一种单词关联搜学方法和系统 技术领域 本发明涉及电子学习设备领域， 具体涉及一种单词关联搜学方法和系统， 本发明 的单词关联搜学系统可以应用在电子学习设备上， 例如学习机、 电子词典、 早教机、 学习笔 等。
背景技术 传统的手持式学习设备中一般存储有词典检索模块和多本词典库文件， 其搜索单 词的方法主要有如下两种形式 ： 其一、 为传统的常规词典查询方法， 通过手持式学习设备 中的词典检索模块在选定的某本词典库文件中查询某个单词的相关信息， 这种方式的特征 在于 ： 用户只可在选定的词典库文件中查询所输入单词以及该单词的若干属性 ( 如释义、 音标等 )， 此种方法由于词典库文件中各个单词相互独立， 单词之间没有建立完整的关联 关系， 从而用户只能在所查询词典文件中查到所查单词的相关属性， 无法通过其属性漫游 至该词典文件中的其它所有单词， 也无法漫游至其它词典文件中， 用户需要查看某单词在 另外一本词典中的释义等相关属性时， 必须先退出本词典再重新进入另外的词典， 操作甚 为复杂 ； 其二 ： 通过跨词典搜索的方式在选定的多本词典库文件内查询某个单词的相关信 息， 如中国发明专利 ZL200610157957.2 中所记载的方法， 这种方法的特征在于 ： 在选定的 多本词典库文件中查询某个单词的释义等属性。 此方法的优点是可通过一键切换的方式在 多本词典库文件中查看某单词的释义等属性， 解决了传统的常规词典查询方法中必须先退 出本词典库文件再重新进入另外的词典库文件查询该单词的操作复杂问题， 但由于词典库 内的不同单词之间没有建立完整的关联关系仍然不能通过所查询单词自如地漫游至其它 单词。
由此可见， 传统的手持式电子学习设备单词搜索结果较为单一， 用户输入待搜索 单词后， 一般只能显示该单词以及该单词的一些属性 ( 如释义、 单词类型、 常用语、 例句 等 )， 系统无法显示与用户输入单词相关联的其他单词， 使得用户无法进行单词关联学习、 对比学习、 发散学习， 不利于用户系统地学习相关单词。 传统的手持式电子学习设备还存在 搜索不够方便的缺陷 ： 用户需要逐字输入单词进行搜索， 由于每输入一个单词只能学习当 前搜索的单词， 用户若想学习下一个单词则不得不重新输入单词进行搜索。
发明内容 本发明要解决的技术问题在于， 针对现有的手持式电子学习设备单词搜索过程繁 琐、 搜索结果单一、 无法关联单词的问题， 提供一种单词关联搜学方法和系统， 使得用户在 输入一个单词进行搜索时， 系统可显示该单词以及与该单词相关联的其他单词及图片， 方 便用户进行单词关联学习、 对比学习、 发散学习， 提高学习效率和学习效果。
本发明公开一种单词关联搜学方法， 所述方法包括 ：
步骤 A ： 接收用户输入的待搜索单词 ；
步骤 B ： 在包含中心词模块、 发散词模块、 图片信息模块、 图片内容库模块和图片
词条内容模块的单词搜学资源库模块中匹配所述待搜索单词 ；
步骤 C ： 读取匹配到的单词的词条内容， 计算该单词对应的需要显示的发散属性 中各个发散词的 KEY 值， 根据 KEY 值构建并显示以该单词为中心词及其发散词为周边词的 单词关联网络图。
所述步骤 B 还包括 ： 如果在所述单词搜学资源库模块中匹配不到所述待搜索单词 时， 则获取与所述待搜索单词词义最接近的单词的词条内容。
根据本发明的所述单词关联搜学方法， 在步骤 B 匹配到所述待搜索单词后， 读取 匹配到的单词的词条内容， 统计该单词对应的发散属性的个数、 每一发散属性下所有发散 词的总数， 得到所有发散属性下所有发散词的总数 ； 然后判断所有发散属性下所有发散词 的总数是否超到单页允许显示的单词个数， 若超过则确定若干个与所述匹配到的单词对应 的发散属性及该发散属性下的发散词， 用于在所述单词关联网络图中显示。
根据本发明的所述单词关联搜学方法， 所述步骤 C 中在构建所述单词关联网络图 后， 构建并显示与所述待搜索单词关联的图片集。
根据本发明的所述单词关联搜学方法， 构建了所述单词关联网络图和图片集之后 还包括以下步骤 ： 当所述单词关联网络图中的中心词对象发生改变时， 在所述单词搜学资源库模块 中重新匹配新的中心词 ；
判断是否匹配到与所述新的中心词相同的单词， 若匹配成功则构建并显示以所述 新的中心词为中心词及其需要显示的发散词为周边词的单词关联网络图、 构建并显示与新 的中心词关联的图片集 ；
若匹配失败则解析所述新的中心词的 KEY 值， 判断其是否为所述图片集中某一图 片对应的发散词， 若是则不进行任何操作 ； 否则显示所述新的中心词与旧的中心词构成的 单词关联网络图。
所述步骤 C 中构建单词关联网络图具体包括以下步骤 ：
步骤 C0 ： 获取匹配到的单词所对应的发散属性的个数、 每一发散属性下所有发散 词的总数、 所有发散属性下所有需要显示的发散词的总数， 判断所述需要显示的发散词总 数是否超过单页允许显示的单词个数 ；
步骤 C1 ： 当超过单页允许显示的单词个数时计算需要分页的页数， 当不超过单页 允许显示的单词个数时不分页 ；
步骤 C2 ： 将匹配到的单词的发散属性中需要显示的某一发散属性的标记置为当 前标记 ；
步骤 C3 ： 将当前标记下的发散属性中已显示的发散词总数置为 0， 将已显示的所 有发散属性下所有发散词总数置为 0 ；
步骤 C4 ： 将已显示的所有发散属性下所有发散词总数与所有发散属性下所有需 要显示的发散词的总数比较， 判断需要显示的所有发散词是否已读取完毕， 若是则结束整 个处理过程， 若否则进入步骤 C5 ；
步骤 C5 ： 判断当前页面所显示单词个数是否已达到单页允许显示的单词个数， 若 是则跳转到下一页并转入步骤 C4， 若否则进入步骤 C6 ；
