电话、计算机系统、PDA或其他电子设备。可由数据处理系统902、904表示的计算系统、环境和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户端、胖客户端、手持式或膝上型设备、多处理器系统、基于微处理器的系统、网络PC、小型计算机系统和包括任何上述系统或设备的分布式云计算环境。
用户客户端计算机102和网络服务器112可以包括图4中所示的内部组件902a、b和外部组件904a、b的相应集合。内部组件902a、b的集合中的每一个包括一个或多个处理器906、在一个或多个总线912上的一个或多个计算机可读RAM 908和一个或多个计算机可读ROM 910、以及一个或多个操作系统914和一个或多个计算机可读有形存储设备916。客户计算机102中的一个或多个操作系统914、软件程序108和上下文突出显示程序110a以及网络服务器112中的上下文突出显示程序110b可以存储在一个或多个计算机可读有形存储设备916上，以便由一个或多个处理器906通过一个或多个RAM 908(通常包括高速缓冲存储器)来执行。在图4中所示的实施例中，计算机可读有形存储设备916中的每一个是内部硬盘驱动器的磁盘存储设备。或者，每个计算机可读有形存储设备916是半导体存储设备，诸如ROM910、EPROM、闪存或任何其它能够存储计算机程序和数字信息的计算机可读有形存储设备。
内部组件902a、b的集合中的每一个还包括R/W驱动器或接口918，以从一个或多个便携式计算机可读有形存储设备920读取和向其写入，所述便携式计算机可读有形存储设备诸如CD-ROM、DVD、记忆棒、磁带、磁盘、光盘或半导体存储设备。诸如软件程序108和上下文突出显示程序110A和110b之类的软件程序可以存储在一个或多个相应的便携式计算机可读有形存储设备920上，经由相应的R/W驱动器或接口918读取，并且加载到相应的硬盘驱动器916中。
内部组件902a、b的集合中的每一个还可以包括网络适配器(或交换端口卡)或接口922，例如TCP/IP适配卡、无线Wi-Fi接口卡或3G或4G无线接口卡或其他有线或无线通信链路。客户端计算机102中的软件程序108和上下文突出显示程序110a以及网络服务器计算机112中的上下文突出显示程序110b可以经由网络(例如因特网、局域网或其他广域网)以及相应的网络适配器或接口922从外部计算机(例如服务器)下载。从网络适配器(或交换机端口适配器)或接口922，将客户端计算机102中的软件程序108和上下文突出显示程序110a以及网络服务器计算机112中的上下文突出显示程序110b加载到相应的硬盘驱动器916中。网络可以包括铜线、光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。
外部组件904a、b的集合中的每一个可以包括计算机显示监视器924、键盘926和计算机鼠标928。外部组件904a、b还可以包括触摸屏、虚拟键盘、触摸板、定点设备和其他人机接口设备。内部组件902a、b的集合中的每一个还包括设备驱动器930，以接口到计算机显示监视器924、键盘926和计算机鼠标928。设备驱动器930、R/W驱动器或接口918以及网络适配器或接口922包括硬件和软件(存储在存储设备916和/或ROM 910中)。
本发明可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(一个或多个)，所述计算机可读程序指令用于使处理器执行本发明的各方面。
计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，例如Smalltalk、C++等)和过程编程语言(例如“C”编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且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。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。
在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。
这些计算机可读程序指令可以被提供给计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。
附图中的流程图和框图示出了根据本发明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架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以作为一个步骤来实现，同时、基本同时、以部分或全部时间重叠的方式执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。
预先理解，尽管本公开包括关于云计算的详细描述，但是本文中记载的教导的实现不限于云计算环境。相反，本发明的实施例能够结合现在已知或以后开发的任何其它类型的计算环境来实现。
云计算是一种服务递送模型，用于实现对可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储、应用、虚拟机和服务)的共享池的方便的按需网络访问，所述可配置计算资源可以以最小的管理努力或与服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
特征如下：
按需自助：云消费者可以单方面地自动地根据需要提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供者进行人工交互。
广域网接入：能力在网络上可用，并且通过促进由异构的薄或厚客户端平台(例如，移动电话、膝上型计算机和PDA)使用的标准机制来访问。
资源池化：供应商的计算资源被集中以使用多租户模型来服务多个消费者，其中不同的物理和虚拟资源根据需求被动态地分配和重新分配。存在位置无关的意义，因为消费者通常不控制或不知道所提供的资源的确切位置，但是能够在较高抽象级别(例如国家、州或数据中心)指定位置。
