专利名称：产生学习元件快照的系统与方法
技术领域：
本发明有关于数据处理，特别是有关于一种产生学习元件快照的系统
与方法(SYSTEM AND METHOD FOR GENERATING SNAPSHOTS OF LEARNING OBJECTS)。
背景技术：
近年来，有越来越多的学习资源库有开放应用程序接口 (Application Programming Institute, API)，提供其它网站查询，并且依据SQI(Simple Query Interface)来定义接口，以方便跨站检索。
但是，跨站检索往往会搜寻到量大的学习元件资源，而学习元件的描述 通常难以提供使用者需要的信息。
依据一传统的方法，元件资源的提供者可以自行撰写元件资源内容的摘 要文件描述并上载图片文件，以形成该元件资源的"快照"。
然而，此种快照为元件资源的提供者(作者)自行设定元件资源内容的 摘要文件描述及图片，制作上非常费时费力。而且，此种快照的内容是固定 的(由作者提供)，其以作者角度撰写摘要，其中的文字及图片内容常使得 使用者不容易判断该元件是否符合其本身的需要，因此，使用上并不方便。
因此需要一种自动产生学习元件快照的方法及系统以克服上述问题。
发明内容
本发明提供一种产生学习元件快照的系统。 一接口，其接收 一分析对 象元件，其对应于一分类，并包含复数文句及多媒体数据，且该复数文句包 含至少一关键词；及一使用者识别码。 一学习元件库，其包含复数学习元 件，其中每一该学习元件对应于至少一分类，且每一该学习元件包含至少一关键词；及一使用者学习历程记录，其包含对应于该使用者识别码的使用该 复数学习元件的记录。 一文字预览单元，依据该使用者识别码对应的该使用 者学习历程记录，从该分析对象元件的复数文句中选取至少一文句作为预览 文句。 一多媒体预览单元，其从该分析对象元件的该多媒体数据中，找出和 该预览文句相关度高者作为预览多媒体。 一快照产生单元，结合该预览文句 及该预览多媒体以产生对应于该分析对象元件的一快照，并将该快照显示于 一显示装置上。
本发明还提供一种产生学习元件快照的方法。该方法首先接收一分析对 象元件，其对应于一分类，并包含复数文句及多媒体数据，且该复数文句包 含至少一关键词。并接收一使用者识别码。并提供一学习元件库，其包含 复数学习元件，其中每一该学习元件对应于至少一分类，且每一该学习元件 包含至少一关键词；及一使用者学习历程记录，其包含对应于该使用者识别
码的使用该复数学习元件的记录。依据该使用者识别码对应的该使用者学习 历程记录，从该分析对象元件的复数文句中选取至少一文句作为预览文句。 并从该分析对象元件的该多媒体数据中，找出和该预览文句相关度高者作为 预览多媒体。再结合该预览文句及该预览多媒体以产生对应于该分析对象元 件的一快照，并显示该快照。
图1显示依据本发明一实施例的产生学习元件快照的系统的示意图。 图2显示依据本发明实施例的产生学习元件快照的方法流程图。
图3显示图2中文字预览程序的流程图。
图4显示步骤S301产生的关联矩阵的一例。
图5显示图3中决定个人化相关关键词步骤的流程图。
图6显示图2中多媒体预览程序的流程图。
接口 11;分析对象元件 101;使用者识别码 103;文字预览单元 131;预览文句 132;多媒体预览单元 133;预览多媒体 134;快照产生单元 135;快照 136;关键词 105;处理器 130;显示装置 15;学习 元件库 17;学习元件 171;使用者学习历程记录 173。
具体实施例方式
为了让本发明的目的、特征、及优点能更明显易懂，下文特举较佳实施 例，并配合所附图示，做详细的说明。
本发明说明书提供不同的实施例来说明本发明不同实施方式的技术特 征。其中，实施例中的各元件的配置为说明之用，并非用以限制本发明。且 实施例中图式标号的部分重复，为了简化说明，并非意指不同实施例之间的 关联性。
图1显示依据本发明一实施例的产生学习元件快照的系统的示意图。产 生学习元件快照的系统可以是任何具有运算功能的电子装置，如个人计算机 等。本实施例以个人计算机为例说明产生学习元件快照的系统，其包含接
口ll、处理器130、显示装置15、及学习元件库17。
学习元件库17包含复数学习元件171及复数使用者学习历程记录173。 其中，每一学习元件171对应于至少一分类，且每一学习元件171包含
至少一关键词。
每一使用者学习历程记录173包含对应于特定使用者识别码的使用该复 数学习元件的记录。例如，使用某一特定使用者识别码登入，并使用的学习 元件名称、其对应的分类以及其包含的关键词。
接口 11接收分析对象元件101。分析对象元件101对应于一分类，并包 含复数文句及多媒体数据，且该复数文句包含至少一关键词。其中文句数据 由文字构成，而多媒体数据可以包含如影片、声音、图片、表格等。
接口 11接收使用者识别码103，例如使用者名称及密码等。
若使用者欲针对上述输入的分析对象元件101，产生关于某一特定关键 词的快照，也可以透过接口 11输入关键词105，以供后续分析产生快照之用。处理器130包含文字预览单元131、多媒体预览单元133、快照产生单 元135。
文字预览单元131依据使用者识别码103对应的使用者学习历程记录 173，从分析对象元件101的复数文句中选取至少一文句作为预览文句132。 文字预览单元131选取预览文句的方法如后述。且文字预览单元131所选取 的预览文句132提供多媒体预览单元133及快照产生单元135使用。
多媒体预览单元133从分析对象元件101包含的多媒体数据中，找出和 预览文句132相关度高者作为预览多媒体134。多媒体预览单元133选取预 览多媒体134的方法如后述。多媒体预览单元133产生的预览多媒体134提 供给快照产生单元135使用。
快照产生单元135结合预览文句132及预览多媒体134以产生对应于分 析对象元件101的快照136，并将快照136显示于显示装置15上。
图2显示依据本发明实施例的产生学习元件快照的方法流程图。产生学 习元件快照的方法可以实施于如图l所示的产生学习元件快照的系统中，也 可以实行于任何具有运算功能的电子装置，如个人计算机等。
在图2的方法中，依据使用者输入的使用者识别码及关键词，自动产生 为该使用者量身定做的个人化学习元件快照。
于步骤S200中，输入使用者识别码，例如使用者名称及密码等。 于步骤S201，提供分析对象元件。分析对象元件是使用者想要分析的 对象，其可以为学习元件，对应于一分类，并包含复数文句及多媒体数据， 且该复数文句包含至少一关键词。其中文句数据由文字构成，而多媒体数据 可以包含如影片、声音、图片、表格等。
于步骤S202，针对分析对象元件执行前置处理。依据本实施例的前置 处理，将分析对象元件中的文句数据和多媒体数据分开，以供后续处理。
在步骤S203中，执行文字预览程序，依据该使用者识别码，从该分析 对象元件的复数文句中选取至少一文句作为预览文句。步骤S203执行的文字预览程序的细节如后述。
在步骤S204中，执行多媒体预览程序，其从该分析对象元件的该多媒 体数据中，找出和该预览文句相关度高者作为预览多媒体。步骤S204执行 的多媒体预览程序的细节如后述。
在步骤S205中，结合该预览文句及该预览多媒体以产生对应于该分析 对象元件的一快照。
在步骤S206中，将步骤S205产生的快照显示于显示装置上。
图3显示图2中文字预览程序的流程图。
步骤S300中，提供学习元件库，其包含复数学习元件及使用者学习历 程记录。其中每一学习元件对应于至少一分类，且每一该学习元件包含至少 一关键词。使用者学习历程记录包含对应于至少一使用者识别码的使用该复 数学习元件的记录。
在步骤S301中计算分析对象元件的该复数文句的关联度矩阵，其包含 该复数文句的两两之间的关联值R。其中，文句Si和文句Sj的关联值依据 下式计算
= (公式l)
其中Ui及Uj为该分析对象元件中的两不同文句Si及Sj包含的二元词，
且c;/uw为ui及uj中二元词的词数的总和，f7/nw为ui及Uj中共同包含 的二元词的词数。
上述公式1的分子乘以2，是因为计算是以二元词为基础。因此，公式
1的分子乘数的数值可以依据采用作为计算基础的语词性质而异。
图4表示步骤S301产生的关联矩阵的一例。其中分析对象元件包含文 句S1 S7。图4的关联矩阵包含文句S1 S7中任意两文句的关联值。
并于步骤S302中，计算文句S1 S7中每一者和其它文句关联值的总和。 图4的关联矩阵包含文句S1 S7中任一者与其它文句之间关联值和。
12在步骤S303中，接收使用者输入的关键词A。
在步骤S305中，决定个人化相关关键词。个人化相关关键词的决定， 依据分析对象元件以及使用者识别码对应的该使用者学习历程记录，从学习 元件库中的复数学习元件中找出和该分析对象元件相关的至少一个关键词 B。步骤S305决定个人化相关关键词的细节如后述。
步骤S307,依据步骤S302算出文句S1 S7和其它个文句的关联值和， 以及步骤S303接收的使用者输入的关键词A，以及步骤S305决定的关键词 B，选取包含数据量较多(即，关联值和较大)，并且包含关键词A及/或B 的文句，作为预览文句。
参见图4，文句S1 S7中，关联值和最高的文句依序为文句S1、 S6、 S3、 S4。当欲选取3句文句作为预览文句时，若不考虑关键词，则选取的文 句为S1、 S6、 S3;若考虑关键词(例如关键词A及/或B)，则先筛选出包 含关键词A及/或B的文句，再从其中挑选出关联值和相对较大者做为预览 文句。
图5显示图3中决定个人化相关关键词步骤的流程图。决定个人化相关 关键词的步骤，是利用学习元件库中各学习元件的分类与关键词等信息，以 及学习元件库中的使用者学习历程记录，查询学习元件库的使用者学习历程 记录中，使用者最可能感兴趣的其它关键词(即，个人化相关关键词)。
在步骤S500中，撷取使用者输入的使用者识别码。
在步骤S501中，取得分析对象元件中包含的关键词及其所对应的分类。 在此，分析对象元件被归属于分类1及分类2，且分析对象元件包含关键词 l及关键词2。
在步骤S503，依据该使用者学习历程记录，从该复数学习元件中找出 和该分析对象元件对应于相同分类且曾经以该使用者识别码登入的使用者 使用过的学习元件。例如，从学习元件库中，先找出属于分类1或分类2的 学习元件集合(称之为学习元件集合l)，再从学习元件集合l中找出曾经被该使用者使用过的学习元件集合(称之为学习元件集合2)。
步骤S505，从步骤S503找出的学习元件中，找出包含该分析对象元件 所具有的关键词的学习元件。例如，从学习元件集合2中，找出包含上述关 键词l或关键词2的学习元件集合(称之为学习元件集合3)。
步骤S507中，搜寻包含于步骤S505找出的学习元件的关键词，并以未 包含于该分析对象元件的该关键词作为关键词B。例如，学习元件集合3包 含复数个学习元件，而在这些学习元件中，除了关键词1及关键词2之外， 尚包含关键词3、关键词4、及关键词5。关键词3、关键词4、及关键词5 即为初步决定出的个人化相关关键词。
由于关键词的数量如果过多，会造成处理上的困难以及分析结果不精 确，因此，可以再执行步骤S509，依据预定规则进一步从步骤S507找出的 关键词中筛选出较重要的个人化相关关键词。例如，可以从关键词3、关键 词4、及关键词5中，找出最近使用过的学习元件中包含的关键词，作为决 定的个人化相关关键词。例如，最近使用过的学习元件包含的关键词为关键 词3，即选取关键词3作为个人化相关关键词，作为产生预览文字之用。
图6显示图2中多媒体预览程序的流程图。
步骤S601中，计算该分析对象元件中复数文句的两两之间的关联值。 例如，可以直接撷取步骤S301中计算的分析对象元件中复数文句的两两之
间的关联值(即，公式l的外.= ，x2)。
。,
步骤S603中，并将该关联值除以该分析对象元件中的每一该多媒体数 据与该分析对象元件中每一文句的距离。例如，以"相隔字符数"作为多媒 体数据与文句的距离的计算单位。其中文句Si和多媒体数据Gj的距离表示 为d(Si,Gj)。
步骤S605中，依据步骤S601取得的R(i， j)及步骤S603取得的d(Si,Gj)，
计算得到每一该多媒体数据和该分析对象元件中每一文句的关联度，其计算
14依据下式
錄；)
其中艰力=("">2，其中Ui及Uj为该分析对象元件中的两不同文
句Si及Sj包含的二元词，且Wu W为Ui及Uj中二元词的词数的总和，Wn^ 为Ui及Uj中共同包含的二元词的词数，d(Si,Gj)为多媒体数据Gj和文句Si 的物理距离。
步骤S605，计算得到每一该多媒体数据和该分析对象元件中每一文句 的关联度，可以表示为一关联度矩阵。
步骤S607，依据上述多媒体关联度矩阵，选取与该预览文句距离最短 的该多媒体数据，作为预览多媒体数据。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何 熟习此技艺者，在不脱离本发明的精神和范围内，当可作些许的更动与润饰， 因此本发明的保护范围当以权利要求范围所界定者为准。
权利要求
1. 一种产生学习元件快照的系统，其特征在于，所述系统包括一接口，其接收一分析对象元件，其对应于一分析对象元件分类，并包含复数文句及多媒体数据，且所述复数文句包含至少一分析对象关键词；及一使用者识别码；一学习元件库，其包含复数学习元件，其中每一所述学习元件对应于至少一学习元件分类，且每一所述学习元件包含至少一学习元件关键词；及一使用者学习历程记录，其包含对应于所述使用者识别码之使用所述复数学习元件的记录；一文字预览单元，依据所述使用者识别码对应之所述使用者学习历程记录，从所述分析对象元件的所述复数文句中选取至少一文句作为预览文句；一多媒体预览单元，其从所述分析对象元件之所述多媒体数据中，找出和所述预览文句相关度高者作为预览多媒体；一快照产生单元，其结合所述预览文句及所述预览多媒体以产生对应于所述分析对象元件的一快照，并将所述快照显示于一显示装置上。
2. 如权利要求l所述之产生学习元件快照的系统，其特征在于， 所述使用者接口还接收一使用者输入的使用者关键词； 所述文字预览单元还执行计算所述分析对象元件之所述复数文句的信息量；依据所述使用者识别码对应的所述使用者学习历程记录，从所述复数学 习元件中找出和所述分析对象元件相关的至少一个相关关键词；所述复数文句的信息量及所述使用者关键词与相关关键词，选取信息量 相对较大且包含所述使用者关键词及/或相关关键词的文句作为所述预览文 句。
3. 如权利要求2所述的产生学习元件快照的系统，其特征在于，所述文字预览单元执行的计算所述分析对象元件的所述复数文句的信息量的步骤 还包含-计算所述分析对象元件的所述复数文句的关联度矩阵，其包含所述复数文句的两两之间的关联值；计算所述复数文句中每一文句与其它文句的关联值总和作为其信息量 的计量值。
4. 如权利要求3所述的产生学习元件快照的系统，其特征在于，所述文 字预览单元执行的所述复数文句的两两之间的关联值依据下式计算外》("，2，其中Ui为所述分析对象元件中的文句Si所包含的二元词，Uj为所述分析对象元件中的文句Sj包含的二元词，且^u^为Ui 及Uj中二元词的词数的总和，Wn^为Ui及Uj中共同包含的二元词的词 数。
5. 如权利要求2所述的产生学习元件快照的系统，其特征在于，所述文 字预览单元执行的从所述复数学习元件中找出和所述分析对象元件相关的 至少一个相关关键词的步骤还包含(A) 依据所述使用者学习历程记录，从所述复数学习元件中找出学习 元件分类相同于分析对象元件分类、且曾经以所述使用者识别码登入的使用 者使用过的所述学习元件；(B) 从步骤(A)找出的学习元件中，找出包含所述分析对象关键词 的学习元件；(C) 搜寻包含于步骤(B)找出的学习元件的学习元件关键词，并以 未包含于所述分析对象元件的所述学习元件关键词作为所述相关关键词。
6. 如权利要求2所述的产生学习元件快照的系统，其特征在于，所述多 媒体预览单元还执行计算多媒体距离矩阵，计算所述分析对象元件中的每一所述多媒体数据与所述分析对象元件中每一文句的距离；计算多媒体关联度矩阵，计算每一所述多媒体数据和所述分析对象元件 中每一文句的关联度，以取得与所述预览文句距离最短的所述多媒体数据。
7. 如权利要求6所述的产生学习元件快照的系统，其特征在于，所述多 媒体预览单元执行的计算每一所述多媒体数据和所述分析对象元件中每一 文句的关联度的步骤包含计算所述分析对象元件中复数文句的两两之间的关联值；以及 将所述关联值除以所述分析对象元件中的每一所述多媒体数据与所述分析对象元件中每一文句的距离，以取得每一所述多媒体数据和所述分析对象元件中每一文句的关联度。
8. 如权利要求7所述的产生学习元件快照的系统，其特征在于，所述多 媒体预览单元依据下式计算每一所述多媒体数据和所述分析对象元件中每 一文句的关联度<formula>formula see original document page 4</formula>其中，邵》(",x2，其中Ui为所述分析对象元件中的文句Si所包含的二元词，Uj为所述分析对象元件中的文句Sj包含的二元词，且^u^ 为Ui及Uj中二元词的词数的总和，Wn^为Ui及Uj中共同包含的二元词 的词数，d(Si，Gi)为多媒体数据Gj和文句Si的物理距离。
9. 一种产生学习元件快照的方法，该方法包括接收一分析对象元件，其对应于一分析对象元件分类，并包含复数文句 及多媒体数据，且所述复数文句包含至少一分析对象关键词； 接收一使用者识别码；提供一学习元件库，其包含复数学习元件，其中每一所述学习元件 对应于至少一学习元件分类，且每一所述学习元件包含至少一学习元件关键 词； 一使用者学习历程记录，其包含对应于所述使用者识别码的使用所述复数学习元件的记录；依据所述使用者识别码对应的所述使用者学习历程记录，从所述分析对 象元件的复数文句中选取至少一文句作为预览文句；从所述分析对象元件的所述多媒体数据中，找出和所述预览文句相关度 高者作为预览多媒体；结合所述预览文句及所述预览多媒体以产生对应于所述分析对象元件 的一快照，并显示所述快照。
10. 如权利要求9所述的产生学习元件快照的方法，其特征在于，所述 方法还包含接收一使用者输入的使用者关键词； 计算所述分析对象元件的所述复数文句的信息量；依据所述使用者识别码对应的所述使用者学习历程记录，从所述复数学 习元件中找出和所述分析对象元件相关的至少一个相关关键词；所述复数文句的信息量及所述使用者关键词与相关关键词，选取信息量 相对较大且包含所述使用者关键词及/或相关关键词的文句作为所述预览文 句。
11. 如权利要求10所述的产生学习元件快照的方法，其特征在于，计算 所述分析对象元件的所述复数文句的信息量的步骤还包含计算所述分析对象元件的所述复数文句的关联度矩阵，其包含所述复数 文句的两两之间的关联值；计算所述复数文句中每一文句与其它文句的关联值总和作为其信息量 的计量值。
12. 如权利要求ll所述的产生学习元件快照的方法，其特征在于，所述 复数文句的两两之间的关联值系依据下式计算及(")=(" ，其中Ui为所述分析对象元件中的文句Si所包含的二元词，Uj为所述分析对象元件中的文句Sj包含的二元词，且^u^为Ui 及Uj中二元词的词数的总和，Wnf/y'为Ui及Uj中共同包含的二元词的词 数。
13. 如权利要求10所述的产生学习元件快照的方法，其特征在于，从所 述复数学习元件中找出和所述分析对象元件相关的至少一个相关关键词的步骤还包含(A) 依据所述使用者学习历程记录，从所述复数学习元件中找出学习元件分类相同于分析对象元件分类、且曾经以所述使用者识别码登入的使用者使用过的所述学习元件；(B) 从步骤(A)找出的学习元件中，找出包含所述分析对象关键词 的学习元件；(C) 搜寻包含于步骤(B)找出的学习元件的学习元件关键词，并以 未包含于所述分析对象元件的所述学习元件关键词作为相关关键词。
14. 如权利要求10所述的产生学习元件快照的方法，其特征在于，所述 方法还包含计算多媒体距离矩阵，计算包含于所述分析对象元件中的每一所述多媒 体数据与所述分析对象元件中预览文句的距离；计算多媒体关联度矩阵，计算每一所述多媒体数据和所述分析对象元件 中预览文句的关联度，以取得与所述预览文句距离最短的所述多媒体数据。
15. 如权利要求14所述的产生学习元件快照的方法，其特征在于，计算每一所述多媒体数据和所述分析对象元件中每一文句的关联度的步骤包含 计算所述分析对象元件中复数文句的两两之间的关联值； 并将所述关联值除以所述分析对象元件中的每一所述多媒体数据与所述分析对象元件中每一文句的距离，以取得每一所述多媒体数据和所述分析对象元件中每一文句的关联度。
16. 如权利要求15所述的产生学习元件快照的方法，其特征在于，所述方法还依据下式计算每一所述多媒体数据和所述分析对象元件中每一文句 的关联度-<formula>formula see original document page 7</formula>其中錄力-^ ，x2，其中Ui及Uj为所述分析对象元件中的两不同文句Si及Sj包含的二元词，且^u^为Ui及Uj中二元词的词数的总和， t7/n^为Ui及Uj中共同包含的二元词的词数，d(Si，Gi)为多媒体数据Gj和文句Si的物理距离。
全文摘要
本发明提供一种产生学习元件快照的系统，该系统包括接口，其接收分析对象元件，其对应于一分类，并包含复数文句及多媒体数据，且复数文句包含至少一关键词；使用者识别码。该系统还包括学习元件库，包含复数学习元件，每一学习元件对应至少一分类，且包含至少一关键词；及使用者学习历程记录，其包含对应于使用者识别码的使用复数学习元件的记录；文字预览单元，依据使用者识别码对应的使用者学习历程记录，从分析对象元件的复数文句中选取至少一文句作为预览文句；多媒体预览单元，其从分析对象元件的多媒体数据中，找出和预览文句相关度高者作为预览多媒体；快照产生单元，结合预览文句及预览多媒体产生对应于分析对象元件的一快照，并显示于显示装置上。
文档编号G06F17/30GK101452464SQ20071019670
公开日2009年6月10日 申请日期2007年12月3日 优先权日2007年12月3日
发明者杨千慧, 圳 谷, 陈奕锜 申请人:财团法人资讯工业策进会