CN117633276B - 一种书写轨迹录播方法、系统及终端 - Google Patents
一种书写轨迹录播方法、系统及终端 Download PDFInfo
- Publication number
- CN117633276B CN117633276B CN202410101294.0A CN202410101294A CN117633276B CN 117633276 B CN117633276 B CN 117633276B CN 202410101294 A CN202410101294 A CN 202410101294A CN 117633276 B CN117633276 B CN 117633276B
- Authority
- CN
- China
- Prior art keywords
- writing
- track
- content
- tracks
- writing track
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004590 computer program Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 6
- 230000004044 response Effects 0.000 abstract description 5
- 239000013598 vector Substances 0.000 description 35
- 230000008569 process Effects 0.000 description 18
- 238000000605 extraction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008451 emotion Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007667 floating Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 241000721047 Danaus plexippus Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 241000218033 Hibiscus Species 0.000 description 1
- 235000005206 Hibiscus Nutrition 0.000 description 1
- 235000007185 Hibiscus lunariifolius Nutrition 0.000 description 1
- 241001310793 Podium Species 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 235000011226 hei shi Nutrition 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本申请适用于录播互动技术领域,提供了一种书写轨迹录播方法、系统及终端,包括:获取多个书写轨迹采集终端采集的书写轨迹;根据所述书写轨迹生成与书写轨迹对应的书写内容;对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接。本申请提供的书写轨迹录播方法,响应于输出终端的请求,根据书写内容,对多个书写轨迹采集终端采集的书写轨迹进行拼接,使得来自不同采集终端的书写轨迹可以在一个输出终端上展示,提供了更加直观和全面的信息展示方式,有助于不同终端之间的书写轨迹进行交互。
Description
技术领域
本申请属于录播互动技术领域,尤其涉及一种书写轨迹录播方法、系统及终端。
背景技术
书写是人类进行信息交流和表达的重要方式之一。在书写的过程中,书写者的书写轨迹和笔迹是记录其思想和意图的重要载体。然而,在传统的书写过程中,书写轨迹的采集和展示方式往往存在一定的局限性和不足。
例如,传统的教学场景中,老师的板书内容无法数字化,同样的,书写轨迹也无法数字化。而日常教学是循序渐进的引导过程,老师板书的书写轨迹与讲解内容同样都是教学中重要的环节,在一些科目中,书写轨迹与讲解内容配合才能更好的展示解题思路,教学内容才能更好的被学生理解。因此,需要一种更好的书写轨迹的采集和展示方式。
发明内容
本申请提供一种书写轨迹录播方法、装置、系统、终端及存储介质,可以解决书写轨迹的采集和展示方式存在局限性和不足的问题。
第一方面,本申请实施例提供了一种书写轨迹录播方法,包括:
获取多个书写轨迹采集终端采集的书写轨迹;
根据所述书写轨迹生成与书写轨迹对应的书写内容;
对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;
响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接。
在一种可能的实现方式中,所述根据所述书写轨迹生成与书写轨迹对应的书写内容,包括:
结合预设的轨迹数据库,识别连续书写的所述书写轨迹,生成每个书写轨迹对应的书写内容。
在一种可能的实现方式中,所述结合预设的轨迹数据库,识别连续书写的所述书写轨迹,生成每个书写轨迹对应的书写内容,包括:
