CN102129339B - 一种选项预测方法及终端 - Google Patents

Abstract

本发明公开了一种选项预测方法及终端，其中，该方法包括：确定用户已选定的两个以上选项；根据已选定的两个以上选项提取选项预测特征；从未读取的选项中选择满足选项预测特征的选项作为预测选项。本发明可以解决现有技术中在需要大量选取备选项时用户的操作次数多的缺陷，大大减少用户的操作次数，提高用户体验。

Description

一种选项预测方法及终端

技术领域

本发明涉及通信领域中人机交互技技术，具体地，涉及一种选项预测方法及终端。

背景技术

在手机终端上的应用程序和用户的交互过程中，应用程序经常需要用户在一组候选项目列表中选择多个符合特定目的的选项进行后续操作。如用户想要删除所有来自一个特定号码的短信时，需要短信程序首先为用户列出所有短信，用户从中一个一个的选取所有来自这个特定号码的短信，然后进行删除操作。这种操作方式可以方便用户一次对列表中的多个候选项进行同种操作。

目前的终端上，在用户需要选择多个候选项时，往往提供类似以下的三种人机交互方式：对于支持键盘操作的手机，用户通过方向键将焦点移至备选项后，在菜单中或者通过确定键对备选项进行标记，完成所有备选项的标记后，可以进行下一步操作。对于支持触摸屏的手机，用户通过拖拉滚动条、点击屏幕来移动焦点到需要标记的备选项，然后点击菜单项或者特定的标记区域对备选项进行标记。在完成所有备选项的标记后，可以进行下一步操作。还有一种方式是全部删除所有选项，虽然非常快捷但并不适合删除部分选项的用户需求。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1.现有的交互方式，按键次数或者屏幕点击次数和所需要选取的项目的数量成正比。在欲选取目标条目比较多的情况下，所需要的按键次数或者屏幕点击、翻页次数也会非常庞大，且严重影响用户体验。

2.随着手机功能的增强和移动业务及应用的发展，大量备选项的操作变得越来越多。比如用户要删除所有天气预报短信，在每天接受2条天气预报短信，每个月清理一次的情况下，用户需要选择60条短信。在键盘机上，这往往会引起好几百次的按键动作。

3.现有的删除全部选项的交互方式不适合部分用户还想保留部分选项，只删除部分选项的需求。

发明内容

本发明的第一目的是提出一种选项预测方法，以实现在需要大量选取备选项时减少用户的操作次数。

本发明的第二目的是提出一种终端，以实现在需要大量选取备选项时减少用户的操作次数。

为实现上述第一目的，根据本发明的一个方面，提供了一种选项预测方法，包括：确定用户已选定的两个以上选项；根据已选定的两个以上选项提取选项预测特征；从未读取的选项中选择满足选项预测特征的选项作为预测选项。

优选地，还可以包括：当用户未选择接受预测选项时，继续确定用户新的已选定的选项；根据所有已选定的选项提取更新的选项预测特征；从未读取的选项中选择满足选项预测特征的选项作为更新的预测选项。

其中，短信类选项可以包含以下任意一至多个特征值：短信发送方号码、发送时间和/或日期、短信类型、文本内容中的字符串或字符串集合；邮件类选项可以包含以下任意一至多个特征值：电子邮件发送方地址、送达时间、邮件主题、附件及其大小、附件类型。

其中，从未读取的选项中选择满足选项预测特征的选项的步骤可以包括：根据预测特征值向量中的各个特征值，对未读取的选项进行比较；当未读取的选项中包含预测特征值向量的特征值时，将此未读取选项进行预测标记。

为实现上述第二目的，根据本发明的另一个方面，提供了一种终端，包括：特征提取模块，用于根据用户已选定的两个以上选项提取选项预测特征，并对选项预测特征进行更新；比较模块，用于从未读取的选项中选择满足选项预测特征的选项作为预测选项，并输出预测选项。

优选地，特征提取模块可以包括输入子模块、输出子模块及提取子模块：

输入子模块，用于输入用户已选定的选项及输出子模块的反馈信息；

提取子模块，用于根据输入子模块的输入，生成选项预测特征，并根据输入子模块的输入对选项预测特征进行更新；

输出子模块，用于输出选项预测特征至比较模块，在接收到比较模块的预测失败信号后反馈至输入子模块；预测失败信号可以包括未读取的选项中没有满足选项预测特征的选项，或用户未选择接受预测选项。

