公开/公告号CN113065986A
专利类型发明专利
公开/公告日2021-07-02
原文格式PDF
申请/专利权人 深圳童年科技有限公司;
申请/专利号CN202110304244.9
申请日2021-03-22
分类号G06Q50/20(20120101);G06F21/31(20130101);
代理机构44248 深圳市科吉华烽知识产权事务所(普通合伙);
代理人胡吉科
地址 518000 广东省深圳市南山区粤海街道高新区社区高新南一道008号创维大厦A306
入库时间 2023-06-19 11:42:32
技术领域
本发明涉云端信息交互及数据处理技术领域,特别涉及一种基于智能交互的教育资源生成方法。
背景技术
目前,传统的教育系统,只融合了教师与学生之间的沟通,且这种沟通更多的是依靠第三方平台来实现操作,操作过程不具有实时性,不直接,不灵活;且更重要的一点为传统的教育系统并不能激起学生的学习兴趣,同时授课过程单一;再者,传统的教育系统并不能对信息进行处理,处理能力与可靠性都受限;
因此,本发明提供了一种基于智能交互的教育资源生成方法,用以通过科普动画,中英双语讲解及知识竞赛等交互方式探索知识,激发孩子对学习的热情及积极性,让孩子在智能交互中独立思考,自助学习,享受探索世界的乐趣。
发明内容
本发明提供一种基于智能交互的教育资源生成方法,用以通过智能交互方式,激发孩子对学习的热情及积极性,让孩子在智能交互中独立思考,同时对孩子在学习过程中的知识盲区进行剖析讲解并保存知识盲区,从而确定相应的教育资源。
本发明提供了一种基于智能交互的教育资源生成方法,包括:
步骤1:获取用户身份信息,并对所述用户身份信息进行校验;
步骤2:基于校验结果,确定用户与教育平台中预设交互功能项之间的映射关系,并根据所述映射关系确定用户的目标交互选项;
步骤3:基于预设交互规则,将所述目标交互选项的教育内容向用户进行讲解,并实时抓取用户的学习数据;
步骤4:对所述用户的学习数据进行分析处理,确定用户知识盲区对应的知识点;
步骤5:根据所述知识盲区对应的知识点从预设数据库中查找对应的解决方案,并将所述解决方案通过预设讲解方式向用户进行剖析讲解。
优选的,一种基于智能交互的教育资源生成方法,步骤1中,获取用户身份信息,并对所述用户身份信息进行校验,包括:
获取用户终端的登录信息,其中,登录信息包括用户的账号及用户终端的ID信息;
判断所述登录信息是否在预设的用户数据库中;
若不在,判定用户为新用户,需进行注册操作;
否则,将所述登录信息与用户注册时的数据留根进行对比,得到所述登录信息与用户注册时的数据留根的匹配度;
将所述匹配度与预设匹配度进行比较,当所述匹配度大于或等于所述预设匹配度,完成对用户登录信息的校验,并基于预设的用户数据库确定所述登录信息对应的用户身份信息。
优选的,一种基于智能交互的教育资源生成方法,步骤2中,确定用户与教育平台中预设交互功能项之间的映射关系,并根据所述映射关系确定用户的目标交互选项,包括:
获取用户历史学习记录数据,并根据所述历史数据得到用户与教育平台中预设交互功能项中的至少一个预设交互功能项的对应关系;
根据所述对应关系,确定所述用户与预设交互功能项的映射方向,并根据所述映射方向,建立用户与预设交互功能项之间的映射关系树;
基于所述映射关系树,确定所述用户与教育平台中预设交互功能项之间的映射关系;
基于所述映射关系,确定所述用户与教育平台中预设交互功能项中已完成的交互功能项、正在进行的交互功能项及未进行的交互功能项;
其中,正在进行的交互功能项则为所述用户的目标交互选项。
优选的,一种基于智能交互的教育资源生成方法,步骤3中,将所述目标交互选项的教育内容向用户进行讲解,并实时抓取用户的学习数据,包括:
获取用户发送的交互执行指令,且教育平台在接收到所述交互执行指令后将用户与教育平台的交互界面划分为主讲人员信息发布界面和学生信息发布界面;
所述教育平台基于所述主讲人员信息发布界面将教育内容向用户进行讲解;
其中,讲解包括中英双语讲解以及动画讲解;
同时,基于所述学生信息发布界面实时采集学生在听讲教育内容时的学习状态数据以及与所述教育平台的互动数据,完成抓取用户的学习数据。
优选的,一种基于智能交互的教育资源生成方法,步骤4中,对所述用户的学习数据进行分析处理,确定用户知识盲区对应的知识点,包括:
将所述用户的学习数据放置于预设坐标系中,并基于所述预设坐标系得到用户的学习数据的坐标点;
根据所述用户的学习数据的坐标点,在所述预设坐标系中进行数据拟合,并绘制用户的学习数据拟合曲线,同时,根据所述用户的学习数据拟合曲线,确定离群点数据;
将所述离群点数据进行删除,得到所述用户的标准学习数据;
将所述标准数据分割为M个固定长度的数据段,并提取每一个数据段的偏移值;
将所述数据段进行归类,得到所述数据段及所述偏移值对应的数据段类型值,并基于所述数据段类型值提取所述数据段中的特征数据;
构建特征数据分类模型,并基于所述特征数据将所述用户的标准学习数据进行分类,得到目标分类结果;
基于所述目标分类结果,确定每一类用户的学习数据所属的知识领域,并基于所述知识领域确定用户对目标交互选项对应的知识点的成绩信息;
将所述知识领域及知识点的成绩信息关联至预设的成绩数据库中,其中,所述预设的成绩数据库中存储有所述目标交互选项对应的知识点的平均成绩信息;
将所述用户对目标交互选项对应的知识点的成绩信息与所述目标交互选项对应的知识点的平均成绩信息进行比对,完成对用户当前学习效果的评估;
基于评估结果,确定用户在所述目标交互选项中未掌握的知识点区域,得到用户的知识盲区;
获取所述知识盲区中的元知识点,并构建知识图谱;
基于所述知识图谱,确定与所述元知识点存在依赖关系的基础知识点组合,得到用户知识盲区对应的知识点。
优选的,一种基于智能交互的教育资源生成方法,步骤5中,根据所述知识盲区对应的知识点从预设数据库中查找对应的解决方案,并将所述解决方案通过预设讲解方式向用户进行剖析讲解,包括:
获取所述知识盲区对应的知识点,并基于预训练的知识点名称匹配模型对所述知识点进行名称向量化处理,得到所述知识点对应的名称匹配向量;
基于预设的解决方案知识点标准名称向量表,确定所述知识点对应的名称匹配向量与预设的解决方案知识点标准名称向量表之间的字段对应关系,并确定对应字段之间的相似度;
当所述相似度大于或等于预设相似度时,确定所述知识盲区对应的知识点的解决方案;
其中,所述解决方案包括多个讲解步骤;
基于预设算法,确定每一讲解步骤的权重值,并按照权重值递减的顺序将所述解决方案推送给用户。
优选的,一种基于智能交互的教育资源生成方法,确定所述知识盲区对应的知识点的解决方案,还包括:
获取所述知识盲区对应的知识点的解决方案以及解决方案的配置参数;
其中,配置参数包括解决方案对应的存储模式类型;
基于所述存储模式类型,确定目标存储区域,并确定所述目标存储区域的容量值;
基于预设算法,确定所述解决方案的字节值,并判断所述解决方案的字节值与所述目标存储区域的容量值的大小;
当所述解决方案的字节值小于或等于所述目标存储区域的容量值时,基于所述存储模式类型将所述解决方案存储至所述目标存储区域。
优选的,一种基于智能交互的教育资源生成方法,,对所述用户的学习数据进行分析处理,确定用户知识盲区对应的知识点,根据所述知识盲区对应的知识点从预设数据库中查找对应的解决方案,还包括:
获取知识盲区对应的知识点数量,根据所述知识盲区对应的知识点数量计算确定所述用户针对知识盲区的交互准确率,并根据所述交互准确率计算查找到对应的解决方案的有效值,具体步骤包括:
根据如下公式计算确定所述用户针对知识盲区的交互准确率:
其中,α表示确定所述用户针对知识盲区的交互准确率,且取值范围为(0,1);γ表示目标交互选项中用户未掌握的知识点数量值;δ表示目标交互选项中涉及的所有知识点数量值;σ表示知识盲区在目标交互选项知识图谱中所占的面积值;τ表示目标交互选项中知识图谱的总面积值;μ表示知识盲区的知识点的平均难度系数,且取值范围为(0.4,0.6);p
根据所述交互准确率,查找对应的解决方案,同时,根据如下公式计算查找到的解决方案的有效值:
其中,β表示查找到对应的解决方案的有效值;
将计算得到的有效值与预设有效值进行比较;
若所述计算得到的有效值小于所述预设有效值,判定查找到的对应的解决方案不合格,并从所述知识盲区中标定最终盲区,并将最终盲区对应的知识点进行罗列输出显示;
否则,判定查找到的对应的解决方案合格,并将所述解决方案以及解决的未掌握知识点的解决过程进行输出显示。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于智能交互的教育资源生成方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种基于智能交互的教育资源生成方法,如图1所示,包括:
步骤1:获取用户身份信息,并对所述用户身份信息进行校验;
步骤2:基于校验结果,确定用户与教育平台中预设交互功能项之间的映射关系,并根据所述映射关系确定用户的目标交互选项;
步骤3:基于预设交互规则,将所述目标交互选项的教育内容向用户进行讲解,并实时抓取用户的学习数据;
步骤4:对所述用户的学习数据进行分析处理,确定用户知识盲区对应的知识点;
步骤5:根据所述知识盲区对应的知识点从预设数据库中查找对应的解决方案,并将所述解决方案通过预设讲解方式向用户进行剖析讲解。
该实施例中,预设交互功能项是教育平台所允许用户学习的学习项目,例如可以是探索海底世界、探索宇宙世界等。
该实施例中,映射关系指的是用户与预设交互功能项之间的关联关系,可以一个预设交互功能项对应一个用户,也可以是多个预设交互功能项对应一个用户。
该实施例中,目标交互选项指的是从众多的预设交互功能项确定是用户正在学习的。
该实施例中,预设交互规则是提前设定好的,可以是科普动画、人在线知识竞赛和中英双语讲解等多种规则。
该实施例中,预设数据库是经过多组训练得到的,内部存储多个知识点对应的解决方案。
上述技术方案的有益效果是:通过智能交互方式,激发孩子对学习的热情及积极性,让孩子在智能交互中独立思考,同时对孩子在学习过程中的知识盲区进行剖析讲解并保存知识盲区,从而确定相应的教育资源。
实施例2:
在上述实施例1的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,步骤1中,获取用户身份信息,并对所述用户身份信息进行校验,包括:
获取用户终端的登录信息,其中,登录信息包括用户的账号及用户终端的ID信息;
判断所述登录信息是否在预设的用户数据库中;
若不在,判定用户为新用户,需进行注册操作;
否则,将所述登录信息与用户注册时的数据留根进行对比,得到所述登录信息与用户注册时的数据留根的匹配度;
将所述匹配度与预设匹配度进行比较,当所述匹配度大于或等于所述预设匹配度,完成对用户登录信息的校验,并基于预设的用户数据库确定所述登录信息对应的用户身份信息。
该实施例中,数据留根指的是用户在注册时所填写的基本信息,包括姓名、性别及年龄等。
该实施例中,预设匹配度是提前设定好的,用来衡量登录信息与用户注册时的数据留根的匹配度,便于确定用户的身份信息。
上述技术方案的有益效果是:通过获取用户的身份信息,并对用户的身份进行校验,确保能够根据用户的交互内容准确把握用户对应的学习数据,从便便于针对用户提出适合该用户在学习过程中的遇到问题时的解决方案。
实施例3:
在上述实施例1的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,步骤2中,确定用户与教育平台中预设交互功能项之间的映射关系,并根据所述映射关系确定用户的目标交互选项,包括:
获取用户历史学习记录数据,并根据所述历史数据得到用户与教育平台中预设交互功能项中的至少一个预设交互功能项的对应关系;
根据所述对应关系,确定所述用户与预设交互功能项的映射方向,并根据所述映射方向,建立用户与预设交互功能项之间的映射关系树;
基于所述映射关系树,确定所述用户与教育平台中预设交互功能项之间的映射关系;
基于所述映射关系,确定所述用户与教育平台中预设交互功能项中已完成的交互功能项、正在进行的交互功能项及未进行的交互功能项;
其中,正在进行的交互功能项则为所述用户的目标交互选项。
该实施例中,映射方向是用来确定映射方与被映射方的映射方向,例如A映射B与B映射A的结果是不相同的。
该实施例中,映射关系树是用来记录用户与交互功能项之间的关联关系,内部存储有多个交互功能项与同一个用户之间的交互关系。
该实施例中,映射关系指的是用户与预设交互功能项之间的关联关系,可以一个预设交互功能项对应一个用户,也可以是多个预设交互功能项对应一个用户。
上述技术方案的有益效果是:通过确定用户与预设交互功能项之间的映射关系,并根据该映射关系准确确定用户的目标交互功能选型,便于教育平台根据目标交互功能选项准确把握用户当前的学习数据,并根据学习数据确定对应的知识盲区,从而确定对应的教育资源。
实施例4:
在上述实施例1的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,步骤3中,将所述目标交互选项的教育内容向用户进行讲解,并实时抓取用户的学习数据,包括:
获取用户发送的交互执行指令,且教育平台在接收到所述交互执行指令后将用户与教育平台的交互界面划分为主讲人员信息发布界面和学生信息发布界面;
所述教育平台基于所述主讲人员信息发布界面将教育内容向用户进行讲解;
其中,讲解包括中英双语讲解以及动画讲解;
同时,基于所述学生信息发布界面实时采集学生在听讲教育内容时的学习状态数据以及与所述教育平台的互动数据,完成抓取用户的学习数据。
该实施例中,交互执行指令指的是用户向教育平台发送的指令,教育平台在接收到指令后开始推送教育内容。
该实施例中,主讲人员信息发布界面指的是教育平台终端用来推送教育内的界面,例如在线网课,老师是主体。
该实施例中,学生信息发布界面指的学生用来听教育平台发送信息的界面,用来显示自己的学习状态等。
上述技术方案的有益效果是:通过将教育内容推送给用户,并实时获取用户的学习数据,便于对用户的学习数据进行分析,准确确定用户对知识点掌握不牢的地方,从而便于教育平台根据知识盲区确定对应的解决方案,生成对应的教育资源,提高了教育资源的针对性。
实施例5:
在上述实施例1的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,步骤4中,对所述用户的学习数据进行分析处理,确定用户知识盲区对应的知识点,包括:
将所述用户的学习数据放置于预设坐标系中,并基于所述预设坐标系得到用户的学习数据的坐标点;
根据所述用户的学习数据的坐标点,在所述预设坐标系中进行数据拟合,并绘制用户的学习数据拟合曲线,同时,根据所述用户的学习数据拟合曲线,确定离群点数据;
将所述离群点数据进行删除,得到所述用户的标准学习数据;
将所述标准数据分割为M个固定长度的数据段,并提取每一个数据段的偏移值;
将所述数据段进行归类,得到所述数据段及所述偏移值对应的数据段类型值,并基于所述数据段类型值提取所述数据段中的特征数据;
构建特征数据分类模型,并基于所述特征数据将所述用户的标准学习数据进行分类,得到目标分类结果;
基于所述目标分类结果,确定每一类用户的学习数据所属的知识领域,并基于所述知识领域确定用户对目标交互选项对应的知识点的成绩信息;
将所述知识领域及知识点的成绩信息关联至预设的成绩数据库中,其中,所述预设的成绩数据库中存储有所述目标交互选项对应的知识点的平均成绩信息;
将所述用户对目标交互选项对应的知识点的成绩信息与所述目标交互选项对应的知识点的平均成绩信息进行比对,完成对用户当前学习效果的评估;
基于评估结果,确定用户在所述目标交互选项中未掌握的知识点区域,得到用户的知识盲区;
获取所述知识盲区中的元知识点,并构建知识图谱;
基于所述知识图谱,确定与所述元知识点存在依赖关系的基础知识点组合,得到用户知识盲区对应的知识点。
该实施例中,预设坐标系是用来将用户的学习数据确定到具体的点,便于对用户学习数据中的异常数据进行清除。
该实施例中,学习数据的坐标点指的是学习数据放置在坐标系后,得到每个数据字段的具体坐标值。
该实施例中,学习数据拟合曲线指的是将学习数据中,密集度高的数据点进行连接,得到数据曲线,用来表示数据的拟合程度。
该实施例中,离群点数据指的是偏离学习数据拟合曲线的数据点,对用户学习数据造成异常影响的数据。
该实施例中,标准学习数据指的是将用户学习数据中的异常数据进行清除后得到的数据,该数据可直接用来分析用户的学习效果。
该实施例中,偏移值指的是每一个数据段偏移预设标准的程度,可用来判断数据所属类型。
该实施例中,特征数据指的是用户学习数据中具有代表性的关键数据段,可根据该特征数据准确判定学习数据的类别。
该实施例中,预设的成绩数据库是提前设定好的,是通过对多个用户的学习成绩进行训练得到的,内部存储目标交互选项对应的平均成绩信息。
该实施例中,元知识点指的是知识盲区中具有关键性问题的知识点,例如在计算三角形角度时,三角函数为元知识点。
该实施例中,基础知识点指的是根据元知识点衍生出的其他知识点,与元知识点存在血缘关系,例如三角函数为元知识点,其余衍生的三角函数组合为基础知识点。
上述技术方案的有益效果是:通过对用户的学习成绩进行清洗,剔除其中的异常数据,并根据用户的学习数据对用户当前的学习效果进行评估,从而准确确定用户的知识盲区,根据知识盲区中的元知识点,得到用户知识盲区对应的知识点,此方案确保了准确获取用户知识盲区对应的知识点,提高了教育平台根据知识盲区确定对应的解决方案,完善了教育平台的教育资源,为确定相应的教育资源提供了便利。
实施例6:
在上述实施例1的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,步骤5中,根据所述知识盲区对应的知识点从预设数据库中查找对应的解决方案,并将所述解决方案通过预设讲解方式向用户进行剖析讲解,包括:
获取所述知识盲区对应的知识点,并基于预训练的知识点名称匹配模型对所述知识点进行名称向量化处理,得到所述知识点对应的名称匹配向量;
基于预设的解决方案知识点标准名称向量表,确定所述知识点对应的名称匹配向量与预设的解决方案知识点标准名称向量表之间的字段对应关系,并确定对应字段之间的相似度;
当所述相似度大于或等于预设相似度时,确定所述知识盲区对应的知识点的解决方案;
其中,所述解决方案包括多个讲解步骤;
基于预设算法,确定每一讲解步骤的权重值,并按照权重值递减的顺序将所述解决方案推送给用户。
该实施例中,名称向量化处理指的是将数据进行变换计算,得到数据对应的向量模式。
该实施例中,名称匹配向量指的是对知识点名称进行向量化处理后的向量,便于根据此向量计算与标准名称向量的相似度。
该实施例中,字段对应关系指的是知识点名称向量与标准名称向量中相同位置的数据的对应关系,例如:名字长度对应、数据内容对应等。
该实施例中,权重值指的是解决方案中,每一条步骤在所有步骤中所占的比重,用来表示步骤的重要性。
上述技术方案的有益效果是:通过根据用户的知识盲区,查找对应的解决方案,便于对用户没学好的知识点进行剖析讲解,提高了用户的学习效率,同时便于激发用户对学习的积极性,让用户自主学习。
实施例7:
在上述实施例6的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,其特征在于,确定所述知识盲区对应的知识点的解决方案,还包括:
获取所述知识盲区对应的知识点的解决方案以及解决方案的配置参数;
其中,配置参数包括解决方案对应的存储模式类型;
基于所述存储模式类型,确定目标存储区域,并确定所述目标存储区域的容量值;
基于预设算法,确定所述解决方案的字节值,并判断所述解决方案的字节值与所述目标存储区域的容量值的大小;
当所述解决方案的字节值小于或等于所述目标存储区域的容量值时,基于所述存储模式类型将所述解决方案存储至所述目标存储区域。
该实施例中,配置参数指的是解决方案对应的存储模式类型、以及解决方案中包括的步骤数,信息量等。
该实施例中,目标存储区域指的是用来存储解决方案的存储区域,是从众多存储区域中选择出的适合解决方案存储的地方。
该实施例中,预设算法是提前设定好的,用来确定解决方案的字节值以及目标存储区域的容量值,是通过多次训练得到的。
上述技术方案的有益效果是:通过将用户知识盲区对应的解决方案进行保存,便于教育平台对用户的知识盲区进行综合训练,增加教育平台的教育资源库,便于教育平台根据用户知识盲区生成对应的教育资源,提高了生成教育资源效率以及针对性。
实施例8:
在上述实施例1的基础上,本实施例提供了一种基于智能交互的教育资源生成方法,,对所述用户的学习数据进行分析处理,确定用户知识盲区对应的知识点,根据所述知识盲区对应的知识点从预设数据库中查找对应的解决方案,还包括:
获取知识盲区对应的知识点数量,根据所述知识盲区对应的知识点数量计算确定所述用户针对知识盲区的交互准确率,并根据所述交互准确率计算查找到对应的解决方案的有效值,具体步骤包括:
根据如下公式计算确定所述用户针对知识盲区的交互准确率:
其中,α表示确定所述用户针对知识盲区的交互准确率,且取值范围为(0,1);γ表示目标交互选项中用户未掌握的知识点数量值;δ表示目标交互选项中涉及的所有知识点数量值;σ表示知识盲区在目标交互选项知识图谱中所占的面积值;τ表示目标交互选项中知识图谱的总面积值;μ表示知识盲区的知识点的平均难度系数,且取值范围为(0.4,0.6);p
根据所述交互准确率,查找对应的解决方案,同时,根据如下公式计算查找到的解决方案的有效值:
其中,β表示查找到对应的解决方案的有效值;
将计算得到的有效值与预设有效值进行比较;
若所述计算得到的有效值小于所述预设有效值,判定查找到的对应的解决方案不合格,并从所述知识盲区中标定最终盲区,并将最终盲区对应的知识点进行罗列输出显示;
否则,判定查找到的对应的解决方案合格,并将所述解决方案以及解决的未掌握知识点的解决过程进行输出显示。
该实施例中,能力因子是用来表示用户接收解决方案的能力程度。
该实施例中,适用率指的是解决方案对知识盲区对应的知识点的针对性,是用来判定解决方案是否可以处理知识盲区的知识点问题。
该实施例中,预设有效值是提前设定好的,用来判断计算得到的有效值是否合格,是衡量计算结果的一个指标。
上述技术方案的有益效果是:通过根据知识盲区对应的知识点数量计算确定知识盲区的准确率,并根据准确率计算查找到对应的解决方案的有效值,在计算准确率时,涉及知识盲区对应的知识点数量与所有知识点数量之比以及知识盲区在目标交互选项知识图谱中所占的面积值,使得计算得到得准确率有据可依,提高了计算的准确度,在计算有效值时,涉及匹配度值、解决方案的可行率以及用户接收解决方案的能力因子,使得计算结果更加准确可信,此方案确保了解决方案能够有效的解决用户的知识盲区,提高了对用户知识盲区的解决效率,同时提高了教育平台根据用户知识盲区生成教育资源的准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
机译: (54)标题:一种扩展商务智能系统的形式和功能的基于内容的方法(57)摘要:商务智能(BI)系统具有通过以下方式将其功能扩展到项目生命周期之外的能力:具体内容。复杂的多维查询被解释为原子子表达式的树,这些原子子表达式组合成类似解析树的结构以形成整体查询。每个子树在提供适当的上下文时都是有效的。任何子树都可以是作为应用程序内容存储的表达模板,该表达模板在生成时使用带有实例特定参数的简单文本替换来生成多维表达语法。该系统包括一个复杂的类型系统和语义层,使用户摆脱了使用OLAP数据库所固有的复杂性。商业智能专家可以为每个作为内容的表达模板提供类型和语义提示。
机译: 基于学习目标智能生成文本内容学习交互数据的系统和方法
机译: 基于手支撑的基于数字成像的条形码符号读取系统,该系统采用一种智能照明对象的方法来生成其数字图像,该数字图像基本上没有镜面反射引起的噪声