针对每个书写轨迹,将所述书写轨迹与所述轨迹数据库进行比对,确定所述轨迹数据库中相似度高于设定阈值的至少一个轨迹;
通过轨迹书写顺序从所述至少一个轨迹中筛选出与所述书写轨迹的书写顺序相一致的轨迹,并将对应的书写内容确定为所述书写轨迹的书写内容。
在一种可能的实现方式中,所述对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容,包括:
将所有书写内容按照语义相似度和关联连贯度切分为多段子内容;
利用多个不同维度的标签标记每段子内容,并将每段子内容按照多维度标签相似度分类。
在一种可能的实现方式中,所述方法还包括:
根据语义分析的结果,判断所述书写轨迹对应的教学科目;
根据所述教学科目,确定所述语义相似度和关联连贯度在子内容分割时所占的权重。
第二方面,本申请实施例提供了一种书写轨迹录播装置,包括:
书写轨迹获取模块:获取多个书写轨迹采集终端采集的书写轨迹;
书写内容生成模块:根据所述书写轨迹生成与书写轨迹对应的书写内容;
书写内容分析模块:对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;
书写轨迹拼接模块:响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接。
第三方面,本申请实施例提供了一种书写轨迹录播系统,包括如上所述的书写轨迹录播装置、多个所述书写轨迹采集终端以及至少一个所述输出终端。
第四方面,本申请实施例提供了一种书写轨迹录播终端,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的方法。
本申请的有益效果
本申请提供一种书写轨迹录播方法、装置、系统、终端及存储介质,响应于输出终端的请求,根据书写内容,对多个书写轨迹采集终端采集的书写轨迹进行拼接,使得来自不同采集终端的书写轨迹可以在一个输出终端上展示,提供了更加直观和全面的信息展示方式,有助于不同终端之间的书写轨迹进行交互。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的书写轨迹录播方法的流程示意图;
图2是本申请一实施例提供的根据书写轨迹生成书写内容的流程示意图;
图3是本申请一实施例提供的对书写内容分析和标记的流程示意图;
图4是本申请实施例提供的书写轨迹录播装置的结构示意图;
图5是本申请实施例提供的书写轨迹录播终端的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
本申请提供一种书写轨迹录播方法、装置、系统、终端及存储介质,可以解决书写轨迹的采集和展示方式存在局限性和不足的问题。响应于输出终端的请求,根据书写内容,对多个书写轨迹采集终端采集的书写轨迹进行拼接,使得来自不同采集终端的书写轨迹可以在一个输出终端上展示,提供了更加直观和全面的信息展示方式,有助于不同终端之间的书写轨迹进行交互。
为了说明本申请的技术方案,下面通过具体实施例来说明。
参阅图1示出的书写轨迹录播方法的一个实施例的流程,作为示例而非限定,包括以下步骤:
步骤S100:获取多个书写轨迹采集终端采集的书写轨迹;
步骤S200:根据所述书写轨迹生成与书写轨迹对应的书写内容;
步骤S300:对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;
步骤S400:响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接。
需要说明的是,在步骤S100中,首先要获取多个书写轨迹采集终端采集的书写轨迹。示例性的,书写轨迹采集终端可以是电子白板,电子白板是一种具有感应功能的白板,可以在上面直接用感应笔进行书写;书写轨迹采集终端也可以是平板电脑或智能手机,这些设备配备有高精度的触摸屏和内置的加速度传感器,可以用来采集书写轨迹,本申请对书写轨迹采集终端的种类不做限制。
进一步的,在步骤S200中,需要将步骤A100获取的书写轨迹转换为书写内容,书写轨迹一般为点阵,可以通过特征提取,结合文字识别算法将其转换为文字内容。在一种可能的实现方式中,步骤S200也可以通过结合预设的轨迹数据库,识别连续书写的书写轨迹的方式,生成每个书写轨迹对应的书写内容。
更进一步的,在步骤S300中,需要对步骤S200得到的书写内容进行语义分析。需要说明的是,在步骤S300中,可以采用自然语言处理(NLP)技术,通过机器学习和深度学习算法对书写内容进行语义分析。通过这种方式,可以将书写内容划分为不同的类别或主题,并为每个类别或主题分配一个或多个标签。这些标签可以是预定义的,也可以是根据书写内容自动生成的。
最后,在步骤S400中,当输出终端发出请求时,系统可以根据请求的内容和标签,快速地找到与之相关的书写轨迹,并将它们拼接在一起。这种拼接方式可以将多个书写轨迹采集终端采集的书写轨迹有机地结合在一起,形成一个更加完整和连贯的信息展示。
步骤S300和步骤S400通过语义分析和标签标记的方式,可以实现对书写内容的分类和标记。然后根据标签将与之对应的书写轨迹进行拼接,可以更加灵活和高效地将不同来源的书写轨迹整合在一起,为输出终端提供更加全面和准确的信息展示。
需要说明的是,在一些实施例中,书写轨迹采集终端也可以作为输出终端,用于发出请求,并显示其他终端的书写轨迹;同样的,在一些实施例中,输出终端也可以作为书写轨迹采集终端,可以用于采集使用者的书写轨迹,该书写轨迹经过处理后也可以在其他终端进行显示。
通过上述方法,可以实现书写轨迹在不同终端进行采集,并在不同终端进行展示的过程,提供了更加直观和全面的信息展示方式,有助于不同终端之间的书写轨迹进行交互。以教学场景为例,当A教师在a教室的电子白板上进行讲解,B教师可以发出请求,请求查看A教师在a教室的电子白板上的书写轨迹,即可在b教室的电子白板上看到A教师的书写轨迹。如此一来,可以实现异地教学,即在b教室的学生可以跟随a教室的A老师进行学习,可以更好的利用教学资源;对于教师来说,通过查看其他教室其他老师的书写轨迹,也可以实现异地集体备课或教学交流,从此不再受地域的限制,沟通交流更加便捷。
在一种可能的实现方式中,所述根据所述书写轨迹生成与书写轨迹对应的书写内容,包括:
步骤A100:结合预设的轨迹数据库,识别连续书写的所述书写轨迹,生成每个书写轨迹对应的书写内容。
需要说明的是,轨迹数据库是预先设定好的,包含了许多书写轨迹的样本数据。这些数据可以是人为收集和整理的,也可以是通过机器学习或深度学习算法训练得到的。通过与这些样本数据进行比对和分析,可以识别出连续书写的书写轨迹。在识别连续书写的书写轨迹时,可以采用各种机器学习或深度学习算法,如卷积神经网络(CNN)、循环神经网络(RNN)等。这些算法可以根据输入的书写轨迹数据,自动学习和识别出连续书写的书写轨迹。一旦连续书写的书写轨迹被识别出来,就可以根据预设的轨迹数据库和相应的算法,生成每个书写轨迹对应的书写内容。通过上述过程,可以实现更加准确和高效的将书写轨迹转化为书写内容。
在一种可能的实现方式中,参阅图2,步骤A100,包括:
步骤A101:针对每个书写轨迹,将所述书写轨迹与所述轨迹数据库进行比对,确定所述轨迹数据库中相似度高于设定阈值的至少一个轨迹;
步骤A102:通过轨迹书写顺序从所述至少一个轨迹中筛选出与所述书写轨迹的书写顺序相一致的轨迹,并将对应的书写内容确定为所述书写轨迹的书写内容。
需要说明的是,在步骤A101中,通过将书写轨迹与轨迹数据库中的轨迹进行比对,寻找与书写轨迹相似度高于设定阈值的轨迹。比对过程可能是基于多种因素,如轨迹的形状、长度、方向以及书写的速度等。
在步骤A102中,该方案进一步筛选这些相似轨迹,以找出书写顺序与书写轨迹一致的轨迹。该步骤的设置是为了排除虽然相似度高,但书写顺序不同的轨迹,因为书写顺序可能会提供更多的信息,从而更准确地确定书写轨迹的书写内容。
经过步骤A101和步骤A102的处理,通过比对和筛选书写轨迹,准确地还原其对应的书写内容。该方案还具有较好的适应性,可以适应不同人的书写风格和习惯,从而提高了识别的准确性。
在一种可能的实现方式中,参阅图3,所述对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容,包括:
步骤B101:将所有书写内容按照语义相似度和关联连贯度切分为多段子内容;
步骤B102:利用多个不同维度的标签标记每段子内容,并将每段子内容按照多维度标签相似度分类。
需要说明的是,在步骤B101中,需要将书写内容按照语义相似度和关联连贯度切分为多段子内容。其中根据语义相似度划分段落时,主要依据词之间的相似度进行划分,而根据关联连贯度进行段落划分时,主要依据语句之间的连贯度进行划分。该步骤设置的目的是将文本划分为更小的段落,每个段落表达的主题一致且连贯,方便用户按需调取。
示例性的,可以通过特征提取的方式提取出某一段书写内容的主题。进行特征提取时可能用到的模型包括使用词袋模型(Bag of Words)、TF-IDF(Term Frequency-Inverse Document Frequency)、词嵌入(Word Embeddings)或更复杂的模型(如BERT或Transformer)。需要说明的是,上述用于特征提取的模型仅作为示例,本申请不限于此。
下面以具体实施例说明特征词提取的过程。对于中文来说,首先会对文本内容进行分词处理,分词处理可采用的分词方法包括:正向最大匹配法、逆向最大匹配法、最少切分法或双向最大匹配法等,本说明书对分词处理的方法不作限制。
进一步的,在分词处理后可以去除停用词,因为中文文本中存在大量无实际意义的词,如“的”、“是”或“在”等,这些词对文本的主题提取没有帮助,可以去除。
更进一步的,对文本进行向量化处理,将文本转化为向量形式,包括词向量和句子向量,以便计算机能够处理和理解。
示例性的,以词袋模型生成词向量为例,将样本中所有不重复的词放到这个袋子中构成一个词表;然后再以这个词表为标准来遍历每一个样本,如果词表中对应位置的词出现在了样本中,那么对应位置就用1来表示,没有出现就用0来表示;最后,对于每个样本来说都将其向量化成了一个和词表长度一样的0-1向量。
在另一个示例中,也可以通过统计每个词在文本中出现的次数,得到该文本基于词的特征,即将各个文本样本中的词与对应的词频放在一起,就是一个向量。
将文本转化为句子向量的过程可以基于深度学习模型,例如,使用循环神经网络(RNN)对每个单词进行编码,然后将每个句子的单词向量串联起来,形成一个句子向量。另外,还可以使用预训练语言模型,如BERT(Bidirectional Encoder Representation fromTransformers)等,通过对句子进行编码,得到句子的向量表示。
更进一步的,根据上一步得到的特征向量,使用聚类算法(如K-means)或层次聚类算法(如Agglomerative Clustering或Divisive Clustering)对文本进行主题分割,将文本划分为多个部分,每个部分代表一个主题或知识点。
