JP6829740B2 - データ検索方法及びそのデータ検索システム - Google Patents

Description

本開示内容は、データ検索方法及びそのデータ検索システムに関し、特に検索情報によってデータベースから対応する学習データを見つける技術である。

オンライン学習プラットフォームとは、数多くの学習データをサーバに記憶して、インターネットによってサーバに接続されて、ユーザが学習データを随時に閲覧できるネットワークサービスである。従来の各種類のオンライン学習プラットフォームにおいて、提供された学習データタイプはビデオ、オーディオ、メッセージ、ファイル又はフォーラム等を含む。

オンライン学習プラットフォームに膨大な数の学習データの数が記憶されるので、オンライン学習プラットフォームから関連する学習データを閲覧しようとすると、ユーザは自身の需要に応じて検索情報を入力する必要がある。このため、オンライン学習プラットフォームの検索メカニズムがユーザの検索情報を高精度に識別して、且つ対応する学習データをユーザに高速且つ精確的に提供することができるかどうかは、オンライン学習プラットフォームのサービス効率を決定する主要な指標である。

本開示内容の一態様は、複数の第１の学習セクションを含む第１の学習データを受信するステップと、第１の学習データを分析して、各第１の学習セクションに対応する複数の第１のキーワード文字列を生成するステップと、検索情報を受信するステップと、検索情報を分析して、検索文字列を生成するステップと、検索文字列及び第１のキーワード文字列を比較するステップと、検索文字列と一致する前記第１のキーワード文字列の対応する前記第１の学習セクションによって、検索リストを生成するステップと、を備えるデータ検索方法である。

本開示内容の他の態様は、複数の第１の学習セクションを含む第１の学習データを記憶するための記憶ユニットと、第１の学習データによって各第１の学習セクションに対応する複数の第１のキーワード文字列を生成し、更に検索情報を分析して、検索文字列を生成するための分析ユニットと、分析ユニットに電気的に接続されて、検索文字列及び前記第１のキーワード文字列を比較して、且つ検索文字列と一致する前記第１のキーワード文字列の対応する前記第１の学習セクションによって、検索リストを生成する演算ユニットと、を備えるデータ検索システムである。

これによって、データ検索システムはそれぞれ第１の学習データの各第１の学習セクションを分析して、各第１の学習セクションでインデックスのための第１のキーワード文字列を確立することができるので、後続に検索情報を受信する時、データ検索システムは検索情報と第１のキーワード文字列を比較することによって、第１の学習データの対応する第１の学習セクションを精確的に検索することができ、これによってユーザは見つけたい学習内容を迅速に閲覧し始めることができ、学習効率を大幅に向上させる。

本開示内容の一部の実施例によるデータ検索システムを示す模式図である。 本開示内容の一部の実施例による第１のサーバ及び行為データベースを示す模式図である。 本開示内容の一部の実施例によるデータ検索システムの動作方式を示す模式図である。 本開示内容の一部の実施例による第１の学習データのテキストファイルを示す模式図である。 本開示内容の一部の実施例による第１の学習データの画像画面を示す模式図である。 本開示内容の一部の実施例によるデータ検索方法を示す模式図である。

以下、図面で本発明の複数の実施形態を開示し、明らかに説明するために、数多くの実務上の細部を下記の叙述で合わせて説明する。しかしながら、理解すべきなのは、これらの実務上の細部が、本発明を制限するためのものではない。つまり、本発明の実施形態の一部においては、これらの実務上の細部は、必要としないものである。また、図面を簡略化するために、ある従来慣用の構造及び素子は、図面において簡単で模式的に示される。

本文において、ある素子が「接続」又は「結合」されると言われる場合、「電気的接続」又は「電気的結合」を指すこともある。「接続」又は「結合」は、２つ又は複数の素子同士の互いの協力操作や対話を表すことに用いてもよい。また、本文では、「第１の」、「第２の」等の用語を使用して異なる素子を説明するが、前記用語は単に同じ技術用語で説明する素子又は操作を区別するためのものである。上下文で明記されない限り、前記用語は、順番や順位を特に指し又は示唆するものでもなく、本発明を限定するものでもない。

