CN110889070B - 一种内容推送方法、计算机装置及*** - Google Patents
一种内容推送方法、计算机装置及*** Download PDFInfo
- Publication number
- CN110889070B CN110889070B CN201911113507.7A CN201911113507A CN110889070B CN 110889070 B CN110889070 B CN 110889070B CN 201911113507 A CN201911113507 A CN 201911113507A CN 110889070 B CN110889070 B CN 110889070B
- Authority
- CN
- China
- Prior art keywords
- data
- content
- printed
- text
- printing
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明涉及一种内容推送方法、计算机装置及***,该方法中包括:S1:接收待打印数据,将待打印数据按学科进行分类,得到待打印数据的学科类别;S2:根据学科类别所包含的知识点对待打印数据进行知识点分类,得到待打印数据的知识点类目;S3:计算待打印数据的特征向量;S4:查找多个与待打印数据具有相同学科和相同知识点的内容数据,并计算每个内容数据的特征向量;S5:计算每个内容数据与待打印数据的特征向量之间的欧几里得距离;S6:判断计算的最小欧几里得距离是否小于阈值,如果是,则将该欧几里得距离对应的内容数据作为推送数据进行推送;否则不推送。本发明可以推送打印数据的补充材料,提高了用户的体验。
Description
技术领域
本发明涉及内容推送领域,尤其涉及一种内容推送方法、计算机装置及***。
背景技术
现有的打印机只能够被动的接收到用户的需要打印的内容信息后,再通过预先约定好的打印格式,把内容打印出来,功能单调,而且与用户缺乏互动性,这将极大影响产品与用户之间的粘性。而随着用户需求的增加,用户往往需要利用打印机进行主动学习,因此需要打印机能够根据用户之前的学习情况推送合适的补充材料。
发明内容
为了解决上述问题,本发明提出了一种内容推送方法、计算机装置及***。
具体方案如下:
一种内容推送方法,包括以下步骤:
S1:根据接收的待打印数据,将待打印数据按学科进行分类,得到待打印数据的学科类别;
S2:根据学科类别所包含的知识点对待打印数据进行知识点分类,得到待打印数据的知识点类目;
S3:计算待打印数据的特征向量;
S4:查找多个与待打印数据具有相同学科和相同知识点的内容数据,并计算每个内容数据的特征向量;
S5:计算每个内容数据与待打印数据的特征向量之间的欧几里得距离;
S6:判断计算的最小欧几里得距离是否小于阈值,如果是,则将该欧几里得距离对应的内容数据作为推送数据进行推送;否则不推送。
进一步的,所述特征向量是通过特征向量计算模型计算的,所述特征向量计算模型采用如下方式生成:
S31:采集多个文本数据,并查找每个文本数据对应的正例数据和负例数据,将所有文本数据和其对应的正例数据和负例数据共同组成训练集;
S32:构建文本向量计算模型,通过训练集对文本向量计算模型进行训练,使得模型的损失函数的值最小;
设定模型的损失函数为:
cost=max(L2(YP,YA)-L2(YN,YA)+a,0)
其中,cost表示损失函数的值,函数max(.)表示取最大值,YA表示文本数据的文本向量,YP表示文本数据对应的正例数据的文本向量,YN表示文本数据对应的负例数据的文本向量,函数L2(.)表示计算两个向量之间的欧几里得距离,a为常数,表示偏移量;
S33:将训练后的模型作为特征向量计算模型,以用于计算特征向量。
进一步的,步骤S3中,是通过内容数据库中进行遍历查找的方式以查找出多个与待打印数据具有相同学科和相同知识点的内容数据,所述内容数据库中预先存储有多个学科和多个知识点的内容数据。
进一步的,步骤S6中当确定推送数据后通过下列方式进行推送:
S61:发出推送数据提醒信号;
S62:当接收到查看推送数据信号时,将推送数据进行展示;
S63:当接收到确认打印信号时,将推送数据进行打印。
进一步的,步骤S6中当确定推送数据后通过下列方式进行推送:
S61:发出推送数据提醒信号;
S62:当接收到查看推送数据信号时,判断该推送数据的收费情况为付费还是免费,并将收费情况与推送数据的内容共同进行展示;
S63:当接收到确认打印信号时,如果收费情况为免费,将推送数据进行打印;如果收费情况为付费,显示或打印对应的付费通道,直到接收到付费完成信号时,再将推送数据进行打印。
进一步的,当推送数据中包含富媒体信息时,在步骤S63打印完成后,发出是否播放信号;当接收到确认播放信号时,将该富媒体信息进行播放。
