一种单词推送方法、装置、电子设备及存储介质制造方法及图纸

技术编号:31021314 阅读:26 留言:0更新日期:2021-11-30 03:10
本公开提供了一种单词推送方法、装置、电子设备及存储介质,涉及互联网应用技术领域,尤其涉及语言学习技术领域。具体实现方案为:获取当前向用户推送的初始单词的词向量;根据初始单词的词向量和单词库中各单词的词向量,分别计算单词库中的各单词与初始单词的相似度,其中,单词库包括多个单词和多个单词的词向量;基于各相似度,确定初始单词对应的邻近单词;向用户推送初始单词对应的邻近单词。实现了提高用户记忆单词的效率。现了提高用户记忆单词的效率。现了提高用户记忆单词的效率。

【技术实现步骤摘要】
一种单词推送方法、装置、电子设备及存储介质


[0001]本公开涉及语言学习
,尤其涉及一种单词推送方法、装置、电子设备及存储介质。

技术介绍

[0002]在记忆单词的过程中,人们容易花费大量的时间却难以取得较好的记忆效果。随着互联网技术的发展,市面上出现越来越多的线上单词记忆软件,旨在帮助用户利用碎片时间进行有效的单词记忆,意图使得用户在不浪费时间的同时,达到最好的记忆单词的效果。

技术实现思路

[0003]本公开提供了一种单词推送方法、装置、电子设备以及存储介质。
[0004]根据本公开的一方面,提供了一种单词推送方法,包括:
[0005]获取当前向用户推送的初始单词的词向量;
[0006]根据初始单词的词向量和单词库中各单词的词向量,分别计算单词库中的各单词与初始单词的相似度,其中,单词库包括多个单词和多个单词的词向量;
[0007]基于各相似度,确定初始单词对应的邻近单词;
[0008]向用户推送初始单词对应的邻近单词。
[0009]根据本公开的另一方面,提供了一种单词推送装置,包括:
[0010]词向量获取模块,用于获取当前向用户推送的初始单词的词向量;
[0011]相似度计算模块,用于根据初始单词的词向量和单词库中各单词的词向量,分别计算单词库中的各单词与初始单词的相似度,其中,单词库包括多个单词和多个单词的词向量;
[0012]邻近单词确定模块,用于基于各相似度,确定初始单词对应的邻近单词;
[0013]邻近单词推送模块,用于向用户推送初始单词对应的邻近单词。
[0014]根据本公开的另一方面,提供了一种电子设备,包括:
[0015]至少一个处理器;以及
[0016]与至少一个处理器通信连接的存储器;其中,
[0017]存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述任一所述的单词推送方法。
[0018]根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述任一所述的单词推送方法。
[0019]根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述任一所述的单词推送方法。
[0020]本公开提供的单词推送方法,首先获取当前向用户推送的初始单词的词向量,然后根据初始单词的词向量和单词库中各单词的词向量,分别计算单词库中的各单词与初始
单词的相似度,再基于各相似度,确定初始单词对应的邻近单词,向用户推送初始单词对应的邻近单词。
[0021]由上可知,应用本公开提供的单词推送方法,实现了在用户学习的过程中,向用户推送单词。
[0022]应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0023]附图用于更好地理解本方案,不构成对本公开的限定。其中:
[0024]图1是根据本公开提供的单词推送方法的第一实施例的流程示意图;
[0025]图2是根据本公开提供的单词推送方法的第二实施例的流程示意图;
[0026]图3是根据本公开提供的单词推送方法的第三实施例的流程示意图;
[0027]图4是根据本公开提供的单词推送方法中步骤S13的一种可能的实现方式的流程示意图;
[0028]图5是根据本公开提供的单词推送方法的第四实施例的流程示意图;
[0029]图6是根据本公开提供的单词推送方法的第五实施例的流程示意图;
[0030]图7是根据本公开提供的单词推送装置的结构示意图;
[0031]图8是用来实现本公开实施例的单词推送方法的电子设备的框图。
具体实施方式
[0032]以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
[0033]相关技术中,线上单词记忆软件在向用户推送单词时,常利用艾宾浩斯记忆曲线模型,遵循人脑记忆规律,采用周期性复习的方式向用户推送单词,来不断加深用户对单词的记忆。然而,由于单词数量众多,仅依靠人脑记忆规律来帮助用户记忆单词,这使得用户记忆单词的效率仍然较低。
[0034]由于应用相关技术中的单词记忆方法来帮助用户记忆单词时,仅依靠人脑记忆规律,使得用户记忆单词的效率较低,为了解决这个问题,本公开提供了一种单词推送方法、装置、电子设备以及存储介质,该单词推送方法包括:
[0035]获取当前向用户推送的初始单词的词向量;
[0036]根据初始单词的词向量和单词库中各单词的词向量,分别计算单词库中的各单词与初始单词的相似度,其中,单词库包括多个单词和多个单词的词向量;
[0037]基于各相似度,确定初始单词对应的邻近单词;
[0038]向用户推送初始单词对应的邻近单词。
[0039]由上可知,应用本公开提供的单词推送方法,根据初始单词的词向量和单词库中各单词的词向量,来计算单词库中各单词与初始单词的相似度,再基于所得到的相似度确定要向用户推送的初始单词的邻近单词,因此,初始单词的邻近单词具有与初始单词很高
的相关性,在用户学习单词的过程中,先向用户推送初始单词之后再推送初始单词的邻近单词,能够便于用户通过单词之间的相关性,举一反三地记忆单词,从而提高了用户记忆单词的效率。
[0040]下面通过具体实施例对本公开提供的单词推送方法进行详细说明。
[0041]本公开实施例的方法应用于智能终端,可以通过智能终端实施,在实际使用过程中,该智能终端可以是电脑、智能手机等。
[0042]参见图1,图1为本公开实施例的一种单词推送方法的流程示意图,上述方法包括以下步骤S11

S14。
[0043]步骤S11:获取当前向用户推送的初始单词的词向量。
[0044]将当前向用户推送的单词称为初始单词,本公开实施例中的单词可以为中文单词、英文单词、日文单词等任一具备词结构的语言词汇,均在本申请的保护范围内。一个例子中,初始单词可以是每一次用户开始单词学习时,向用户推送的第一个单词;或每一次用户打开单词学习软件时,向用户推送的第一个单词。为了帮助用户更好地进行单词记忆,初始单词还可以是上一次用户结束单词学习时,向用户推送的最后一个单词,也可以是上一次用户结束单词学习时,向用户推送的最后一个单词的邻近单词等。
[0045]上述单词的词向量可以是一个特征集合,特征集合中可以包括一个或多个特征词语。这些特征词语可以是具有能够表示该单词的特征的词语,也可以是特征词语本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种单词推送方法,包括:获取当前向用户推送的初始单词的词向量;根据所述初始单词的词向量和单词库中各单词的词向量,分别计算所述单词库中的各单词与所述初始单词的相似度,其中,所述单词库包括多个单词和多个单词的词向量;基于各所述相似度,确定所述初始单词对应的邻近单词;向所述用户推送所述初始单词对应的邻近单词。2.根据权利要求1所述的方法,在所述获取当前向用户推送的初始单词的词向量之前,所述方法还包括:获取所述单词库中各单词的多维特征;基于所述单词库中各单词的多维特征,确定所述单词库中各单词的词向量;将所述单词库中各单词的词向量存储在所述单词库中。3.根据权利要求1所述的方法,其中,所述根据所述初始单词的词向量和单词库中各单词的词向量,分别计算所述单词库中的各单词与所述初始单词的相似度,包括:根据所述初始单词的词向量和单词库中各未推送过的单词的词向量,分别计算每一未推送过的单词与所述初始单词的相似度;在所述向所述用户推送所述初始单词对应的邻近单词之后,所述方法还包括:在所述单词库中将所述初始单词对应的邻近单词标记为已推送过。4.根据权利要求3中所述的方法,其中,所述基于各所述相似度,确定所述初始单词对应的邻近单词,包括:按照相似度由高到低的顺序,将所述单词库中各未推送过的单词进行排序,得到所述初始单词对应的相似单词序列;选取所述初始单词对应的相似单词序列中的第一个单词,得到所述初始单词对应的邻近单词。5.根据权利要求1所述的方法,所述方法还包括:获取用户识别错误的单词或标记的单词,得到重点单词;利用预设深度学习模型确定所述重点单词对应的情景语句;在向所述用户推送所述重点单词时,推送所述重点单词对应的情景语句。6.根据权利要求5所述的方法,所述方法还包括:获取用户语料库中的语句,利用所述语料库中的语句对预设深度学习模型进行训练。7.一种单词推送装置,包括:词向量获取模块,用于获取当前向用户推送的初始单词的词向量;相似度计算模块,用于根据所述初始单词的词向量和单词库中各单词的词向量,分别计算所述单词库中的各单词与所述初始单词的相似度,其中,所述单词库包括多个单词和多个单词的词向量;邻近单词确定模块,用于基于各所述相似度,确定所述初始单词对...

【专利技术属性】
技术研发人员:郭瑞彪
申请(专利权)人:北京百度网讯科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1