示例性的,以聚类算法划分文本的过程为例,对文本划分的过程进行说明,具体包括以下步骤:(1)初始聚类中心选择:选择适当的初始聚类中心,这可以是随机选择的,也可以使用一些启发式方法来确定,例如:层次聚类法、K-Means++算法或G-Means算法;(2)计算相似度:对于文本中的每个向量,计算其与各个聚类中心的相似度;(3)分配到聚类:将每个词向量或句子向量根据其与聚类中心的相似度,分配到最相似的聚类中;(4)重新计算聚类中心:对于每个聚类,重新计算其聚类中心,这可以是所有属于该聚类的词向量或句子向量的平均值,也可以是其中代表性的词向量或句子向量;(5)判断是否收敛:比较新旧聚类中心是否有显著变化,如果没有则认为聚类结果已经收敛,否则回到第2步继续迭代;(6)输出结果:输出最终的聚类结果,得到划分后的子内容。
在另一种实现方式中,得到句子向量后,也可以使用以下方式划分内容,包括:(1)计算句子相似度:对于文本中的每对相邻句子,计算它们的相似度。这可以通过计算两个句子的向量之间的余弦相似度或其他类型的相似度度量来实现;(2)段落划分:根据相似度矩阵来划分段落。示例性的,可以设置相似度阈值,将相似度高于阈值的句子分划分为同一段落;(3)后处理:执行一些后处理步骤,比如重新排列段落顺序,以便它们按照在原始文本中的顺序出现。
经过上述步骤的处理,即可得到划分后的子内容。
接着,在步骤B102中,利用多个不同维度的标签标记每段子内容,并将每段子内容按照多维度标签相似度分类。
示例性的,以《闻王昌龄左迁龙标遥有此寄》为例,可以打的标签包括:科目(语文)、学段(初中)、年级(七年级)、所属章节(第一单元第四节)、章节名称(《闻王昌龄左迁龙标遥有此寄》)、授课老师(A老师)、教学重点(诗歌赏析)以及教学时长(20分钟以内)等。
需要说明的是,打标签的意义在于方便对内容进行分类,标签可以使内容更加结构化,使其能够被更有效地处理和存储内容;同时在调取数据时,可以通过搜索特定的标签来寻找相关的内容,使用多维度标签可以增加内容被搜索到的可能性。
在一种可能的实现方式中,所述方法还包括:
步骤C100:根据语义分析的结果,判断所述书写轨迹对应的教学科目;
步骤C200:根据所述教学科目,确定所述语义相似度和关联连贯度在子内容分割时所占的权重。
需要说明的是,在步骤B101中,得到了词向量和句子向量,词向量是一种将每个单词表示为高维向量的方式,可以捕捉单词之间的相似性和关系。通常,词向量基于词的上下文和语义信息进行训练,这样可以使向量空间中的每个单词具有丰富的语义信息。而句子向量则是一种将整个句子表示为单一向量的方式,可以捕捉句子的语义信息。与词向量不同的是,句子向量需要考虑整个句子的语义信息,而不仅仅是单个单词的含义。因此,在将书写内容划分多段子内容的过程中,可以根据课程的不同,调整基于词向量进行的语义相似度划分和基于句子向量进行的关联连贯度划分在划分过程中的权重,以使划分结果更加准确。
示例性的,在一节初中数学课中,课程开始后的第一个10分钟内,老师在介绍一元一次方程,内容包括:
(1)方程:含有未知数的等式就叫做方程;
(2)一元一次方程:只含有一个未知数(元)x,未知数x的指数都是1(次),这样的方程叫做一元一次方程;
(3)一元一次方程的一般形式:ax+b=0(a≠0),其中a为一次项系数,b为常数项。例如:1700+50x=1800,2(x+1.5x)=5等都是一元一次方程;
(4)方程的解:使方程中等号左右两边相等的未知数的值,叫做方程的解。
而课程开始后的第二个10分钟内,老师在介绍一元二次方程,内容包括:
(1)一元二次方程:只含有一个未知数x,未知数的最高次数是2,且系数不为 0,这样的方程叫一元二次方程;
(2)一元二次方程的一般形式:ax2+bx+c=0(a≠0),其中a为二次项系数,b为一次项系数,c为常数项;
(3)一元二次方程必须满足以下3个条件:方程两边都是关于未知数的等式;只含有一个未知数;未知数的最高次数为2。
在该示例中,由于第一个10分钟内所讲内容与第二个十分钟内所讲内容有较多重复性词语,比如“一元”、“方程”、“未知数”、“一次项”、“常数项”、“(a≠0)”以及“系数”等,因此在对该节课程内容进行子内容划分时,可以将语义相似度的在划分过程中的比重设置的大一些,而将关联连贯度在划分过程中所占的比重降低。
在另一个示例中,以一节讲解《闻王昌龄左迁龙标遥有此寄》的初中语文课为例,老师讲述的内容包括:
段1:李白(701年-762年),字太白,号青莲居士,又号“谪仙人”,唐代伟大的浪漫主义诗人,被后人誉为“诗仙”,与杜甫并称为“李杜”,为了与另两位诗人李商隐与杜牧即“小李杜”区别,杜甫与李白又合称“大李杜”。据《新唐书》记载,李白为兴圣皇帝(凉武昭王李暠)九世孙,与李唐诸王同宗。其人爽朗大方,爱饮酒作诗,喜交友。李白深受黄老列庄思想影响,有《李太白集》传世,诗作中多为醉时写就,代表作有《望庐山瀑布》《行路难》《蜀道难》《将进酒》《早发白帝城》等。
段2:《新唐书.文艺传》载王昌龄左迁龙标尉(古人尚右,故称贬官为左迁),是因为“不护细行”,也就是说,他的得罪贬官,并不是由于什么重大问题,而只是由于生活小节不够检点。在《芙蓉楼送辛渐》中,王昌龄也对他的好友说:“洛阳亲友如相问,一片冰心在玉壶。”即沿用鲍照《代白头吟》中“清如玉壶冰”的比喻,来表明自己的纯洁无辜。李白在听到他不幸的遭遇以后,写了这一首充满同情和关切的诗篇,从远道寄给他,是完全可以理解的。
段3:首句写景兼点时令。于景物独取漂泊无定的杨花、叫着“不如归去”的子规,即含有飘零之感、离别之恨在内,切合当时情事,也就融情入景。 因首句已于景中见情,所以次句便直叙其事。“闻道”,表示惊惜。“过五溪”,见迁谪之荒远,道路之艰难。不着悲痛之语,而悲痛之意自见。
段4:后两句抒情。人隔两地,难以相从,而月照中天,千里可共,所以要将自己的愁心寄与明月,随君去到夜郎。这两句诗所表现的意境,已见于前此的一些名作中。如谢庄《月赋》:“美人迈兮音尘缺,隔千里兮共明月。临风叹兮将焉歇,川路长兮不可越。”曹植《杂诗》:“愿为南流景,驰光见我君。”张若虚《春江花月夜》:“此时相望不相闻,愿逐月华流照君。”都与之相近。而细加分析,则两句之中,又有三层意思,一是说自己心中充满了愁思,无可告诉,无人理解,只有将这种愁心托之于明月;二是说惟有明月分照两地,自己和朋友都能看见她;三是说,因此,也只有依靠她才能将愁心寄与,别无它法。
段5:诗人李白通过丰富的想象,用男女情爱的方式以抒写志同道合的友情,给予抽象的“愁心”以物的属性,它竟会随人逐月到夜郎西。本来无知无情的明月,竟变成了一个了解自己,富于同情的知心人,她能够而且愿意接受自己的要求,将自己对朋友的怀念和同情带到辽远的夜郎之西,交给那不幸的迁谪者。这种将自己的感情赋予客观事物,使之同样具有感情,也就是使之人格化,乃是形象思维所形成的巨大的特点之一和优点之一。当诗人们需要表现强烈或深厚的情感时,常常用这样一种手段来获得预期的效果。
语文课的内容与数学课不同,例如在《闻王昌龄左迁龙标遥有此寄》这一节课的内容中,段1~段5之间重贴的词语并不多,如果对该节课程内容进行子内容划分时,将语义相似度的在划分过程中的比重设置的大一些,可能就会将上述五段话的内容分别识别为一个单独的子内容,而如果经过关联连贯度的分析,就可以知道,段1的内容在进行作者介绍,段2的内容在介绍本诗书写的背景,而段3及段4在分别赏析两句诗具体的内容,段5在对全诗做情感赏析,故需要通过关联连贯度分析出段3~段5均在对诗歌内容进行赏析,因此段3~段5应该共同作为一个子内容。
通过上述示例的说明,可以知道,针对不同的课程内容,语义相似度分析和关联连贯度分析的权重应该有所不同,在实际情况中,应该根据课程内容的不同,灵活设置语义相似度分析和关联连贯度分析的权重,以使子内容的划分更加准确。
本申请实施例还提供一种书写轨迹录播装置,参阅图4,包括:
书写轨迹获取模块501:获取多个书写轨迹采集终端采集的书写轨迹;
书写内容生成模块502:根据所述书写轨迹生成与书写轨迹对应的书写内容;
书写内容分析模块503:对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;
书写轨迹拼接模块504:响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接。
需要说明的是,在本实施例中,首先利用书写轨迹获取模块501获取多个书写轨迹采集终端采集的书写轨迹;接着,通过书写内容生成模块502将书写轨迹获取模块501获取的书写轨迹转换为书写内容,书写轨迹一般为点阵,可以通过特征提取,结合文字识别算法将其转换为文字内容;再接着,书写内容分析模块503对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容,以将书写内容划分为不同的类别或主题,并为每个类别或主题分配一个或多个标签;最后,在输出终端发出请求后,书写轨迹拼接模块504根据书写内容将与之对应的书写轨迹进行拼接,以得到满足输出终端请求的书写轨迹,并在输出终端进行展示。
通过上述四个模块的搭配使用,可以实现书写轨迹在不同终端进行采集,并在不同终端进行展示的过程,提供了更加直观和全面的信息展示方式,有助于不同终端之间的书写轨迹进行交互。
本申请实施例提供一种书写轨迹录播系统,包括所述书写轨迹录播装置、多个所述书写轨迹采集终端以及至少一个所述输出终端。
需要说明的是,在一些实施例中,书写轨迹采集终端也可以作为输出终端,用于发出请求,并显示其他终端的书写轨迹;同样的,在一些实施例中,输出终端也可以作为书写轨迹采集终端,可以用于采集使用者的书写轨迹,该书写轨迹经过处理后也可以在其他终端进行显示。本申请提供的书写轨迹录播系统能够在教学过程中实现多用户同时书写,增强多用户与电子白板的互动能力,提升多用户的书写体验。
下面以几种使用场景介绍本申请提供的书写轨迹录播系统。例如,在远程课堂或双师课堂中,异地教师的书写轨迹可以在本地进行显示,本地师生的书写轨迹在异地教师的输出终端上也可以进行显示;在多地教师协同备课或者进行教学交流时,各位老师之间也可以看到对方的书写轨迹;在最为常见的上课的场景中,利用了本申请提供的书写轨迹录播系统,也能更好的方便师生之间的互动,例如,学生可以在座位上利用手中的书写轨迹采集终端进行书写,其书写轨迹可以显示在电子白板上,免去学生上讲台进行书写的过程,同时教师在黑板上的书写轨迹也可以显示在学生的输出终端上,这样对于视力不好的同学,如果看不清远处的黑板,也可以通过手中的输出终端看到教师的书写轨迹;在一些情况下,需要两位同学以不同的解法作答同一道题目时,教师可以将两位同学的书写轨迹同时显示在黑板上,节省了一一作答的时间。
图5为本申请实施例提供的一种书写轨迹录播终端的结构示意图。该终端设备401包括:至少一个处理器402(图5中仅示出一个处理器)、存储器403以及存储在所述存储器403中并可在所述至少一个处理器402上运行的计算机程序404,所述处理器402执行所述计算机程序404时实现上述书写轨迹录播方法实施例中的步骤。