进一步的,当推送数据中包含富媒体信息时,打印的推送数据中除内容之外还包括富媒体信息对应的唯一编码;当接收到富媒体信息对应的唯一编码时,对该富媒体信息进行播放。
进一步的,步骤S62中所述展示为显示模块显示和语音模块播放中的一种或多种。
一种计算机装置,包括处理器、存储器以及存储在所述存储器中并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本发明实施例上述的方法的步骤。
一种***,包括打印模块、输入模块、输出模块、处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述输入模块用于接收数据和信号,所述输出模块用于发出信号和展示内容,所述打印模块用于打印,所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案,让一个单机的,静态的,被动接收打印内容的打印机,变成是一个能够实时与用户产生互动,可以根据用户输入的待打印内容源源不断的为用户精准推送合适的补充材料的智能打印机。能够给用户带来优质的增值服务,提高用户使用这款产品的活跃度以及该产品与用户之间的粘性。
附图说明
图1所示为本发明实施例一的流程图。
图2所示为该实施例中内容自动匹配算法的模型示意图。
图3所示为该实施例中文本向量计算模型的训练过程示意图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一:
本发明实施例用于实现根据用户输入的待打印内容,输出合适的补充材料,如输入的为一道一年级的加法运算题,输出的补充材料则同样为一道一年级的加法运算题。该实施例提供了一种内容推送方法,如图1所示,包括以下步骤:
步骤一:接收用户通过手机APP或电脑发送的待打印数据,并将该待打印数据进行打印。
所述发送方式可以通过有线或无线网络的方式进行发送,在此不做限制。
用户用于发送的设备也可以为手机和电脑之外的其他智能设备,在此不做限制。
步骤二:根据待打印数据查找其对应的补充材料,并将其进行推送。
所述补充材料的查找方式包括人工查找和算法查找两种方式。
(1)人工查找为专业工作人员人为的对待打印数据进行分析,并结合专业工作人员自身的专业知识背景,制作相关的补充材料,因此对应的专业工作人员应为具有一定的与待打印数据的专业方向对应的专业知识的人员,其可以为教育工作者(如老师)、专业服务机构等。
当专业工作人员在后台浏览到用户的待打印数据(前提是用户同意把自己的待打印数据公开,目的是为了得到后台为其推荐更多其需要的优质内容),如果发现用户的某个待打印数据,存在一些扩展性的补充材料,同时又是该专业工作人员所擅长的领域,则该专业工作人员就可以针对该用户的这份待打印数据,为其制作出补充材料,让用户可以得到扩展学习,该补充材料可以为文本信息、图片信息或其它富媒体信息,例如音频内容。
进一步的,专业工作人员还可以在后台开设自己的内容频道,围绕着某个知识体系,创作出丰富的内容模块,并可将这些内容模块推送给需要的用户群体。
(2)算法查找为通过内容自动匹配算法,在存储内容的内容数据库中查找出与该待打印数据的相关性最高的内容作为补充材料。
该实施例中采用的内容自动匹配算法为基于循环神经网络(RNN)模型的深度学习算法,其示意图如图2所示,具体采用下列步骤:
步骤1、将待打印数据按学科进行第一层级分类,得到该待打印数据所属的学科类别。
采用的分类算法不做限制,该实施例中采用第三方开放平台提供的现有算法(百度AI开放平台),以第三方开放平台提供的预训练模型为基础,以内容数据库中的所有标注了学科标签的内容文本为训练数据,对该模型进行迁移训练,以训练完成的模型作为该实施例中进行数据所属学科自动分类的分类模型,对待打印数据进行分类。
步骤2、根据学科类别所包含的知识点对待打印数据进行第二层级分类,得到该待打印数据所属的知识点类目。
对第一层级分类后的各学科对应的数据按照对应学科中包含的知识点进行第二层级分类。
采用的分类算法不做限制,该实施例中同样也采用第三方开放平台提供的现有算法(百度AI开放平台),以开放平台提供的预训练模型为基础,以内容数据库当中的所有标注了知识点标签的内容文本为训练数据,对该模型进行迁移训练,训练完成的模型作为该实施例中进行学科中各知识点自动分类的分类模型,对每个学科包含的知识点进行分类。
步骤3、计算待打印数据的特征向量。
所述特征向量的计算方法可以采用现有的算法,该实施例中为了使匹配到的补充材料的相似性更高,优选采用步骤31~33中的方式。
步骤31:构建训练集。
所述训练集包含多个三元数据对(A,P,N),其中,A为选定的文本数据,P为A的正例数据,即可作为A的补充材料的另一份文本数据,N为A的负例数据,即与A差异性较大的,不能作为A的补充材料的第三份文本数据。
正例数据P可以采用专业工作人员对文本数据A的补充材料,负例数据N可以随机从与文本数据A不同科目类别的内容中选取。
训练集中的数据均需相应的标注为文本数据、正例数据和负例数据。
步骤32:构建文本向量计算模型,通过训练集对文本向量计算模型进行多次训练,通过调整模型中的参数使得模型的损失函数的值最小。模型的训练过程如图3所示。
所述文本向量计算模型可以采用常用的模型,该实施例优选采用循环神经网络(RNN)模型,通过该循环神经网络模型得到训练集中的所有文本数据A和其对应的正例数据P和负例数据N的文本向量。
在模型的针对每个数据的文本向量计算过程中,由于该数据在内容上存在多个不同维度的特征信息(假设维度为n),首先将数据通过分词算法(该实施例中采用隐马尔科夫模型中的分词算法)进行分词处理;然后将分词处理后的每个词均转换为词向量,该实施例中词向量转换算法采用第三方开放平台(腾讯公司AI Lab开放的中文词向量数据)提供的算法进行;最后将该数据的所有词向量输入循环神经网络模型得到该数据的文本向量。该实施例中,每个数据均通过循环神经网络模型生成一个长度为16的实数向量。
设定模型的损失函数为:
cost=max(L2(YP,YA)-L2(YN,YA)+a,0)
其中,cost表示损失函数的值,函数max(.)表示取最大值,YA表示文本数据的文本向量,YP表示文本数据对应的正例数据的文本向量,YN表示文本数据对应的负例数据的文本向量,函数L2(.)表示计算两个向量之间的欧几里得距离,a为常数,表示偏移量。
该实施例中,为了保障L2(YP,YA)<L2(YN,YA),该实施例中取a=10000。在最小化损失函数(模型训练)的过程中,会逐渐把模型的参数优化到L2(YP,YA)-L2(YN,YA)+a<0的效果,即内容相似(文本数据与正例数据)的两个文本数据经过模型计算后输出值之间的L2距离小,内容相异(文本数据与负例数据)的两个文本数据经过模型计算后输出值之间的L2距离大。
步骤33:将待打印数据输入训练后的模型,模型输出则为待打印数据的特征向量。
步骤4、在内容数据库中查找所有与待打印数据具有相同学科和相同知识点的内容数据,并计算每个内容数据的特征向量。
步骤5、计算每个内容数据与待打印数据的特征向量之间的欧几里得距离。
步骤6、判断计算的最小欧几里得距离是否小于阈值(例如10),如果是,则表示该欧几里得距离对应的内容数据和该待打印数据的关联度足够强,可作为该待打印数据的补充材料推送给用户,因此进行推送;否则,表明用户当前的该待打印数据在内容数据库当中不存在相应的补充材料可以推送给用户,因此不进行推送。
在步骤6中的推送中,首先以指示灯或语音方式进行提醒,以通知用户有该待打印数据的补充材料,当用户接收到提醒后,可以选择查看该补充材料的内容,所述查看可以通过显示模块进行显示,也可以通过语音模块对内容进行语音播报。查看的内容可以是完整内容,也可以是内容概要。当用户查看完成后,发送是否打印补充材料的信号,当接收到确认打印的信号时,将该补充材料打印出来。
进一步的,还包括判断补充材料为付费内容还是免费内容,并将付费内容或免费内容在显示该补充材料的内容时同时进行显示,以供用户判断是否付费进行打印。如果是付费内容,在接收到确认打印的信号后,首先打印或显示一付费通道,该付费通道可以为二维码,通过扫码方式完成支付;当接收到付费完成信号时,再将该补充材料打印出来。
另外,如果该补充材料包含富媒体信息(例如音频内容,每个音频内容对应一个独一无二的ID编码),用户可以直接选择播放,当接收到播放信号时,通过语音模块对其进行播放,还可以通过在输入获得的富媒体信息对应的ID编码,进而获得该富媒体信息。
例如用户打印的补充材料为一首诗,在诗正文的后面,会附加一句话:“收听这首诗的朗读以及讲解,请输入1234”,用户在打印设备上输入1234后(可以通过语音输入或者按键输入等),即可收听到这份补充材料所对应的音频资源。
本发明实施例一具有以下有益效果:
1.可以根据用户的待打印数据给用户推送精准的补充材料,改善用户的体验,也让本来一个单机的打印设备变成一个可以不断的为用户提供精准增值服务的智能设备,进而提升用户体验,也增加了学习效率。
2.除了打印的基本功能外,还能携带富媒体的资源,进而方便用户在后面的温习过程当中,能够很方便的调取出该音频资源,结合着进行学习。
3.提供了收费方式的选择,可以对收费内容进行收费。
实施例二:
本发明还提供一种计算机装置,包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述计算机装置执行所述计算机程序时实现本发明实施例一中所述内容推送方法的步骤。
进一步地,作为一个可执行方案,所述计算机装置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。所述计算机装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,上述计算机装置的组成结构仅仅是计算机装置的示例,并不构成对计算机装置的限定,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机装置还可以包括输入输出设备、网络接入设备、总线等,本发明实施例对此不做限定。
进一步地,作为一个可执行方案,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例三:
本发明还提供一种***,包括打印模块、输入模块、输出模块、处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,其中所述处理器执行所述计算机程序时实现本发明实施例一中所述内容推送方法的步骤。
所述数据传输模块可为有线传输和/或无线传输,如USB传输、WIFI传输、蓝牙传输等等。所述存储器包括程序存储器和数据存储器,所述程序存储器一般设置于打印终端内部,所述数据存储器可以设置于打印终端内部或外部,当设置于外部时,可以采用云端存储器。如实施例一中所述的内容数据库即为数据存储器中的内容。该实施例中,为了方便打印终端的携带,优选设置数据存储器为云端存储器,以减小其体积。所述打印模块用于打印。所述输出模块用于接收信号,如键盘、触摸屏和拾音装置等其中的一种或多种结合。键盘和触摸屏可以输入文字内容,拾音装置可以输入语音内容。所述输出模块用于发出信号和展示内容,如LED灯、屏幕和语音模块等其中的一种或多种结合。LED灯可以用于发出推送数据提醒信号,通过LED灯闪烁、亮暗、颜色等变化来发出,屏幕可以显示文字,语音模块可以播放音频内容。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (7)
1.一种内容推送方法,其特征在于,包括以下步骤:
S1:根据接收的待打印数据,将待打印数据按学科进行分类,得到待打印数据的学科类别;
S2:根据学科类别所包含的知识点对待打印数据进行知识点分类,得到待打印数据的知识点类目;
S3:计算待打印数据的特征向量;所述特征向量是通过特征向量计算模型计算的,所述特征向量计算模型采用如下方式生成:
S31:采集多个文本数据,并查找每个文本数据对应的正例数据和负例数据,将所有文本数据和其对应的正例数据和负例数据共同组成训练集;
S32:构建文本向量计算模型,通过训练集对文本向量计算模型进行训练,使得模型的损失函数的值最小;
设定模型的损失函数为:
cost=max(L2(YP,YA)-L2(YN,YA)+a,0)
其中,cost表示损失函数的值,函数max(.)表示取最大值,YA表示文本数据的文本向量,YP表示文本数据对应的正例数据的文本向量,YN表示文本数据对应的负例数据的文本向量,函数L2(.)表示计算两个向量之间的欧几里得距离,a为常数,表示偏移量;
S33:将训练后的模型作为特征向量计算模型,以用于计算特征向量;
S4:查找多个与待打印数据具有相同学科和相同知识点的内容数据,并计算每个内容数据的特征向量;
S5:计算每个内容数据与待打印数据的特征向量之间的欧几里得距离;
S6:判断计算的最小欧几里得距离是否小于阈值,如果是,则将该欧几里得距离对应的内容数据作为推送数据进行推送;否则不推送;
当确定推送数据后通过以下两种方式中的任一种进行推送:
方式一:发出推送数据提醒信号;当接收到查看推送数据信号时,将推送数据进行展示;当接收到确认打印信号时,将推送数据进行打印;
方式二:发出推送数据提醒信号;当接收到查看推送数据信号时,判断该推送数据的收费情况为付费还是免费,并将收费情况与推送数据的内容共同进行展示;当接收到确认打印信号时,如果收费情况为免费,将推送数据进行打印;如果收费情况为付费,显示或打印对应的付费通道,直到接收到付费完成信号时,再将推送数据进行打印。
2.根据权利要求1所述的内容推送方法,其特征在于:步骤S3中,是通过内容数据库中进行遍历查找的方式以查找出多个与待打印数据具有相同学科和相同知识点的内容数据,所述内容数据库中预先存储有多个学科和多个知识点的内容数据。
3.根据权利要求1所述的内容推送方法,其特征在于:当推送数据中包含富媒体信息时,在步骤S6打印完成后,发出是否播放信号;当接收到确认播放信号时,将该富媒体信息进行播放。
4.根据权利要求1所述的内容推送方法,其特征在于:当推送数据中包含富媒体信息时,打印的推送数据中除内容之外还包括富媒体信息对应的唯一编码;当接收到富媒体信息对应的唯一编码时,对该富媒体信息进行播放。
5.根据权利要求1所述的内容推送方法,其特征在于:步骤S6中所述展示为显示模块显示和语音模块播放中的一种或多种。
6.一种计算机装置,其特征在于:包括处理器、存储器以及存储在所述存储器中并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权利要求1~2中任一所述方法的步骤。
7.一种内容推送***,其特征在于:包括打印模块、输入模块、输出模块、处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述输入模块用于接收数据和信号,所述输出模块用于发出信号和展示内容,所述打印模块用于打印,所述处理器执行所述计算机程序时实现如权利要求1~5中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911113507.7A CN110889070B (zh) | 2019-11-14 | 2019-11-14 | 一种内容推送方法、计算机装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911113507.7A CN110889070B (zh) | 2019-11-14 | 2019-11-14 | 一种内容推送方法、计算机装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889070A CN110889070A (zh) | 2020-03-17 |
CN110889070B true CN110889070B (zh) | 2023-06-30 |
Family
ID=69747510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911113507.7A Active CN110889070B (zh) | 2019-11-14 | 2019-11-14 | 一种内容推送方法、计算机装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889070B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107481456A (zh) * | 2017-07-28 | 2017-12-15 | 广州市中崎商业机器股份有限公司 | 基于双面打印机的智能广告***及方法 |
WO2018196684A1 (zh) * | 2017-04-24 | 2018-11-01 | 北京京东尚科信息技术有限公司 | 对话机器人生成方法及装置 |
CN109164991A (zh) * | 2018-07-23 | 2019-01-08 | 厦门盈趣科技股份有限公司 | 一种具有智能交互功能的打印方法 |
CN109343802A (zh) * | 2018-09-04 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 保单打印数据生成方法、装置、计算机设备和存储介质 |
CN109375882A (zh) * | 2018-08-10 | 2019-02-22 | 南京华讯方舟通信设备有限公司 | 一种基于无标识生物认证的安全打印方法与*** |
CN110221789A (zh) * | 2019-04-30 | 2019-09-10 | 小濠(深圳)科技有限公司 | 一种打印方法、装置、用户终端及计算机可读存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7551780B2 (en) * | 2005-08-23 | 2009-06-23 | Ricoh Co., Ltd. | System and method for using individualized mixed document |
US20150242165A1 (en) * | 2014-02-24 | 2015-08-27 | James Michael Patock, SR. | Print transformation process and techniques for the purpose of providing enhanced printing capabilities including sequential and reverse printing formats. |
US10255040B2 (en) * | 2017-05-11 | 2019-04-09 | Veridium Ip Limited | System and method for biometric identification |
-
2019
- 2019-11-14 CN CN201911113507.7A patent/CN110889070B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018196684A1 (zh) * | 2017-04-24 | 2018-11-01 | 北京京东尚科信息技术有限公司 | 对话机器人生成方法及装置 |
CN107481456A (zh) * | 2017-07-28 | 2017-12-15 | 广州市中崎商业机器股份有限公司 | 基于双面打印机的智能广告***及方法 |
CN109164991A (zh) * | 2018-07-23 | 2019-01-08 | 厦门盈趣科技股份有限公司 | 一种具有智能交互功能的打印方法 |
CN109375882A (zh) * | 2018-08-10 | 2019-02-22 | 南京华讯方舟通信设备有限公司 | 一种基于无标识生物认证的安全打印方法与*** |
CN109343802A (zh) * | 2018-09-04 | 2019-02-15 | 中国平安人寿保险股份有限公司 | 保单打印数据生成方法、装置、计算机设备和存储介质 |
CN110221789A (zh) * | 2019-04-30 | 2019-09-10 | 小濠(深圳)科技有限公司 | 一种打印方法、装置、用户终端及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
杨亚 ; 易远弘 ; .图书馆海量学术资源自动分类模型研究.知识管理论坛.2018,(03),全文. * |
葛文镇 ; 刘柏嵩 ; 王洋洋 ; 赵福青 ; .基于层级类别信息的标题自动分类研究.计算机应用研究.2015,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110889070A (zh) | 2020-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020215966A1 (zh) | 一种远程教学互动方法、服务器、终端以及*** | |
CN110134931B (zh) | 媒介标题生成方法、装置、电子设备及可读介质 | |
CN108847214B (zh) | 语音处理方法、客户端、装置、终端、服务器和存储介质 | |
KR101781458B1 (ko) | 언어 학습 서비스 제공 시스템 및 언어 학습 서비스 제공 방법 | |
US9202142B1 (en) | Automatic assessment of books to determine suitability for audio book conversion | |
CN110969012A (zh) | 文本纠错方法、装置、存储介质及电子设备 | |
CN109801527B (zh) | 用于输出信息的方法和装置 | |
US20180211287A1 (en) | Digital content generation based on user feedback | |
CN110162675B (zh) | 应答语句的生成方法、装置、计算机可读介质及电子设备 | |
CN117149989A (zh) | 大语言模型训练方法、文本处理方法及装置 | |
CN115658955B (zh) | 跨媒体检索及模型训练方法、装置、设备、菜谱检索*** | |
CN112052316B (zh) | 模型评估方法、装置、存储介质及电子设备 | |
CN112183048A (zh) | 一种自动解题方法、装置、计算机设备及存储介质 | |
CN110796338A (zh) | 在线教学监控方法、装置、服务器及存储介质 | |
CN111538830A (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
CN111191141A (zh) | 文案推荐方法以及装置 | |
CN114756677A (zh) | 样本生成方法、文本分类模型的训练方法及文本分类方法 | |
US20140101596A1 (en) | Language and communication system | |
KR20180105501A (ko) | 언어 정보를 처리하기 위한 방법 및 그 전자 장치 | |
CN112000803B (zh) | 文本分类方法及装置、电子设备及计算机可读存储介质 | |
CN110889070B (zh) | 一种内容推送方法、计算机装置及*** | |
CN110209692A (zh) | 数据标签的提供方法、数据处理方法、装置及设备 | |
CN109948155B (zh) | 一种多意图的选择方法及装置、终端设备 | |
CN111666408A (zh) | 重要条款筛选与展示的方法及装置 | |
CN111523343A (zh) | 阅读互动方法、装置、设备、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |