CN108075959B - 一种会话消息处理方法和装置 - Google Patents

一种会话消息处理方法和装置 Download PDF

Info

Publication number
CN108075959B
CN108075959B CN201611002187.4A CN201611002187A CN108075959B CN 108075959 B CN108075959 B CN 108075959B CN 201611002187 A CN201611002187 A CN 201611002187A CN 108075959 B CN108075959 B CN 108075959B
Authority
CN
China
Prior art keywords
node
tree
image
candidate
probability
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
CN201611002187.4A
Other languages
English (en)
Other versions
CN108075959A (zh
Inventor
周干斌
罗平
曹荣禹
林芬
陈波
何清
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201611002187.4A priority Critical patent/CN108075959B/zh
Priority to PCT/CN2017/107450 priority patent/WO2018086455A1/zh
Publication of CN108075959A publication Critical patent/CN108075959A/zh
Priority to US16/354,117 priority patent/US10862834B2/en
Application granted granted Critical
Publication of CN108075959B publication Critical patent/CN108075959B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/424—Syntactic representation, e.g. by using alphabets or grammars
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/06—Message adaptation to terminal or network requirements
    • H04L51/063—Content adaptation, e.g. replacement of unsuitable content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/10—Multimedia information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/10—Architectures or entities
    • H04L65/1063—Application servers providing network services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H04L65/765—Media network packet handling intermediate

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请公开了一种会话消息处理方法和装置，该方法包括：接收发送方的终端发送的会话消息，该会话消息携带有接收方的信息；当确定该会话消息包含图像时，生成用于描述该图像的至少一组描述性文本；将该会话消息转发给该接收方的终端；将该图像的该至少一组描述性文本发送给该接收方的终端，以在该接收方的终端显示该图像的同时，将该至少一组描述性文本作为该图像关联的至少一个候选输入项进行显示。该方法和装置有利于用户高效准确的获取到会话消息中所包含的图像的关键信息，并提高即时通讯交互的流畅性。

Description

一种会话消息处理方法和装置
技术领域
本申请涉及通信技术领域，尤其涉及一种会话消息处理方法和装置。
背景技术
基于即时通讯应用，可以实现两人或多人之间通过网络实时的会话交互。随着网络技术的不断发展，基于即时通讯过程中所传输的会话消息不仅仅限于文字消息，还可以是图片或视频等图像内容。
相对于文字消息而言，包含有图像的会话消息所包含的信息量较大，用户无法快速、准确获取图像中所包含的关键信息。因此，在即时通讯的用户接收到包含图像的会话消息之后，可能需要花费较长的时间对图像进行理解和研究之后，才可以确定该图像所包含的关键信息，并针对包含图像的会话消息给出消息回复，从而影响到了即时通讯用户之间交互的流畅性。
发明内容
有鉴于此，本申请提供了一种会话消息处理方法和装置，以使得用户可以高效准确的获取到会话消息中所包含的图像的关键信息，提高即时通讯交互的流畅性。
为实现上述目的，一方面，本申请提供了一种会话消息处理方法，包括：
接收发送方的终端发送的会话消息，所述会话消息携带有接收方的信息；
当确定所述会话消息包含图像时，生成用于描述所述图像的至少一组描述性文本；
将所述会话消息转发给所述接收方的终端；
将所述图像的所述至少一组描述性文本发送给所述接收方的终端，以在所述接收方的终端显示所述图像的同时，将所述至少一组描述性文本作为所述图像关联的至少一个候选输入项进行显示。
另一方面，本申请还提供了一种会话消息处理装置，包括：
消息接收单元，用于接收发送方的终端发送的会话消息，所述会话消息携带有接收方的信息；
文本生成单元，用于当确定所述会话消息包含图像时，生成用于描述所述图像的至少一组描述性文本；
消息转发单元，用于将所述会话消息转发给所述接收方的终端；
文本发送单元，用于将所述图像的所述至少一组描述性文本发送给所述接收方的终端，以在所述接收方的终端显示所述图像的同时，将所述至少一组描述性文本作为所述图像关联的至少一个候选输入项进行显示。
经由上述的技术方案可知，在申请实施例中，在即时通讯的服务器接收发送方的终端发送的会话消息之后，如果确定出该会话消息包含图像，则会生成用于描述该图像的至少一组描述性文本，并将为图像生成的至少一组描述性文本发送给终端，这样，终端不仅可以显示出会话消息的图像，还可以将该至少一组描述性文本作为该图像关联的可选输入项显示，由于描述该图像的描述性文本可以反映出该图像所包含的信息，用户根据描述性文本可以快速领悟到图像所包含的关键信息；而且，用户还可以直接选取该图像的描述性文本作为针对该会话消息的回复，有利于提高即时通讯交互的流畅性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的会话消息处理系统一种可能的组成结构示意图；
图2a示出了即时通讯的会话窗口中呈现出的多种形式的会话消息的示意图；
图2b示出了在即时通讯的会话窗口中呈现出包含有图像的描述性文本的候选输入项的效果示意图；
图2c示出了在用户点击图2b中的候选输入项之后该会话窗口的显示效果示意图；
图3示出了本申请公开的一种会话消息处理方法一种实施例的流程示意图；
图4示出了本申请实施例公开的一种训练条件概率模型的流程示意图；
图5a示出了本申请实施例公开的一种语法树的示意图；
图5b示出了由图5a的语法树转换出的三叉树的示意图；
图6示出了本申请实施例公开的会话消息处理方法中扩展候选节点树的一种实现流程示意图；
图7示出了本申请实施例公开的一种会话消息处理装置一个实施例的组成结构示意图；
图8示出了本申请实施例公开的一种应用服务器的组成结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例的转账方法可以应用于基于网银系统、即时通讯系统等多种不同类型的在线转账系统。
如图1，其示出了本申请一种会话消息处理系统的组成结构示意图，该系统可以包括：即时通讯平台100和至少两台终端110。
其中，该即时通讯平台可以包括至少一台应用服务器101。
可选的，为了提高转账业务的处理效率，即使通讯服务平台可以包括由多台应用服务器101组成的应用服务器集群。
其中，该终端110可以理解为即时通讯应用所在的客户端，如，该终端可以为手机、平板电脑、台式电脑等等。
在本申请实施例中，终端110，用于向即时通讯服务平台发送会话消息，以通过即时通讯平台中的应用服务器转发该会话消息。
需要说明的是，在本申请实施例中，该至少两台终端110中至少包括一台作为发送会话消息的发送方终端，以及一台作为接收会话消息的接收方终端，可以理解的是，由于每个终端均可以接收并发送会话消息，因此，每个终端既可以发送方终端，也可以是接收方终端，但是对于一条会话消息而言，该会话消息的发送方终端和接收方终端是固定不变的。
应用服务器101，用于接收到终端发送的会话消息之后，根据该会话消息所携带的接收方的信息，将该会话消息转发给该接收方所在的终端。
在本申请实施例中，终端向应用服务器所发送的会话消息不限于文字消息和音频消息，还可以是包含有图像的会话消息，如会话消息的形式可以为：静态图片、动态图像或者视频等等。
如图2a所示，其示出了在终端的即时通讯应用的会话窗口中所呈现出的多条会话消息，由图2a可知，该会话窗口中除了显示有多条文字消息201之外，还显示有图片形式的会话消息202。
进一步的，为了能够使得终端的用户可以快速、准确的了解到会话消息中图像所包含的关键信息，在本申请实施例中，应用服务器还用于在接收到包含有图像的会话消息时，生成用于描述该图像的至少一组描述性文本，并将该至少一组描述性文本发送给该会话消息的接收方的终端。其中，生成用于描述图像的描述性文本的目的是将图像所包含的内容转换成自然语言描述出来。描述性文本中可以包括用于描述该图像所包含的信息或内容的短语或语句。
相应的，终端还用于在呈现出该会话消息所包含的图像的同时，将该图像的至少一组描述性文本作为该图像关联的候选输入项进行显示。
结合以上共性，参见图3，其示出了本申请一种在线转账方法一个实施例的流程交互示意图，本申请实施例以会话消息为一幅图像(俗称的图片)为例进行介绍，本实施例的方法可以包括：
S301，发送方的终端向即时通讯平台的应用服务器发送会话消息，该会话消息携带有接收方的信息。
其中，通过该接收方的信息可以定位到该接收方所在的终端，如，接收方的信息可以为接收方的用户名、该接收方对应的IP地址、接收方的终端的唯一标识等等信息。
可选的，为了应用服务器确定出该会话消息的来源，该会话消息还可以携带有该发送方的信息，如，该发送方的用户名、该发送方对应的IP地址等等。
S302，应用服务器根据接收方的信息，将该会话消息发送给该接收方的终端。
需要说明的是，本实施例是以应用服务器在接收到该会话消息之后，直接将该会话消息转发给接收方的终端为例进行说明。但是可以理解的是，在实际应用中，应用服务器也可以在应用服务器确定出该会话消息中的图像所对应的描述性文本之后，将该会话消息以及该描述性文本一并发送给接收方的终端。
S303，当应用服务器确定该会话消息包含图像时，将该图像转换成指定大小且具有指定格式的图像。
其中，该步骤S304的目的是对图像进行预处理。其中，该指定大小可以根据需要设定。可选的，可以通过限定为图像中横向以及纵向的像素个数，来确定该指定大小，如，将图像转换成横线具有第一像素个数，且纵向具有第二像素个数的图像，其中，该第一像素个数和第二像素个数可以相同也可以不同。相应的，指定格式也可以根据需要设定，可选的，该指定格式可以为RGB格式。
通过对图像进行预处理，可以将图像转换成一个三维矩阵所表示的图像，如，图像可以表示为由(height,width,3)的三维矩阵构成，其中，第一维height表示图片纵向的像素个数，第二维width表示图片横向的像素个数，第三维表示图片在RGB模式中每个信道的值，这样，这个三维矩阵也就包含了该图像的所有信息。
需要说明的是，对图像进行预处理是一个可选的步骤，其仅仅是为了将图像进行归一化之后，便于对图像进行分析。
S304，应用服务器将转换后的图像映射为预设长度的向量。