所述终端设备401可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器402、存储器403。本领域技术人员可以理解,图5仅仅是终端设备401的举例,并不构成对终端设备401的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器402可以是中央处理单元(Central Processing Unit,CPU),该处理器402还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器403在一些实施例中可以是所述终端设备401的内部存储单元,例如终端设备401的硬盘或内存。所述存储器403在另一些实施例中也可以是所述终端设备401的外部存储设备,例如所述终端设备401上配备的插接式硬盘,智能存储卡(Smart MediaCard, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器403还可以既包括所述终端设备401的内部存储单元也包括外部存储设备。所述存储器403用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器403还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种书写轨迹录播方法,其特征在于,包括:
获取多个书写轨迹采集终端采集的书写轨迹;
根据所述书写轨迹生成与书写轨迹对应的书写内容;
对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;
响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接;
所述对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容,包括:
将所有书写内容按照语义相似度和关联连贯度切分为多段子内容;
利用多个不同维度的标签标记每段子内容,并将每段子内容按照多维度标签相似度分类;
所述方法还包括:
根据语义分析的结果,判断所述书写轨迹对应的教学科目;
根据所述教学科目,确定所述语义相似度和关联连贯度在子内容分割时所占的权重。
2.如权利要求1所述的书写轨迹录播方法,其特征在于,所述根据所述书写轨迹生成与书写轨迹对应的书写内容,包括:
结合预设的轨迹数据库,识别连续书写的所述书写轨迹,生成每个书写轨迹对应的书写内容。
3.如权利要求2所述的书写轨迹录播方法,其特征在于,所述结合预设的轨迹数据库,识别连续书写的所述书写轨迹,生成每个书写轨迹对应的书写内容,包括:
针对每个书写轨迹,将所述书写轨迹与所述轨迹数据库进行比对,确定所述轨迹数据库中相似度高于设定阈值的至少一个轨迹;
通过轨迹书写顺序从所述至少一个轨迹中筛选出与所述书写轨迹的书写顺序相一致的轨迹,并将对应的书写内容确定为所述书写轨迹的书写内容。
4.一种书写轨迹录播装置,其特征在于,包括:
书写轨迹获取模块:获取多个书写轨迹采集终端采集的书写轨迹;
书写内容生成模块:根据所述书写轨迹生成与书写轨迹对应的书写内容;
书写内容分析模块:对所有书写内容进行语义分析,并利用多个不同维度的标签标记所有书写内容;
书写轨迹拼接模块:响应与输出终端的请求,根据所述标签将与之对应的书写轨迹进行拼接;
所述书写内容分析模块具体用于:
将所有书写内容按照语义相似度和关联连贯度切分为多段子内容;
利用多个不同维度的标签标记每段子内容,并将每段子内容按照多维度标签相似度分类;
所述书写轨迹录播装置还用于根据语义分析的结果,判断所述书写轨迹对应的教学科目;根据所述教学科目,确定所述语义相似度和关联连贯度在子内容分割时所占的权重。
5.一种书写轨迹录播系统,其特征在于,包括如权利要求4所述的书写轨迹录播装置、以及多个书写轨迹采集终端和至少一个输出终端。
6.一种书写轨迹录播终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的方法。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410101294.0A CN117633276B (zh) | 2024-01-25 | 一种书写轨迹录播方法、系统及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410101294.0A CN117633276B (zh) | 2024-01-25 | 一种书写轨迹录播方法、系统及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117633276A CN117633276A (zh) | 2024-03-01 |
CN117633276B true CN117633276B (zh) | 2024-06-07 |
Family
ID=
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106603671A (zh) * | 2016-12-19 | 2017-04-26 | 广州中国科学院先进技术研究所 | 一种书写共享平台系统及其实现方法 |
CN107273032A (zh) * | 2017-06-28 | 2017-10-20 | 广州视源电子科技股份有限公司 | 信息排版方法、装置、设备及计算机存储介质 |
WO2018161893A1 (zh) * | 2017-03-06 | 2018-09-13 | 华为技术有限公司 | 用户身份识别方法及装置 |
CN110045840A (zh) * | 2019-04-15 | 2019-07-23 | 广州视源电子科技股份有限公司 | 一种书写轨迹关联的方法、装置、终端设备和存储介质 |
CN111079501A (zh) * | 2019-07-17 | 2020-04-28 | 广东小天才科技有限公司 | 一种文字识别方法及电子设备 |
CN113408387A (zh) * | 2021-06-10 | 2021-09-17 | 中金金融认证中心有限公司 | 用于复杂书写场景的手写文本数据生成方法及计算机产品 |
CN113657347A (zh) * | 2021-08-31 | 2021-11-16 | 京东方科技集团股份有限公司 | 书写文字识别方法、装置、终端设备和存储介质 |
CN113900515A (zh) * | 2021-09-26 | 2022-01-07 | 华北科技学院(中国煤矿安全技术培训中心) | 一种基于动作感知的信息输入方法、系统和智能终端 |
CN114415931A (zh) * | 2022-01-13 | 2022-04-29 | 湖南新云网科技有限公司 | 电子白板显示方法、装置、电子白板及存储介质 |
CN114419174A (zh) * | 2021-12-07 | 2022-04-29 | 科大讯飞股份有限公司 | 在线手写文本合成方法、装置和存储介质 |
CN114820402A (zh) * | 2021-01-22 | 2022-07-29 | 本田技研工业(中国)投资有限公司 | 图像处理方法、装置、系统、电子设备和计算机可读存储介质 |
CN115187498A (zh) * | 2022-07-07 | 2022-10-14 | 网易(杭州)网络有限公司 | 图像处理方法、装置、设备及存储介质 |
WO2022222979A1 (zh) * | 2021-04-22 | 2022-10-27 | 广州创知科技有限公司 | 书写方法、装置、交互平板和存储介质 |
CN116016866A (zh) * | 2022-12-28 | 2023-04-25 | 江苏欧帝电子科技有限公司 | 一种同步书写笔迹的一体化摄录播系统及其录播方法 |
CN116781847A (zh) * | 2022-03-09 | 2023-09-19 | 广州开得联智能科技有限公司 | 一种黑板板书导播方法、装置、设备及存储介质 |
CN116994467A (zh) * | 2023-03-10 | 2023-11-03 | 上海长篙溯科技有限公司 | 答题区域获取及电子作业处理的方法、系统、设备和介质 |
CN117093626A (zh) * | 2023-07-06 | 2023-11-21 | 方泽锋 | 试卷的批改方法、设备、电子笔、教师批改系统和介质 |
CN117197822A (zh) * | 2022-05-25 | 2023-12-08 | 广州视源电子科技股份有限公司 | 书写轨迹的展示方法、装置、设备及存储介质 |
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106603671A (zh) * | 2016-12-19 | 2017-04-26 | 广州中国科学院先进技术研究所 | 一种书写共享平台系统及其实现方法 |
WO2018161893A1 (zh) * | 2017-03-06 | 2018-09-13 | 华为技术有限公司 | 用户身份识别方法及装置 |
CN107273032A (zh) * | 2017-06-28 | 2017-10-20 | 广州视源电子科技股份有限公司 | 信息排版方法、装置、设备及计算机存储介质 |
CN110045840A (zh) * | 2019-04-15 | 2019-07-23 | 广州视源电子科技股份有限公司 | 一种书写轨迹关联的方法、装置、终端设备和存储介质 |
CN111079501A (zh) * | 2019-07-17 | 2020-04-28 | 广东小天才科技有限公司 | 一种文字识别方法及电子设备 |
CN114820402A (zh) * | 2021-01-22 | 2022-07-29 | 本田技研工业(中国)投资有限公司 | 图像处理方法、装置、系统、电子设备和计算机可读存储介质 |
WO2022222979A1 (zh) * | 2021-04-22 | 2022-10-27 | 广州创知科技有限公司 | 书写方法、装置、交互平板和存储介质 |
CN113408387A (zh) * | 2021-06-10 | 2021-09-17 | 中金金融认证中心有限公司 | 用于复杂书写场景的手写文本数据生成方法及计算机产品 |
CN113657347A (zh) * | 2021-08-31 | 2021-11-16 | 京东方科技集团股份有限公司 | 书写文字识别方法、装置、终端设备和存储介质 |
CN113900515A (zh) * | 2021-09-26 | 2022-01-07 | 华北科技学院(中国煤矿安全技术培训中心) | 一种基于动作感知的信息输入方法、系统和智能终端 |
CN114419174A (zh) * | 2021-12-07 | 2022-04-29 | 科大讯飞股份有限公司 | 在线手写文本合成方法、装置和存储介质 |
CN114415931A (zh) * | 2022-01-13 | 2022-04-29 | 湖南新云网科技有限公司 | 电子白板显示方法、装置、电子白板及存储介质 |
CN116781847A (zh) * | 2022-03-09 | 2023-09-19 | 广州开得联智能科技有限公司 | 一种黑板板书导播方法、装置、设备及存储介质 |
CN117197822A (zh) * | 2022-05-25 | 2023-12-08 | 广州视源电子科技股份有限公司 | 书写轨迹的展示方法、装置、设备及存储介质 |
CN115187498A (zh) * | 2022-07-07 | 2022-10-14 | 网易(杭州)网络有限公司 | 图像处理方法、装置、设备及存储介质 |
CN116016866A (zh) * | 2022-12-28 | 2023-04-25 | 江苏欧帝电子科技有限公司 | 一种同步书写笔迹的一体化摄录播系统及其录播方法 |
CN116994467A (zh) * | 2023-03-10 | 2023-11-03 | 上海长篙溯科技有限公司 | 答题区域获取及电子作业处理的方法、系统、设备和介质 |
CN117093626A (zh) * | 2023-07-06 | 2023-11-21 | 方泽锋 | 试卷的批改方法、设备、电子笔、教师批改系统和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rädiker et al. | Focused analysis of qualitative interviews with MAXQDA | |
Kuckartz et al. | Analyzing qualitative data with MAXQDA | |
CN111259631B (zh) | 一种裁判文书结构化方法及装置 | |
CN104199834A (zh) | 从信息载体表面交互式获取远程资源并输出的方法及系统 | |
CN112836487B (zh) | 一种自动评论方法、装置、计算机设备及存储介质 | |
CN110888989B (zh) | 一种智能学习平台及其构建方法 | |
CN113609103A (zh) | 一种基于ai的交互式阅读支持数据库构建方法及系统 | |
Otto et al. | Characterization and classification of semantic image-text relations | |
CN112085120B (zh) | 多媒体数据的处理方法、装置、电子设备及存储介质 | |
CN112188312A (zh) | 用于确定新闻的视频素材的方法和装置 | |
KR102201709B1 (ko) | 국어 텍스트 자동 분석을 통한 독해지수 측정 방법 및 시스템 | |
Chakravarthi et al. | Dravidianmultimodality: A dataset for multi-modal sentiment analysis in tamil and malayalam | |
Renouf et al. | Corpus linguistics: refinements and reassessments | |
CN113934835B (zh) | 结合关键词和语义理解表征的检索式回复对话方法及系统 | |
FAROKHI et al. | Textual metadiscourse resources in research articles | |
Hassan et al. | An isolated-signing RGBD dataset of 100 American Sign Language signs produced by fluent ASL signers | |
Navarrete et al. | A review on recent advances in video-based learning research: Video features, interaction, tools, and technologies | |
CN112861750B (zh) | 基于拐点检测的视频提取方法、装置、设备及介质 | |
Peña Alonso | Visualizing visual literacy | |
CN113254814A (zh) | 网络课程视频打标签方法、装置、电子设备及介质 | |
CN117633276B (zh) | 一种书写轨迹录播方法、系统及终端 | |
CN117633276A (zh) | 一种书写轨迹录播方法、系统及终端 | |
CN112069836A (zh) | 谣言识别方法、装置、设备及存储介质 | |
CN114547435A (zh) | 内容质量的识别方法、装置、设备及可读存储介质 | |
CN118132468A (zh) | 一种串口通信方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |