[go: up one dir, main page]

CN118485149B - 基于组合阅读实现知识库与任务对象精准区分比对的方法 - Google Patents

基于组合阅读实现知识库与任务对象精准区分比对的方法 Download PDF

Info

Publication number
CN118485149B
CN118485149B CN202410942241.1A CN202410942241A CN118485149B CN 118485149 B CN118485149 B CN 118485149B CN 202410942241 A CN202410942241 A CN 202410942241A CN 118485149 B CN118485149 B CN 118485149B
Authority
CN
China
Prior art keywords
question
content
answer
file
area
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
Application number
CN202410942241.1A
Other languages
English (en)
Other versions
CN118485149A (zh
Inventor
何冉冉
蔡亚军
何中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Zhongwei Technology Software System Co ltd
Original Assignee
Jiangsu Zhongwei Technology Software System Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Zhongwei Technology Software System Co ltd filed Critical Jiangsu Zhongwei Technology Software System Co ltd
Priority to CN202410942241.1A priority Critical patent/CN118485149B/zh
Publication of CN118485149A publication Critical patent/CN118485149A/zh
Application granted granted Critical
Publication of CN118485149B publication Critical patent/CN118485149B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06F16/33—Querying
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/483—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Library & Information Science (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开基于组合阅读实现知识库与任务对象精准区分比对的方法，包括以下步骤：构建知识库文件大模型，并将知识库中划分不同的知识分区；将文件以阅卷本形式整体或者文件组导入到不同的知识分区中；通过多种方式输入问题，将分析出的输入的内容，与问答区中的文件进行匹配，匹配出的内容形成问答队列进行展示；将上述问答队列中的内容与标准参照区中的内容进行智能关联；点击问答内容，能够跳转到不同分区中进行内容查看,本发明创造性地采用文件组合的技术实现知识库与应用文件、语句的逻辑区分，使得应用的逻辑与知识库的逻辑边界清楚，避免了二者之间混淆带来的错误。

Description

基于组合阅读实现知识库与任务对象精准区分比对的方法
技术领域
本发明涉及人工智能技术领域，具体为基于组合阅读实现知识库与任务对象精准区分比对的方法。
背景技术
随着人工智能的不断发展，智能问答已经应用智能客服、在线咨询等服务领域。智能问答是指以自然语言理解为核心，通过对输入的问询语句进行语义分析，然后在大规模知识库通过语义检索或对话管理等技术，匹配相关问题，最后通过自然语言生成技术，进行答案的生成和回复输入多个文件进行知识问答校验，而目前在问答过程中，答案的选取通常是从大量的知识库中抽取最合适的，范围较大，往往无法得到使用者想要的确切的回答，并且根据问答的答案无法确认答案的参照文件或者被参照文件；同时针对问答无法对检索到的参照文件或被参照文件做出有效的回溯。
发明内容
本发明的目的在于提供基于组合阅读实现知识库与任务对象精准区分比对的方法，以解决上述背景技术中提出的一个或多个问题。
为实现上述目的，本发明提供如下技术方案：基于组合阅读实现知识库与任务对象精准区分比对的方法，包括以下步骤：
步骤S1：构建知识库文件大模型，并将知识库中划分不同的知识分区，所述知识分区设置为问答区，标准参照区；
步骤S2：将文件以阅卷本形式整体或者文件组导入到不同的知识分区中，
步骤S3：通过多种方式输入问题，将分析出的输入的内容，与问答区中的文件进行匹配，匹配出的内容形成问答队列进行展示；
步骤S4：将上述问答队列中的内容与标准参照区中的内容进行智能关联；
步骤S5：点击问答内容，能够跳转到不同分区中进行内容查看。
优选的，所述步骤S2中导入的阅卷本文件范围包括单个文件，组合文件，图片，音视频；其中，若为图片时，则扫描识别其中的文字，若为音视频，则自动识别其中的语音内容，并将语音转换为文字，并将文字按照向量信息融入到音视频文件中。
优选的，所述问答区是指需要被针对询问的原文文件内容区域， 所述标准参照区是指针对问答区的问题进行标准参照、标准匹配的文件区域。
优选的，知识分区中文件均以合并本的形式导入并学习，阅卷本中的多个文件独立存在，当在做智能问答时，对回答内容进行原文追溯时，文件是以合订本的形式展示出来，并在合订本中按照‘匹配权重’将知识来源原文内容按照不同的等级进行标记，其中合订本目录，合订本中原文内容均做标注，即若指定的页面上的内容被标注，则同步在目录上标注出来。
优选的，所述步骤S3中问答内容分析匹配的具体过程为：
步骤S31：通过多种方式输入问题，输入的方式包括文字、文件、图片、网页、图文内容、音视频；
步骤S32：将输入的信息进行维度转换，并采用多维度的分析；
步骤S33：根据上述分析的内容，以问答区中的内容为基准，匹配标准参照区，生成一系列的问答内容，并解析标准参照区的内容，作为问答的依据；
步骤S34：根据匹配出的内容以概要形式展示在答案展示区中，形成答案队列。
优选的，所述步骤S33中将问答队列中的内容与标准参照区文件原文出处进行逐项绑定,形成一个系列化问答细项、问题来源、参考内容、目录、目录标签、参照文件来源、匹配权重相结合的问答内容；所述参照文件来源包括文件，文件中单页、段落、单个语句、单个文本。
优选的，当答案队列中内容与问答区中文件进行智能关联时，在问答区文件中标注，将标注区域与答案队列内容关联绑定；当问答队列中内容与文件进行智能关联时，在标准参照区中文件标注，将标注区域与答案队列内容关联绑定；若与答案队列中的同一个答案关联的文件包括问答区中的文件，标准参照区中的文件，则问答区中的文件与标准参照区中的文件相互关联绑定；在答案队列中，显示关联文件标注符号，同时关联文件中标注内容在文件中的目录中进行同步显示。
优选的，所述问答结果的展示形式能按照多元化结构的方式进行排版；根据图表文档模型，分析图表逻辑结构，将数据按照不同的模式填充到图表、文本模型中；展示方式包括思维导图、实体关系图、report、富媒体文本，在展示问答内容中能够原文追溯到标记问答区，标准参照区的文件中。
优选的，原文追溯的范围包含问答区，标准参照区, 点击查看问答区时，弹出问题的来源，并在对应的区域标记，对应的合订本目录、合订本内容。
优选的，当点击答案队列中的内容时，则会跳转到问答区中相对应的文件实际内容处，当点击问答区中的文件内容出处，能够跳转展开显示标准参照区中绑定关系的文件。
与现有技术相比，本发明的有益效果是：
(1)本发明创造性地采用文件组合的技术实现知识库与应用文件、语句的逻辑区分，使得应用的逻辑与知识库的逻辑边界清楚，避免了二者之间混淆带来的错误；
(2)本发明创造性的采用文件组合技术，使得运算结果能够以可视化的形式快速对应任务文件和知识库文件，以可视化的形式完整、细致的做出结果解释，使得用户能够一目了然的获知AI分析的过程及依据，确保AI分析结果的可信性；
(3)本发明创造性的采用文件组合技术，使得原本分散的任务和知识库内容分别在一个窗口展现，从而为AI实施过程、结果解释有了一个友好的展现工具。
附图说明
图1为本发明中的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合图1所示，本发明提供基于组合阅读实现知识库与任务对象精准区分比对的方法，包括以下步骤：
步骤S1：构建知识库文件大模型，并将知识库中划分不同的知识分区，知识分区设置为问答区，标准参照区，其中问答区是指需要被针对询问的原文文件内容区域，标准参照区是指针对问答区的问题进行标准参照、标准匹配的文件区域；
步骤S2：将文件以阅卷本形式整体或者文件组导入到不同的知识分区中，文件组是指若干个各种各式的文件，例如可以将一部分文件导入到问答区，另外一部分文件导入到标准参照区；其中导入的阅卷本文件范围包括单个文件，组合文件，图片，音视频；若在导入文件的时候，有部分文件导入到问答区或者标准参照区时，可以将该这部分文件进行组合，构成合订本文件；同时，若导入的文件为图片时，则扫描识别其中的文字；若导入的是音频，则自动识别其中的语音内容，并将语音转换为文字，并将文字按照向量信息融入到音视频文件中；若导入的是视频，则将语音转换为文字，且呈现出播放的画面；
步骤S3：在智能问答页面上输入问题的时候，可以通过文字、文件、图片、网页、图文内容、音视频等方式输入问题，对输入的内容进行NLP分析，将分析出的输入的内容，与问答区中的文件进行匹配，具体匹配的过程为：步骤S31：采用不同的方式输入问题；步骤S32：根据输入的问题，将输入的信息进行维度转换，并采用多维度的分析，即可以将输入的问题进行转换，如可以将音频转换为文字内容，也可以从图文角度进行分析，；步骤S33：根据上述分析的内容，以问答区中的内容为基准，匹配标准参照区，生成一系列的问答内容，并解析分析标准参照区的内容，作为问答的依据；主要是将问答队列中的内容与标准参照区文件原文出处进行逐项绑定，形成一个系列化问答细项、问题来源、参考内容、目录、目录标签、参照文件来源、匹配权重相结合的问答内容；同时在根据参考内容与输入问题匹配权重显示时，若匹配权重越高，则选择匹配度高的文件作为参照来源；其中参照文件来源包括文件，文件中单页、段落、单个语句、单个文本；具体地，例如将关于一个人的日常行为记录文件放置在问答区，并将相关的法律条文放置在标准参考区，在智能问答界面上，询问关于这个人的日常行为是否违法，则在咨询时，先从问答区中的行为记录文件进行分析，找出对应的行为，然后把找出的行为和标准参照区进行对比，两者相互结合，得出答案；步骤S34：根据匹配出的内容以概要形式展示在答案展示区中，能按照多元化结构的方式进行排版：例如可以根据图表文档模型，分析图表逻辑结构，将数据按照不同的模式填充到图表、文本模型中；形成的结果以问答队列进行展示，展示方式包括思维导图、实体关系图、report、富媒体文本等等，在展示问答内容中能够原文追溯到问答区的文件中或者追溯到标准参照区的文件中；
步骤S4：将上述问答队列中的内容与标准参照区中的内容进行智能关联，当答案队列中内容与问答区中文件进行智能关联时，在问答区文件中标注，将标注区域与答案队列内容关联绑定；当问答队列中内容与标准参照区文件进行智能关联时，在标准参照区中文件标注，将标注区域与答案队列内容关联绑定；若与答案队列中的同一个答案关联的文件包括问答区中的文件，标准参照区中的文件，则问答区中的文件与标准参照区中的文件相互关联绑定，例如，可以将上述得出的关于这个人的日常行为是否违法的答案队列分别与问答区，标准参照区的文件进行智能关联，可以将问答区中的文件或者标准参照区中的文件中有关的区域标注起来，并将标注的区域与答案队列中的相关的答案绑定起来，或者若是答案队列中的同一个答案与问答区中的日常行为记录文件，标准参照区的法律文件都有关联，则可将问答区中的日常行为记录文件与标准参照区的法律文件相互关联绑定，即打开问答区中的相关文件，在相关文件的标注区域可以关联查询到标准参照区中的相关的法律文件内容；在答案队列中，显示关联文件标注符号，符号可以自定义显示，同时关联文件中标注内容在文件中的目录中进行同步显示，若是在问答区中有关联文件进行标注，则在问答区中的文件目录上显示标注记号，标注记号可以用小笔头表示，用来显示哪一页有标注，若是在标准参照区中有关联文件进行标注，则同步在标准参照区中的文件目录上显示标注记号；在原文追溯的时候，原文追溯的范围包含问答区，标准参照区, 点击查看问答区时，弹出输入问题的来源，并在合订本目录、合订本内容中对应的区域进行标记，即点击显示界面上显示的答案，能够弹出显示问答区，标准参照区，同时问答区和标准参照区中的合订本的目录上显示有标记符号；
步骤S5：点击问答内容，能够跳转到不同分区中进行内容查看，当点击答案队列中的内容时，则会跳转到问答区中相对应的文件实际内容处，当点击问答区中的文件内容出处，能够跳转展开显示标准参照区中绑定关系的文件。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于，包括以下步骤：
步骤S1：构建知识库文件大模型，并将知识库中划分不同的知识分区，所述知识分区设置为问答区，标准参照区；
步骤S2：将文件以阅卷本形式整体或者文件组导入到不同的知识分区中，导入的阅卷本文件范围包括单个文件，组合文件，图片，音视频；其中，若为图片时，则扫描识别其中的文字，若为音视频，则自动识别其中的语音内容，并将语音转换为文字，并将文字按照向量信息融入到音视频文件中；
步骤S3：通过多种方式输入问题，将分析出的输入的内容，与问答区中的文件进行匹配，匹配出的内容形成问答队列进行展示；知识分区中文件均以合并本的形式导入并学习，阅卷本中的多个文件独立存在；当在做智能问答时，对回答内容进行原文追溯时，文件是以合订本的形式展示出来，并在合订本中按照‘匹配权重’将知识来源原文内容按照不同的等级进行标记，其中合订本目录，合订本中原文内容均做标注，即若指定的页面上的内容被标注，则同步在目录上标注出来；其中问答内容分析匹配的具体过程为：步骤S31：通过多种方式输入问题，输入的方式包括文字、文件、图片、网页、图文内容、音视频；步骤S32：将输入的信息进行维度转换，并采用多维度的分析；步骤S33：根据上述分析的内容，以问答区中的内容为基准，匹配标准参照区，生成一系列的问答内容，并解析标准参照区的内容，作为问答的依据；步骤S34：根据匹配出的内容以概要形式展示在答案展示区中，形成答案队列；
步骤S4：将上述问答队列中的内容与标准参照区中的内容进行智能关联；
步骤S5：点击问答内容，能够跳转到不同分区中进行内容查看。
2.根据权利要求1所述的基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于：所述问答区是指需要被针对询问的原文文件内容区域， 所述标准参照区是指针对问答区的问题进行标准参照、标准匹配的文件区域。
3.根据权利要求1所述的基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于：所述步骤S33中将问答队列中的内容与标准参照区文件原文出处进行逐项绑定,形成一个系列化问答细项、问题来源、参考内容、目录、目录标签、参照文件来源、匹配权重相结合的问答内容；所述参照文件来源包括文件、文件中单页、段落、单个语句、单个文本。
4.根据权利要求1所述的基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于：当答案队列中内容与问答区中文件进行智能关联时，在问答区文件中标注，将标注区域与答案队列内容关联绑定；当问答队列中内容与文件进行智能关联时，在标准参照区中文件标注，将标注区域与答案队列内容关联绑定；若与答案队列中的同一个答案关联的文件包括问答区中的文件，标准参照区中的文件，则问答区中的文件与标准参照区中的文件相互关联绑定；在答案队列中，显示关联文件标注符号，同时关联文件中标注内容在文件中的目录中进行同步显示。
5.根据权利要求1所述的基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于：所述问答结果的展示形式能按照多元化结构的方式进行排版；根据图表文档模型，分析图表逻辑结构，将数据按照不同的模式填充到图表、文本模型中； 展示方式包括思维导图、实体关系图、report、富媒体文本，在展示问答内容中能够原文追溯到标记问答区，标准参照区的文件中。
6.根据权利要求5所述的基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于：原文追溯的范围包含问答区，标准参照区；点击查看问答区时，弹出输入问题的来源，并在合订本目录、合订本内容中对应的区域进行标记。
7.根据权利要求1所述的基于组合阅读实现知识库与任务对象精准区分比对的方法，其特征在于：当点击答案队列中的内容时，则会跳转到问答区中相对应的文件实际内容处，当点击问答区中的文件内容出处，能够跳转展开显示标准参照区中绑定关系的文件。
CN202410942241.1A 2024-07-15 2024-07-15 基于组合阅读实现知识库与任务对象精准区分比对的方法 Active CN118485149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410942241.1A CN118485149B (zh) 2024-07-15 2024-07-15 基于组合阅读实现知识库与任务对象精准区分比对的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410942241.1A CN118485149B (zh) 2024-07-15 2024-07-15 基于组合阅读实现知识库与任务对象精准区分比对的方法

Publications (2)

Publication Number Publication Date
CN118485149A CN118485149A (zh) 2024-08-13
CN118485149B true CN118485149B (zh) 2024-09-20

Family

ID=92195344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410942241.1A Active CN118485149B (zh) 2024-07-15 2024-07-15 基于组合阅读实现知识库与任务对象精准区分比对的方法

Country Status (1)

Country Link
CN (1) CN118485149B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN119202035A (zh) * 2024-12-02 2024-12-27 江苏中威科技软件系统有限公司 基于ai语义理解的非结构化文件的统计分析引擎装置
CN119670689B (zh) * 2025-02-20 2025-09-16 江苏中威科技软件系统有限公司 含有dlf动态版式文件的知识库ai原文精准阅读装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922633A (zh) * 2018-06-22 2018-11-30 北京海德康健信息科技有限公司 一种疾病名称标准化规范方法及规范系统
CN117952203A (zh) * 2024-01-31 2024-04-30 新华智云科技有限公司 一种知识库构建方法、视频自动化生产方法和软件产品

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7555713B2 (en) * 2005-02-22 2009-06-30 George Liang Yang Writing and reading aid system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922633A (zh) * 2018-06-22 2018-11-30 北京海德康健信息科技有限公司 一种疾病名称标准化规范方法及规范系统
CN117952203A (zh) * 2024-01-31 2024-04-30 新华智云科技有限公司 一种知识库构建方法、视频自动化生产方法和软件产品

Also Published As

Publication number Publication date
CN118485149A (zh) 2024-08-13

Similar Documents

Publication Publication Date Title
Hoover et al. Using NVivo to answer the challenges of qualitative research in professional communication: Benefits and best practices tutorial
Wolfe Annotation technologies: A software and research review
Newton et al. Teaching science with ICT
CN118485149B (zh) 基于组合阅读实现知识库与任务对象精准区分比对的方法
AU2008288670B2 (en) A document markup tool
Kadli et al. Faculty information-seeking behaviour in the changing ICT environment: A study of commerce colleges in Mumbai
US20130227402A1 (en) System, apparatus, method, and applications for measuring and reporting on the process of composing written material
Sapat et al. Integrating qualitative data analysis software into doctoral public administration education
Nicolaisen The scholarliness of published peer reviews: A bibliometric study of book reviews in selected social science fields
Chen et al. Development and evaluation of an automatic text annotation system for supporting digital humanities research
Baildon et al. Guiding independence: Developing a research tool to support student decision making in selecting online information sources
Lin et al. Beyond discrete genres: Mapping news items onto a multidimensional framework of genre cues
Han et al. An item-based, Rasch-calibrated approach to assessing translation quality
Guo Prompting change: ChatGPT’s impact on digital humanities pedagogy–A case study in art history
Rivard Turning archives into data: Archival rhetorics and digital literacy in the composition classroom
Stroh Computers and qualitative data analysis: To use or not to use…?
Shipman III et al. Generating Web-based presentations in spatial hypertext
Hankins Embracing Informational and Archival Literacies
Zimmerman Locating visual communication across disciplines: How visual instruction in composition textbooks differs from that in science-writing textbooks
Silver et al. Computer assisted qualitative data analysis
Marcelle et al. A bibliometric exploration of infographics as tools for visual literacy in education
He et al. A Pilot Study Comparing ChatGPT and Google Search in Supporting Visualization Insight Discovery
Völkel Personal knowledge models with semantic technologies
Takii et al. Explainable English Material Recommendation Using an Information Retrieval Technique for EFL Learning
Hall Participatory Design in Digital Language Documentation: A Web Platform Approach

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40110162

Country of ref document: HK