一种笔记的整理方法、装置、计算机设备和存储介质

摘要

本实施例提供了一种笔记的整理方法、装置、计算机设备和存储介质，该方法包括：将点阵笔在点阵纸上书写的、表示笔记的轨迹；识别所述轨迹表示的文本信息，作为原始文本信息；根据所述原始文本信息包含的各种语言的成分，识别所述笔记归属的科目；查找为所述科目下各个知识点训练的分类器；将所述轨迹输入所述分类器中、识别所述笔记归属的知识点；将所述笔记与所述原始文本信息记录在所述知识点下。本实施例有效的解决了人员在记笔记的过程中笔记本中的内容杂乱无章的问题，方便人员进行笔记的整理，利于后期回顾笔记，同时解决了更换笔记本的时候笔记内容分散，丢失已记载的笔记信息不方便查找的问题，便于课后进行笔记的整理等学习工作。

说明书

技术领域

本发明实施例涉及电子化教育技术领域，尤其涉及一种笔记的整理方法、装置、计算机设备和存储介质。

背景技术

近年来，随着科技信息技术的发展，更多的智能型教学方法深入到教育技术领域中，公共教育服务平台及数字化校园建设已成为未来教育的发展方向，与传统的教学方式相比，这些智能型教学方案给学生和老师带来了方便的同时，促进在水平空间上合理的资源利用。

现有技术方案中，人员在记笔记的时候可能会存在无法排序整齐的情况，如在笔记本随便任选一页记载化学笔记，下一页又记载英语笔记，过一段时间又在下页记载化学笔记的情况，或在同一笔记本页纸上记载不同学科的内容。

而现有的方案中，由于在同一页面或者不同页面记载不同学科的内容，容易会笔记本中的内容杂乱无章，不利于人员后期回顾笔记，并且，当笔记本用完的情况下，还要再更换笔记本的时候，笔记内容分散，存在丢失已记载的笔记本中信息的可能性。

发明内容

本发明实施例提供一种笔记的整理方法、装置、设备及存储介质，以优化现有笔记的无法排序整齐的情况，解决了笔记本中的内容杂乱无章，笔记内容分散而不利于人员后期回顾笔记等问题。

第一方面，本发明实施例提供了一种笔记的整理方法，其特征在于，包括：

将点阵笔在点阵纸上书写的、表示笔记的轨迹；

识别所述轨迹表示的文本信息，作为原始文本信息；

根据所述原始文本信息包含的各种语言的成分，识别所述笔记归属的科目；

查找为所述科目下各个知识点训练的分类器；

将所述轨迹输入所述分类器中、识别所述笔记归属的知识点；

将所述笔记与所述原始文本信息记录在所述知识点下。

可选的，所述根据所述原始文本信息包含的各种语言的成分，识别所述笔记归属的科目，包括：

识别所述原始文本信息包含的语言；

统计归属于各种所述语言下的所述原始文本信息的数量；

计算各个所述语言对应的所述数量的占比，作为所述原始文本信息包含的各种所述语言的成分；

查找为各个科目下、各种语言的成分设置的范围；

若所述占比在所述范围内，则确定所述笔记归属所述范围对应的科目。

可选的，所述查找为所述科目下各个知识点训练的分类器，包括：

查询当前已登录的用户信息，所述用户信息中包括地理位置、年级；

查询在所述地理位置所属的地区、在所述年级为所述科目开设的课本；

确定为所述课本中各个知识点训练的分类器。

可选的，所述确定为所述课本中各个知识点训练的分类器，包括：

将所述课本中各个知识点的文本信息转换为至少两种轨迹，作为样本向量；

将所述样本向量输入至文本卷积神经网络中进行训练，获得分类器。

可选的，所述分类器为文本卷积神经网络；

所述将所述轨迹输入所述分类器中、识别所述笔记归属的知识点，包括：

将所述轨迹输入所述文本卷积神经网络中、以输出所述笔记归属所述知识点的概率；

若某个概率最大，则确定所述笔记归属所述概率对应的知识点。

可选的，所述将所述笔记与所述原始文本信息记录在所述知识点下，包括：

从所述原始文本信息提取与所述知识点相关的文本信息，作为目标文本信息；

将所述目标文本信息作为摘要，与所述笔记、所述原始文本信息一同记录在所述知识点下。

可选的，所述从所述原始文本信息提取与所述知识点相关的文本信息，作为目标文本信息，包括：

从所述原始文本信息中提取文本信息，作为候选文本信息；

查找所述知识点对应的文本信息，作为参考文本信息；

计算所述候选文本信息与所述参考文本信息之间的相似度；

若所述相似度大于预设的阈值，则确定所述候选文本信息为目标文本信息。

第二方面，本发明还提供了笔记的整理装置，包括：

笔记轨迹显示模块，用于将点阵笔在点阵纸上书写的、表示笔记的轨迹；

笔记轨迹识别模块，用于识别所述轨迹表示的文本信息，作为原始文本信息；

笔记文本归类模块，用于根据所述原始文本信息包含的各种语言的成分，识别所述笔记归属的科目；

分类器查找模块，用于查找为所述科目下各个知识点训练的分类器；

笔记轨迹输入模块，用于将所述轨迹输入所述分类器中、识别所述笔记归属的知识点；

笔记文本记录模块，将所述笔记与所述原始文本信息记录在所述知识点下。

可选的，笔记文本归类模块包括：

语言识别子模块，用于识别所述原始文本信息包含的语言；

数量统计子模块，用于统计归属于各种所述语言下的所述原始文本信息的数量；

计算占比子模块，计算各个所述语言对应的所述数量的占比，作为所述原始文本信息包含的各种所述语言的成分；

查找范围子模块，用于查找为各个科目下、各种语言的成分设置的范围；

匹配科目子模块，若所述占比在所述范围内，则确定所述笔记归属所述范围对应的科目。

可选的，所述分类器查找模块包括：

用户信息查询子模块，用于查询当前已登录的用户信息，所述用户信息中包括地理位置、年级；

课本匹配子模块，用于查询在所述地理位置所属的地区、在所述年级为所述科目开设的课本；

分类器确定子模块，用于确定为所述课本中各个知识点训练的分类器。

可选的，所述分类器确定子模块包括：

文本信息转换单元，用于将所述课本中各个知识点的文本信息转换为至少两种轨迹，作为样本向量；

分类器获取单元，用于将所述样本向量输入至文本卷积神经网络中进行训练，获得分类器。

可选的，所述分类器为文本卷积神经网络；

可选的，所述笔记轨迹输入模块包括：

计算概率子模块，用于将所述轨迹输入所述文本卷积神经网络中、以输出所述笔记归属所述知识点的概率；

确定概率子模块，用于若某个概率最大，则确定所述笔记归属所述概率对应的知识点。

可选的，所述笔记文本记录模块包括：

目标文本信息提取子模块，用于从所述原始文本信息提取与所述知识点相关的文本信息，作为目标文本信息；

摘要提取子模块，用于将所述目标文本信息作为摘要，与所述笔记、所述原始文本信息一同记录在所述知识点下。

可选的，所述目标文本信息提取子模块包括：

候选文本信息提取单元，用于从所述原始文本信息中提取文本信息，作为候选文本信息；

参考文本信息确定单元，用于查找所述知识点对应的文本信息，作为参考文本信息；

相似度计算单元，用于计算所述候选文本信息与所述参考文本信息之间的相似度；

目标文本信息确定单元，用于若所述相似度大于预设的阈值，则确定所述候选文本信息为目标文本信息。

第三方面，本发明实施例还提供了一种用于笔记的整理的计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一所述的笔记的整理方法。

第四方面，本发明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上存储计算机程序，所述计算机程序被处理器执行时实现如第一方中任一项所述的笔记的整理方法。

本发明实施例提供了一种笔记的整理方法、装置、计算机设备和存储介质，该方法包括：将点阵笔在点阵纸上书写的、表示笔记的轨迹；识别所述轨迹表示的文本信息，作为原始文本信息；根据所述原始文本信息包含的各种语言的成分，识别所述笔记归属的科目；查找为所述科目下各个知识点训练的分类器；将所述轨迹输入所述分类器中、识别所述笔记归属的知识点；将所述笔记与所述原始文本信息记录在所述知识点下。本发明有效的解决了人员在记笔记的过程中笔记本中的内容杂乱无章的问题，方便人员进行笔记的整理，利于后期回顾笔记，并且，同时解决了更换笔记本的时候笔记内容分散，丢失已记载的笔记信息不方便查找的问题，便于课后进行笔记的整理等学习工作

附图说明

图1为本发明实施例一提供的一种笔记的整理方法的流程图；

图2为本发明实施例二提供的一种笔记的整理装置的结构示意图；

图3为本发明实施例三提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种笔记的整理方法的流程图，本实施例可适用于根据点阵纸上不同学科的笔记进行分类情况，该方法可以由笔记的整理装置来执行，该笔记的整理装置可以由软件和/或硬件实现，可配置在计算机设备中，例如，个人电脑、移动终端(如手机、平板电脑等)、可穿戴设备(如智能手表等)，等等，具体包括如下步骤：

S110、将点阵笔在点阵纸上书写的、表示笔记的轨迹。

在本实施例中，用户终端都设有点阵纸和点阵笔，点阵纸相比普通的笔记本，铺设有点阵页面，每一张点阵页面具有每一页点阵纸对应的点阵纸ID(Identification身份标识号)；点阵笔为具有点阵识别功能的笔，数码笔内置有压力传感器、处理器、摄像头、存储器和通讯模块等，可以采集点阵纸上的答题笔记，采集的笔记的轨迹通过有线或无线的方式传输到用户终端。

当课堂结束后，用户在点阵上记录的上课笔记，点阵纸上的笔记作为初始轨迹，表示笔记的轨迹。具体的，当点阵笔的压力传感器接收到压力信号后，启动摄像头，以每秒100张左右的速度对笔尖所经过的点阵进行拍照，记录笔尖在书写过程中的X、Y坐标值，得到每一个笔画点的位置坐标从而实现笔迹的精确采集。

当点阵笔采集笔记的轨迹时，点阵笔的处理器会记录笔尖运动的时间戳、书写顺序、书写速度、位置坐标、压感数据，并进行封装打包，封装为终端认可的数据格式。

在一个示例中，采集的笔记的轨迹通过无线方式传输到终端，该点阵笔具有其对应的点阵笔ID(Identification身份标识号)，该ID可以是该点阵笔的MAC地址(MediaAccess Control Address物理地址)，示例性的，在WLAN(Wireless Local Area Network无线局域网)中随机分配一个IP地址(Internet Protocol Address互联网协议地址)到该点阵笔，点阵笔的MAC地址与IP地址进行绑定，所采集的笔记的轨迹在局域网中通过TCP/IP协议传送到终端设备，无线传输方式除了使用网络传输方式之外，可使用蓝牙传输、红外传输等，无线数据接口可以是Wifi接口、蓝牙接口、红外接口、2.4-5.0GHz波段接口或者无线通信接口，本实施例对此不加以限制。

在又一个示例中，采集的笔记的轨迹通过有线方式传输到终端，点阵笔具有数据连接线，点阵笔连接线的接口可插入到终端设备中，点阵笔所采集到的笔记的轨迹打包后通过数据线传送到终端，该点阵笔连接线的接口可以为COM接口、USB接口、Type-C接口、Micro USB接口、串口、并口，本实施例对此不加以限制。

终端，可以是终端上的应用程序(Application，App)或者终端上APP下附带的小程序，比如，微信小程序等。终端的APP或者小程序中具有电子笔记本。点阵数码笔已经预先与终端建立了关联关系，示例而非限定，点阵数码笔的ID和终端ID已经建立关联，比如，点阵数码笔已经在终端上进行注册等。

S120、识别轨迹表示的文本信息，作为原始文本信息。

当点阵笔所采集的笔记的轨迹上传到终端以后，终端对此进行识别，提取文本信息，作为原始文本信息。具体的，当终端收到点阵笔传送的打包文件时，对此打包文件进行解码，并进行文字识别。文字识别可采用模板匹配法和几何特征抽取法，其中，模板匹配法可以将输入的文字与给定的各类别标准文字(模板)进行相关匹配，计算输入文字与各模板之间的相似性程度，取相似度最大的类别作为识别结果。

在一个示例中，文字识别可采用模板匹配法，模板匹配法可以将输入的文字与给定的各类别标准文字(模板)进行相关匹配，计算输入文字与各模板之间的相似性程度，取相似度最大的类别作为识别结果。

当从点阵笔获取点阵纸上的笔记的轨迹后，模板T(m,n)叠放在笔记的轨迹图S(W,H)上平移，模板覆盖笔记的轨迹图的那块区域叫子图，i、j为子图左下角在笔记的轨迹图S上的坐标，搜索范围是：1≤i≤W-n，1≤j≤H-m。可以用下式衡量T和的相似性D：

将其归一化，得模板匹配的相关系数R：

其中，(m,n)表示坐标，S

当模板和子图一样时，相关系数R(i,j)＝1，在笔记的轨迹图S中完成全部搜索后，找出R的最大值，其对应的子图即为匹配目标。

在又一个示例中，文字识别可采用图像特征提取法，几何特征抽取法，可以抽取文字的一些几何特征，如文字的端点、分叉点、凹凸部分以及水平、垂直、倾斜等各方向的线段、闭合环路等，根据这些特征的位置和相互关系进行逻辑组合判断，获得识别结果。

S130、根据原始文本信息包含的各种语言的成分，识别笔记归属的科目。

在提取文本信息的过程中，识别原始文本信息包含的语言，示例性的，当获取的原始样本文本有包含中文、英文、阿拉伯数字等各种语言，将把文本信息中的同一类语言的字符进行提取，并归类到同一个目录，此外，增加公式识别逻辑，当识别到的是含有英文字数较多的数学公式，系统默认把公式归类到数学目录。

当同一类语言进行归类完成后，统计归属于各种语言下的原始文本信息的数量，具体的，在每一个分类中提取该语言下的字数，例如，在中文目录下的字数计算方式为以每一个汉字为一个字符；在英文目录下的字数计算方式为以每一个单词为一个字符；在阿拉伯数字目录下的字数计算方式为以每一个数字为一个字符，然后进行统计每一个目录下的字符数量。

对于各个目录下的字符数量，计算各个语言对应的数量的占比，例如，统计后的中文字符数量为X，英文字符数量为Y，阿拉伯数字字符数量为Z，则可计算出该文本信息包含的字符数量总量为X+Y+Z，并可计算出中文在文本信息中占比为X/X+Y+Z、英文在文本信息中占比为Y/X+Y+Z、阿拉伯数字在文本信息中占比为Z/X+Y+Z，因此，三个语言在文本信息中的占比为中文：英文：阿拉伯文＝X/X+Y+Z:Y/X+Y+Z:Z/X+Y+Z，将此作为原始文本信息包含的各种语言的成分。

查找为各个科目下、各种语言的成分设置的范围。

若占比在范围内，则确定笔记归属范围对应的科目。

S140、查找为科目下各个知识点训练的分类器。

在确定笔记归属范围对应的科目之后，查询当前已登录的用户信息，用户信息中包括地理位置、年级。具体的，用户的地理位置信息可通过GPS(Global PositioningSystem全球定位系统)查询，当确定用户的地理位置所属的地区，可确定在该年纪为此科目开设的课本，即可确定该科本中各个知识点训练的分类器。

在一个示例中，该用户的地理位置为湖南省，年级为三年级，根据查询结果，可确定该用户的科目开设的课本为人教版三年级，并确定在人教版三年级中各个知识点训练的分类器。

在又一个示例中，GPS识别到的地理位置为广东省广州市，因广东部分地区使用粤教版，同样为三年级的情况下，该用户的科目开设的课本为粤教版三年级，因此，在粤教版中各个知识点训练的分类器。

进一步而言，在各个知识点训练的分类器中，将课本中各个知识点的文本信息转换为至少两种轨迹，作为样本向量，并将样本向量输入至文本卷积神经网络中进行训练，获得分类器。

具体的，文本卷积神经网络(Text Convolutional Neural Networks，TextCNN)由卷积(convolution)、激活(activation)、池化(pooling)三种结构组成。TextCNN输出的结果是轨迹图像的特定特征空间。

采用样本向量输入至文本卷积神经网络中进行训练之前，该轨迹图像识别方法还包括：对已知文本信息进行预处理，获取至少两种训练轨迹图像。具体实施时，可以按照下述实施方式实现：获取待检测帧图像的第一类特征图和第二类特征图，并获取目标帧图像的第一类特征图和第二类特征图，其中，目标帧图像在待检测帧图像之前且包含的目标在待检测帧图像与目标帧图像之间的帧图像中未检测到；根据待检测帧图像的第二类特征图，确定待检测帧图像中目标的检测框的位置；根据待检测帧图像的第一类特征图和第二类特征图、目标帧图像的第一类特征图和第二类特征图、目标帧图像中目标的轨迹框，确定目标帧图像中的目标映射到待检测帧图像中所在位置的预测框；根据确定出的检测框的位置和确定出的预测框的位置，确定待检测帧图像中包含的目标的轨迹。

进一步的，在深层卷积神经网络的构建时，其中对卷积层的设计方法如下：输入原始图像进行卷积处理，经过卷积处理之后得到了一个特征图，再通过maxout激活函数得到特征映射图；其次，再通过池化降采样处理，该池化处理为最大池化处理方法，设置池化层卷积核的大小及滑动步长，经过降采样处理后，输出特征映射图。

当处理轨迹图像分类任务时，把TextCNN输出的特征空间作为全连接层或全连接神经网络(fully connected neural network，全连接神经网络)的输入，用全连接层来完成从输入轨迹图像到标签集的映射，即分类。具体的，将多个样本向量集随机组合后加入到基准训练数据集中，构成多个新的训练数据集，在神经网络架构的基础上，根据实际需求，搭建多个卷积神经网络模型，利用多个新的训练数据集分别对随机生成的卷积神经网络模型进行训练，得到多个卷积神经网络分类器。

S150、将轨迹输入分类器中、识别笔记归属的知识点。

在得到知识点训练的分类器后，将轨迹输入分类器中、识别笔记归属的知识点。具体的，将轨迹输入文本卷积神经网络中进行训练，训练好的轨迹用来对每个知识点进行预测，以输出每个笔记归属知识点的相似度概率值，选取预测相似度概率值最大的候选笔记作为其对应的知识点。

训练样例可以有两种基本的方式提供给网络训练使用，也可以是两者的结合：逐个样例训练(EET)、批量样例训练(BT)。在EET中，先将第一个样例提供给网络，然后开始应用BP算法训练网络，直到训练误差降低到一个可以接受的范围，或者进行了指定步骤的训练次数。然后再将第二个样例提供给网络训练。EET的优点是相对于BT只需要很少的存储空间，并且有更好的随机搜索能力，防止训练过程陷入局部最小区域。

S160、将笔记与原始文本信息记录在知识点下。

从原始文本信息提取与知识点相关的文本信息，作为目标文本信息。具体的，在课本中一个知识点的文本信息根据选取的特征，把文本信息用向量表示，向量中的值为词对应的权重，权重可以采用tf-idf(term frequency词频–inverse document frequency逆文本频率指数)值，tf-idf值计算可采用以下公式：

其中，

为确保每个文本信息，将课本中各个知识点的文本信息转换为至少两种轨迹，计算出W1和W2。

从原始文本信息中提取文本信息，作为候选文本信息W1。

查找知识点对应的文本信息，作为参考文本信息W2。

W1和W2为词t在文档D中所占的权重，得到各个训练集文档和测试集文档的向量表示：

Doc 1(belong to英文)

·(follow make your talk friends about rules that we have class)

·(0.10 0.24 0.10 0.01 0.08 0.13 0.00 0.11 0.41 0.25 0.01)

提取D1和D2文档后，可计算候选文本信息与参考文本信息之间的相似度，在本示例中，采用KNN(k-NearestNeighbor K最近邻分类算法)进行文本分类，具体的，相似度计算可以采用欧式距离并采用[0,1]规范化，采用cos方法如下公式：

其中，k表示临近数，即在预测目标点时取几个临近的点W

若相似度大于预设的阈值，则确定候选文本信息为目标文本信息。

将目标文本信息作为摘要，与笔记、原始文本信息一同记录在知识点下。

本发明实施例提供了一种笔记的整理方法、装置、计算机设备和存储介质，该方法包括：将点阵笔在点阵纸上书写的、表示笔记的轨迹；识别轨迹表示的文本信息，作为原始文本信息；根据原始文本信息包含的各种语言的成分，识别笔记归属的科目；查找为科目下各个知识点训练的分类器；将轨迹输入分类器中、识别笔记归属的知识点；将笔记与原始文本信息记录在知识点下。本发明有效的解决了人员在记笔记的过程中笔记本中的内容杂乱无章的问题，方便人员进行笔记的整理，利于后期回顾笔记，并且，同时解决了更换笔记本的时候笔记内容分散，丢失已记载的笔记信息不方便查找的问题，便于课后进行笔记的整理等学习工作。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

实施例二

图2为本发明实施例二提供的一种笔记的整理装置的结构框图，具体可以包括如下模块：

笔记轨迹显示模块210，用于将点阵笔在点阵纸上书写的、表示笔记的轨迹；

笔记轨迹识别模块220，用于识别轨迹表示的文本信息，作为原始文本信息；

笔记文本归类模块230，用于根据原始文本信息包含的各种语言的成分，识别笔记归属的科目；

分类器查找模块240，用于查找为科目下各个知识点训练的分类器；

笔记轨迹输入模块250，用于将轨迹输入分类器中、识别笔记归属的知识点；

笔记文本记录模块260，将笔记与原始文本信息记录在知识点下。

可选的，笔记文本归类模块包括：

语言识别子模块，用于识别原始文本信息包含的语言；

数量统计子模块，用于统计归属于各种语言下的原始文本信息的数量；

计算占比子模块，计算各个语言对应的数量的占比，作为原始文本信息包含的各种语言的成分；

查找范围子模块，用于查找为各个科目下、各种语言的成分设置的范围；

匹配科目子模块，若占比在范围内，则确定笔记归属范围对应的科目。

可选的，分类器查找模块包括：

用户信息查询子模块，用于查询当前已登录的用户信息，用户信息中包括地理位置、年级；

课本匹配子模块，用于查询在地理位置所属的地区、在年级为科目开设的课本；

分类器确定子模块，用于确定为课本中各个知识点训练的分类器。

可选的，分类器确定子模块包括：

文本信息转换单元，用于将课本中各个知识点的文本信息转换为至少两种轨迹，作为样本向量；

分类器获取单元，用于将样本向量输入至文本卷积神经网络中进行训练，获得分类器。

可选的，分类器为文本卷积神经网络；

可选的，笔记轨迹输入模块包括：

计算概率子模块，用于将轨迹输入文本卷积神经网络中、以输出笔记归属知识点的概率；

确定概率子模块，用于若某个概率最大，则确定笔记归属概率对应的知识点。

可选的，笔记文本记录模块包括：

目标文本信息提取子模块，用于从原始文本信息提取与知识点相关的文本信息，作为目标文本信息；

摘要提取子模块，用于将目标文本信息作为摘要，与笔记、原始文本信息一同记录在知识点下。

可选的，目标文本信息提取子模块包括：

候选文本信息提取单元，用于从原始文本信息中提取文本信息，作为候选文本信息；

参考文本信息确定单元，用于查找知识点对应的文本信息，作为参考文本信息；

相似度计算单元，用于计算候选文本信息与参考文本信息之间的相似度；

目标文本信息确定单元，用于若相似度大于预设的阈值，则确定候选文本信息为目标文本信息。

本发明实施例所提供的笔记的整理装置可执行本发明任意实施例所提供的笔记的整理方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3为本发明实施例三提供的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图3显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的笔记的整理方法。

实施例四

本发明实施例四还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述笔记的整理方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。