步骤 C6 ： 将当前标记下的发散属性中已显示的发散词的总数与该发散属性下所
有需要显示的发散词的总数比较， 判断当前标记下的所有发散词是否已读取完毕， 若是则 将当前标记修改为指向代表下一发散属性的下一标记并跳到步骤 C4， 若否则进入步骤 C7 ；
步骤 C7 ： 获取当前标记下未显示的一个发散词并计算其 KEY 值， 然后通过一个对 象存储该发散词及其 KEY 值， 并将该对象对应的词条内容作为一个节点加入到当前页面的 单词关联网络图中显示 ；
步骤 C8 ： 将当前标记下的发散属性中已显示的发散词总数累加 1， 同时将已显示 的所有发散属性下所有发散词总数累加 1 ；
步骤 C9 ： 将当前标记修改为指向代表下一发散属性的下一标记后转入步骤 C4。
本发明的所述单词关联搜学方法中， 所述发散词 KEY 值的计算方法为 ： 将所述发 散词在发散词模块或图片信息模块中的索引、 该发散词对应的发散属性的关系标记号， 及 该发散词对应的中心词在中心词模块中的索引组合后， 通过计算机的基本移位运算之后得 到的一个整数数值。
本发明的所述单词关联搜学方法中， 所述单词关联网络图和图片集被选择学习， 具体包括 ：
选择单词关联网络图中的发散词对象进行学习， 系统解析发散词的 KEY 值， 显示 发散词的解释或音标或其与中心词的关系 ； 选择图片集中的图片进行学习， 系统计算图片的 KEY 值， 显示以图片为中心词， 与 图片关联的词条为周边词的单词网络图 ；
改变单词关联网络图和 / 或图片对应单词网络图中的某一发散词对象的位置， 使 其处于中心词坐标位置成为新的中心词， 继续进行学习。
本发明的所述单词关联搜学方法， 所述步骤 C7 中将对象加入到单词关联网络图 时根据需要显示的发散词总数排布并记录每个对象在屏幕上的显示位置。
本发明还公开一种单词关联搜学系统， 所述系统包括 ：
接收模块， 用于接收用户输入的待搜索单词 ；
搜索模块， 用于搜索与用户输入相匹配的单词 ；
读取模块， 用于在搜索到与用户输入相匹配的单词时， 读取该匹配到的单词词条 内容 ；
解析词条模块， 用于解析读取到的单词词条内容 ；
界面显示模块， 用于将解析完的词条内容显示给用户 ；
发音模块， 用于根据读取到的单词词条内容对应的声音文件的发音 ；
单词搜学资源库模块， 包含中心词模块、 发散模块， 所述发散模块包括发散词模 块、 图片信息模块、 图片内容库模块以及图片词条内容模块， 所述单词搜学资源库模块用于 储存系统中所有单词的内容， 包括每个单词的词条、 音标、 解释、 声音文件以及每个单词对 应的发散属性 ；
KEY 值计算模块， 用于计算匹配到的关键词所对应的发散词的 KEY 值 ；
KEY 值解析模块， 用于根据对象中存储的 KEY 值确定用户所点击的节点， 然后到所 述单词搜学资源库模块调取与该节点对应的词条、 音标、 解释或与中心词的属性关系标记 并构建由所述单词及其发散词组成的单词关联网络图。
所述中心词模块包括中心词索引区模块和中心词内容区模块， 所述中心词内容区
模块包括词条模块、 音标模块、 解释模块、 声音文件名模块， 以及发散属性模块， 所述中心词 模块用于储存一本或几本现有词典中所有单词的词条内容包括各个单词的词条、 音标、 解 释、 声音文件名以及该单词对应的发散属性， 所述发散属性指联想、 同类、 近义、 反义、 变化、 音近、 形近、 派生、 搭配、 短语和图片中的一个或几个属性， 所述每个发散属性对应唯一的关 系标记号， 所述中心词索引区模块存储了中心词内容区模块中储存的每个单词词条内容的 索引地址， 每一索引地址指向中心词内容区模块中唯一对应的单词词条内容。
所述发散词模块包括发散词索引区模块和发散词内容区模块， 所述发散词内容区 模块储存了所述中心词模块中所有单词对应的发散词的词条内容包括各个发散词的词条、 音标、 解释， 所述发散词索引区模块存储了所述中心词模块中各个单词对应的该发散属性 下发散词词条总个数和发散词内容区模块中储存的每个发散词词条内容的索引地址， 每一 索引地址指向发散词内容区模块的唯一对应的发散词词条内容。
所述图片信息模块包括图片信息索引区模块和图片信息内容区模块， 所述图片信 息内容区模块储存了所述中心词模块中所有单词对应的图片信息包括各个图片的索引地 址、 图片对应词条数目及图片对应的各个词条内容的索引， 所述索引指向图片词条内容模 块中对应的词条内容， 所述图片信息索引区模块存储了所述中心词模块中各个单词对应的 图片总个数和图片信息内容区模块中储存的每个图片信息的索引地址， 每一索引地址指向 图片信息内容区模块的唯一对应的图片信息。 所述图片内容库模块储存了所述中心词模块中各个单词对应的具体的图片内容。
所述图片词条内容模块储存了各个图片对应的各个发散词的词条内容包括各个 发散词的词条、 音标、 解释、 声音文件名。
所述中心词模块中发散属性模块包括各个单词对应的各个发散属性的关系标记 号、 该发散属性指向发散词索引区模块或图片信息索引区模块中对应的索引地址， 所述图 片信息内容区模块中图片的索引地址指向所述图片内容库模块中存储的图片内容， 所述图 片信息内容区模块中的图片对应的词条索引指向所述图片词条内容模块， 所述中心词模块 中的单词声音文件名模块指向发音模块中对应的声音内容。
所述界面显示模块包括图释区模块、 词网区模块、 相关图片区模块以及单词解释 区模块。
所述图释区模块用于显示搜索到的单词所具有的发散属性对应的标记， 包括联 想、 同类、 近义、 反义、 变化、 音近、 形近、 派生、 搭配、 短语中的一种或几种， 所述词网区模块 用于显示由单词及其对应的发散词构成的单词关联网络图以及由图片及其对应的发散词 构成的图片对应单词网络图， 所述相关图片区模块用于显示与搜索到的单词相关联的图片 内容， 所述单词解释区模块用于显示搜索到的单词的音标、 解释和发音按钮。
同现有技术相比较， 本发明具有如下有益技术效果 ： 1、 包含了资源庞大、 可关联的 单词搜学资源库模块， 通过该单词搜学资源库模块不仅可以匹配用户输入的单词， 还可以 获得与匹配到的单词相关的所有发散词和图片供用户选择学习 ； 2、 由于构建了单词关联网 络图和图片对应单词网络图， 用户可以清楚的感知、 学习每个查询的单词所具有的发散词 和图片、 以及它们之间的关系， 加强学习印象 ； 3、 用户通过点击网络图中的发散词、 图片可 以学习关联知识， 通过拖动发散词和图片的方式还可变换中心词并进一步方便地学习新的 中心词内容， 实现了单词关联学习、 对比学习、 发散学习， 可以提高学习效率和学习效果。
附图说明
图 1 是本发明实施例的单词关联搜学系统的模块方框图 ； 图 2 是本发明实施例的单词关联搜学方法的流程图 ； 图 3 是本发明实施例的单词搜学资源库模块的结构示意图 ； 图 4 是在所述单词搜学资源库模块中匹配待搜索单词所采用的二分法的流程图 ； 图 5 是获取需要显示的发散词、 分页并构建单词关联网络图和图片集的方法流程 图 6 是本发明的单词关联网络图和图片集的结构示意图 ； 图 7 是学习单词关联网络图中的发散词的过程示意图 ； 图 8 是学习单词关联网络图中的中心词的过程示意图 ； 图 9 是本发明的图片作为中心词对应的单词网络图的结构示意图 ； 图 10 是学习图片对应单词网络图中的发散词的过程示意图 ； 图 11 是学习图片对应单词网络图中的图片的过程示意图 ； 图 12 是拖动发散词使其成为中心词的过程示意图 ； 图 13 是本发明的界面显示模块的结构示意图。图；
具体实施方式
为了使本发明的目的、 技术方案及优点更加清楚明白， 以下结合附图及实施例， 对 本发明进行进一步详细说明。 应当理解， 此处所描述的具体实施例仅仅用以解释本发明， 并 不用于限定本发明。
如图 1 所示， 本发明的单词关联搜学系统包括接收模块、 搜索模块、 读取模块、 单 词搜学资源库模块、 解析词条模块、 界面显示模块、 KEY 值计算模块、 KEY 值解析模块以及发 音模块。 所述接收模块与搜索模块连接， 所述搜索模块、 读取模块分别与单词搜学资源库模 块连接， 所述解析词条模块和发音模块均与读取模块、 界面显示模块双向连接， 所述 KEY 值 计算模块、 KEY 值解析模块均与读取模块和界面显示模块双向连接。
以下对各个模块作出进一步详细说明 ：
所述接收模块用于接收用户输入的待搜索单词 ；
所述搜索模块用于根据用户输入的待搜索单词， 在单词搜学资源库模块中搜索与 用户输入相匹配的单词 ；
所述读取模块用于在搜索到与用户输入相匹配的单词时， 在单词搜学资源库模块 中读取该匹配到的单词词条内容 ；
所述解析词条模块用于解析从单词搜学资源库模块中读取的词条内容， 包括解析 各个单词的词条、 音标、 解释、 声音文件名以及单词对应的发散属性 ；
所述界面显示模块如图 13 所示， 用于将搜索到并解析完的词条内容以单词关联 网络图、 图片对应单词网络图、 图片集等方式反馈给用户， 供用户选择关联学习。所述界面 显示模块包括图释区模块、 词网区模块、 相关图片区模块以及单词解释区模块。 所述图释区 模块用于显示搜索到的单词所具有的发散属性对应的标记， 所述发散属性包括联想、 同类、 近义、 反义、 变化、 音近、 形近、 派生、 搭配、 短语、 图片等中的一种或几种关系， 用于反应一个单词具有的包括联想词、 同义词、 近义词、 反义词、 变化词 ( 比较级、 最高级、 复数、 过去式、 过去分词、 动名词、 第三人称单数 )、 音近词、 形近词、 派生词、 搭配词、 短语在内的发散词。 所 述词网区模块， 用于显示单词关联网络图 ( 如图 7) 和图片对应单词网络图 ( 如图 9)， 所述 单词关联网络图用于将搜索到的单词和其发散词之间的关系组织起来， 形象生动地展示给 用户。所述单词关联网络图存在若干个对象， 每个对象分别存储了匹配到的单词 ( 以下简 称中心词 ) 或中心词对应的发散词的 KEY 值等属性。具体地， 所述单词关联网络图存在一 个位于中心的中心词对象和若干个位于四周通过线条与中心词对象连接的发散词对象。 每 一对象可以被操控， 例如用户通过点击中心词对象和 / 或发散词对象即可直接学习词汇、 音标、 发音、 解释等内容， 还可以通过拖动发散词等方式使其成为新的中心词对象， 进而学 习该新的中心词对象对应的单词关联网络图。 所述图片对应单词网络图的结构与单词关联 网络图相同， 用于将图片和图片的发散词之间的关系组织到一个网络图中， 形象地展示给 用户学习。所述相关图片区模块用于显示与中心词相关联的若干个图片内容。所述单词解 释区模块用于显示中心词的音标、 解释和一个可发音的发音按钮。
所述 KEY 值计算模块用于计算每个发散词 ( 或图片 ) 或中心词的 KEY 值， 该 KEY 值为一整数数值， 所述发散词 KEY 值的计算方法为 ： 将所述发散词在发散词模块或图片信 息模块中的索引 (0-9 位 )、 该发散词对应的发散属性 ( 即发散词与中心词的关系 ) 对应的 关系标记号 (10-13 位 )， 及该发散词对应的中心词在中心词模块中的索引 (14-31 位 ) 组 合后， 通过计算机的基本移位运算之后得到的一个整数数值。需要说明的是， 中心词的 KEY 值计算方法与发散词的 KEY 值计算方法相同， 但中心词的 0-13 位均以 1 填充， 如此通过 KEY 值可获取中心词或发散词的词汇内容。 所述单词关联网络图以及图片对应单词网络图中的 每个对象存储了唯一的 KEY 值信息。
所述 KEY 值解析模块用于在用户选择或拖动发散词进行学习时解析该发散词的 KEY 值并构建由所述单词及其发散词组成的单词关联网络图。
所述发音模块用于根据读取到的单词词条内容中的声音文件名进行发音动作， 使 用户更好的掌握单词发音。
所述单词搜学资源库模块用于储存系统中所有单词的内容， 包括每个单词的词 条、 音标、 解释、 声音文件以及每个单词对应的发散词和图片等特征， 其具体结构如图 3 所 示， 包括中心词模块、 发散模块， 所述发散模块包括发散词模块、 图片信息模块、 图片内容库 模块以及图片词条内容模块。所述中心词模块包括中心词索引区模块和中心词内容区模 块。 所述中心词内容区模块包括词条模块、 音标模块、 解释模块、 声音文件名模块， 以及发散 属性模块， 所述中心词模块用于储存一本或几本现有词典中所有单词的词条内容包括各个 单词的词条、 音标、 解释、 声音文件名以及单词对应的发散属性， 所述发散属性包括各个单 词对应的各个发散属性的关系标记号、 该发散属性指向发散词索引区模块或图片信息索引 区模块中对应的索引地址。 所述发散属性的关系标记号用于标记每一单词与其发散词或图 片之间的关系， 例如联想、 同类、 近义、 反义、 变化、 音近、 形近、 派生、 搭配、 短语等关系。 所述 中心词索引区模块存储了中心词内容区模块中储存的每个单词词条内容的索引地址， 每一 索引地址指向中心词内容区模块的唯一单词词条内容。 所述发散词模块包括发散词索引区 模块和发散词内容区模块。 所述发散词内容区模块储存了所述中心词模块中所有单词对应 的发散词的词条内容包括各个发散词的词条、 音标、 解释， 其中音标和解释为可选项。所述发散词索引区模块存储了所述中心词模块中各个单词对应的发散词词条总个数和发散词 内容区模块中储存的每个发散词词条内容的索引地址， 每一索引地址指向发散词内容区模 块的唯一对应的发散词词条内容。 所述图片信息模块包括图片信息索引区模块和图片信息 内容区模块。所述图片信息内容区模块储存了所述中心词模块中所有单词对应的图片信 息， 包括各个图片的索引地址如小图片地址和大图片地址、 图片对应词条数目及图片对应 的各个词条内容的词条索引， 所述词条索引指向图片词条内容模块中对应的词条内容。所 述图片信息索引区模块存储了所述中心词模块中各个单词对应的图片总个数和图片信息 内容区模块中储存的每个图片信息的索引地址， 每一索引地址指向图片信息内容区模块的 唯一图片信息。 所述图片内容库模块储存了所述中心词模块中各个单词对应的具体的图片 内容 ( 包括大图片和小图片的内容 )。所述图片词条内容模块储存了各个图片对应的发散 词的词条内容包括各个发散词的词条、 音标、 解释、 声音文件， 该模块具体结构和所述发散 词模块相同， 此处不再赘述。由于所述中心词模块中发散属性包括各个单词对应的各个发 散属性的关系标记号、 发散词索引和图片索引， 所述发散词索引和图片索引分别指向发散 词索引区模块和图片信息索引区模块中对应的索引地址， 从而在中心词模块中查询到一个 单词后， 可以进一步从发散词模块及图片信息模块中获取与该单词相关联的发散词及图片 信息。 所述图片信息模块中的小图片地址及大图片地址均指向图片内容库模块中存储的图 片内容， 以获取小图片或大图片内容， 所述小图片用于在相关图片区显示， 所述大图片作为 中心词在词网区显示。所述图片信息模块中的图片对应词条索引指向图片词条内容模块， 用于从图片词条内容模块中取出图片对应的发散词内容。 图 2 是本发明的单词关联搜学方法的流程图。为了便于描述， 这里只示出了与本 发明相关的部分。
步骤 S1 ： 接收用户输入的待搜索单词 ；
通过本发明单词关联搜学系统的接收模块可以接收用户输入的单词， 用户输入一 个单词后， 先由接收模块接收， 然后转入步骤 S2 对用户输入的单词进行匹配。
步骤 S2 ： 在单词搜学资源库模块中匹配所述待搜索单词 ；
前已述及， 所述单词搜学资源库模块储存了系统中所有单词的内容， 包括每个单 词的词条、 音标、 解释、 声音文件以及每个单词对应的发散词和图片等特征。 优选地， 可以以 一本或几本现有词典 ( 比如新课标词典等 ) 作为基本词典， 采用其内所有单词的词条、 音 标、 解释等特征， 并归纳每个单词对应的发散词和 / 或增加每个单词对应的图片， 然后一并 存入单词搜学资源库模块中以形成一个系统的全面的单词资源库。
由于单词搜学资源库模块存储了丰富的、 可关联的单词词条内容以及每个单词对 应的发散词词条内容和图片内容等信息， 并且所有词条均按照 GBK 内码从小到大的顺序排 序， 因此步骤 S2 具体可以采用二分法来匹配用户输入的待搜索单词。所述二分法的处理 过程如图 4 所示， 首先按照排序规则处理用户输入， 然后确定二分索引， 取出索引对应的单 词并将该单词与用户输入的单词进行比较， 若该单词与用户输入的单词相同， 则取出该单 词的词条内容， 则匹配成功 ； 若该单词与用户输入的单词不同， 则重新确定二分索引继续匹 配， 直至成功或失败为止。由于二分法为现有技术， 此处省略对其的进一步说明。
步骤 S3 ： 判断是否在单词搜学资源库模块中匹配到所述待搜索单词， 若匹配成功 则转入步骤 S4， 若匹配失败则获取与所述待搜索单词词义最接近的单词并转入步骤 S4 ； 所
述步骤 S4 包括 ：
步骤 S41 ： 从单词搜学资源库模块中读取匹配到的单词词条内容， 并统计该单词 对应的发散属性的个数、 每一发散属性下所有发散词的总数， 从而得到所有发散属性下所 有发散词的总数 ；
步骤 S42 ： 判断所有发散属性下所有发散词的总数是否超到单页允许显示的单词 个数， 若超过则进入步骤 S5， 否则进入步骤 S6 显示所有发散属性下所有发散词 ；
为了提高效率， 匹配到单词后一般可以先从中心词模块中调取单词的词条内容， 即词条、 音标、 解释、 声音文件名以及单词对应的发散属性， 然后再根据用户需要， 读取更为 详细的内容。步骤 S41 中所述发散属性的个数、 每一发散属性下所有发散词的总数可以从 中心词模块存储的发散属性模块中获得， 即通过计算发散属性模块中存储的能表明中心词 与其发散词关系的关系标记号个数、 及该关系标记号下包含的索引地址个数得出。所述关 系标记号指各个发散属性对应的数字代号， 用以区分联想、 同义、 反义等发散属性。例如某 一中心词 “a” 的发散属性模块结构中存在发散词标记为 “短语” 对应的关系标记号、 短语属 性中包括 3 个发散词索引地址 ( 如 “a lot of” 、 “a bike” 、 “a dog” 的索引地址 )， 还存在 发散词标记为 “同类” 对应的关系标记号、 同类属性中包括 1 个发散词索引地址 ( 如 “an” 的 索引地址 )， 则该单词 “a” 的发散属性的个数为 2， 短语属性下的发散词的总数为 3， 同类属 性下的发散词总数为 1， 从而该单词 “a” 的所有发散属性下所有发散词的总数为 3+1 ＝ 4。 假如该单词 “a” 的所有发散属性下所有发散词的总数超到了单页允许显示的单词个数， 则 需要进入步骤 S5， 否则进入步骤 S6 显示所有发散属性下所有发散词。 步骤 S5 ： 确定需要显示的发散属性及该发散属性下需要显示的发散词 ；
由于嵌入式手持设备硬件上的限制， 在步骤 S4 中调取到单词的词条内容后， 判断 该单词的所有发散属性下的所有发散词是否能在一页显示完毕， 若否则必须选择需要显示 的发散属性及发散词， 使得调取到的单词和多个发散词可以根据用户个人的学习需求部分 或全部显示在手持式电子学习设备上。所述步骤 S5 具体包括步骤 ：
S501 ： 确定需要显示的关系标记号， 从而确定该关系标记号下需要显示的发散 词；
前面已经述及， 每个单词的发散属性模块结构中存有该单词与其发散词之间的关 系， 例如联想、 同类、 近义、 反义、 变化、 音近、 形近、 派生、 搭配、 短语等关系， 这些关系可通过 关系标记号如发散词标记来反映。因此， 可以选择只显示一种或几种关系标记号下对应的 所有发散词， 以提高系统处理速度。例如， 可以选择只显示一个单词具有的关系标记号为 “近义” 和 “反义” 的发散属性下的所有发散词， 即选择显示单词的所有近义词和所有反义 词。 本发明默认情况下将显示所有标记下对应的所有单词， 当然也可以采用其他设置， 此处 仅为举例， 并不用于限制本发明。
步骤 S6 ： 获取待显示的发散词并计算其 KEY 值， 构建以匹配到的单词为中心词、 发 散词为周边词的单词关联网络图和图片集 ( 如图 6) 并显示给用户 ；
下面先对本发明的单词关联网络图的结构和作用进行说明， 然后再详述步骤 S6 的具体处理过程。本发明并非像传统方式那样每一页零散地显示单词和发散词， 而是在每 一页上通过单词关联网络图将单词和发散词之间的关系组织起来， 形象生动地展示给用 户。所述单词关联网络图存在若干个对象， 对象存储了匹配到的单词 ( 以下简称中心词 )
词条内容以及发散词的 KEY 值等属性。具体地， 所述单词关联网络图存在一个位于中心的 中心词对象和若干个位于四周通过线条与中心词对象连接的发散词对象。 每一对象可以被 操控， 例如用户通过点击中心词对象和 / 或发散词对象即可直接学习词汇、 音标、 发音、 解 释等内容， 还可以通过拖动发散词对象的方式使其成为新的中心词对象， 进而形成新的单 词关联网络图， 该新的单词关联网络图反应了新的中心词及其对应的发散词之间的关系， 供用户进一步选择学习。
所述单词关联网络图的对象中存储的 KEY 值反应了所述发散词在发散词模块或 图片信息模块中的索引、 该发散词对应的发散属性的关系标记号 ( 即该发散词与中心词的 关系 )， 及该发散词对应的中心词在中心词模块中的索引地址， 用于识别用户操作的对象。 KEY 值的原始结构如表 1 所示， KEY 值可以使用 4 字节正整数， 即 32 个二进制位， 0-9 位用 于存放发散词在发散词索引区模块或图片信息索引区模块中的存储地址， 10-13 位用于存 放发散词与中心词的关系标记号、 14-31 位用于存放中心词在所述中心词模块中的存储地 址。例如假设有个中心词 “desert” ， 它在单词搜学资源库模块中的中心词模块中的索引 地址是 500( 未转换为二进制 )， 并且它具有一发散词标记 “联想” 及联想属性下的发散词 “forest” ， “forest” 在发散词模块中的索引地址是 4( 未转换为二进制 )， 假设联想、 同类、 近义、 反义、 变化、 音近、 形近、 派生、 搭配、 短语十种关系的编号分别为 0-9， 则该 forest 的 KEY 值可以这样填充 ： 将 4 字节中的 0-9 位用 4 来填充 ( 需转化为计算机能够识别的二进 制填充， 表示 Forest 在发散词模块中的索引地址是 4)， 10-13 位用 0 来填充 ( 表示联想属 性 )， 14-31 位用 500 来填充 ( 需转化为计算机能够识别的二进制填充， 表示 Forest 对应的 中心词 desert 在中心词模块中的索引地址是 500)。从一个 KEY 值中可以解析得到以下信 息： 该 KEY 值反应的发散词在发散词模块中的索引地址、 该发散词与中心词的关系、 以及中 心词在中心词模块中的索引地址。例如， 当用户点击 “forest” 这个对象时， 系统就会收到 以 KEY 值为内容的信号， 通过解析 KEY 值就可得知 “forest” 在发散词模块中的索引地址及 “desert” 在中心词模块中的索引地址， 从而取出 “forest” 的词汇内容供用户学习。所述 解析 KEY 值指通过 QT 语言下的信号与槽机制或者其它语言下的函数回调方式， 此处无需赘 述。每个对象存储了唯一的 KEY 值信息。
需要说明的是， 中心词的 KEY 值计算方法与发散词的 KEY 值计算方法基本相同， 但 中心词的 KEY 值原始结构中， 其 0-13 位均以 “1” 填充。
表 1KEY 值结构
步骤 S6 主要是针对需要显示的发散词总数， 判断是否需要分页， 如果需要分页则 分页显示， 并且每一页通过构建单词关联网络图显示中心词和发散词信息， 在构建单词关 联网络图时， 需要计算发散词的 KEY 值， 并且将其保存到对象上， 然后将对象对应的词条内 容加入到单词关联网络图中， 使得对象可以被用户操作 ( 点击或拖动 )。以下对步骤 S6 进 行详细说明， 如图 5 所示， 所述步骤 S6 具体包括 ：步骤 S600 ： 获取匹配到的单词所对应的发散属性的个数、 每一发散属性下所有发 散词总数、 所有发散属性下所有需要显示的发散词总数， 判断需要显示的发散词总数是否 超过单页允许显示的单词个数 ；
步骤 S601 ： 当超过单页允许显示的单词个数时计算需要分页的页数， 当不超过单 页允许显示的单词个数时不分页 ；
步骤 S602 ： 将匹配到的单词的发散属性中需要显示的某一发散属性的标记置为 当前标记 ；
步骤 S603 ： 将当前标记下的发散属性中已显示的发散词总数置为 0， 将已显示的 所有发散属性下所有发散词总数置为 0 ；
步骤 S604 ： 将已显示的所有发散属性下所有发散词总数与所有发散属性下所有 需要显示的发散词总数比较， 判断需要显示的所有发散词是否已读取完毕， 若是则结束整 个处理过程， 若否则进入步骤 S605 ；
本发明设置了已显示的所有发散属性下所有发散词总数初始值为 0， 每显示了一 个发散词则该值加 1， 因此当已显示的所有发散属性下所有发散词总数大于所有发散属性 下所有需要显示的发散词总数时， 就可以判定需要显示的所有发散词已读取完毕， 此时结 束整个处理过程。 应当理解的是， 初始值可以根据需要设置， 不同的初始值对应的判断条件 ( 大于、 小于、 非大于、 非小于、 等于 ) 也不同。
步骤 S605 ： 判断当前页面所显示单词个数是否已达到单页允许显示的单词个数， 若是则跳转到下一页并转入步骤 S604， 若否则进入步骤 S606 ；
步骤 S606 ： 将当前标记下的发散属性中已显示的发散词的总数与该发散属性下 所有需要显示的发散词的总数比较， 判断当前标记下的所有发散词是否已读取完毕， 若是 则将当前标记修改为指向代表下一发散属性的下一标记并跳到步骤 S604， 若否则进入步骤 S607 ；
本发明设置了当前标记下的发散属性中已显示的发散词总数初始值为 0， 每显示 了一个当前标记下的发散词时则该值加 1， 因此若当前标记下的发散属性中已显示的发散 词总数大于该发散属性下所有需要显示的发散词的总数， 就可以判定当前标记下的所有发 散词已读取完毕， 此时将当前标记修改为指向代表下一发散属性的下一标记并跳到步骤 S604。应当理解的是， 初始值可以根据需要设置， 不同的初始值对应的判断条件 ( 大于、 小 于、 非大于、 非小于、 等于 ) 也不同。
步骤 S607 ： 获取当前标记下未显示的一个发散词并计算其 KEY 值， 然后通过一个 对象存储该发散词及其 KEY 值， 并将该对象对应的词条内容作为一个节点加入到当前页面 的单词关联网络图中显示 ；
步骤 S608 ： 将当前标记下的发散属性中已显示的发散词总数累加 1， 同时将已显 示的所有发散属性下所有发散词总数累加 1 ；
步骤 S609 ： 将当前标记修改为指向代表下一发散属性的下一标记后转入步骤 S604。
为了使单词关联网络图可以更加均匀对称地显示中心词和发散词， 避免发散词只 显示在单词关联网络图一侧、 另一侧不显示的散乱情况的出现， 在步骤 S607 中将对象对应 的词条内容加入到单词关联网络图时可以排布对象的位置。 例如假设一个单词关联网络图最多可显示 1 个中心词对象和 12 个发散词对象， 可放置的位置包括预设的一个中心坐标和 1 到 12 号共 12 个均匀顺序排列在中心坐标四周的发散坐标， 则在排布对象的位置时中心词 对象固定显示在中心坐标位置上， 发散词对象则根据每页需要显示的发散词个数选择显示 在 1 到 12 号发散坐标上， 例如假设每页需要显示的发散词个数为 N， 则
1) 当 N ＝ 1 时， 随机取 1 个发散坐标位置来显示发散词对象对应的词条内容 ；
2) 当 N ＝ 2 时， 先随机取 1 个坐标位置， 再顺时针间隔 5 个数取另一个坐标位置， 比如取 2、 8 号发散坐标位置来显示发散词对象对应的词条内容 ；
3) 当 N ＝ 3 时， 先随机取 1 个坐标位置， 再顺时针间隔 3 个数取一个坐标位置， 逆 时针间隔 3 个数取一个坐标位置， 比如取 2、 6、 10 号发散坐标位置来显示发散词对象对应的 词条内容 ；