快速弹性：在一些情况下，可以快速且弹性地提供快速向外扩展的能力和快速向内扩展的能力。对于消费者，可用于提供的能力通常看起来不受限制，并且可以在任何时间以任何数量购买。
测量服务：云系统通过利用在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某一抽象级别的计量能力来自动地控制和优化资源使用。可以监视、控制和报告资源使用，从而为所利用服务的提供者和消费者两者提供透明度。
服务模型如下：
软件即服务(SaaS)：提供给消费者的能力是使用在云基础设施上运行的提供者的应用。应用程序可通过诸如web浏览器(例如，基于web的电子邮件)等瘦客户机界面从各种客户机设备访问。消费者不管理或控制包括网络、服务器、操作系统、存储、或甚至个别应用能力的底层云基础结构，可能的例外是有限的用户专用应用配置设置。
平台即服务(PaaS)：提供给消费者的能力是将消费者创建或获取的应用部署到云基础设施上，该消费者创建或获取的应用是使用由提供商支持的编程语言和工具创建的。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但具有对部署的应用和可能的应用托管环境配置的控制。
基础设施即服务(IaaS)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其它基本计算资源，所述软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施，但具有对操作系统、存储、部署的应用的控制，以及可能对选择的联网组件(例如，主机防火墙)的有限控制。
部署模型如下：
私有云：云基础设施仅为组织操作。它可以由组织或第三方管理，并且可以存在于建筑物内或建筑物外。
社区云：云基础设施由若干组织共享，并且支持具有共享关注(例如，任务、安全要求、策略和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
公有云：云基础设施可用于一般公众或大型工业群体，并且由销售云服务的组织拥有。
混合云：云基础设施是两个或更多云(私有、共同体或公共)的组合，所述云保持唯一实体，但是通过使数据和应用能够移植的标准化或私有技术(例如，用于云之间的负载平衡的云突发)绑定在一起。
云计算环境是面向服务的，其焦点在于无状态、低耦合、模块性和语义互操作性。在云计算的核心是包括互连节点的网络的基础设施。
现在参考图5，描绘了说明性云计算环境1000。如图所示，云计算环境1000包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点100，所述本地计算设备诸如例如个人数字助理(PDA)或蜂窝电话1000A、台式计算机1000B、膝上型计算机1000C和/或汽车计算机系统1000N。节点100可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公共云或混合云或其组合。这允许云计算环境1000提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图5中所示的计算设备1000A-N的类型仅旨在说明，并且计算节点100和云计算环境1000可以通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算设备通信。
现在参考图6，示出了由云计算环境1000提供的一组功能抽象层1100。应当预先理解，图6中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：
硬件和软件层1102包括硬件和软件组件。硬件组件的示例包括：主机1104；基于RISC(精简指令集计算机)架构的服务器1106；服务器1108；刀片服务器1110；存储设备1112；以及网络和联网组件1114。在一些实施例中，软件组件包括网络应用服务器软件1116和数据库软件1118。
虚拟化层1120提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器1122；虚拟存储1124；虚拟网络1126，包括虚拟专用网络；虚拟应用和操作系统1128；以及虚拟客户端1130。
在一个示例中，管理层1132可以提供下面描述的功能。资源供应1134提供用于在云计算环境内执行任务的计算资源和其他资源的动态采购。计量和定价1136提供了在云计算环境中利用资源时的成本跟踪，以及用于消耗这些资源的记帐或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户1138为消费者和系统管理员提供对云计算环境的访问。服务级别管理1140提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(SLA)规划和履行1142提供对云计算资源的预先安排和采购，其中根据SLA预期未来需求。
工作负载层1144提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：映射和导航1146；软件开发和生命周期管理1148；虚拟教室教育传送1150；数据分析处理1152；事务处理1154；以及上下文突出显示1156。上下文突出显示程序110A、110b提供了一种基于上下文提示来实时识别共享屏幕上显示的相关内容并突出显示该相关内容的方式。
本文所用的术语仅是为了描述特定实施例的目的，而不是要限制本发明。如本文所用，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文另有明确指示。还将理解，术语“包括”、“包含”、“含有”、“具有”等在本说明书中使用时指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其群组的存在或添加。
已经出于说明的目的给出了本发明的各种实施例的描述，但是其不旨在是穷尽的或限于所公开的实施例。在不背离所描述的实施例的范围的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文所使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文所公开的实施例。

