本發(fā)明涉及計算機(jī)視覺中的文字目標(biāo)提取領(lǐng)域，尤其涉及一種高中英語閱讀理解輔助學(xué)習(xí)方法及裝置。

背景技術(shù)：

1、在英語學(xué)科中，閱讀理解是十分重要的一部分，在考試中占據(jù)的比重尤其之高。想要完全理解、吃透一篇英語閱讀理解，精讀是十分具有必要的，大部分英語教師在進(jìn)行授課時就會花費大把的時間為學(xué)生進(jìn)行精度分析，便于學(xué)生理解。但是許多課外的優(yōu)質(zhì)閱讀就無法得到教師的輔助，教師也對于每一位學(xué)生的其余文章精讀分身乏術(shù)，因此輔助學(xué)習(xí)的這一個軟件就顯得十分重要，以應(yīng)對廣大學(xué)生群體的需求，在教師缺席的情況下扮演一個替代品的角色。

2、當(dāng)前市場中存在多種搜題、學(xué)習(xí)軟件，如百度搜題、小袁搜題等，但是要么只能通過網(wǎng)上匹配提供答案，要么只能為用戶提供數(shù)據(jù)庫現(xiàn)存的閱讀理解，無法對于現(xiàn)實中的紙質(zhì)閱讀理解進(jìn)行機(jī)器輔助深入精讀文章。在缺少老師講解的情況下，學(xué)生只能選擇抄襲答案或觀看軟件上不一定優(yōu)質(zhì)、不一定時新的文章，面對一篇好的紙質(zhì)文章只能費時費力逐詞搜索理解。而在這方面我們的英語閱讀輔助學(xué)習(xí)軟件存在于智能手機(jī)中，可以隨時隨地拍照進(jìn)行機(jī)器輔助理解，在沒有老師、沒有同學(xué)的情況下迅速將一篇文章的精華和要點剖析。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種高中英語閱讀理解輔助學(xué)習(xí)方法及裝置，以解決現(xiàn)有技術(shù)中存在的問題。

2、第一個方面，本發(fā)明提供了一種高中英語閱讀理解輔助學(xué)習(xí)方法，或者說，一種含英語閱讀內(nèi)容的圖片或文本的處理方法，具體包括如下步驟：

3、步驟s1、獲取評估分?jǐn)?shù)，根據(jù)所述評估分?jǐn)?shù)對學(xué)習(xí)模式進(jìn)行劃分后，對不同難度模式的詞句進(jìn)行識別與解析；

4、步驟s2、獲取學(xué)習(xí)興趣特征詞，將所述學(xué)習(xí)興趣特征詞通過接入chatgpt的接口獲取高質(zhì)量的相關(guān)文章并對所述相關(guān)文章進(jìn)行凸顯處理；

5、步驟s3、對重要的詞語和文章內(nèi)容及其解析進(jìn)行收藏。

6、優(yōu)選地，步驟s1中，所述難度模式包括“低”、“中”和“高”，其中，“低”對應(yīng)四級單詞，“中”對應(yīng)六級單詞，“高”對應(yīng)雅思單詞。

7、優(yōu)選地，步驟s1中，將獲取評估分?jǐn)?shù)，根據(jù)所述評估分?jǐn)?shù)對學(xué)習(xí)模式進(jìn)行劃分后，對不同難度的詞句進(jìn)行識別與解析，具體包括如下步驟：

8、步驟s101、根據(jù)上傳的閱讀理解圖片或文本，結(jié)合ocr識別技術(shù)，分割并提取文章主體和題目主體；

9、步驟s102、遍歷文章中的英語單詞，逐一與預(yù)先導(dǎo)入至數(shù)據(jù)庫中的高中英語重點必考單詞進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)紅凸顯，添加鏈接點擊即打開窗口展示此單詞的解析；

10、步驟s103、遍歷文章中的英語短語，逐一與預(yù)先導(dǎo)入至數(shù)據(jù)庫中的高中英語重點必考短語進(jìn)行匹配，將匹配到的短語在文章中標(biāo)黃凸顯，添加鏈接點擊即打開窗口展示此短語的解析；

11、步驟s104、遍歷文章中的英語單詞，根據(jù)用戶選擇的難度模式，分別與預(yù)先設(shè)置的不同難度級別的數(shù)據(jù)庫進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)藍(lán)凸顯，添加鏈接點擊即打開窗口展示此單詞的解析；

12、步驟s105、根據(jù)提取出的題目內(nèi)容文本與文章的句子文本進(jìn)行相似度匹配，將相似度最高的一到兩個語句添加下劃線凸顯；

13、步驟s106、通過句號對文章中的所有語句進(jìn)行分割，根據(jù)語法分析和字?jǐn)?shù)匹配長難句，將其改為斜體凸顯。

14、優(yōu)選地，步驟s101中，根據(jù)上傳的閱讀理解圖片或文本，結(jié)合ocr識別技術(shù)，分割并提取文章主體和題目主體，具體包括如下步驟：

15、步驟s101a、對上傳的閱讀理解圖片進(jìn)行預(yù)處理，形成預(yù)處理后的閱讀理解圖片；

16、步驟s101b、將預(yù)處理后的閱讀理解圖片輸入神經(jīng)網(wǎng)絡(luò)模型，通過所述神經(jīng)網(wǎng)絡(luò)模型對圖像中的字符進(jìn)行分離，形成分離后的字符；

17、步驟s101c、通過機(jī)器學(xué)習(xí)算法將分離后的字符轉(zhuǎn)換，形成對閱讀理解圖片識別后得到的可編輯的文本；

18、步驟s101d、根據(jù)對閱讀理解圖片識別后得到的可編輯的文本和上傳的閱讀理解文本，形成完整的文本內(nèi)容。

19、優(yōu)選地，步驟s101a中所述預(yù)處理包括對圖像進(jìn)行去噪、二值化、傾斜校正等操作，以提高識別率。

20、優(yōu)選地，步驟s105中，通過nlp算法實現(xiàn)所述相似度匹配，計算兩個文本之間基于語義向量的語義相似度，具體包括如下步驟：

21、步驟s105a、通過jieba函數(shù)庫對文本進(jìn)行分詞，得到每個文本的詞匯列表；

22、步驟s105b、通過word2vec模型將每個詞匯根據(jù)詞匯列表中的值轉(zhuǎn)換為向量；

23、步驟s105c、對每個文本的詞匯向量進(jìn)行加權(quán)平均，形成每個文本的語義向量；

24、步驟s105d、根據(jù)每個文本的語義向量，計算兩個文本之間的語義相似度。

25、優(yōu)選地，步驟s105a中，所述每個文本的詞匯列表包括該文本出現(xiàn)的次數(shù)、上下文等信息。

26、優(yōu)選地，步驟s105d中，計算兩個文本的語義向量之間的相似度，具體公式如下所示：

27、

28、其中，similaritysemantic(texti,textj)表示文本texti和文本textj之間的語義相似度，v?texti表示文本texti的語義向量，||vtexti||表示語義向量vtexti的范數(shù)，<vtexti,vtextj>表示兩個語義向量的內(nèi)積。

29、優(yōu)選地，步驟s106中，通過基于最大間隔馬爾可夫網(wǎng)絡(luò)進(jìn)行句法分析，具體包括如下步驟：

30、步驟s106a、通過jieba函數(shù)庫對輸入的每個句子進(jìn)行分詞和詞性標(biāo)注；

31、步驟s106b、從每個句子中提取和jieba函數(shù)庫提供的當(dāng)前詞語、詞性和依存關(guān)系數(shù)據(jù)，形成特征數(shù)據(jù)；

32、步驟s106c、根據(jù)所述特征數(shù)據(jù)，構(gòu)建圖結(jié)構(gòu)；

33、步驟s106d、通過最大間隔馬爾可夫模型計算每個依存關(guān)系的得分，并通過解碼算法找到最優(yōu)的依存樹結(jié)構(gòu)；

34、步驟s106e、將最優(yōu)依存樹結(jié)構(gòu)轉(zhuǎn)換成句法分析結(jié)果。

35、優(yōu)選地，步驟s106c中，所述圖結(jié)構(gòu)包括節(jié)點和邊；其中，節(jié)點表示句子中的每個詞語，邊表示詞語之間的依存關(guān)系。

36、優(yōu)選地，步驟s106d中，所述解碼算法包括viterbi算法，所述viterbi算法的計算公式如下所示：

37、δt(i)＝max?p(it＝i，it-1，…，i1，ot，…，o1|λ)，i＝1,2，…，n

38、其中，δt(i)表示t時刻到狀態(tài)為i的所有結(jié)點最大概率值(即類似圖結(jié)構(gòu)中的從左到右最短路徑)，it表示最短路徑，ot表示觀測矩陣參數(shù)，ot為常數(shù)，λ表示概率矩陣參數(shù)，λ為常數(shù)。

39、優(yōu)選地，步驟s106e中，將最優(yōu)依存樹結(jié)構(gòu)轉(zhuǎn)換成句法分析結(jié)果，具體計算公式如下所示：

40、

41、其中，φ(x，y)表示與x相對應(yīng)的句法樹y的特征向量，w表示特征權(quán)重，g(x)表示x所屬于的句法規(guī)則。

42、優(yōu)選地，步驟s2中，獲取學(xué)習(xí)興趣特征詞，將所述學(xué)習(xí)興趣特征詞通過接入chatgpt的接口獲取高質(zhì)量的相關(guān)文章并對所述相關(guān)文章進(jìn)行凸顯處理，具體包括如下步驟：

43、步驟s201、獲取學(xué)習(xí)興趣特征詞后，調(diào)用chatgpt接口并向chatgpt發(fā)送查詢請求；

44、步驟s202、chatgpt在接收到所述查詢請求后，對所述查詢請求進(jìn)行處理，得到與所述學(xué)習(xí)興趣特征詞相關(guān)的高質(zhì)量文章并返回；

45、步驟s203、通過接口獲取通過chatgpt得到的與所述學(xué)習(xí)興趣特征詞相關(guān)的高質(zhì)量文章，對所述相關(guān)文章進(jìn)行凸顯處理。

46、優(yōu)選地，步驟s201中，所述查詢請求包括根據(jù)學(xué)習(xí)興趣特征詞形成的用于引導(dǎo)chatgpt獲取和所述學(xué)習(xí)興趣特征詞相關(guān)的高質(zhì)量文章。

47、優(yōu)選地，步驟s203中，對所述相關(guān)文章進(jìn)行凸顯處理，具體包括如下步驟：

48、步驟s203a、獲取高中英語重點必考單詞并導(dǎo)入數(shù)據(jù)庫中，遍歷文章中的英語單詞，逐一與數(shù)據(jù)庫中的單詞進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)紅凸顯，添加鏈接點擊即打開窗口展示此單詞的解析；

49、步驟s203b、獲取高中英語重點必考短語并導(dǎo)入數(shù)據(jù)庫中，遍歷文章中的英語短語，逐一與數(shù)據(jù)庫中的短語進(jìn)行匹配，將匹配到的短語在文章中標(biāo)黃凸顯，添加鏈接點擊即打開窗口展示此短語的解析；

50、步驟s203c、獲取四級單詞、六級單詞、雅思單詞并分別導(dǎo)入不同的數(shù)據(jù)庫中，遍歷文章中的英語單詞，根據(jù)選擇的難度模式，分別與不同的數(shù)據(jù)庫進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)藍(lán)凸顯，添加鏈接點擊即打開窗口展示此單詞的解析。