4) 当 N ＝ 4 时， 先随机取 1 个坐标位置， 再顺时针每间隔 2 个数取一个位置， 比如 取 1、 4、 7、 10 号发散坐标位置来显示发散词对象对应的词条内容 ；
5) 当 N ＝ 5 时， 先随机取 1 个坐标位置， 再顺时针每间隔 1 个数取一个位置， 取两 个后再每间隔 2 个数取一个位置， 比如取 1、 3、 5、 8、 11 号发散坐标位置来显示发散词对象对 应的词条内容 ； 6) 当 N ＝ 6 时， 先随机取 1 个坐标位置， 再顺时针每间隔 1 个数取一个位置， 比如 取 1、 3、 5、 7、 9、 11 号发散坐标位置来显示发散词对象对应的词条内容 ；
7) 当 N ＝ 7 时， 先随机取 1 个坐标位置， 再顺时针每间隔 1 个数取一个位置， 取5 个后再连续取后续的 2 个位置， 比如取 1、 3、 5、 7、 9、 10、 11 号发散坐标位置来显示发散词对 象对应的词条内容 ；
8) 当 N ＝ 8 时， 对象排布刚好和 N ＝ 4 时相反， 比如取 2、 3、 5、 6、 8、 9、 11、 12 号发散 坐标位置来显示发散词对象对应的词条内容 ；
9) 当 N ＝ 9 时， 对象排布刚好和 N ＝ 3 时相反， 比如取 1、 3、 4、 5、 7、 8、 9、 11、 12 号发 散坐标位置来显示发散词对象对应的词条内容 ；
10) 当 N ＝ 10 时， 对象排布刚好和 N ＝ 2 时相反， 比如取 1、 3、 4、 5、 6、 7、 9、 10、 11、 12 号发散坐标位置来显示发散词对象对应的词条内容 ；
11) 当 N ＝ 11 时， 对象排布刚好和 N ＝ 1 时相反， 比如取 2、 3、 4、 5、 6、 7、 8、 9、 10、 11、 12 号发散坐标位置来显示发散词对象对应的词条内容 ；
12) 当 N ＝ 12 时， 取 1-12 号即取全部发散坐标位置来显示发散词对象对应的词条 内容。
应当理解的是， 只要可使发散词对象均匀对称地显示在单词关联网络图的中心词 对象的四周即可， 此处所述的排布对象的方案仅用于举例， 并不用于限制本发明。
步骤 S6 在显示单词关联网络图的同时， 还可以在相关图片模块显示中心词具有 的图片集， 具体方法为 ： 通过中心词的发散属性模块结构中的图片关系标记号和图片索引 指向图片信息模块， 然后根据图片信息模块存储的图片内容结构中的小图片地址， 指向图 片内容模块， 进而得到中心词对应的小图片内容， 得到所有小图片内容后将小图片分行分 列显示给用户。需要说明的是， 图片内容模块中存储的小图片在相关图片区模块中分行分 列显示 ( 如图 6- 图 11 中的相关图片区模块 )， 而大图片则作为图片对应的单词网络图中的 中心词对象在词网区模块显示 ( 如图 11 中的词网区模块 )。
在步骤 S6 显示完词网区模块中的单词关联网络图和相关图片区模块中的图片集 后用户可以进行三种操作 ：
操作一 ： 选择单词关联网络图中的发散词对象， 系统通过信号与槽机制或者函数 回调等方式解析发散词的 KEY 值， 显示发散词的解释或其与中心词的关系 ( 如图 7 和图 8)。
由于发散词对象存储有发散词的 KEY 值， KEY 值是将发散词在发散词模块或图片 信息模块中的索引、 对应的发散属性的关系标记号， 及该发散词对应的中心词在中心词模 块中的索引组合后通过计算机的基本移位运算而得来的整数数值， 因此系统通过解析发散 词的 KEY 值可得知发散词在发散词模块中的索引地址， 从而可从发散词模块中取出发散词 的词条内容。发散词的 KEY 值中还存有发散词和中心词的关系， 因此系统通过解析 KEY 值 还可将发散词和中心词的关系如近义词关系、 反义词关系等反馈给用户。
操作二 ： 选择图片集中的图片， 系统解析图片的 KEY 值， 得到小图片在图片信息内 容模块中存储的索引地址 ( 该索引地址指向图片内容库模块中相应的小图片内容 )， 由图 片信息内容模块的存储结构可知图片信息内容模块中存储的小图片的索引地址的前一个 字节存储的是大图片的索引地址 ( 该索引地址指向图片内容库模块中的大图片内容 )， 其 后的几个字节分别存储的是该图片对应的词条总数、 每个词条在图片词条内容模块中的索 引地址， 在解析完上述信息后显示以大图片为中心词对应的单词网络图 ( 如图 9)。 所述计算图片的 KEY 值的方法与计算发散词的 KEY 值方法相似， 即将图片在所述 图片信息索引区模块中的索引 (0-9 位 )、 该图片对应的发散属性 ( 即图片与中心词的关 系 ) 对应的标记号 (10-13 位 )， 及该图片对应的中心词在中心词模块中的索引 (14-31 位 ) 组合后， 通过计算机的基本移位运算之后得到一个整数数值。所述图片对应单词网络图的 结构与单词关联网络图相同， 用于将图片和图片的发散词之间的关系组织到一个网络图 中， 形象地展示给用户学习 ( 如图 10)。 所述图片对应单词网络图的构建过程与单词关联网 络图相似， 即首先以图片为中心词， 然后从图片词条内容模块中获取图片对应的发散词， 计 算发散词的 KEY 值， 然后将发散词及其 KEY 值保存到一个对象中， 之后将对象对应的词条作 为一个节点分别加入到图片对应单词网络图中。其中也可以排布发散词对象的显示位置， 方法同上所述。
操作三 ： 改变单词关联网络图和 / 或图片对应单词网络词中的某一发散词对象的 位置， 使其处于中心词坐标位置变成新的中心词 ( 如图 11 和 12) ；