Claims (20)

1.一种用于上下文数字内容突出显示的计算机实现的方法，所述方法包括：
结合演示监控多方之间的讨论；
识别所监视的讨论的上下文；
基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分；以及
将突出显示应用于所识别的最相关部分。
2.根据权利要求1所述的计算机实现的方法，还包括：
确定所述多方正在进行讨论。
3.根据权利要求1所述的计算机实现的方法，还包括：
确定所监视的讨论正在继续；
响应于确定所监视的讨论正在继续，确定所识别的最相关部分的有效性；以及
基于所确定的有效性，显示与所识别的最相关部分相邻的有效性指示符。
4.根据权利要求1所述的计算机实现的方法，其中，所应用的突出显示是从包括字体大小、字体颜色、文本背景颜色、字体样式、静态箭头和动态箭头的组中选择的。
5.根据权利要求1所述的计算机实现的方法，其中，基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分包括对所显示的内容内的文本进行令牌化以生成多个内容部分。
6.根据权利要求5所述的计算机实现的方法，其中基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分包括通过将所识别的上下文与每个内容部分进行比较并且选择相对于所述多个内容部分内的剩余内容部分具有最高相似性得分的内容部分来为所述多个内容部分内的每个部分生成相似性得分。
7.根据权利要求5所述的计算机实现的方法，其中所显示的内容包括一个或多个图像，其中对所述一个或多个图像执行图像分析以生成以文本形式描述所述一个或多个图像中的每个图像的文本图像表示，并且其中所生成的文本图像表示被添加到所述多个内容部分。
8.一种用于上下文数字内容突出显示的计算机系统，包括：
一个或多个处理器、一个或多个计算机可读存储器、一个或多个计算机可读有形存储介质以及存储在所述一个或多个计算机可读有形存储介质中的至少一个上的程序指令，所述程序指令要由所述一个或多个处理器中的至少一个经由所述一个或多个计算机可读存储器中的至少一个来执行，其中所述计算机系统能够执行一种方法，所述方法包括：
结合演示监控多方之间的讨论；
识别所监视的讨论的上下文；
基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分；以及
将突出显示应用于所识别的最相关部分。
9.根据权利要求8所述的计算机系统，还包括：
确定所述多方正在进行讨论。
10.根据权利要求8所述的计算机系统，还包括：
确定所监视的讨论正在继续；
响应于确定所监视的讨论正在继续，确定所识别的最相关部分的有效性；以及
基于所确定的有效性，显示与所识别的最相关部分相邻的有效性指示符。
11.根据权利要求8所述的计算机系统，其中，所应用的突出显示是从包括字体大小、字体颜色、文本背景颜色、字体样式、静态箭头和动态箭头的组中选择的。
12.根据权利要求8所述的计算机系统，其中，基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分包括对所显示的内容内的文本进行令牌化以生成多个内容部分。
13.根据权利要求12所述的计算机系统，其中，基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分包括通过将所识别的上下文与每个内容部分进行比较并且选择相对于所述多个内容部分内的剩余内容部分具有最高相似性得分的内容部分来为所述多个内容部分内的每个部分生成相似性得分。
14.根据权利要求12所述的计算机系统，其中，所显示的内容包括一个或多个图像，其中对所述一个或多个图像执行图像分析以生成以文本形式描述所述一个或多个图像中的每个图像的文本图像表示，并且其中所生成的文本图像表示被添加到所述多个内容部分。
15.一种用于上下文数字内容突出显示的计算机程序产品，包括实现有程序指令的计算机可读存储介质，所述程序指令可由处理器执行以使所述处理器执行一种方法，所述方法包括：
结合演示监控多方之间的讨论；
识别所监视的讨论的上下文；
基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分；以及
将突出显示应用于所识别的最相关部分。
16.根据权利要求15所述的计算机程序产品，还包括：
确定所述多方正在进行讨论。
17.根据权利要求15所述的计算机程序产品，还包括：
确定所监视的讨论正在继续；
响应于确定所监视的讨论正在继续，确定所识别的最相关部分的有效性；以及
基于所确定的有效性，显示与所识别的最相关部分相邻的有效性指示符。
18.根据权利要求15所述的计算机程序产品，其中，所应用的突出显示是从包括字体大小、字体颜色、文本背景颜色、字体样式、静态箭头和动态箭头的组中选择的。
19.根据权利要求15所述的计算机程序产品，其中，基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分包括对所显示的内容内的文本进行令牌化以生成多个内容部分。
20.根据权利要求19所述的计算机程序产品，其中，基于所识别的上下文来识别与所述演示相关联的所显示内容的最相关部分包括通过将所识别的上下文与每个内容部分进行比较并且选择相对于所述多个内容部分内的剩余内容部分具有最高相似性得分的内容部分来为所述多个内容部分内的每个部分生成相似性得分。
CN202210452585.5A 2021-04-28 2022-04-27 共享屏幕上的上下文实时内容突出显示 Pending CN115345126A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/242,684 US11947894B2 (en) 2021-04-28 2021-04-28 Contextual real-time content highlighting on shared screens
US17/242,684 2021-04-28

Publications (1)

Publication Number Publication Date
CN115345126A true CN115345126A (zh) 2022-11-15

Family

ID=83808601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210452585.5A Pending CN115345126A (zh) 2021-04-28 2022-04-27 共享屏幕上的上下文实时内容突出显示

Country Status (3)

Country Link
US (1) US11947894B2 (zh)
JP (1) JP2022170726A (zh)
CN (1) CN115345126A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11741177B2 (en) * 2021-03-03 2023-08-29 International Business Machines Corporation Entity validation of a content originator
EP4239496A1 (en) * 2022-03-01 2023-09-06 Microsoft Technology Licensing, LLC Near real-time in-meeting content item suggestions
US12008997B2 (en) * 2022-05-17 2024-06-11 Mitel Networks Corporation Determination of conference participant contribution

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ATE286294T1 (de) 2001-03-29 2005-01-15 Koninkl Philips Electronics Nv Synchronisierung eines audio- und eines textcursors während der editierung
US7925993B2 (en) * 2006-03-30 2011-04-12 Amazon Technologies, Inc. Method and system for aggregating and presenting user highlighting of content
US20110213655A1 (en) * 2009-01-24 2011-09-01 Kontera Technologies, Inc. Hybrid contextual advertising and related content analysis and display techniques
WO2010105246A2 (en) * 2009-03-12 2010-09-16 Exbiblio B.V. Accessing resources based on capturing information from a rendered document
US9390403B2 (en) * 2012-02-09 2016-07-12 International Business Machines Corporation Augmented screen sharing in an electronic meeting
US9225936B2 (en) * 2012-05-16 2015-12-29 International Business Machines Corporation Automated collaborative annotation of converged web conference objects
US9519719B2 (en) * 2015-02-10 2016-12-13 International Business Machines Corporation Resource management in a presentation environment
US9792534B2 (en) * 2016-01-13 2017-10-17 Adobe Systems Incorporated Semantic natural language vector space
US11699039B2 (en) * 2017-06-28 2023-07-11 Microsoft Technology Licensing, Llc Virtual assistant providing enhanced communication session services
US10827023B1 (en) * 2018-07-11 2020-11-03 DLD Technologies Corporation Web control with real-time content analysis
US10440325B1 (en) 2018-07-17 2019-10-08 International Business Machines Corporation Context-based natural language participant modeling for videoconference focus classification
US11308320B2 (en) * 2018-12-17 2022-04-19 Cognition IP Technology Inc. Multi-segment text search using machine learning model for text similarity
US11689379B2 (en) * 2019-06-24 2023-06-27 Dropbox, Inc. Generating customized meeting insights based on user interactions and meeting media
US20210005207A1 (en) * 2019-07-05 2021-01-07 Talkdesk, Inc. System and method for querying multiple information sources using agent assist within a cloud-based contact center
US12020594B2 (en) * 2019-08-23 2024-06-25 Mitel Networks Corporation Methods of gamification for unified collaboration and project management

Also Published As

Publication number Publication date
US11947894B2 (en) 2024-04-02
JP2022170726A (ja) 2022-11-10
US20220350954A1 (en) 2022-11-03

Similar Documents

Publication Publication Date Title
US10902842B2 (en) System and method for cognitive intervention on human interactions
US20170097929A1 (en) Facilitating a meeting using graphical text analysis
US11640821B2 (en) Conflict resolution enhancement system
US11947894B2 (en) Contextual real-time content highlighting on shared screens
US10460031B2 (en) Generating structured meeting reports through semantic correlation of unstructured voice and text data
JP2022105273A (ja) 自然言語の対話記録から複数のユーザのための要約および次の行動をリアルタイムで生成するためのコンピュータ実施方法、コンピュータ実施システム、およびコンピュータ・プログラム製品
US11158210B2 (en) Cognitive real-time feedback speaking coach on a mobile device
US10750022B2 (en) Enhancing customer service processing using data analytics and cognitive computing
US20220407731A1 (en) Facilitating social events in web conferences
US9282155B2 (en) Smart posting with data analytics and semantic analysis to improve a message posted to a social media service
US11087264B2 (en) Crowdsourcing of meetings
US20230169272A1 (en) Communication framework for automated content generation and adaptive delivery
US20220188525A1 (en) Dynamic, real-time collaboration enhancement
US20200097546A1 (en) Detecting and highlighting insightful comments in a thread of content
US10373515B2 (en) System and method for cognitive intervention on human interactions
US11445042B2 (en) Correlating multiple media sources for personalized media content
US10783798B2 (en) Coaching system for guiding interactions
US10904025B2 (en) Web meeting bookmarking system based on level of relevancy and importance
US11397857B2 (en) Methods and systems for managing chatbots with respect to rare entities
US20210174691A1 (en) Cognitive coaching based on content and sentiment analysis
US12034553B2 (en) Content viewing guidance in an online meeting
US20230161539A1 (en) Assisted collaborative navigation in screen share environments
US11188546B2 (en) Pseudo real time communication system
US20230419047A1 (en) Dynamic meeting attendee introduction generation and presentation

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