従来のオンライン学習プラットフォームにおいて、ユーザは検索情報を入力すると、サーバは検索情報と学習データのファイル名称のみを比較して、類似した学習データを選別する。しかし、学習データの内容が巨大（例えば、２時間のビデオ）であると、ユーザは、自分のニーズに最も関連するセクションを見つけるために、依然として学習データ（例えば、プレイタイムを４５分目に調整する必要がある）を手動調整する必要がある。なお、検索情報が口語的過ぎると、従来のオンライン学習プラットフォームは検索情報を識別できないので、全然関連されない学習データを検索する可能性もある。即ち、従来のオンライン学習プラットフォームの検索メカニズムは必要に応じて細かい検索を行うことができない。本開示内容によるデータ検索システム及びその方法はこの現象を改善することができる。

図１Ａ及び図１Ｂを参照されたい。本開示内容はデータ検索システム１００に関する。データ検索システム１００は第１のサーバ１１０、第２のサーバ１２０及び記憶ユニット１３０を含む。第１のサーバ１１０は第２のサーバ１２０に電気的に接続されて、他の実施例において、第１のサーバ１１０及び第２のサーバ１２０の間はネットワークによって接続を確立して、データ伝送を行うことができる。記憶ユニット１３０はデータ記憶装置であり、例えば、フラッシュメモリ、メモリカード、ハードドライブ等がある。一部の実施例において、記憶ユニット１３０は独立したサーバに記憶される。他の部分の実施例において、記憶ユニット１３０は第１のサーバ１１０又は第２のサーバ１２０に設けられてよい。他の実施例において、第１のサーバ１１０と第２のサーバ１２０は単一のサーバに組み合わせられてよい。

本実施例において、データ検索システム１００はオンライン学習サービスを提供するためのものであり、例えば、ユーザは、オンライン学習インターフェースを閲覧するために、端末装置２００によって第１のサーバ１１０に接続されることができる。ユーザは学習内容を閲覧しようとする時、第１のサーバ１１０は記憶ユニット１３０から対応するファイルを取得することができる。第２のサーバ１２０は分類、管理及び統計等の機能を実行することに用いられる。しかし、本開示内容の応用形態はこれらに限定されず、データ検索システム１００はビデオストリーミングプラットフォーム又はネットワークディスカッションフォーラム等に応用されてもよい。

第１のサーバ１１０は複数の学習データを受信することに用いられる。一部の実施例において、第１のサーバ１１０はインターネットによって、端末装置２００で学習データを受信する。学習データはビデオ、オーディオ、メッセージ又はディスカッション文字列であってよい。説明しやすいので、本実施例において複数の学習データを第１の学習データ１３１ａ、第２の学習データ１３１ｂ及び第３の学習データ１３１ｃに細分するように説明する。しかし、本開示内容はこれらに限定されず、学習データの数を任意に調整することができる。

一部の実施例において、第１のサーバ１１０は第１の学習データ１３１ａを受信した後、第１の学習データ１３１ａを記憶ユニット１３０のコースデータベース１３１にアップロードして、第１の学習データ１３１ａが複数の第１の学習セクションを含む。前記第１の学習セクションは時間順序（例えば、第１の学習データ１３１ａに予め設置された時間軸）に従って相互接続（又は配列）される。例えば、第１の学習データ１３１ａが３０分間のビデオファイルであると、第１の学習データ１３１ａはそれぞれ１５分間のビデオに対応する２つの第１の学習セクションを含んでよい。

図１Ｂに示すように、第２のサーバ１２０は演算ユニット１２１、分析ユニット１２２及び伝送ユニット１２３を含む。演算ユニット１２１は分析ユニット１２２及び伝送ユニット１２３に電気的に接続される。第２のサーバ１２０は伝送ユニット１２３によって第１のサーバ１１０と記憶ユニット１３０に対してデータ伝送を行う。第２のサーバ１２０は第１のサーバ１１０からの分析情報によって、記憶ユニット１３０から第１の学習データ１３１ａを取得して、且つ分析処理することができ、これによって第１の学習データ１３１ａによって各第１の学習セクションに対応する複数の第１のキーワード文字列（ｋｅｙｗｏｒｄ ｓｔｒｉｎｇ）を生成する。