51、優(yōu)選地，步驟s3中，可隨時對收藏后的內(nèi)容和解析進(jìn)行查看。

52、第二個方面，本發(fā)明還提供了一種高中英語閱讀理解輔助學(xué)習(xí)裝置，或者說，一種含英語閱讀內(nèi)容的圖片或文本的處理裝置，具體包括如下模塊：

53、語句識別與解析模塊，用于獲取評估分?jǐn)?shù)，根據(jù)所述評估分?jǐn)?shù)對學(xué)習(xí)模式進(jìn)行劃分后，對不同難度模式的詞句進(jìn)行識別與解析；

54、凸顯處理模塊，用于獲取學(xué)習(xí)興趣特征詞，將所述學(xué)習(xí)興趣特征詞通過接入chatgpt的接口獲取高質(zhì)量的相關(guān)文章并對所述相關(guān)文章進(jìn)行凸顯處理；

55、收藏處理模塊，用于對重要的詞語和文章內(nèi)容及其解析進(jìn)行收藏。

56、優(yōu)選地，語句識別與解析模塊中，所述難度模式包括“低”、“中”和“高”，其中，“低”對應(yīng)四級單詞，“中”對應(yīng)六級單詞，“高”對應(yīng)雅思單詞。

57、優(yōu)選地，語句識別與解析模塊具體包括如下子模塊：

58、語句識別與解析第一子模塊，用于根據(jù)上傳的閱讀理解圖片或文本，結(jié)合ocr識別技術(shù)，分割并提取文章主體和題目主體；

59、語句識別與解析第二子模塊，用于遍歷文章中的英語單詞，逐一與預(yù)先導(dǎo)入至數(shù)據(jù)庫中的高中英語重點必考單詞進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)紅凸顯，添加鏈接點擊即打開窗口展示此單詞的解析；

60、語句識別與解析第三子模塊，用于遍歷文章中的英語短語，逐一與預(yù)先導(dǎo)入至數(shù)據(jù)庫中的高中英語重點必考短語進(jìn)行匹配，將匹配到的短語在文章中標(biāo)黃凸顯，添加鏈接點擊即打開窗口展示此短語的解析；

61、語句識別與解析第四子模塊，用于遍歷文章中的英語單詞，根據(jù)用戶選擇的難度模式，分別與預(yù)先設(shè)置的不同難度級別的數(shù)據(jù)庫進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)藍(lán)凸顯，添加鏈接點擊即打開窗口展示此單詞的解析；

62、語句識別與解析第五子模塊，用于根據(jù)提取出的題目內(nèi)容文本與文章的句子文本進(jìn)行相似度匹配，將相似度最高的一到兩個語句添加下劃線凸顯；

63、語句識別與解析第六子模塊，用于通過句號對文章中的所有語句進(jìn)行分割，根據(jù)語法分析和字?jǐn)?shù)匹配長難句，將其改為斜體凸顯。

64、優(yōu)選地，所述語句識別與解析第一子模塊具體包括如下孫模塊：

65、第一處理孫模塊，用于對上傳的閱讀理解圖片進(jìn)行預(yù)處理，形成預(yù)處理后的閱讀理解圖片；

66、第二處理孫模塊，用于將預(yù)處理后的閱讀理解圖片輸入神經(jīng)網(wǎng)絡(luò)模型，通過所述神經(jīng)網(wǎng)絡(luò)模型對圖像中的字符進(jìn)行分離，形成分離后的字符；

67、第三處理孫模塊，用于通過機(jī)器學(xué)習(xí)算法將分離后的字符轉(zhuǎn)換，形成對閱讀理解圖片識別后得到的可編輯的文本；

68、第四處理孫模塊，用于根據(jù)對閱讀理解圖片識別后得到的可編輯的文本和上傳的閱讀理解文本，形成完整的文本內(nèi)容。

69、優(yōu)選地，第一處理孫模塊中，所述預(yù)處理包括對圖像進(jìn)行去噪、二值化、傾斜校正等操作，以提高識別率。

70、優(yōu)選地，所述語句識別與解析第五子模塊具體包括如下孫模塊：

71、第五處理孫模塊，用于通過jieba函數(shù)庫對文本進(jìn)行分詞，得到每個文本的詞匯列表；

72、第六處理孫模塊，用于通過word2vec模型將每個詞匯根據(jù)詞匯列表中的值轉(zhuǎn)換為向量；

73、第七處理孫模塊，用于對每個文本的詞匯向量進(jìn)行加權(quán)平均，形成每個文本的語義向量；

74、第八處理孫模塊，用于根據(jù)每個文本的語義向量，計算兩個文本之間的語義相似度。

75、優(yōu)選地，第五處理孫模塊中，所述每個文本的詞匯列表包括該文本出現(xiàn)的次數(shù)、上下文等信息。

76、優(yōu)選地，第八處理孫模塊中，計算兩個文本的語義向量之間的相似度，具體公式如下所示：

77、

78、其中，similaritysemantic(texti,textj)表示文本texti和文本textj之間的語義相似度，vtexti表示文本texti的語義向量，||vtexti||×||vtextj||表示語義向量vtexti和vtextj之間的內(nèi)積，<vtexti，vtextj>表示兩個語義向量的內(nèi)積。

79、優(yōu)選地，所述語句識別與解析第六子模塊具體包括如下孫模塊：

80、第九處理孫模塊，用于通過jieba函數(shù)庫對輸入的每個句子進(jìn)行分詞和詞性標(biāo)注；

81、第十處理孫模塊，用于從每個句子中提取和jieba函數(shù)庫提供的當(dāng)前詞語、詞性和依存關(guān)系數(shù)據(jù)，形成特征數(shù)據(jù)；

82、第十一處理孫模塊，用于根據(jù)所述特征數(shù)據(jù)，構(gòu)建圖結(jié)構(gòu)；

83、第十二處理孫模塊，用于通過最大間隔馬爾可夫模型計算每個依存關(guān)系的得分，并通過解碼算法找到最優(yōu)的依存樹結(jié)構(gòu)；

84、第十三處理孫模塊，用于將最優(yōu)依存樹結(jié)構(gòu)轉(zhuǎn)換成句法分析結(jié)果。

85、優(yōu)選地，第十一處理孫模塊中，所述圖結(jié)構(gòu)包括節(jié)點和邊；其中，節(jié)點表示句子中的每個詞語，邊表示詞語之間的依存關(guān)系。

86、優(yōu)選地，第十二處理孫模塊中，所述解碼算法包括viterbi算法，所述viterbi算法的計算公式如下所示：

87、δt(i)＝max?p(it＝i，it-1，…，i1，ot，…，o1|λ)，i＝1,2，…，n

88、其中，δt(i)表示t時刻到狀態(tài)為i的所有結(jié)點最大概率值(即類似圖結(jié)構(gòu)中的從左到右最短路徑)，it表示最短路徑，ot表示觀測矩陣參數(shù)，ot為常數(shù)，λ表示概率矩陣參數(shù)，λ為常數(shù)。

89、優(yōu)選地，第十三處理孫模塊中，將最優(yōu)依存樹結(jié)構(gòu)轉(zhuǎn)換成句法分析結(jié)果，具體計算公式如下所示：

90、

91、其中，φ(x，y)表示與x相對應(yīng)的句法樹y的特征向量，w表示特征權(quán)重，g(x)表示x所屬于的句法規(guī)則。

92、優(yōu)選地，所述凸顯處理模塊具體包括如下子模塊：

93、凸顯處理第一子模塊，用于獲取學(xué)習(xí)興趣特征詞后，調(diào)用chatgpt接口并向chatgpt發(fā)送查詢請求；

94、凸顯處理第二子模塊，用于在chatgpt接收到所述查詢請求后，對所述查詢請求進(jìn)行處理，得到與所述學(xué)習(xí)興趣特征詞相關(guān)的高質(zhì)量文章并返回；

95、凸顯處理第三子模塊，用于通過接口獲取通過chatgpt得到的與所述學(xué)習(xí)興趣特征詞相關(guān)的高質(zhì)量文章，對所述相關(guān)文章進(jìn)行凸顯處理。

96、優(yōu)選地，凸顯處理第一子模塊中，所述查詢請求包括根據(jù)學(xué)習(xí)興趣特征詞形成的用于引導(dǎo)chatgpt獲取和所述學(xué)習(xí)興趣特征詞相關(guān)的高質(zhì)量文章。

97、優(yōu)選地，所述凸顯處理第三子模塊具體包括如下孫模塊：

98、凸顯處理第一孫模塊，用于獲取高中英語重點必考單詞并導(dǎo)入數(shù)據(jù)庫中，遍歷文章中的英語單詞，逐一與數(shù)據(jù)庫中的單詞進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)紅凸顯，添加鏈接點擊即打開窗口展示此單詞的解析；

99、凸顯處理第二孫模塊，用于獲取高中英語重點必考短語并導(dǎo)入數(shù)據(jù)庫中，遍歷文章中的英語短語，逐一與數(shù)據(jù)庫中的短語進(jìn)行匹配，將匹配到的短語在文章中標(biāo)黃凸顯，添加鏈接點擊即打開窗口展示此短語的解析；

100、凸顯處理第三孫模塊，用于獲取四級單詞、六級單詞、雅思單詞并分別導(dǎo)入不同的數(shù)據(jù)庫中，遍歷文章中的英語單詞，根據(jù)選擇的難度模式，分別與不同的數(shù)據(jù)庫進(jìn)行匹配，將匹配到的單詞在文章中標(biāo)藍(lán)凸顯，添加鏈接點擊即打開窗口展示此單詞的解析。

101、優(yōu)選地，可隨時對所述收藏處理模塊進(jìn)行收藏處理后的內(nèi)容和解析進(jìn)行查看。

102、第三個方面，本發(fā)明還提供一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，該計算機(jī)程序被處理器執(zhí)行時實現(xiàn)本技術(shù)第一方面中任一項所述的一種高中英語閱讀理解輔助學(xué)習(xí)方法。

103、第四個方面，本發(fā)明還提供一種電子設(shè)備，所述電子設(shè)備包括：存儲器，存儲有一計算機(jī)程序：處理器，與所述存儲器通信相連，調(diào)用所述計算機(jī)程序時執(zhí)行本技術(shù)第一方面中任一項所述的一種高中英語閱讀理解輔助學(xué)習(xí)方法。

104、本發(fā)明與現(xiàn)有技術(shù)相比較，具有如下顯而易見的突出實質(zhì)性特點和顯著優(yōu)點：

105、本發(fā)明提供一種高中英語閱讀理解輔助學(xué)習(xí)方法及裝置，解決了現(xiàn)有技術(shù)中存在的問題。具有以下優(yōu)點：(1)本發(fā)明是面向高中英語學(xué)科閱讀理解題目的輔助學(xué)習(xí)軟件，可有效幫助學(xué)生更好地提高其英語學(xué)習(xí)能力。采用多難度模式，用戶可以自行選擇適合自己的學(xué)習(xí)方式進(jìn)行英語閱讀的學(xué)習(xí)，更具有個性化。同時本發(fā)明不提供實際的答案，一切方法都基于做到替代老師的想法為學(xué)習(xí)提供詳細(xì)的文章分析，真實模擬英語課上老師的講解。(2)本發(fā)明通過嵌入chatgpt大模型來為英語閱讀提供解析，并進(jìn)一步為用戶定制想看的相關(guān)文章。大模型的多模態(tài)分析能力和實時處理能力賦予了獨特的優(yōu)勢，使用戶能夠自由地追尋自己感興趣的主題，從而最大程度地釋放個性化的想法和理念。