其中，该向量可以解码器进行解码，以最终生成描述性文字。
该预先设定的向量的长度称为预设长度。
其中，将图像映射为预设长度的向量的方式可以有多种。
可选的，可以基于卷积神经网络，将该图像映射为预设长度的向量。如，假设图像被归一化成固定大小为(h1，w1，3)的矩阵x(i)，则将该图像映射为预设长度的向量的过程可以为：
首先，对该图像的矩阵x(i)进行卷积操作，其中，卷积核的大小为(kh1，kw1)，卷积核的数量为n1，则卷积操作后的图像的大小为(h2，w2，n1)；
其次，对卷积后的图像进行最大池化操作，其中，最大池化的尺寸为(kh2，kw2)，则池化后的图像大小(h3，w3，n1)；
再次，对卷积后的图像进行光栅化处理，光栅化后的图像大小为(h3*w3*n1，1)；
最后，通过全连接层，将图像转化为预设长度为n2的向量p(i)。
其中，卷积核和最大尺寸的大小可以有设定参数k限定，k的取值可以预先通过训练得到，相应的，卷积核的数量n1以及向量的预设长度n2，同样可以通过训练得到。
其中，该步骤S305的目的是将图像转换成向量的形式，以便于进行数据处理，但是可以理解的是，在实际应用中也可以直接对图像进行后续处理，以确定出用于描述图像的描述性文本，在此不加以限定。
S305，应用服务器依次确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率。
为了便于区分，本实施例中，将单词作为描述该向量的节点树中根节点的概率称为第一概率。
其中，该节点树与描述该向量的语法树之间具有预设的转换规则。节点树中非空的节点可以认为是组成语法树所必要的节点。该节点树可以为与描述向量的语法树相对应的三叉树、四叉树等等。可选的，为了全面使得描述性文本相对丰富，且避免算法过于复杂，本实施例中的节点树可以为三叉树。
可选的，可以预置用于条件概率模型，该条件概率模型中包括用于计算单词作为描述向量的节点树中根节点的第一概率的根节点概率模型，这样，在图像所对应的向量确定的情况下，基于该根节点概率模型可以计算出单词作为描述该向量的节点树中根节点的概率。
其中，该条件概率模型为在得到描述性文本已知的多幅图像所构成的数据集的前提下，通过最大化该数据集的似然函数为目标，训练深度神经网络模型，并结合梯度下降法，训练得到的模型。该条件概率模型用于在图像确定的情况下，计算多个单词组成的描述性文本用于描述该图像的概率。具体的，该条件概率模型可以扩展表示为根节点概率模型与普通节点概率模型的乘积，且该条件概率模型的输出值等于该根节点概率模型的输出值与普通节点概率模型的输出值的乘积。
可以理解的是，由于节点树可以为三叉树、四叉树等不同形式，因此，根据节点树的形式的不同，训练出的条件概率模型也会有所差别。
S306，应用服务器从该词库的单词中，选取出该第一概率最高的指定数量个单词分别作为指定数量个根节点。
可以理解的是，对于一幅确定的图像而言，描述性文本中的语句更有可能是由概率高的单词作为根节点扩展生成的，因此，可以选择第一概率最高的指定数量个根节点来扩展节点树。
其中，该指定数量可以根据需要设定，如，该指定数量可以为三个。
S307，应用服务器对于任意一个根节点，从词库中选取作为该根节点对应的候选节点树中节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为该候选节点树中节点的第二概率。
其中，候选节点树为以该根节点为基准进行扩展的节点树。由于候选节点树需要基于根节点逐层向下扩展各层节点，因此，该候选节点树可以理解为用于描述该图像，且尚未完成扩展的节点树。
节点树可以有多层，每一层可以包括多个节点，如，处于同一层的节点可以称为兄弟节点，而处于上下层的节点则互为父子节点，因此，在扩展候选节点树时，可以从根节点开始逐层向下扩展该候选节点树。同时，由于作为候选节点树同一层的节点可能会具有多种不同单词的组成可能，为了后续选取出概率较高的候选节点树，为了确定出在图像、当前扩展出的该候选节点树中需要扩展的节点确定的前提下，单词作为该候选节点树中某个节点的概率，本实施例中，将该概率称为第二概率。该步骤S307实际上是在扩展候选节点树的过程中，逐层计算候选节点树中各层每个节点对应的第二概率，以遍历所有的节点。
可选的，可以先将根节点作为候选树节点中待扩展节点；然后，从词库中选取可以作为该候选节点树中该待扩展节点的子节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为该待扩展节点的子节点的第二概率；然后，将候选节点树中最新扩展得到的子节点作为待扩展节点，返回执行从词库中选取单词作为该待扩展节点的子节点，并计算选取出的单词对应的第二概率，如此逐层扩展，直至无法扩展候选节点树为止。进一步的，基于预置的普通节点概率模型在计算单词作为该候选节点树中子节点的概率时，考虑到该子节点的父节点、该父节点的祖先以及该子节点的兄弟节点之间的相互影响关系。
如，以三叉树为例，对于任意一个待扩展节点，需要从词库中分别选取可以作为候选节点树中该待扩展节点的左子节点、右子节点和中子节点的单词，并分别计算在该向量、该候选节点树以及候选节点树中该待扩展节点确定的情况下，该左子节点、右子节点和中子节点上的单词对应的第二概率。
其中，当候选节点树中扩展成的某个节点为空节点时，无需从该节点继续再向下层扩展，这样，可以最终确定出该候选节点树的所有节点都无法再继续向下扩展时，则候选节点树无法继续扩展，对于该候选节点树的扩展结束。
由于对于候选节点树除了根节点之外的节点而言，每个节点都可能可以选择多个单词，这样，以根节点可以扩展出多种不同组合形式的候选节点树。
S308，应用服务器对于以根节点扩展出的任意一棵候选节点树，根据根节点对应的第一概率以及组成该候选节点树中各个节点的单词所对应的第二概率，确定该候选节点树的评分。
其中，候选节点树的评分可以是根节点的第一概率，与该候选节点树中根节点之外的其他各个节点上的各个单词所对应的第二概率的乘积。当然，还可以有其他确定候选节点树的评分的方式，只要是能够反映出候选节点树中各个节点组合后的概率越高，该候选节点树的评分越高即可。
S309，应用服务器从以该第一指定数量个根节点构建出的候选节点树中，选取评分最高的至少一个目标节点树。
可以理解的是，如果组成候选节点树的根节点以及各层节点的概率都较高，则说明该候选节点树所对应的描述性文本用于描述该图像内容的准确性也较高，因此，如果候选节点树的评分较高，则利用该候选节点树中各个节点上的单词组成的描述性文本，描述该图像的准确性也越高。
在本实施例中，将选取出的候选节点树称为目标节点树，选取出的目标节点树的数量可以根据需要设定，如，可以为一个、两个等等。
S310，分别将每棵目标节点树转换为用于描述该图像的语法树，得到至少一棵语法树。
可选的，可以依据预置的节点树中节点与语法树中节点之间的映射关系，将目标节点树中各个节点所对应的单词转换到语法树对应的节点上，以得到描述该图像的语法树。
需要说明的是，以上步骤S305至S310目的是基于预置的图像特征与单词的映射关系，从词库中选取单词构建用于描述图像的至少一棵语法树，本实施例仅仅是实现该目的的一种优选实施方式，在实际应用中还可以有其他具体实现方式，在此不在赘述。
S311，应用服务器分别将每棵语法树转换为描述性文本，得到用于描述该图像的至少一组描述性文本。
在节点树确定的情况下，根据节点树中各层节点之间的关系，可以确定各个节点对应的单词在描述性文本中的位置，从而转换出该描述性文本。
S312，应用服务器将该至少一组描述性文本发送给接收方的终端。
S313，接收方的终端显示会话消息中的图像。
其中，接收方的终端可以在会话窗口中显示出作为会话消息的图像，如可以参见图2a。
S314，接收方终端将该至少一组描述性文本作为该图像关联的至少一个候选输入项进行显示，以使得用户选择该候选输入项作为会话窗口的输入内容。