上述比较模块可以将满足选项预测特征的选项进行预测标记，上述终端可以为PDA、手机等手持终端。

本发明各实施例的选项预测方法及终端，由于可根据用户输入的已选定选项的相同或类似特征，预测备选项，从而在需要大量选取备选项时，减少用户操作键盘或屏幕点击等操作次数，提供与现有技术不同的人机交互模式，能同时大大提高用户体验。

本发明还提供了预测方法对应的终端，可以实现选项预测特征的提取，并且还提供了针对终端的已选文本内容提取字符串预测特征的方法，能适用手持终端存储以及计算资源有限的特点，以最大划的实现特征预测，减少用户操作次数。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为根据本发明选项预测方法的实施例一流程图；

图2为本发明选项预测方法的解析示意图；

图3为根据本发明选项预测方法中提取相同特征的字符串或集合的实施例流程图；

图4为根据本发明选项预测方法实施例二流程图；

图5为根据本发明选项预测方法中提取字符串或集合的另一实施例流程图；

图6为根据本发明终端的实施例一结构示意图；

图7为根据本发明终端的实施例二结构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

方法实施例

图1为根据本发明选项预测方法的实施例一流程图，图2为本发明选项预测方法的解析示意图。如图1所示，本实施例包括：

步骤S102：确定用户已选定的两个以上选项；

步骤S104：根据上述已选定的选项提取选项预测特征；

步骤S106：从未读取的选项中选择满足选项预测特征的选项作为预测选项。

本实施例中，用户在选择的大量的备选项目的时候，往往欲选择的备选项之间存在一定的相似性，本实施例根据用户的已选项提取出预测特征，在用户选择的时候推测出用户想要选择的选项。如图2所示，本实施例可以在每个备选项的未被选中(未选定)和被选中(已选定)状态基础上，加上一种预选的状态。预选的状态是基于用户所有已选定的选项，自动提取用户所希望选择的其他选项，来帮助用户减少按键或屏幕点击的动作，提高需要大量选择备选项时的用户体验。

用户从大量的备选项中选取多个目标选项时，往往被选定的选项会具有一个和多个相似特性。比如短信选项中的发送方电话号码。在特定的应用场景中，用户主要关心或考察的特性也往往是可以枚举出来的，例如短信的选取，用户可能关心的特性包括短信发送方电话号码、发送时间、短信类型、短信内容中的关键字；而对于电子邮件的选取，用户关心的特性包括发送方地址、送达时间、主题、邮件大小、是否有附件、附件大小、附件类型等等。

本发明可以事先预设根据用户对每一选项主要需要考察的特性和特征的比较方式，从而根据用户实际的已选定选项提取预测选项特征。后续图4-图5实施例会对提取预测选项特征的过程进行举例说明。

图1所示的流程中，步骤S106之后还可以包括：

步骤S108，判断预测选项是否被用户选择接受时，是则预测成功，结束预测，否则继续确定用户新的已选定选项，执行步骤S110；

步骤S110：根据所有已选定的选项，包括用户之前选定的选项和步骤S108用户新的已选定选项提取更新的选项预测特征；

例如：用户初次选择了短信1和短信2，根据S104从中提取了共同的关键词1和关键词2作为预测特征，并预选了包含该预测特征的3条短信作为预测选项，但实际用户只希望选择包含关键词1的所有短信，因此，预测选项没有被用户接受；

根据S108，用户继续选择了新的短信5，也包含关键词1，但不包含关键词2。根据S110，根据用户已选择的所有短信1、短信2、短信5，重新提取更新的预测特征，即关键词1，从而可以进一步进行选项预测；

步骤S112：从未被读取的选项中选择满足步骤S110中选项预测特征的选项作为更新的预测选项，继续执行步骤S108。

由于已选定的两个以上选项中可能包含多个相同或类似的特征，因此提取选项预测特征可以包括：

从已选定的选项中提取具有相同或相似特征的特征值，如短信发送方号码、发送时间等；

将已选定的选项中相同或相似的一至多个特征值组成预测特征值向量。

组成预测特征向量后，会方便比较未被读取的选项是否满足该向量的特征值。

图3为根据本发明选项预测方法中提取相同特征的字符串或集合的流程图。本实施例适用从文本内容中提取字符串特征的选项，如短信。如图3所示，本实施例包括：

步骤S202：从已选定的两个以上短信选项中进行文本内容的字符串最大匹配；

步骤S204：获得所有长度超过2的匹配字符串；

步骤S206：将所有的匹配字符串组成字符串集合。

本实施例中，将提取出的字串或集合组成其中特征向量中的一个特征值，对未被读取的短信进行后续比较。

本发明可以事先预设根据用户对每一选项主要需要考察的特性和特征的比较方式，从而根据用户实际的已选定选项提取预测选项特征。下面的图4-图5实施例对提取预测选项特征以及后续比较的过程进行举例说明。

为了表述清楚，在实际应用时，可以用下列公式进行建模：

1.将所有待预测的特性域表示为：A，B，C......；

一个简单的短信的特性域的例子：发送号码，发送时间，短信内容等；

2.将每个特征域的特征域集合表示为F{A，B，C，......}；

如一个短信的特征域集合为F{发送方号码，发送时间，短信内容......}；

3.对于所有备选项根据特征域集合确定其特征向量，如第i个针对对应特性域的特征值向量：Vi[Vai，Vbi，Vci......]；

对于比较简单的特性，如发送号码，Vai可以取一个固定值；而对于比较复杂的特性，如短信内容，Vci可以为一段文本。

根据已选定选项本实施例自动提取一个预测特征值向量：T[Ca，Cb，Cc......]；其中Ca，Cb，Cc的取值都是对应的特征域的值的集合，可以部分为空集。例如对于短信发送号码，Ca为{某发送方号码}或者为空集φ(即已选定的选项中没有相同的发送方号码)；对于短信的文本内容，Cc为一个关键词的集合{key1，key2，key3......}，也可能为空集φ；

当第i个备选项被用户选定时，会对预测特征值向量中的特征值产生修改。对于简单的特征域，如短信发送号码，只需简单比较Vai和Ca是否相同。相同的时候，Ca继续保持原有取值集合，否则为空集φ。对于复杂的文本比较，将关键词key1，key2，key3等带入Vci中比较进行关键词提取，得到更新的关键词集合Cc。，由于新的文本条件Vci加入，相同则保持原有关键词，得到的关键词集合Cc否则可能为空集φ。

将更新后的预测特征值向量和剩下未被读取的备选项比较。如果预测特征值向量中的某个特征值为空集φ，此特征值不作比较；对于特征值为非空集合的值，比较集合中的取值是否出现在备选项相应特性域的特征值向量中。

图4为根据本发明选项预测方法实施例二流程图，下面结合图4，对预测方法进行说明：

1：向用户展示所有备选项列表。当用户还未开始选择的时候，初始化一个相似度的特征集，包含用户需要考察的一组特性集合：F{A，B，C......}；

2：用户选定了至少2个选项后，比较已选定选项的特征值，产生预测特征值向量T；

3：判断向量T是否为空，如果为空则表明提取的预测特征值向量不合适，执行步骤11；如果T不为空，且还有剩余的备选项，则执行步骤4

4：按照T中的各特征值对未被读取的选项进行比较；

5：如果有符合条件的选项，则进行步骤6；否则跳转到步骤8；

6：对符合条件的选项进行预测标记，并以列表排序和显示；

7：如果用户选定预测选项，则预选成功，执行步骤10；如果用户没有接受预测选项，则执行步骤8；

8：等待用户选择新的选项；

9：提取新选的选项的特征值向量，更新选项预测特征向量；跳转到步骤3；

10：预测成功，所有预测选项标记为已选定状态，选取工作完成，结束预测；

11：预测失败，结束预测。

对于上述流程中，不同特性域的特征值的提取方式和复杂度是不一样的，但是在用户选择前可以预先设定的。比如对于短信的发件方，特征值的提取就是简单的对比电话号码；对于日期类型的特性域，对比的条件可以是提取日、月、年或者星期。但是对于文本内容的提取，会比较复杂。