例を挙げると、第１の学習データ１３１ａはビデオファイルであり、且つ字幕ファイルを含む。分析ユニット１２２は字幕ファイルにおける文字に対して、セマンティクス分析技術（Ｎａｔｕｒａｌ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ）でセマンティクス関連文字列（又は推論文字列と称する）を確立することができる。これによって、各第１の学習セクションに対応する第１のキーワード文字列、例えば、「プロジェクター、画像、原理」、「高周波信号、シャープネス、エンハンスメント」及び「プロモーション、明瞭度」を生成する。一部の実施例において、セマンティクス関連文字列は字幕ファイル内の原文であってもよいし、推論された単語であってもよく、例を挙げると、字幕ファイルには「アップル、メモリ、プロセッサ」を含むと、分析ユニット１２２は「スマートフォン、ｉｐｈｏｎｅ」と自動に推論することができる。第２のサーバ１２０は第１のキーワード文字列を生成した後、更に第１のキーワード文字列を記憶ユニット１３０の分析データベース１３２に記憶することができる。他の部分の実施例において、第２のサーバ１２０は更に分析データベース１３２に第１の学習データ１３１ａに対応する第１の識別コードを記憶することができ、これによって第１のキーワード文字列が第１の識別コードによって、コースデータベース１３１における第１の学習データ１３１ａに対応することができる。

一部の実施例において、第１の学習データ１３１ａは時間軸データを更に含み、各第１の学習セクションは時間軸データによって接続されて、第１の学習データ１３１ａを構成する。第１のサーバ１１０は時間軸データによって、第１の学習データ１３１ａにおける第１の学習セクションを端末装置２００に精確的に伝送して、ユーザは直接に精確的な時点から第１の学習データ１３１ａの内容を閲覧することができる。

第１のサーバ１１０は端末装置２００から検索情報を受信する時、第１のサーバ１１０は検索情報を第２のサーバ１２０に転送する。第２のサーバ１２０は分析ユニット１２２によって検索情報を分析処理して、検索文字列を生成し、例えば、検索情報は「プロジェクターの原理」であり、第２のサーバ１２０はまず検索情報を句読することができ、更に分析、キャプチャー又は推論によって、検索文字列「プロジェクター、原理」を生成する。

分析ユニット１２２は開発者がユーザの本当の意図を了解して聞きたい質問の答えを推定するために、ユーザで提出された文字内容を解析して、文字における人、事、物、場所等の情報を抽出する。分析ユニット１２２は検索情報に対してハイフネーションを行い、且つ単語ベクトル（例えば、ｗｏｒｄ２ｖｅｃ、ｓｅｎｔｅｃｅ２ｖｅｃ等の分析モデルにより）を確立し、これによって類似文字を推測する。なお、分析ユニット１２２はインターネットによって、セマンティックウェブ（ｏｎｔｏｌｏｇｙ）に接続されて、推論することができる。

一部の実施例において、分析ユニット１２２に自動エンコーダ１２２ａ（Ａｕｔｏ−ｅｎｃｏｄｅｒ）を含む。第２のサーバ１２０は複数の訓練データを受信して、且つ前記訓練データを自動エンコーダ１２２ａに入力することができ、データ圧縮処理及び次元変換処理によって、セマンティクス分析ネットワーク（Ｓｅｍａｎｔｉｃ ｎｅｔｗｏｒｋ）１２２ｂを確立する。セマンティクス分析ネットワーク１２２ｂは第１の学習データ及び検索情報に対してセマンティクス分析を行うことに用いられる。自動エンコーダ１２２ａは深層（ディープ）学習を利用してセマンティクス分析ネットワーク１２２ｂを確立することができる。例を挙げると、訓練データは複数のもとの学習データ及び確認された複数のキーワード文字列を含み、自動エンコーダ１２２ａはもとの学習データをセマンティクス分析した後、埋め込みベクトルに変換することができ、且つ確認された前記キーワード文字列によって、対応する重み付けパラメータを生成して、セマンティクス分析ネットワーク１２２ｂを確立する。当業者はセマンティクス分析の原理を理解し得るので、ここで繰り返して説明しない。

セマンティクス分析ユニット１２２は分析によって検索文字列を取得した後、演算ユニット１２１は検索文字列及び前記第１のキーワード文字列を比較して、且つ検索文字列と一致する第１のキーワード文字列の対応する第１の学習セクションによって、検索リストを生成することに用いられる。例を挙げると、検索文字列「プロジェクター、原理」が第１のキーワード文字列「プロジェクター、画像、原理」に類似であるので、演算ユニット１２２は、ユーザが参考できるように対応する第１の学習セクションによってそれらを検索リストに含める。図１Ａを参照されたい。「第１の学習データ１３１ａの１つの第１の学習セクションの対応する第１のキーワード文字列」及び「第２の学習データ１３１ｂの中の１つの第２の学習セクションの対応する第２のキーワード文字列」はすべて検索文字列に類似であると、演算ユニット１２１は検索リストに同時にこの２つの学習セクションを示し、且つユーザは端末装置２００を操作でき、第１のサーバ１１０で提供されたオンライン学習インターフェースでは対応する学習セクションをクリックして、第１のサーバ１１０は対応する学習セクションを端末装置２００（例えば、あるビデオは１５分の時点から放送し始める）に提供する。

これによって、データ検索システム１００はそれぞれ第１の学習データ１３１ａの各第１の学習セクションに対してセマンティクス分析を行うことができ、これによって各第１の学習セクションでインデックスのための第１のキーワード文字列を確立し、このため、後続に検索情報を受信した時、データ検索システム１００は検索情報と第１のキーワード文字列を比較して、第１の学習データ１３１ａの中の対応する第１の学習セクションを精確的に検索することができ、これによってユーザは見つけたい学習内容を迅速に閲覧し始めることができ、学習効率を大幅に向上させる。なお、データ検索システム１００は検索情報と第１のキーワード文字列の分析結果を推薦データベース１３４に記憶することができ、これによって特定な時刻（例えば、ユーザが１つのビデオを閲覧し終わたか又は問題を提出した時）、検索された第１の学習データ１３１ａによって推薦情報を生成して、且つ端末装置２００に伝送する。一部の実施例において、演算ユニット１２１は更に検索文字列及び第１のキーワード文字列の間の複数の第１の類似度を計算することに用いられる。第１の類似度とは、検索文字列と各第１のキーワード文字列の間の類似度である。例を挙げると、検索文字列は「プロジェクター、原理」であり、第１のキーワード文字列には「プロジェクター」が出現したと、第１の類似度が５０％であり、「プロジェクター、原理」がすべて出現すると、第１の類似度が１００％である。演算ユニット１２１は各第１の類似度が閾値（例えば、６０％）よりも大きいかどうかを判断して、且つ第１の類似度が閾値よりも大きい第１のキーワード文字列の対応する第１の学習セクションのみを検索リストに含める。

一部の実施例において、データ検索システム１００はユーザの動作を記録して「行為記録」とする。行為記録は、ビデオ視聴記録、ビデオマーク記録、メモ製作記録、評価記録、シェア記録、ディスカッションエリア記録、アップロード／編集（ビデオ）記録、ページ切り替え記録を含むが、これらに限定されない。第２のサーバ１２０はユーザの行為記録を参照して、検索リストにおける学習データを順位付けすることができる。

図１Ａに示すように、一部の実施例において、記憶ユニット１３０に第１の学習データ１３１ａ、第２の学習データ１３１ｂ及び第３の学習データ１３１ｃが記憶される。第２の学習データ１３１ｂは複数の第２の学習セクションを含み、且つ各第２の学習セクションにそれぞれの第２のキーワード文字列を含み、同様に、第３の学習データ１３１ｃは複数の第３の学習セクションを含み、且つ各第３の学習セクションにはそれぞれの第３のキーワード文字列を含む。ユーザは端末装置２００によって、第２の学習データの中の１つの第２の学習セクションに対して、操作情報をデータ検索システム１００に伝送する時、第１のサーバ１１０は操作情報を受信することができ、且つ対応する第２のキーワード文字列を記憶ユニット１３０内の行為データベース１３３に記憶して、対応する第２のキーワード文字列を１組の行為データと設定する。他の部分の実施例において、演算ユニット１２１は操作情報を受信した後、第２のキーワード文字列を行為データと記録することができる。図１Ｂに示すように、ユーザは異なる操作情報を数回送信した後、行為データベース１３３は複数の対応する行為データ１３３ａ〜１３３ｃを記録することができる。

演算ユニット１２１は閾値よりも大きい第１の類似度を選別した後、演算ユニット１２１は更に行為データベース１３３における行為データ１３３ａ〜１３３ｃによって、選別された第１のキーワード文字列（即ち、検索文字列と一致する）と分析計算することができ、行為データ１３３ａ〜１３３ｃ及び第１のキーワード文字列の間の複数の第２の類似度（例えば、比較文句の類似度）を計算する。第２の類似度は行為データ及び各第１のキーワード文字列に対応する。例を挙げると、演算ユニット１２１はまず検索情報「プロジェクター」と複数の第１のキーワード文字列を比較して、２つの第１のキーワード文字列「プロジェクター、原理」及び「プロジェクター、明瞭度」を選別した後、演算ユニット１２１は行為データベース１３３に行為データ「明瞭度」が記憶され、ユーザが過去に「明瞭度」テーマに関する学習データを閲覧したことがあると表し、この時、演算ユニット１２１は行為データ「明瞭度」と第１のキーワード文字列「プロジェクター、明瞭度」との第２の類似度が高いと判断し、このため、演算ユニット１２１は検索リストを生成する時、第１のキーワード文字列「プロジェクター、明瞭度」の対応する第１の学習セクションを第１のキーワード文字列「プロジェクター、原理」の対応する第１の学習セクションの前に配列する。

他の部分の実施例において、第１のサーバ１１０又は第２のサーバ１２０は第２のキーワード文字列を行為データ１３３ａ〜１３３ｃとして記録する時、第１のサーバ１１０又は第２のサーバ１２０は更に第２のキーワード文字列が行為データベース１３３に記録された回数によって、それぞれ行為データ１３３ａ〜１３３ｃに対してそれぞれの重み付け値１３３ｄ〜１３３ｆを記録する。例を挙げると、ユーザが第２の学習データ１３１ｂの中の１つの第２の学習セクションを３回閲覧したので、該第２の学習セクションの対応する第２のキーワード文字列が３回記録され、その対応する行為データの重み付け値が大きい（例えば、＋３）。演算ユニット１２１は重み付け値によって、第２の類似度を調整することができる。例を挙げると、演算ユニット１２１が２つの第１のキーワード文字列と行為データベース１３３における異なる行為データ１３３ａ〜１３３ｃを比較した後、得られた２つの第２の類似度がいずれも「４０％」であるが、その中の１つの第１のキーワード文字列の対応する行為データ１３３ａ〜１３３ｃの重み付け値１３３ｄ〜１３３ｆが高いと、演算ユニットは対応する第２の類似度（例えば、＋１０％）を調整して、該第１のキーワード文字列の対応する第１の学習セクションを検索リストにおける他の第１の学習セクションの前に置く。これによって、検索リストはユーザが過去に閲覧した内容テーマによって、もっと個人的な順位付けと推薦を行う。

前記の操作命令は学習データの視聴記録、ビデオマーク記録（例えば、ユーザがビデオを「重要」とマークする）、メモ、評価、シェア動作、情報等であってよい。一部の実施例において、操作情報によって動作ユニット１２１が第２の学習データ１３１ｂを端末装置２００に伝送して、閲覧しやすい。他の部分の実施例において、操作情報によって動作ユニット１２１がコースデータベース１３１にコメントデータを書き込む。コメントデータは第２の学習データ１３１ｂに対応して、ユーザの学習メモ、評論、評価、シェア、質問、ディスカッションエリア又はコメントであってよい。

一部の実施例において、分析ユニット１２２は第１の学習データ１３１ａにおけるメタデータ（ｍｅｔａｄａｔａ）によって、第１の学習セクションを識別する。メタデータはデータプロパティ（ｐｒｏｐｅｒｔｙ）を記述する情報であり、第１の学習データ１３１ａにおけるフィールドデータと見なすことができ、例えば、１つのビデオファイルにおけるタイトル（ｃａｐｔｉｏｎ）、キーワード（ｋｅｙｗｏｒｄｓ）、要約（ｓｕｍｍａｒｙ）、タグ（ｔａｇｓ）、討論（ｄｉｓｃｕｓｓｉｏｎ）、返答（ｒｅｐｌｙ）等がある。分析ユニット１２２はメタデータによって第１の学習セクションを識別することができ、更にそれぞれセマンティクス分析を行う。

一部の実施例において、演算ユニット１２１は更に単語埋め込み技術（ｗｏｒｄ−ｅｍｂｅｄｄｉｎｇ）を利用して、まず第１の学習データ１３１ａにおけるメタデータにバイナリコーディングを行い、更に第１の学習データ１３１ａを記憶ユニット１３０に記憶する。

前記のメタデータを利用して学習セクションを識別する方式は、第１の学習データ１３１ａに事前に設定されたフィールドによって、学習セクションを確認する。他の部分の実施例において、演算ユニット１２１で分析された後、第１の学習データ１３１ａで第１の学習セクションを分割する。例えば、演算ユニット１２１は第１の学習データ１３１ａで第１のセグメンテーションマークを加えて、複数の第１の学習セクションを分割する。

図２を参照されたい。図２は本開示内容の一部の実施例において、データ検索システム１００の動作方式を示す模式図である。データ検索システム１００はそれぞれ第１の学習データ１３１ａ及び検索情報２１０を受信するためのものである。データ検索システム１００は第１の学習データ１３１ａに対して順次にセグメンテーション処理Ｐ０１、バイナリコーディングＰ０２を行った後、それをコースデータベース１３１に記憶して、インデックスを確立する。次に、データ検索システム１００は検索情報２１０を受信した後、まず検索情報に対して分析処理Ｐ０３（例えば、セマンティクス分析又はメタデータ分析）を行い、更にインデックスが確立された第１の学習データ１３１ａ（分析された第１のキーワード文字列を含む）と分析後の検索情報２１０に比較処理Ｐ０４を行い、且つ行為データベース１３３内の行為データにより、検索リスト３００を生成する。

次にセグメンテーションマークの生成方式を説明するため、同時に図１Ａ及び図３Ａを参照されたい。図３Ａは本開示内容の一部の実施例による第１の学習データ１３１ａのテキストファイルを示す模式図である。一部の実施例において、第１の学習データ１３１ａはテキストファイルＡ１（例えば、字幕）を含む。第２のサーバ１２０は該第１の学習データ１３１ａを受信した後、テキストファイルＡ１に対して分析処理を行い、例えば、セマンティクス分析方法で複数の特徴句を生成する。前記特徴句の間に順次関係を有する。次に、隣り合う特徴句の間の類似度を計算して、第１のセグメンテーションマークを生成する。

例を挙げると、テキストファイルＡ１を分析した後、生成した特徴句は「プロジェクターが画像信号によって発光ユニットを調整する」、「発光ユニットから出射された光線は画像画面として反射される」、「他種のタイプのプロジェクターにおいて」を含む。前記第１の句の特徴句及び第２の句の特徴句はすべて同じ単語「画像、発光」を有し、類似度が比較的高くて、第２の句の特徴句と第３の句の特徴句との類似度が比較的低い。このため、第２のサーバ１２０は隣り合う特徴句の類似度が所定値よりも低いと判断する時（例えば、完全に同じ単語がない又はその中の１句が回転句であり、例えば「他の実施例において…」）、第２のサーバ１２０は第１のセグメンテーションマークを生成する。これによってテキストファイルＡ１を複数の第１の学習セクションＡ１１〜Ａ１４に区分する。

前記実施例において、テキストファイルＡ１はセマンティクス分析技術によって特徴句を生成することができ、且つ特徴句の間の類似度を分析するが、本開示内容はこれに限定されない。一部の実施例において、第２のサーバ１２０におけるプロセッサはまずテキストファイルＡ１に対してバイナリ処理を行ってもよく、更にデータ比較によって、類似性を判断し、これによって、特徴句を確立するか又は特徴句の間の類似度を判断する。

前記実施例におけるテキストファイルとはビデオの字幕又はメッセージの文字内容を指し、テキストファイルが「ネットワークフォーラムのディスカッション内容」であると、依然として同じ原理でセグメンテーションすることができる。類似に、第１の学習データ１３１ａはオーディオファイルを含むと、第２のサーバ１２０はまず語音識別によって、テキストファイルＡ１を生成した後、更に分析処理し、複数の特徴句を取得する。

他の部分の実施例において、図３Ｂを参照されたい。第１の学習データ１３１ｂは画像ファイルＢ１を含む。画像ファイルＢ１は複数の画像画面Ｂ０１〜Ｂ０４を更に含む。画像画面Ｂ０１〜Ｂ０４はビデオファイルにおける時間順序に従って接続された複数のフレーム画面であってよい。第２のサーバ１２０は、第１のセグメンテーションマークを生成するように、隣り合う前記画像画面Ｂ０１〜Ｂ０４の類似度を判断するためのものである。例を挙げると、画像画面Ｂ０１〜Ｂ０２はプロジェクターを表示するための構造図であり、画像画面Ｂ０３〜Ｂ０４は光線投影を表示するための経路図である。画像画面Ｂ０２、Ｂ０３の間の類似度が比較的低いので、第２のサーバ１２０は画像画面Ｂ０２、Ｂ０３の間に第１のセグメンテーションマークを加えて、複数の第１の学習セクションＢ１１、Ｂ１２を形成することができる。