其中，每一组描述性文本均可以作为一个候选输入项，用户通过点击该候选输入项就可以选择该描述性文本，并触发该接收方的终端将该描述性文本发送给图像的发送方的终端；或者是，触发该接收方的终端将该描述性文本输入到会话窗口的消息输入框中，并在用户点击发送后，再发送用户选中的描述性文本。
如，仍结合图2a为例进行介绍，在终端的会话窗口中显示有图2a所示的图片形式的会话消息202的前提下，如果终端接收到应用服务器返回用于对该图片进行描述的描述性文本之后，会话窗口的界面可以参见图2b，由图2b可知，在该会话窗口中消息输入框203的上方显示文本候选栏204，在该文本候选栏204中显示有多个候选输入项，每个候选输入项就是一组描述性文本，例如，文本候选输入栏中可以分别包括：候选输入项“这是什么花？”、“这花真好看！”、“好漂亮，我也喜欢这种花”。
假如用户可以根据需要在图2b所示的界面中选择某一个候选输入项，假如用户点击选择了“这花真好看！”这一候选输入项，则终端可以将该候选输入项对应的描述性文本“这花真好看！”输入到该会话窗口的消息输入框203中，如，参见图2c所示。由图2c可见，在消息输入框203内输入了“这花真好看！”。
S315，当接收方的终端检测到用户选择候选输入项时，确定用户所选择的目标候选输入项。
S316，接收方的终端将用户选择的目标候选输入项对应的描述性文本作为会话消息的内容发送给服务器。
在接收方的终端的用户选择目标候选输入项作为输入内容之后，该接收方终端可以直接将该目标候选输入项对应的描述性文本作为待发送的会话消息的内容发送给应用服务器。当然，该接收方的终端也可以在用户选择了目标候选输入项，且用户确认发送之后，再向应用服务器发送该描述性文本。
需要说明的是，包含该描述性文本的会话消息的目的接收方为前面提到的发送方的终端，只不过在该步骤S316的前提下，发送图像的发送方实际上转变为了接收方，为了便于描述且便于区分，本实施例仅以发送方的终端限定发送图像的终端。
S317，应用服务器将包含该描述性文本的会话消息转换给该发送方的终端。
如，应用服务器根据包含有该描述性文本的会话消息所携带的该发送方终端的消息，将该会话消息进行转发。
其中，S315至S315为可选步骤，其目的是仅仅是为了说明在终端呈现出描述性文本之后，用户选择该描述性文本以触发发送该描述性文本的过程。
需要说明的是，本实施例是以会话消息中包含一帧图像为例进行说明，但是可以理解的是，当会话消息中包含的视频等多帧图像的情况下，应用服务器可以依次为每帧图像分别生成描述性文本，其生成过程相似，在此不再赘述。
当然，对于会话消息为视频或者其他包含多帧图像的情形，由于相邻帧图像的差异性较小，为了减少数据计算量，可以间隔指定帧图像进行一次描述性文本的生成。
为了便于理解本申请实施例中生成图像的描述性文本所对应的节点树的过程，以构建的节点树为三叉树，且依据预先训练得到的条件概率模型来确定词库中各个单词作为三叉树中节点的概率为例进行介绍。
下面先对训练条件概率模型的过程进行介绍，参见图4，其示出了本申请实施例公开的一种训练条件概率模型的流程示意图，该训练过程可以应用于该应用服务器，具体包括：
S401，获取训练条件概率模型所需的数据集。
其中，该数据集中包括多幅样本图像各自对应的多个数据组，其中，每个数据组为一个用于描述样本图像的二元组，该二元组由该样本图像的特征信息，以及该样本图像对应的描述性文本组成。
如，数据集D可以表示为：D＝{d(1)，d(2)，…，d(N)}，其中，d(i)表示一幅样本图像对应的二元组，i从1到N，N为数据集中数据组的个数。其中，d(i)＝<p(i)，t(i)>，其中p(i)是样本图像的特征信息，由一个大小为(height,width,3)三维矩阵构成，该三维矩阵的参数可以参见前面实施例的介绍。t(i)表示样本图像p(i)对应的描述性文本。
S402，分别对数据集中的每幅样本图像进行预处理。
其中，该步骤为可选步骤，预处理的过程可以参见前面实施例的相关介绍。
S403，将预处理后的每幅样本图像映射为固定长度的向量。
映射为固定长度的向量的过程可以参见图1实施例的相关介绍。在将样本图像映射为向量的过程可以不断调整前面提到的限定卷积核和最大尺寸的大小的参数k、卷积核的数量n1以及向量的预设长度n2，并最终确定出这几个参数的取值。
S404，分别将每幅样本图像的描述性文本转换为语法树。
其中，描述性文本由多个单词组成，可以通过语法树的形式展现，其中，语法树中各个节点均为该描述性文本的一个单词。在将描述性文本转换为语法树时，可以先基于父、子节点的单词之间满足预设关系，且以节点的左子树中的单词均出现在描述性文本中该单词的左侧，节点的右子树中的单词均出现在描述性文本中该单词的右侧为第一转换规则，先将描述性文本转换为语法树。
如，假设某个样本图像对应的描述性文本为“天上飞翔的鸟儿吃水里游动的鱼儿”，则将该描述性文本转换为的语法树可以参加图5a所示，由图5a可知，该语法树中“吃”为根节点，在根节点具有两个子节点，分别为“鸟儿”和“鱼儿”，同时，节点“鸟儿”以及节点“鱼儿”又分别具有三个子节点。
S405，将语法树转换为三叉树。
可选的，可以按照如下规则将语法树转换为三叉树：
将语法树中的根节点作为三叉树的根节点；对于语法树中的每个节点，按照预置的第二转换原则，将每个语法树中的每个节点转换为三叉树中的节点，其中，该第二转换原则为：该节点的左孩子中最左侧的子节点作为该节点的左子树的根节点，将节点的右孩子最左侧的子节点作为该节点中子树的根节点，将该节点中处于同一层的子节点中最左侧的子节点作为该节点的右子树中的根节点。需要说明的是，对于一个节点而言，该节点的孩子就是指该节点的子节点，则左孩子是指位于该节点左侧的子节点，右孩子是指位于该节点右侧的子节点，而中孩子在三叉树中位于该节点对应的中间位置的子节点。
如，在将该图5a所示的语法树转换为三叉树时，可以将语法树中的根节点“吃”作为三叉树的根节点，然后对于语法树中任意一个节点，按照该转换规则，分别确定每个节点在三叉树中左孩子、中孩子和右孩子，如果节点的某个孩子为空，则表示为空节点。如图5b，其示出了由图5所示的语法树所转换出的三叉树的示意图。在图5b中画叉的圆圈表示空节点。
S406，基于三叉树中节点的组成结构，对似然函数进行扩展，得到包含待定参数的条件概率模型。
其中，似然函数本质上是一个条件概率，该条件概率用于描述在给定图像的条件下生成描述性样本的概率。如，条件概率可以表示为P(t(i)|p(i))。
由于三叉树中每个节点具有三个子节点，这样，在扩展条件概率时体现出基于该一幅图像生成描述性文本时，在该图像以及节点确定的情形下，生成三叉树中该节点的各个子节点的概率，则可以将P(t(i)|p(i))可以扩展为：
Figure BDA0001152330640000131
为了计算需要，可以进一步扩展可以得到：
Figure BDA0001152330640000132
其中，
Figure BDA0001152330640000133
表示根节点，
Figure BDA0001152330640000134
分别表示第j个节点的左孩子，中孩子和右孩子，
Figure BDA0001152330640000135
表示第j个节点及其祖先，M表示三叉树中节点的总个数；
Figure BDA0001152330640000136
表示给定图片、节点j及节点j的各个祖先的前提下生成该节点j的左孩子的概率；
Figure BDA0001152330640000137
表示给定图片、节点j、节点j的各个祖先以及左孩子的前提下生成该节点j的中孩子的概率；
Figure BDA0001152330640000138
表示给定图片，节点j、节点j的祖先和左、中孩子的前提下生成该节点j的右孩子的概率。
其中，节点的祖先包括该节点的父节点以及从该节点的父节点到根节点在内的所有节点。
需要说明的是，步骤406可以在步骤404和步骤405之前执行，也可以与这两个步骤一起执行，在此不加以限制。
S407，利用数据集中样本图像所映射出向量以及样本图像的描述性文本所对应的三叉树，对包含待定参数的条件概率模型进行训练，以确定出条件概率模型中的待定参数的取值。
其中，公式一以及公式二中P为包含未知参数的函数，其表示递归神经网络的隐藏层节点，为了确定中P中的各个参数，则需要利用已知的数据集中各个样本图像的描述性文本进行训练。
在图4训练得到条件概率模型的前提下，在应用服务器确定出根节点之后，对于任意一个根节点，从词库中选取单词扩展该根节点所在的候选节点树的过程可以参见图6所示，图6示出了应用服务器在确定出根节点的情况下，基于该根节点扩展候选节点树的一种实施方式，即图6的流程相当于步骤307的一种具体实施方式。在图6中以候选节点树为三叉树为例进行介绍，该流程具体可以包括：
S601，在确定出用于描述向量p(i)的三叉树的根节点之后，将根节点作为待扩展的候选节点树加入到待扩展节点树队列，并将根节点确定为该待扩展的候选节点树中待扩展节点。
在该步骤S601之前可以先该初始化待扩展节点树队列，以使得待扩展节点树队列为空列表，这样，将该根节点作为只有一个节点的候选树节点加入到该待扩展队列之后，该候选节点树为第一棵待扩展的候选节点树。然后执行步骤S602以及后续操作，通过扩展根节点的各层子节点实现对候选树节点树进行扩展。
S602，根据语法关系，从词库中选取单词分别可以作为该待扩展节点的左子节点、中子节点和右子节点，得到多组单词对应的多组子节点组合。
其中，每组单词包括三个单词，而每组子节点组合均对应着该左子节点、中子节点和右子节点。
S603，对于任意一组子节点组合，根据
Figure BDA0001152330640000141
计算在该向量p(i)、待扩展节点j及该待扩展节点j的祖先确定的前提下，生成该左子节点的第二概率，并利用
Figure BDA0001152330640000142
计算在该向量p(i)、待扩展节点j、节点j的各个祖先以及左子节点的前提下生成该中子节点的第二概率，利用
Figure BDA0001152330640000143
计算在给定向量p(i)，待扩展节点j、待扩展节点j的祖先和该左子节点、中子节点的前提下生成该待扩展节点j的该右子节点的第二概率。
S604，选取左子节点、中子节点和右子节点的第二概率乘积最高的预设数量组子节点组合。
S605，利用预设数量组子节点组合扩展候选节点树，得到预设数量棵候选节点树。
S606，对于经过扩展后的任意一棵候选节点树，判断该候选节点树中是否尚未被扩展的子节点，如果是，则执行步骤S607；如果否，则结束该候选节点树的扩展。
S607，从尚未被待扩展的子节点中选取一个子节点作为待扩展节点，如果该待扩展节点为空节点，则返回S606；如果该待扩展候选节点不是空节点，则返回S602。
下面对本发明实施例提供的一种会话消息处理装置进行介绍，下文描述的一种会话消息处理装置可与上文描述的一种会话消息处理方法相互对应参照。
参见图7，其示出了本申请一种会话消息处理装置的一个实施例的组成结构示意图，本实施例的装置可以包括：
消息接收单元701，用于接收发送方的终端发送的会话消息，所述会话消息携带有接收方的信息；
文本生成单元702，用于当确定所述会话消息包含图像时，生成用于描述所述图像的至少一组描述性文本；
消息转发单元703，用于将所述会话消息转发给所述接收方的终端；
文本发送单元704，用于将所述图像的所述至少一组描述性文本发送给所述接收方的终端，以在所述接收方的终端显示所述图像的同时，将所述至少一组描述性文本作为所述图像关联的至少一个候选输入项进行显示。
可选的，所述文本生成单元，包括：
语法树构造单元，用于当确定所述会话消息包含图像时，基于预置的图像特征与单词的映射关系，从词库中选取单词构建用于描述所述图像的至少一棵语法树；
语法转换单元，用于分别将每棵所述语法树转换为一组描述性文本，得到至少一组描述性文本。
可选的，所述语法树构造单元，包括：
概率确定单元，用于基于预置的根节点概率模型，确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率；
根节点选取单元，用于选取出第一概率最高的指定数量个单词分别作为所述指定数量个根节点；
节点树扩展单元，用于对于任意一个根节点，从词库中选取作为候选节点树中节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述候选节点树中节点的第二概率，其中，所述候选节点树为以所述根节点为基准扩展出的用于描述所述图像的节点树；
评分确定单元，用于对于任意一棵候选节点树，根据所述候选节点数中根节点对应的第一概率以及组成所述候选节点树中节点的单词所对应的第二概率，确定所述候选节点树的评分；
节点树选取单元，用于将评分最高的至少一棵候选节点树确定为用于描述所述图像的目标节点树，得到至少一棵目标节点树；
语法树转换单元，用于分别将每棵所述目标节点树转换为用于描述所述图像的语法树，得到至少一棵语法树。
可选的，所述节点树扩展单元，包括：
第一预扩展单元，用于对于任意一个根节点，将根节点确定为候选节点树中的待扩展节点；
树扩展子单元，用于对于任意一个待扩展节点，从词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述待扩展节点的子节点的第二概率；
第二预扩展单元，用于将扩展得到的子节点作为待扩展节点，并执行所述词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并确定选取出的单词作为所述待扩展节点的子节点的第二概率的操作，直至无法扩展所述候选节点树为止。
可选的，所述用于描述图像的节点树为三叉树；
所述节点树扩展单元具体为，用于从词库中分别选取可以作为所述候选节点树中所述待扩展节点的左子节点、右子节点和中子节点的单词，并基于预置的普通节点概率模型，分别确定在所述图像、所述候选节点树以及所述待扩展节点确定的前提下，生成所述左子节点、右子节点和中子节点的第二概率。
可选的，在所述基于预置的根节点概率模型，确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率之前，还包括：
图像预处理单元，用于所述概率确定单元确定所述第一概率之前，将所述图像转换为预设长度的向量；
则所述概率确定单元，用于基于预置的根节点概率模型，确定词库中各个单词作为描述所述向量的节点树中节点的第一概率。
可选的，还包括：
文本转发单元，用于在所述文本发送单元发送所述描述性文本之后，当接收到所述接收方的终端向所述发送方的终端发送的包含所述描述性文本的会话消息时，将包含所述描述性文本的会话消息转发给所述发送方的终端。
本发明实施例还提供了一种服务器，该服务器可以包括上述所述的一种会话消息处理方法。
图8示出了服务器的硬件结构框图，参照图8，终端800可以包括：处理器801，通信接口802，存储器803和通信总线804；
其中处理器801、通信接口802、存储器803通过通信总线804完成相互间的通信；
可选的，通信接口802可以为通信模块的接口，如GSM模块的接口；
处理器801，用于执行程序；
存储器803，用于存放程序；
程序可以包括程序代码，所述程序代码包括计算机操作指令。
处理器801可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器803可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
其中，程序可具体用于：
接收发送方的终端发送的会话消息，所述会话消息携带有接收方的信息；
当确定所述会话消息包含图像时，生成用于描述所述图像的至少一组描述性文本；
将所述会话消息转发给所述接收方的终端；
将所述图像的所述至少一组描述性文本发送给所述接收方的终端，以在所述接收方的终端显示所述图像的同时，将所述至少一组描述性文本作为所述图像关联的至少一个候选输入项进行显示。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (16)

1.一种会话消息处理方法，其特征在于，应用于应用服务器，所述方法包括：
接收发送方的终端发送的会话消息，所述会话消息携带有接收方的信息；
当确定所述会话消息包含图像时，基于所述图像的特征以及预置的根节点概率模型，确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率；
根据所述第一概率选取指定数量个单词作为所述指定数量个根节点；
对于任意一个根节点，从词库中选取作为该根节点对应的候选节点树中节点的单词，并基于预置的普通节点概率模型确定选取出的单词作为该候选节点树中节点的第二概率，其中，所述候选节点树为以该根节点为基准扩展出的用于描述所述图像的节点树；
根据各候选节点树中根节点的第一概率和以及组成候选节点树中节点的单词所对应的第二概率，确定至少一棵候选节点树作为至少一棵目标节点树；
根据所述至少一个目标节点树生成用于描述所述图像的至少一组描述性文本；
将所述会话消息转发给所述接收方的终端；
将所述图像的所述至少一组描述性文本发送给所述接收方的终端，以在所述接收方的终端显示所述图像的同时，将所述至少一组描述性文本作为所述图像关联的至少一个候选输入项进行显示。
2.根据权利要求1所述的会话消息处理方法，其特征在于，所述根据所述至少一个目标节点树生成用于描述所述图像的至少一组描述性文本，包括：
分别将每棵所述目标节点树转换为用于描述所述图像的语法树，得到用于描述所述图像的至少一棵语法树；
分别将每棵所述语法树转换为一组描述性文本，得到至少一组描述性文本。
3.根据权利要求1所述的会话消息处理方法，其特征在于，所述根据各候选节点树中根节点的第一概率和以及组成候选节点树中节点的单词所对应的第二概率，确定至少一棵候选节点树作为至少一棵目标节点树，包括：
对于任意一棵候选节点树，根据所述候选节点树中根节点对应的第一概率以及组成所述候选节点树中节点的单词所对应的第二概率，确定该候选节点树的评分；
将评分最高的至少一棵候选节点树确定为用于描述所述图像的目标节点树，得到至少一棵目标节点树。
4.根据权利要求1所述的会话消息处理方法，其特征在于，所述对于任意一个根节点，从词库中选取作为候选节点树中节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述候选节点树中节点的第二概率，包括：
将根节点确定为候选节点树中的待扩展节点；
对于任意一个待扩展节点，从词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述待扩展节点的子节点的第二概率；
将扩展得到的子节点作为待扩展节点，并执行所述词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并确定选取出的单词作为所述待扩展节点的子节点的第二概率的操作，直至无法扩展所述候选节点树为止。
5.根据权利要求4所述的会话消息处理方法，其特征在于，所述用于描述图像的节点树为三叉树；
所述从词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述待扩展节点的子节点的第二概率，包括：
从词库中分别选取可以作为所述候选节点树中所述待扩展节点的左子节点、右子节点和中子节点的单词，并基于所述普通节点概率模型，分别确定在所述图像、所述候选节点树以及所述待扩展节点确定的前提下，生成所述左子节点、右子节点和中子节点的第二概率。
6.根据权利要求1所述的会话消息处理方法，其特征在于，在基于所述图像的特征以及预置的根节点概率模型，确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率之前，还包括：
将所述图像转换为预设长度的向量作为所述图像的特征；
所述描述所述图像的节点树为描述所述向量的节点树。
7.根据权利要求1所述的会话消息处理方法，其特征在于，在所述将所述图像的所述至少一组描述性文本发送给所述接收方的终端之后，还包括：
当接收到所述接收方的终端向所述发送方的终端发送的包含所述描述性文本的会话消息时，将包含所述描述性文本的会话消息转发给所述发送方的终端。
8.一种会话消息处理装置，其特征在于，所述装置应用于应用服务器，包括：
消息接收单元，用于接收发送方的终端发送的会话消息，所述会话消息携带有接收方的信息；
文本生成单元，用于当确定所述会话消息包含图像时，基于所述图像的特征以及预置的根节点概率模型，确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率；根据所述第一概率选取指定数量个单词作为所述指定数量个根节点；对于任意一个根节点，从词库中选取作为该根节点对应的候选节点树中节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为该候选节点树中节点的第二概率，其中，所述候选节点树为以该根节点为基准扩展出的用于描述所述图像的节点树；根据各候选节点树中根节点的第一概率和以及组成候选节点树中节点的单词所对应的第二概率，确定至少一棵候选节点树作为至少一棵目标节点树；根据所述至少一个目标节点树生成用于描述所述图像的至少一组描述性文本；
消息转发单元，用于将所述会话消息转发给所述接收方的终端；
文本发送单元，用于将所述图像的所述至少一组描述性文本发送给所述接收方的终端，以在所述接收方的终端显示所述图像的同时，将所述至少一组描述性文本作为所述图像关联的至少一个候选输入项进行显示。
9.根据权利要求8所述的会话消息处理装置，其特征在于，所述文本生成单元根据所述至少一个目标节点树生成用于描述所述图像的至少一组描述性文本时，用于：
分别将每棵所述目标节点树转换为用于描述所述图像的语法树，得到用于描述所述图像的至少一棵语法树；
分别将每棵所述语法树转换为一组描述性文本，得到至少一组描述性文本。
10.根据权利要求8所述的会话消息处理装置，其特征在于，所述文本生成单元根据各候选节点树中根节点的第一概率和以及组成候选节点树中节点的单词所对应的第二概率，确定至少一棵候选节点树作为至少一棵目标节点树时，用于：
对于任意一棵候选节点树，根据所述候选节点树中根节点对应的第一概率以及组成所述候选节点树中节点的单词所对应的第二概率，确定所述候选节点树的评分；
将评分最高的至少一棵候选节点树确定为用于描述所述图像的目标节点树，得到至少一棵目标节点树。
11.根据权利要求8所述的会话消息处理装置，其特征在于，所述文本生成单元对于任意一个根节点，从词库中选取作为该根节点对应的候选节点树中节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为该候选节点树中节点的第二概率时，用于：
对于任意一个根节点，将根节点确定为候选节点树中的待扩展节点；
对于任意一个待扩展节点，从词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述待扩展节点的子节点的第二概率；
将扩展得到的子节点作为待扩展节点，并执行所述词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并确定选取出的单词作为所述待扩展节点的子节点的第二概率的操作，直至无法扩展所述候选节点树为止。
12.根据权利要求11所述的会话消息处理装置，其特征在于，所述用于描述图像的节点树为三叉树；
所述文本生成单元从词库中选取可以作为所述候选节点树中所述待扩展节点的子节点的单词，并基于预置的普通节点概率模型，确定选取出的单词作为所述待扩展节点的子节点的第二概率时，用于：
从词库中分别选取可以作为所述候选节点树中所述待扩展节点的左子节点、右子节点和中子节点的单词，并基于预置的普通节点概率模型，分别确定在所述图像、所述候选节点树以及所述待扩展节点确定的前提下，生成所述左子节点、右子节点和中子节点的第二概率。
13.根据权利要求8所述的会话消息处理装置，其特征在于，在基于所述图像的特征以及预置的根节点概率模型，确定词库中各个单词作为描述所述图像的节点树中根节点的第一概率之前，所述文本生成单元还用于：
将所述图像转换为预设长度的向量作为所述图像的特征；
所述描述所述图像的节点树为描述所述向量的节点树。
14.根据权利要求8所述的会话消息处理装置，其特征在于，还包括：
文本转发单元，用于在所述文本发送单元发送所述描述性文本之后，当接收到所述接收方的终端向所述发送方的终端发送的包含所述描述性文本的会话消息时，将包含所述描述性文本的会话消息转发给所述发送方的终端。
15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序用于执行权利要求1-7任一项所述的会话消息处理方法。
16.一种服务器，其特征在于，包括：存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器用于执行所述存储器中存储的计算机程序；
所述计算机程序用于执行如权利要求1-7任一项所述的会话消息处理方法。
CN201611002187.4A 2016-11-14 2016-11-14 一种会话消息处理方法和装置 Active CN108075959B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201611002187.4A CN108075959B (zh) 2016-11-14 2016-11-14 一种会话消息处理方法和装置
PCT/CN2017/107450 WO2018086455A1 (zh) 2016-11-14 2017-10-24 一种会话消息处理方法和装置
US16/354,117 US10862834B2 (en) 2016-11-14 2019-03-14 Method and apparatus for generating descriptive texts corresponding to chat message images via a condition probability model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611002187.4A CN108075959B (zh) 2016-11-14 2016-11-14 一种会话消息处理方法和装置

Publications (2)

Publication Number Publication Date
CN108075959A CN108075959A (zh) 2018-05-25
CN108075959B true CN108075959B (zh) 2021-03-12

Family

ID=62109120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611002187.4A Active CN108075959B (zh) 2016-11-14 2016-11-14 一种会话消息处理方法和装置

Country Status (3)

Country Link
US (1) US10862834B2 (zh)
CN (1) CN108075959B (zh)
WO (1) WO2018086455A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10747956B2 (en) * 2018-08-30 2020-08-18 Dynamic Ai Inc. Artificial intelligence process automation for enterprise business communication
KR20200123945A (ko) * 2019-04-23 2020-11-02 현대자동차주식회사 자연어 생성 장치, 이를 포함하는 차량 및 자연어 생성 방법
CN110932964A (zh) * 2019-11-26 2020-03-27 维沃移动通信有限公司 一种信息的处理方法及装置
CN110971424B (zh) * 2019-11-29 2021-10-29 广州市百果园信息技术有限公司 一种消息的处理方法、装置、系统、计算机设备和存储介质
CN111695574A (zh) * 2020-05-21 2020-09-22 清华大学深圳国际研究生院 可生成依存树的图像描述生成方法和装置
CN112637411B (zh) * 2020-12-22 2022-03-25 维沃移动通信有限公司 图像查找方法、装置、电子设备及可读存储介质
WO2023048374A1 (en) * 2021-09-21 2023-03-30 Samsung Electronics Co., Ltd. A method and system for predicting response and behavior on chats

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794292A (zh) * 2009-06-03 2010-08-04 朱世康 一种根据即时通讯交互内容显示相关信息的方法及装置
CN102323873A (zh) * 2011-09-07 2012-01-18 上海量明科技发展有限公司 即时通信中用以触发图标回复的方法及系统
CN103095557A (zh) * 2012-12-18 2013-05-08 上海量明科技发展有限公司 即时通信消息进行语音输出的方法及系统
CN104142936A (zh) * 2013-05-07 2014-11-12 腾讯科技（深圳）有限公司 匹配音视频的方法和装置

Family Cites Families (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9908631D0 (en) * 1999-04-15 1999-06-09 Canon Kk Search engine user interface
US6904560B1 (en) * 2000-03-23 2005-06-07 Adobe Systems Incorporated Identifying key images in a document in correspondence to document text
US7315809B2 (en) * 2000-04-24 2008-01-01 Microsoft Corporation Computer-aided reading system and method with cross-language reading wizard
US6563521B1 (en) * 2000-06-14 2003-05-13 Cary D. Perttunen Method, article and apparatus for organizing information
US6859771B2 (en) * 2001-04-23 2005-02-22 Microsoft Corporation System and method for identifying base noun phrases
US7313617B2 (en) * 2001-09-28 2007-12-25 Dale Malik Methods and systems for a communications and information resource manager
US7472187B2 (en) * 2001-09-28 2008-12-30 At&T Intellectual Property I, L.P. Communications and information resource manager
US7283992B2 (en) * 2001-11-30 2007-10-16 Microsoft Corporation Media agent to suggest contextually related media content
EP1351158A1 (en) * 2002-03-28 2003-10-08 BRITISH TELECOMMUNICATIONS public limited company Machine translation
US7383258B2 (en) * 2002-10-03 2008-06-03 Google, Inc. Method and apparatus for characterizing documents based on clusters of related words
US7657423B1 (en) * 2003-10-31 2010-02-02 Google Inc. Automatic completion of fragments of text
US20050209983A1 (en) * 2004-03-18 2005-09-22 Macpherson Deborah L Context driven topologies
US8539034B2 (en) * 2004-07-29 2013-09-17 Aspect Software, Inc. System and method for bulk data messaging
US7512580B2 (en) * 2005-08-04 2009-03-31 Sap Ag Confidence indicators for automated suggestions
US7975149B2 (en) * 2006-06-30 2011-07-05 Microsoft Corporation Software protection using data structures
US9318108B2 (en) * 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
US8082151B2 (en) * 2007-09-18 2011-12-20 At&T Intellectual Property I, Lp System and method of generating responses to text-based messages
US8572087B1 (en) * 2007-10-17 2013-10-29 Google Inc. Content identification
US9419819B2 (en) * 2007-12-20 2016-08-16 At&T Intellectual Property I, L.P., Via Transfer From At&T Delaware Intellectual Property, Inc. Methods and computer program products for creating preset instant message responses for instant messages received at an IPTV
US8166019B1 (en) * 2008-07-21 2012-04-24 Sprint Communications Company L.P. Providing suggested actions in response to textual communications
US8391618B1 (en) * 2008-09-19 2013-03-05 Adobe Systems Incorporated Semantic image classification and search
US8799268B2 (en) * 2008-12-17 2014-08-05 International Business Machines Corporation Consolidating tags
US8539359B2 (en) * 2009-02-11 2013-09-17 Jeffrey A. Rapaport Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic
US8954365B2 (en) * 2012-06-21 2015-02-10 Microsoft Corporation Density estimation and/or manifold learning
US9130892B2 (en) * 2012-06-25 2015-09-08 Verizon Patent And Licensing Inc. Multimedia collaboration in live chat
US9191786B2 (en) * 2012-06-27 2015-11-17 At&T Intellectual Property I, L.P. Method and apparatus for generating a suggested message to be sent over a network
US20140088954A1 (en) * 2012-09-27 2014-03-27 Research In Motion Limited Apparatus and method pertaining to automatically-suggested emoticons
US10691743B2 (en) * 2014-08-05 2020-06-23 Sri International Multi-dimensional realization of visual content of an image collection
US10095663B2 (en) * 2012-11-14 2018-10-09 Amazon Technologies, Inc. Delivery and display of page previews during page retrieval events
US9244905B2 (en) * 2012-12-06 2016-01-26 Microsoft Technology Licensing, Llc Communication context based predictive-text suggestion
US9161188B2 (en) * 2013-08-22 2015-10-13 Yahoo! Inc. System and method for automatically suggesting diverse and personalized message completions
US8996639B1 (en) * 2013-10-15 2015-03-31 Google Inc. Predictive responses to incoming communications
US10565268B2 (en) * 2013-12-19 2020-02-18 Adobe Inc. Interactive communication augmented with contextual information
US9817813B2 (en) * 2014-01-08 2017-11-14 Genesys Telecommunications Laboratories, Inc. Generalized phrases in automatic speech recognition systems
US9514748B2 (en) * 2014-01-15 2016-12-06 Microsoft Technology Licensing, Llc Digital personal assistant interaction with impersonations and rich multimedia in responses
US20150207765A1 (en) * 2014-01-17 2015-07-23 Nathaniel Brantingham Messaging Service with Conversation Suggestions
US9213941B2 (en) * 2014-04-22 2015-12-15 Google Inc. Automatic actions based on contextual replies
WO2015183699A1 (en) * 2014-05-30 2015-12-03 Apple Inc. Predictive messaging method
EP3165012A1 (en) * 2014-07-03 2017-05-10 Nuance Communications, Inc. System and method for suggesting actions based upon incoming messages
US10084730B2 (en) * 2014-10-21 2018-09-25 Unify Gmbh & Co. Kg Apparatus and method for quickly sending messages
KR101634086B1 (ko) * 2015-01-19 2016-07-08 주식회사 엔씨소프트 감정 분석을 통한 스티커 추천 방법 및 시스템
US10909329B2 (en) * 2015-05-21 2021-02-02 Baidu Usa Llc Multilingual image question answering
KR20160148260A (ko) * 2015-06-16 2016-12-26 삼성전자주식회사 전자 장치 및 이의 제어 방법
US10025475B1 (en) * 2017-01-13 2018-07-17 Wrinkl, Inc. Apparatus and method for message reference management
US10999226B2 (en) * 2015-11-10 2021-05-04 Wrinkl, Inc. Apparatus and method for message image reference management
US20170068904A1 (en) * 2015-09-09 2017-03-09 Microsoft Technology Licensing, Llc Determining the Destination of a Communication
US20170068906A1 (en) * 2015-09-09 2017-03-09 Microsoft Technology Licensing, Llc Determining the Destination of a Communication
KR102393928B1 (ko) * 2015-11-10 2022-05-04 삼성전자주식회사 응답 메시지를 추천하는 사용자 단말 장치 및 그 방법
US20170171117A1 (en) * 2015-12-10 2017-06-15 International Business Machines Corporation Message Suggestion Using Dynamic Information
KR102174346B1 (ko) * 2015-12-21 2020-11-04 구글 엘엘씨 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠
US10530723B2 (en) * 2015-12-21 2020-01-07 Google Llc Automatic suggestions for message exchange threads
US10726465B2 (en) * 2016-03-24 2020-07-28 International Business Machines Corporation System, method and computer program product providing eye tracking based cognitive filtering and product recommendations
US10831802B2 (en) * 2016-04-11 2020-11-10 Facebook, Inc. Techniques to respond to user requests using natural-language machine learning based on example conversations
US9807037B1 (en) * 2016-07-08 2017-10-31 Asapp, Inc. Automatically suggesting completions of text
CN107688398B (zh) * 2016-08-03 2019-09-17 中国科学院计算技术研究所 确定候选输入的方法和装置及输入提示方法和装置
CN109952572B (zh) * 2016-09-20 2023-11-24 谷歌有限责任公司 基于消息贴纸的建议响应
US10015124B2 (en) * 2016-09-20 2018-07-03 Google Llc Automatic response suggestions based on images received in messaging applications
US10860898B2 (en) * 2016-10-16 2020-12-08 Ebay Inc. Image analysis and prediction based visual search
US10320728B2 (en) * 2016-12-13 2019-06-11 Google Llc Methods, systems, and media for generating a notification in connection with a video content item
US10146768B2 (en) * 2017-01-25 2018-12-04 Google Llc Automatic suggested responses to images received in messages using language model
US20180247549A1 (en) * 2017-02-21 2018-08-30 Scriyb LLC Deep academic learning intelligence and deep neural language network system and interfaces
US20180240015A1 (en) * 2017-02-21 2018-08-23 Scriyb LLC Artificial cognitive declarative-based memory model to dynamically store, retrieve, and recall data derived from aggregate datasets
US20200150780A1 (en) * 2017-04-25 2020-05-14 Microsoft Technology Licensing, Llc Input method editor
US10341272B2 (en) * 2017-05-05 2019-07-02 Google Llc Personality reply for digital content
CN109416695B (zh) * 2017-05-08 2022-05-27 微软技术许可有限责任公司 在自动聊天中提供本地服务信息
CN107169463B (zh) * 2017-05-22 2018-09-14 腾讯科技（深圳）有限公司 人脸检测方法、装置、计算机设备及存储介质
US10404636B2 (en) * 2017-06-15 2019-09-03 Google Llc Embedded programs and interfaces for chat conversations
US10348658B2 (en) * 2017-06-15 2019-07-09 Google Llc Suggested items for use with embedded applications in chat conversations
EP3619620A4 (en) * 2017-06-26 2020-11-18 Microsoft Technology Licensing, LLC GENERATION OF RESPONSES IN AN AUTOMATED ONLINE CONVERSATION
WO2019006097A1 (en) * 2017-06-28 2019-01-03 Galvan Technologies Llc AUTOMATIC RESPONSE MESSAGES FROM A MOBILE DEVICE
EP3619619A4 (en) * 2017-06-29 2020-11-18 Microsoft Technology Licensing, LLC GENERATION OF RESPONSES IN AN AUTOMATED ONLINE CONVERSATION SERVICE

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101794292A (zh) * 2009-06-03 2010-08-04 朱世康 一种根据即时通讯交互内容显示相关信息的方法及装置
CN102323873A (zh) * 2011-09-07 2012-01-18 上海量明科技发展有限公司 即时通信中用以触发图标回复的方法及系统
CN103095557A (zh) * 2012-12-18 2013-05-08 上海量明科技发展有限公司 即时通信消息进行语音输出的方法及系统
CN104142936A (zh) * 2013-05-07 2014-11-12 腾讯科技（深圳）有限公司 匹配音视频的方法和装置

Also Published As

Publication number Publication date
WO2018086455A1 (zh) 2018-05-17
CN108075959A (zh) 2018-05-25
US20190215286A1 (en) 2019-07-11
US10862834B2 (en) 2020-12-08

Similar Documents

Publication Publication Date Title
CN108075959B (zh) 一种会话消息处理方法和装置
CN108345692B (zh) 一种自动问答方法和系统
CN108319599B (zh) 一种人机对话的方法和装置
CN109308357B (zh) 一种用于获得答案信息的方法、装置和设备
US20190155905A1 (en) Template generation for a conversational agent
CN110121707A (zh) 确定语义上不同的响应以提供作为包括在电子通信中的建议
KR20210040892A (ko) 융합 관계 네트워크에 기반한 정보 추천 방법, 장치, 전자 장비, 비 일시적 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램
EP3885966B1 (en) Method and device for generating natural language description information
CN110719525A (zh) 弹幕表情包的生成方法、电子设备和可读存储介质
JP6309539B2 (ja) 音声入力を実現する方法および装置
CN109446171B (zh) 一种数据处理方法和装置
CN103546623A (zh) 用于发送语音信息及其文本描述信息的方法、装置与设备
KR20220034080A (ko) 순환 생성 네트워크 모델의 훈련 방법, 글자 라이브러리의 구축 방법 및 장치, 전자 기기, 저장 매체, 컴퓨터 프로그램
CN106878151A (zh) 一种用于传输信息的方法、设备及系统
CN108932069A (zh) 输入法候选词条确定方法、装置、设备及可读存储介质
CN111767953A (zh) 用于训练物品编码模型的方法和装置
CN114970666B (zh) 一种口语处理方法、装置、电子设备及存储介质
CN114374660B (zh) 5g消息聊天机器人的推荐方法、装置、设备及存储介质
CN113392639B (zh) 基于人工智能的标题生成方法、装置及服务器
CN115705463A (zh) 一种信息处理方法、装置及设备
CN108717587B (zh) 一种基于多面排序网络解决推文预测转发任务的方法
CN115269901A (zh) 拓展图像生成方法、装置和设备
CN108153574B (zh) 应用程序处理方法、装置及电子设备
CN113869041A (zh) 关键词组合提取方法、装置和电子设备
CN107548040B (zh) 信息群发方法、装置及移动终端

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