对于中文文本的关键词提取，一般来需要进行中文分词，对比词库等步骤。在手机、PDA等手持终端上，由于计算资源，存储资源比较有限，中文分词很难实现。但是，手持终端上列表选项的文本内容一般不会很长，比如一条短信少于70个中文字符。而且，提取出来的关键词用于特定范围内的文本比较，文本内容的样本是逐步增加的(用户一步一步选取)。

图5为根据本发明选项预测方法中提取字符串或集合的另一实施例流程图。对于文本内容的关键词提取，本实施例先不处理中文分词，直接进行字符串的匹配。如图5所示，提取特征向量T中的字符串/字符串集合特征值的过程包括：

步骤501：取得两个已选定的短信文本内容A、B，初始化指针p指向B的第一个字符，初始化一个关键词动态数组Key[]；

步骤502判断p指向的字符是否为标点，如果不是标点，且在文本A中找到该字符，是则执行步骤503，否则执行步骤504；

步骤503：将A中匹配p指向字符的位置记为pa；比较B中p指向的字符后续与pa开始后的后续串匹配的最大字符串S，遇到标点符号或文本结尾，中止匹配串；

步骤504：判断S的长度是否大于1，且Key[]中不包括S，是则执行步骤506，否则执行步骤505；

步骤505：p到B的结尾，是则执行步骤508，否则执行步骤507；

步骤507：p在B中下移一位，继续执行步骤502；

步骤508：将Key[]中的字符串用逗号或分号等连接符连接程一个字符串KeyStr；Key[]用于在未被读取的选项中的查找特征值条件，KeyStr作为用户下次选定了新文本内容时，比较提取关键词的对比文本。

本实施例中根据选定的选项提取匹配的字符串时，记录下所有长度超过2的匹配字符串，遇到标点符号的时候，算作匹配字符串中断。将所得的匹配字符串用逗号连接，作为与用户下次选定的文本来比较提取关键词的对比字符串，而所获得的所有匹配字符串作为在未被用户读取的列表选项文本内容查找的条件，如前述的集合Cc{key1，key2，key3......}。

上述各实施例的选项预测方法，由于可根据用户输入的已选定选项的相同或类似特征，预测备选项，从而在需要大量选取备选项时，减少用户操作键盘或屏幕点击等操作次数，并提供与现有技术不同的人机交互模式，能同时大大提高用户体验。本发明还提供了针对终端的已选文本内容提取字符串预测特征的方法，能适用手持终端存储以及计算资源有限的特点，以最大划的实现特征预测，减少用户操作次数。

图6为根据本发明终端的实施例一结构示意图。如图6所示，本实施例包括：特征提取模块，用于根据用户已选定的两个以上选项提取选项预测特征，并对选项预测特征进行更新，如图6所示，接收用户已选定的两个以上选项所对应的特征域的特征值集合F1、F2，生成选项预测特征向量T；

比较模块，用于未读取的选项中存在满足选项预测特征的选项时，将该选项作为预测选项输出；否则没有满足条件的选项时，向特征提取模块发送反馈信号，进行继续预测。

图7为根据本发明终端的实施例二结构示意图。本实施例对特征提取模块内部进一步细化，如图7所示，特征提取模块包括输入子模块、输出子模块及提取子模块：

输入子模块，用于输入用户已选定的选项及输出子模块的反馈信息；

提取子模块，用于根据输入子模块的输入，生成选项预测特征向量，并根据输入子模块的新的输入对选项预测特征向量进行更新：

具体的，在第一次产生选项预测特征向量时，至少需要用户选定2个选项，此时，由于还没有产生向量T，因此，输入子模块另一个输入端为空，因此，根据这2个已选定的选项，产生特征向量T；

如果产生的向量T在比较模块中能找到合适的选项，且用户确实选择了预测的选项，则预测成功，不需要对该向量T进行更新；否则本次预测失败，用户继续选择，输入子模块继续接收用户新选定的选项，如图7中F3...Fn，同时输入子模块将上次的特征向量T作为另一个输入，产生更新的特征向量T，进行继续预测；

输出子模块，用于输出选项预测特征至比较模块，在接收到比较模块的预测失败反馈信号后，反馈至输入子模块；预测失败信号包括未读取的选项中没有满足选项预测特征的选项，或用户未选择接受预测选项。

其中，图7终端的提取子模块可以包括：短信类提取单元，用于从已选定的短信选项中提取相同特征的特征值，组成预测特征值向量，短信类特征值包括以下一至多个：短信发送方号码、发送时间和/或日期、短信类型、文本内容中的字符串或字符串集合，具体可参见前述方法实施例的相关说明，不再重述。

提取子模块还可以包括：邮件类提取单元，用于从已选定的邮件选项中提取相同特征的特征值，组成预测特征值向量，邮件类特征值包括以下一至多个：电子邮件发送方地址、送达时间、邮件主题、附件及其大小、附件类型，具体可参见前述方法实施例的相关说明，不再重述。

图6或图7中的比较模块还可以进一步将满足选项预测特征的选项进行预测标记，方便用户选取。本实施例中终端可以为手机、PDA等手持终端。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、终端、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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。

Claims (4)

1.一种选项预测方法，其特征在于，包括：

确定用户已选定的两个以上选项；

根据所述已选定的两个以上选项提取选项预测特征；

从未读取的选项中选择满足所述选项预测特征的选项作为预测选项；

当用户未选择接受所述预测选项时，继续确定用户新的已选定选项；

根据所有已选定的选项提取更新的选项预测特征；

从未读取的选项中选择满足所述选项预测特征的选项作为更新的预测选项；

所述根据已选定的选项提取选项预测特征或更新的选项预测特征包括：

从已选定的选项中提取具有相同或相似特征的特征值；

将已选定的选项中相同或相似的一至多个特征值组成预测特征值向量；

所述选项为短信类选项时，所述特征值包括以下任意一至多个：短信发送方号码、发送时间和/或日期、短信类型、文本内容中的字符串或字符串集合；

对于文本内容不处理中文分词，直接从已选定的两个以上短信选项中进行文本内容的字符串最大匹配，获得所有长度超过2的匹配字符串；

将所有的匹配字符串组成字符串集合作为在未被读取的选项中的查找特征值条件；

所述从未读取的选项中选择满足所述选项预测特征的选项包括：

根据所述预测特征值向量中的各个特征值，对未读取的选项进行比较；

当未读取的选项中包含所述预测特征值向量的特征值时，将此未读取选项进行预测标记。

2.根据权利要求1所述的选项预测方法，其特征在于，

所述选项为邮件类选项时，所述特征值包含以下任意一至多个：电子邮件发送方地址、送达时间、邮件主题、附件及其大小、附件类型。

3.一种选项预测装置，包括：

特征提取模块，用于确定用户已选定的两个以上选项，根据所述已选定的两个以上选项提取选项预测特征；

比较模块，用于从未读取的选项中选择满足所述选项预测特征的选项

作为预测选项；

所述特征提取模块，还用于当用户未选择接受所述预测选项时，继续

确定用户新的已选定选项，根据所有已选定的选项提取更新的选项预

测特征；

所述比较模块，还用于从未读取的选项中选择满足所述选项预测特征的选项作为更新的预测选项；

所述特征提取模块进一步用于从已选定的选项中提取具有相同或相似特征的特征值；将已选定的选项中相同或相似的一至多个特征值组成预测特征值向量；

所述选项为短信类选项时，所述特征值包括以下任意一至多个：短信发送方号码、发送时间和/或日期、短信类型、文本内容中的字符串或字符串集合；

对于文本内容不处理中文分词，直接从已选定的两个以上短信选项中进行文本内容的字符串最大匹配，获得所有长度超过2的匹配字符串；

将所有的匹配字符串组成字符串集合作为在未被读取的选项中的查找特征值条件；

所述比较模块进一步用于根据所述预测特征值向量中的各个特征值，对未读取的选项进行比较；当未读取的选项中包含所述预测特征值向量的特征值时，将此未读取选项进行预测标记。

4.根据权利要求3所述的选项预测装置，其特征在于，所述预测特征提取模块还包括邮件类提取单元，用于从已选定的邮件选项中提取相同特征的特征值，组成预测特征值向量，所述邮件类特征值包括以下一至多个：电子邮件发送方地址、送达时间、邮件主题、附件及其大小、附件类型。

Images