図３Ａを再び参照されたい。ここで、以下のように分析ユニット１２２が第１のキーワード文字列を分析する方法を説明する。分析ユニット１２２は第１の学習データ１３１ａにおけるテキストファイルＡ１に対して分析処理（例えば、セマンティクス分析）を行い、複数の特徴文字を取得する。次に、第１の学習データ１３１ａが複数の第１の学習セクションＡ１１〜Ａ１４又はＢ１１〜Ｂ１２に分割された後、第２のサーバ１２０は各第１の学習セクションＡ１１〜Ａ１４又はＢ１１〜Ｂ１２における特徴文字の数を判断し、数が所定値よりも大きい場合、それを第１のキーワード文字列として設定する。例を挙げると、テキストファイルＡ１の１つの第１の学習セクションＡ１１には「プロジェクターは画像信号によって発光ユニットを調整して、発光ユニットから出射された光線が画像画面として反射される」という内容を含む。分析ユニット１２２はまず前記テキストファイルを句読して、複数の単語（例えば、プロジェクター、によって、画像信号、調整…等）を選別する。そのうち、「画像」が２回出現し、「発光ユニット」が２回出現し、「プロジェクター、光線」がいずれもそれぞれ１回出現する。分析ユニット１２２は２回出現した特徴文字「画像、発光ユニット」を第１のキーワード文字列として設定することができる。

同様に、検索文字列を取得するように、分析ユニット１２２は検索情報を受信した後、まず検索情報内の文字を句読することもできる。又は、分析ユニット１２２は句読した後で生成した複数の単語によって、出現の回数が所定値よりも大きい単語を検索文字列として設定することができる。

図４を参照されたい。図４は本開示内容の一部の実施例によるデータ検索方法を示す模式図である。データ検索方法は以下のステップＳ４０１〜Ｓ４０９を含む。ステップＳ４０１において、第１のサーバ１１０は第１の学習データ１３１ａを受信して、第１の学習データ１３１ａをコースデータベース１３１に記憶する。第１の学習データ１３１ａは複数の第１の学習セクションを含む。ステップＳ４０２において、第２のサーバ１２０は記憶ユニット１３０に接続され、且つ分析ユニット１２２によって、第１の学習データ１３１ａを分析処理して、各第１の学習セクションに対応する第１のキーワード文字列を生成する。一部の実施例において、分析ユニット１２２はセマンティクス分析技術によって、第１のキーワード文字列を検索する。他の部分の実施例において、メタデータによって第１のキーワード文字列を比較して選別するように、分析ユニットは第１の学習データ１３１ａに対してバイナリ処理を行ってもよい。

ステップＳ４０３において、第１のサーバ１１０は検索情報を受信し、且つ第２のサーバ１２０でバックエンド演算分析を行う。ステップＳ４０４において、分析ユニット１２２は検索情報に対してセマンティクス分析を行って、検索文字列を検索する。ステップＳ４０５において、演算ユニット１２１は検索文字列及び前記第１のキーワード文字列を比較して、第１の類似度を生成する。

ステップＳ４０６において、演算ユニット１２１は第１の類似度が閾値よりも大きいと判断する時、前記第１のキーワード文字列の対応する前記第１の学習セクションによって、検索リストを生成する。ステップＳ４０７において、行為データベース１３３における行為データ及びステップＳ４０６で選別された前記第１のキーワード文字列を比較して、複数の第２の類似度を生成する。ステップＳ４０８において、第２の類似度によって、検索リスト内の第１の学習セクションを順位付けする。

前記ステップは第１のデータベース１３１ａで説明したが、他の実施例において、データ検索システム１００は複数の学習データ１３１ａ〜１３１ｃを記憶した。分析ユニット１２２は各学習データ１３１ａ〜１３１ｃに対してセマンティクス分析を行って、対応するキーワード文字列を検索することができる。演算ユニット１２１は検索文字列と各学習データ１３１ａ〜１３１ｃの中の各キーワード文字列を比較して、検索文字列に対応する学習セクションを見つけることができる。例えば、第１の学習データ１３１ａの１つの第１の学習セクションが検索文字列と最も類似であり、第２の学習データ１３１ｂの中の１つの第２の学習セクションも検索文字列に関連され、且つ演算ユニット１２１はこの２つの学習セクションをすべて検索リストに表示させることができる。

本発明の実施形態を前記の通りに開示したが、これは、本発明を限定するものではなく、当業者なら誰でも、本発明の精神と範囲から逸脱しない限り、多様の変更や修正を加えることができ、したがって、本発明の保護範囲は、後に付いた特許請求の範囲で指定した内容を基準とする。

１００ データ検索システム
１１０ 第１のサーバ
１２０ 第２のサーバ
１２１ 演算ユニット
１２２ 分析ユニット
１２２ａ 自動エンコーダ
１２２ｂ セマンティクス分析ネットワーク
１２３ 伝送ユニット
１３０ 記憶ユニット
１３１ コースデータベース
１３１ａ 第１の学習データ
１３１ｂ 第２の学習データ
１３１ｃ 第３の学習データ
１３２ 分析データベース
１３３ 行為データベース
１３３ａ、１３３ｂ、１３３ｃ 行為データ
１３３ｄ、１３３ｅ、１３３ｆ 重み付け値
２００ 端末装置
Ａ１ テキストファイル
Ａ１１、Ａ１２、Ａ１３、Ａ１４、Ａ２１、Ａ２２ 学習セクション
Ｂ１ 画像ファイル
Ｂ０１、Ｂ０２、Ｂ０３、Ｂ０４ 画像画面
Ｂ１１、Ｂ１２ 学習セクション
Ｓ４０１〜Ｓ４０８ ステップ

Claims (10)

1. 複数の第１の学習セクションを含む第１の学習データを受信することと、
   前記第１の学習データを分析して、各第１の学習セクションに対応する複数の第１のキーワード文字列を生成することと、
   検索情報を受信することと、
   前記検索情報を分析して、検索文字列を生成することと、
   前記検索文字列及び前記第１のキーワード文字列を比較することと、
   前記検索文字列と一致する前記第１のキーワード文字列の対応する前記第１の学習セクションによって、検索リストを生成することと、
   を含むデータ検索方法であって、
   操作情報を受信して、前記操作情報が第２の学習データにおける第２の学習セクションに対応し、且つ前記第２の学習セクションが第２のキーワード文字列を含むことと、
   前記操作情報の対応する前記第２のキーワード文字列を行為データベースに記憶して、行為データとして記録することと、
   を更に含む、データ検索方法。
2. 前記検索文字列及び前記第１のキーワード文字列の間の複数の第１の類似度を計算して、前記第１の類似度がそれぞれ前記検索文字列及び前記第１のキーワード文字列に対応することと、
   前記第１の類似度が閾値よりも大きい前記第１のキーワード文字列の対応する前記第１の学習セクションによって、前記検索リストを生成することと、
   を更に含む請求項１に記載のデータ検索方法。
3. 前記行為データ及び前記検索文字列と一致する前記第１のキーワード文字列の間の複数の第２の類似度を計算することと、
   前記第２の類似度によって、前記検索リストにおける前記第１の学習セクションを順位付けすることと、
   を更に含む請求項１に記載のデータ検索方法。
4. 前記第２のキーワード文字列が前記行為データベースに記憶された回数によって、前記行為データの重み付け値を設定することと、
   前記重み付け値によって、前記第２の類似度を調整することと、
   を更に含む請求項３に記載のデータ検索方法。
5. 前記操作情報は前記第２の学習データを端末装置に伝送することに用いられる請求項１、３、４のいずれか一項に記載のデータ検索方法。
6. 前記操作情報はコースデータベースにコメントデータを書き込むことに用いられ、前記コメントデータが前記第２の学習データに対応する請求項１、３〜５のいずれか一項に記載のデータ検索方法。
7. 複数の訓練データを受信することと、
   前記訓練データを自動エンコーダに入力して、且つデータ圧縮処理及び次元変換処理によって、セマンティクス分析ネットワークを確立することと、
   前記セマンティクス分析ネットワークを利用して、前記第１の学習データ及び前記検索情報に対してセマンティクス分析を行うことと、
   を更に含む請求項１〜６のいずれか一項に記載のデータ検索方法。
8. 前記第１の学習データを受信した後、前記第１の学習データにおけるメタデータによって、前記第１の学習セクションを識別する請求項１〜６のいずれか一項に記載のデータ検索方法。
9. 単語埋め込み技術を利用して、前記第１の学習データにおけるメタデータをバイナリコーディングすることを更に含む請求項８に記載のデータ検索方法。
10. 複数の第１の学習セクションを含む第１の学習データを記憶するための記憶ユニットと、
    前記第１の学習データによって各第１の学習セクションに対応する複数の第１のキーワード文字列を生成して、更に検索情報によって検索文字列を生成する分析ユニットと、
    前記分析ユニットに電気的に接続されて、前記検索文字列及び前記第１のキーワード文字列を比較し、且つ前記検索文字列と一致する前記第１のキーワード文字列の対応する前記第１の学習セクションによって、検索リストを生成するための演算ユニットと、
    を備え、
    前記記憶ユニットは、第２の学習データを更に記憶し、前記第２の学習データは第２の学習セクションを含み、前記第２の学習セクションは第２のキーワード文字列を含み、
    操作情報を受信した後、前記演算ユニットは、前記操作情報の対応する前記第２のキーワード文字列を行為データベースに記憶して、行為データとして記録する、データ検索システム。

Images