在操作三中， 改变发散词对象的位置具体表现为拖动行为， 即拖动其中某一个发 散词时其它发散词位置固定不动， 被拖动的发散词回到其原始发散坐标固定位置的过程。 所述改变发散词对象的位置的节点拖动滑动实现方法可以采用以下两种方法 ：
1) 二分位移方法 ： 当发散词对象被拖动离开它被固定的原始发散坐标位置 ( 即该 发散词排布的原始固定位置 ) 而到达新的发散坐标位置后， 它将以 v 的速度回到其原始发 散坐标位置。V ＝发散词对象当前所在位置区域的中心坐标与原始发散坐标位置区域的中 心坐标位置之间的距离 /2， 由于原始发散坐标位置区域的中心坐标不变， 因此 v 是根据发 散词对象当前位置的变化而不断变化的， 发散词对象当前位置距离原始发散坐标位置位置 越远， v 值越大， 即发散词对象移动的速度越快 ； 发散词对象当前位置距离原始发散坐标位 置越近， v 值越小， 即发散词对象移动的速度越慢。最终， 发散词对象回到其原始发散坐标 位置位置上。
2) 物理力学方法 ： 一方面各个相邻的发散词对象之间存在互斥力， 假设互斥力 的合力为 F1， 另一方面发散词对象和中心词对象之间通过线条连接， 因此存在拉伸的张力 F2。对于每一个发散词对象， 当 F1 ＝ F2 的时候发散词对象静止， 否则发散词对象沿 F1 与 F2 的合力方向运动。计算每一发散词对象的 F1， 若 F1 不等于 F2 则发散词对象沿 F1 与 F2 的合力方向运动， 直到每一个发散词对象静止为止。 需说明的是， 该方法由于在拖动发散词 时中心词位置及其它发散词位置亦随之变化， 各节点的平衡位置完全取决于各个节点的位 置关系， 自动计算直到所有节点受到的合力均为 0 即达到平衡状态， 如此消耗的资源较多， 对处理速度造成一定影响。
由于手持式电子学习设备中 CPU 的资源有限， 故常采用上述二分位移法处理。
在上述二分位移方法中， 设定中心词的坐标位置固定， 当拖动其中某一个发散词 时， 仅被拖动的发散词运动， 而中心词和其它发散词均静止， 当该发散词 ( 拖动词 ) 被拖动 到中心词区域内时 ( 即中心词的中心区域在拖动词范围内或拖动词中心区域在中心词范 围内 )， 则该发散词切换为中心词， 进入步骤 S7 ；
步骤 S7 ： 当单词关联网络图中的中心词对象发生改变时， 在单词搜学资源库模块 中重新匹配新的中心词 ；
步骤 S8 ： 判断是否匹配到与新的中心词相同的单词， 若匹配成功则转入到步骤 S4， 即构建并显示以所述新的中心词为中心词及其需要显示的发散词为周边词构成的单词 关联网络图、 构建并显示与新的中心词关联的图片集 ；
步骤 S9 ： 步骤 S8 中若匹配失败则解析新的中心词的 KEY 值， 判断其是否为图片集 中某一图片对应的发散词， 若是则不进行任何操作 ； 若否则显示该新的中心词与旧的中心 词构成的单词关联网络图， 即将步骤 S7 中心词对象发生改变之前的单词关联网络图中的 新、 旧中心词位置对调显示， 并转入步骤 S6。
关于步骤 S7-S9 的说明如下 ： 例如， 当用户拖动的是某一中心词对象 “a” 对应的发 散词对象 “a lot of” ， 则该发散词对象 “a lot of” 成为新的中心词对象， 此时系统在单词 搜学资源库模块中重新匹配新的中心词 “a lot of” ， 如果匹配失败则解析 “a lot of” 的 KEY 值， 判断 “a lot of” 是否为旧的中心词对象 “a” 对应的发散词， 判断结果为是， 则显示 “a lot of” 与” a” 的单词关联网络图， 即将原先 “a” 的单词关联网络图中的 “a” 和 “a 1ot of” 位置对调 (“a lot of” 为中心词， “a” 为 “a lot of” 的发散词 )。
需要说明的是， 在图释区中的代表发散属性的图标可以包含在一个方框或者一个 圆形或者其它形状的区域内， 该区域可以填充底纹， 且不同的图标填充不同颜色的底纹， 同 样在词网区模块中的中心词和发散词均可以被包含在一个方框或者圆形或者其它形状的 区域内， 亦可以填充不同颜色的底纹。 为便于识别不同的发散属性， 相同发散属性下所有包 含各个发散词区域的底纹的颜色及发散词与中心词连线的颜色均采用与图释区中包含相 应图释的区域底纹颜色保持一致。
需要说明的是， 当词网区的中心词被拖动时， 同上所述的针对发散词的二分位移 方法相同， 当中心词被拖动到新的坐标区域后， 根据中心词新位置的中心点与中心词原始 固定位置的中心点的距离计算其移动的速度， 最终， 中心词回到其原始固定位置， 在拖动中 心词的过程和中心词回到原始固定位置的过程中， 根据中心词中心位置坐标与发散词的中 心位置坐标实时绘制两者的连线。综上所述， 本发明的单词关联搜学方法不仅可以匹配用户输入的单词， 还可以将 匹配到的单词以及该单词相关的关联词和图片反馈给用户， 供用户选择学习。由于构建了 单词关联网络图和图片对应单词网络图， 因此用户可以清楚的感知、 学习每个查询的单词 所具有的发散词和图片、 以及它们之间的关系， 加强学习印象。 用户通过点击网络图中的发 散词、 图片可以学习关联知识， 通过拖动发散词和图片还可进一步方便地学习新的中心词 内容。这样可实现方便用户进行单词关联学习、 对比学习、 发散学习， 提高学习效率和学习 效果。
以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 对于本领域的技 术人员来说， 本发明可以有各种更改和变化。凡在本发明的精神和原则之内所作的任何修 改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。