CN104508604A - 使用上下文生成字符串预测 - Google Patents
使用上下文生成字符串预测 Download PDFInfo
- Publication number
- CN104508604A CN104508604A CN201380040756.2A CN201380040756A CN104508604A CN 104508604 A CN104508604 A CN 104508604A CN 201380040756 A CN201380040756 A CN 201380040756A CN 104508604 A CN104508604 A CN 104508604A
- Authority
- CN
- China
- Prior art keywords
- character string
- context
- user
- dialogue
- received
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/274—Converting codes to words; Guess-ahead of partial word inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
- G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
- G06F3/0233—Character input methods
- G06F3/0237—Character input methods using prediction or retrieval techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Abstract
在移动设备中,为移动设备确定上下文。基于移动设备环境的多种特性来确定上下文,所述特性包括例如正在使用的当前应用、移动设备的用户正在与其交互或者与其对话的任何联系人、当前日期和/或时间、对话的当前话题、对话的当前风格等等。基于与所确定的上下文相关联的一组字符串和用户生成的文本,为用户生成的文本生成一个或者多个字符串预测。字符串预测可以作为用户生成的文本的所建议的完成向用户呈现。
Description
背景技术
键入是移动设备上许多场景的一部分,包括例如写文本消息、写电子邮件、搜索联系人、和键入URL(统一资源定位符)。移动设备上的键入可能是缓慢和令人沮丧的。这在使用屏幕上的软件键盘时可能尤为真实。
对于这个问题的一个解决方案被熟知为软件输入面板。在软件输入面板中,基于用户到目前为止已经输入到文本输入栏中的字符,屏幕的区域可以显示所建议的字预测。随着用户继续输入字符到该栏中,所建议的字改变。当用户看到与用户正在输入的字相匹配的字预测时,用户可以选择所述字预测,并且所选择的字作为对于由用户输入的字符的替换,被放置在文本输入栏中。
典型地,通过将输入的字符与字典中的字相匹配并且随后基于每个字是用户打算输入的字的可能性呈现匹配字的经排序的子集,来生成向用户展示的字预测。所述可能性可能是基于每个匹配字被普通人群使用的总概率的。
这样的用于提供字预测的方法的一个缺陷是:其未能考虑到与正输入的字符相关联的上下文。上下文可以包括用户正在使用的应用(即,短消息服务(SMS)或者电子邮件应用)、以及用户正在与其通信的参与者、用户的位置、日期或者一天中的时间、用户较早与其通信的人、或者甚至是与用户相关联的情绪。典型地,用户使用可以依据对话的上下文而变化的一组词汇。例如,与当与朋友进行对话时相比,用户在与商务联系人进行对话时可以使用不同的一组短语,或者与当使用字处理应用时相比,用户在使用SMS应用时可以使用不同的一组短语。由于在生成预测时未考虑上下文,该用户可能接收到过于宽泛的、或者对于特定上下文而言是不合适的字预测。
发明内容
在移动设备中,为移动设备确定上下文。上下文基于移动设备环境的特性被确定,并可以包括例如正被使用的当前应用、移动设备的用户正在与其交互的或者与其进行对话的任何联系人、当前日期和/或时间、对话的当前话题、对话的当前风格等等。基于与所确定的上下文相关联的一组字符串和用户生成的文本,为用户生成的文本生成一个或者多个字符串预测。字符串预测可以作为用户生成文本的所建议的完成来呈现给用户。可替换地或者附加地,可以基于所确定的上下文来生成语音注释或者表情符号。
在一个实施方案中,由计算设备接收字符串。所接收的字符串与应用相关联。针对所接收的字符串的上下文由计算设备确定。基于所接收的字符串和所确定的上下文来生成字符串预测。每个字符串预测包括字符串。字符串预测中的字符串中的一个或者多个由计算设备提供。所提供的字符串中的一个的选择的指示由计算设备接收。响应于选择的指示,所选择的字符串由计算设备提供给应用。
在一个实施方案中,为所接收的字符串确定上下文。确定所接收的字符串是否满足标准。如果所接收的字符串满足标准,则将所接收的字符串添加到与上下文相关联的多个字符串中。
提供本发明内容,以便以简化的形式引入概念的选择,将在下文的具体实施方式中进一步描述所述概念。本发明内容不打算标识所要求保护的主题的关键特征或者本质特征,也不打算用来限制所要求保护的主题的范围。
附图说明
当连同附图进行阅读时,前述发明内容以及下文的说明性实施例的详细描述被更好地理解。出于图示实施例的目的,在图中示出了实施例的示例构造;然而,实施例不限于所公开的具体方法和手段。在图中:
图1是用于使用上下文选择和呈现字符串预测的示例环境的图示;
图2是示例候选预测发生器的图示;
图3是用于使用上下文提供字符串预测的方法的实施方案的操作流程;
图4是用于更新上下文的方法的实施方案的操作流程;以及
图5示出其中可以实施示例实施例和方面的示例性计算环境。
具体实施方式
图1是用于基于上下文选择和呈现字符串预测的示例环境100的图示。环境100可以包括多个计算设备115(例如,计算设备115a-n)。计算设备115可以是包括移动设备的多种计算设备,移动设备例如是蜂窝电话、智能电话、便携式媒体播放器、游戏控制台等等。计算设备115可以通过网络180彼此通信。网络180可以是多种网络类型,包括公共交换电话网络(PSTN)、蜂窝电话网络和分组交换网络(例如,互联网)。适当的计算设备115的示例包括关于图5描述的计算系统500。
计算设备115中的每个可以包括操作系统125和用户接口120。操作系统125可以包括多种众所周知的操作系统。计算设备115的用户可以使用用户接口120来向操作系统125输入一个或者多个字符。用户接口120可以包括多种接口,包括例如软件键盘或者硬件键盘。
计算设备115中的每个还可以执行一个或者多个应用135(例如,应用135a-n)。应用135可以在应用层130中执行。应用135可以包括例如电子邮件应用、短消息服务(SMS)或者文本应用、聊天应用、社交网络应用和字处理应用。计算设备115可以使用应用135来交换基于文本的消息。例如,每个计算设备可以执行SMS应用并且可以通过应用发送和接收SMS消息。有关的基于文本的消息的序列在本文中被称为对话。
计算设备的每次使用可以通过用户接口120和操作系统125与应用135进行交互。在一个实施方案中,用户可以通过用户接口120的软输入面板输入字符。所输入的字符可以由操作系统125来接收,并且可以被提供给应用135中的一个或者多个。
对于计算设备115的用户而言,逐字符地将文本输入到用户接口120中可能是令人沮丧的。相应地,计算设备115还可以包括候选预测发生器140。候选预测发生器140可以生成一个或者多个字符串预测。字符串预测可以包括候选预测发生器140预测用户打算输入到用户接口120中的字符串。字符串预测可以包括字符串的置信度值。可替换地或者附加地,候选预测发生器140可以生成语音注释、表情符号、或者其它通信或者消息类型。所预测的字符串可以包括一个或者多个字符的任何序列,包括但不限于字、短语、句、表情符号、标点记号或者其它符号、或者其组合。
如关于图2进一步描述的,字符串预测可以部分地基于与所输入的字符或者字符串相关联的一个或者多个上下文。如本文所使用的上下文可以包括与所输入的字符或者字符串相关联的对话或者环境的一个或者多个特性、特征或者属性。上下文的特性或者特征可以例如包括:所接收的文本所针对的特定应用;正在参加对话的参与者、联系人、或者其它用户;当前日期和/或时间;对话的气氛(即,悲伤或者快乐);对话的话题;和对话的风格(即,正式或者非正式);用户的位置;用户较早与其通信的用户;和用户的情绪。
每个上下文可以与一组字符串相关联。与上下文相关联的该组字符串可以包括由用户在上下文期间使用或者提供的字符串、或者以其他方式已知为与上下文相关联的字符串。例如,与SMS应用相关联的上下文可以与频繁用于文本消息的字符串(诸如“LOL”)相关联。与诸如1月1日的日期相关联的上下文可以包括与新年假期相关联的字符串,诸如“新年快乐”。与用户的特定联系人相关联的上下文可以包括当用户与该联系人进行交互时输入过的一个或者多个字符串。与上下文相关联的该组字符串中的字符串可以与概率相关联。字符串的概率可以基于由用户或者其他用户针对该上下文提供字符串的次数。
在一些实施方案中,当用户输入字符串的一个或者多个字符时,候选预测发生器140可以确定所输入的字符串的上下文,并且可以基于所输入的字符串和所确定的上下文来生成一组字符串预测。在一些实施方案中,字符串预测可以包括来自与上下文相关联的该组字符串中的将所输入的字符串作为前缀的一个或者多个字符串,或者以其他方式与所输入的字符串相似的一个或者多个字符串。附加地,字符串预测也可以例如包括基于一个或者多个模型(诸如词典)而生成的字符串预测。
通过基于上下文生成字符串预测,而不是唯一地基于词典或者模型生成字符串预测,所生成的字符串预测不限于在词典或者模型中使用的字和短语。而且,因为基于上下文的字符串预测可以比基于词典或者模型的字符串预测更精细地定制,所以字符串可以比基于词典或者模型的字符串预测中的字符串更准确地代表用户打算输入的字符串。
图2是示例候选预测发生器140的图示。如所示出的,候选预测发生器140可以包括数个组件,包括但不限于上下文引擎240和预测模型205。候选预测发生器140的组件中的一些或者全部可以由计算系统来实施,所述计算系统例如是图5中所图示的计算系统500。
候选预测发生器140可以从操作系统125接收所输入的文本230。所输入的文本230可以包括字符串或者字符,并且可以是由计算设备115的用户提供给应用135的文本。所输入的文本230可以与用户打算或者曾打算提供给应用135的字符串有关,或者可以是其一部分。例如,所输入的文本230可以是用户打算输入的字符串的第一个字符,或者所输入的文本230可以是用户曾打算输入的字符串的拼写错误。因此,如可以领会的,候选预测发生器140可以用来向一个或者多个应用135提供短语预测和拼写建议两者。
上下文引擎240可以为所输入的文本230确定一个或者多个上下文210,并且可以从上下文存储装置260中获取所确定的一个或者多个上下文210。在一些实施方案中,每个上下文210可以包括多个字符串或者可以与多个字符串相关联。与上下文210相关联的多个字符串可以包括由计算设备115的用户或者由其它计算设备115的其他用户输入的针对上下文210的字符串。例如,对于与字处理应用相关联的上下文210而言,多个字符串可以包括由用户频繁输入到字处理应用中的一个或者多个字符串。对于与正式的对话风格相关联的上下文而言,多个字符串可以包括在正式对话期间由用户或者其他用户典型地使用的一个或者多个字符串。在一些实施方案中,与上下文210相关联的多个字符串中的字符串可以基于由计算设备的一个或者多个其他用户使用的字符串,并且可以由外部管理员收集并提供给上下文引擎240。可替换地或者附加地,如下文将进一步描述的,与上下文210相关联的字符串可以由上下文引擎240确定。
如上文所描述的,上下文可以包括用户通过其提供所输入的文本230的对话220或者环境的一个或者多个特性、特征或者属性。在一些实施方案中,上下文引擎240可以通过确定与所输入的文本230相关联的特性并且确定与所确定的特性相匹配的上下文存储装置260中的一个或者多个上下文210,来为所输入的文本230确定一个或者多个上下文210。
上下文210的特性可以包括与所输入的文本230相关联的应用135的类型。与所输入的文本230相关联的应用135可以是用户正向其提供所输入的文本230的应用135。应用135的类型可以包括例如SMS应用、字处理应用、电子邮件应用、和社交网络应用。其它类型的应用可以被支持。上下文引擎240可以例如从操作系统120确定应用135的类型。
上下文210的特性可以包括与时间和/或日期有关的特性。如可以领会的,由用户提供的字或者短语的类型可以基于例如一天中的时间、一周中的一天、或者一个月中的一天而变化。例如,用户可能在下午使用短语“下午好”并且在早上使用短语“早上好”。用户在周末期间使用的字或者短语可能与其在工作日期间使用的字或者短语是不同的。类似地,用户可能更可能在围绕相应假期的一段时间期间使用某些与假期有关的字和短语,诸如“圣帕特里克(St.Patrick)节快乐”或者“母亲节快乐”。上下文引擎240可以例如从操作系统120确定与时间或者日期有关的特性。
上下文210的特性还可以根据与所输入的文本230相关联的对话220来确定。在一些实施方案中,对话220可以包括来自由用户和作为对话220的参与者的一个或者多个其他用户生成的基于文本的消息的一个或者多个字符串。例如,对话220可以是在计算设备115的用户和其它计算设备115的一个或者多个其他用户之间发送的一系列文本、电子邮件、或者社交网络消息。附加地,上下文的特性可以包括在对话期间提到或者提出的实体或者参与者。
可以由上下文引擎240根据与所输入的文本230相关联的对话220确定的上下文210的特性的示例可以包括,与对话220相关联的一个或者多个参与者。例如,用户可以与两个朋友进行电子邮件对话。朋友可以是对话220的参与者。用户可以根据他们正在与其通信的参与者(例如,他们的母亲对朋友)而使用不同的字或者短语。上下文引擎240可以根据与所输入的文本230相关联的应用135确定对话220的参与者。
可以由上下文引擎240根据与所输入的文本230相关联的对话220确定的上下文210的特性的另外的示例可以包括,对话220的风格或者气氛。对话220的风格的示例可以包括正式的、非正式的、或者商务的。气氛的示例可以包括严肃的、悲伤的、快乐的、和激动的。其它语气或者风格可以被支持。典型地,用户使用与对话220的风格或者气氛相匹配的对话220中的一组字或者短语。
上下文引擎240可以基于在对话220中使用的字或者短语确定对话220的风格或者气氛。在一些实施方案中,上下文引擎240可以寻找对话220中指示对话的风格或者气氛的字或者短语,并且可以基于所确定的字来确定对话220的风格或者气氛。例如,诸如“LOL”那样的非正式字的使用可以指示对话220的风格是非正式的,并且感叹词记号的使用可以指示对话的气氛很可能是快乐的或者激动的。在一些实施方案中,上下文引擎240可以连续监测对话220,并且可以随着对话220的进行,更新或者改变对话220的风格或者气氛。
可以由上下文引擎240根据与所输入的文本230相关联的对话220确定的上下文210的特性的另外的示例可以包括,对话220的话题。与上文描述的风格和气氛类似,上下文引擎240可以通过寻找对话220中的特定字或者短语来确定对话的话题。例如,对话220中的“纽约”和“旅行”的多次出现可以指示对话220是关于纽约或者休假的。上下文引擎240可以连续监测对话220,并且可以随着对话220的进行,更新或者改变对话220的话题。
在一些实施方案中,上下文引擎240可以从上下文存储装置260中获取与所确定的特性中的每个相匹配的上下文210。因此,如果上下文引擎240确定与所输入的文本230相关联的上下文210具有正式气氛的特性,并且对话的参与者是用户的父母,则上下文引擎240可以从上下文存储装置260中获取具有正式气氛的特性的上下文210,并且对话的参与者是用户的父母。如果没有这样的上下文210存在于上下文存储装置260中,则上下文引擎240可以选择具有与所确定的特性最接近或者最相似的特性的上下文210。可替换地或者附加地,上下文引擎240可以从上下文存储装置260中为每个特性获取具有该特性的上下文210,而不是从上下文存储装置260中获取具有所确定的所有特性的单个上下文210。
候选预测发生器140可以基于所输入的文本230和所确定的一个或者多个上下文210来生成一个或者多个字符串预测215。在一些实施方案中,字符串预测215可以由候选预测发生器140通过从与一个或者多个上下文210中的每个相关联的多个字符串中确定将所输入的文本230作为前缀的字符串来生成。所确定的字符串的置信度值可以例如通过包括该所确定的字符串的一个或者多个上下文210的数量和与所述一个或者多个上下文210中的每个字符串相关联的概率来确定。
在字符串预测215用作拼写建议的实施方案中,候选预测发生器140可以从所述多个字符串中确定与所输入的文本230相似的字符串,而不是从与一个或者多个上下文210中的每个相关联的所述多个字符串中确定将所输入的文本230作为前缀的字符串。用于确定字符串的相似性的任何方法可以被使用。可替换地,候选预测发生器140可以从与一个或者多个上下文210中的每个相关联的多个字符串中确定所输入的文本230是否包括任何可能的字符串拼写错误,并且可以使用所确定的字符串来生成字符串预测215。
候选预测发生器140可以提供所生成的字符串预测215中的一个或者多个。其中存在许多字符串预测215,候选预测发生器140可以基于与每个字符串预测215相关联的置信度值来选择将提供哪些字符串预测215。置信度值可以基于与关联于所确定的一个或者多个上下文210的字符串中的每个相关联的概率。对于短语预测实施方案而言,所提供的字符串预测215中的字符串可以在用户接口120的软输入面板中向用户显示。如果用户选择了所显示的字符串,则该字符串可以作为输入提供给应用135。
对于拼写建议实施方案而言,所提供的字符串预测215中的字符串可以靠近所输入的文本230或者作为菜单选择来显示。如果用户选择了所显示的字符串,则所选择的字符串可以在应用135中替换所输入的文本230。
除了上下文210之外,候选预测发生器140也可以使用预测模型205生成一个或者多个字符串预测215。在一个实施方案中,预测模型205可以包括词典,并且可以包括多种字符串(例如,字或者短语)以及用于每个字符串的概率。每个字符串的概率可以反映例如一般使用时每个字符串的普及性。概率可以通过对由用户经过一段时间为一个或者多个应用135在一个或者多个对话220中提供的字符串进行收集和分析来确定,或者可以基于对来自例如报纸、杂志、或者其它语言源的字符串的分析。模型的其它类型可以被使用。
在一些实施方案中,候选预测发生器140可以将使用一个或者多个上下文210生成的字符串预测215与由预测模型205生成的字符串预测215组合。例如,候选预测发生器140可以选择使用一个或者多个上下文210生成的最前面的字符串预测(即,具有最高的置信度值)以及预测模型205的最前面的字符串预测,并且组合所选择的字符串预测。
在其它的实施方案中,候选预测发生器140可以使用一个或者多个上下文210和预测模型205生成一个或者多个字符串预测215。例如,与一个或者多个上下文210相关联的多个字符串中的字符串可以被合并到模型205中,或者与模型205中的字符串相关联的概率可以基于与一个或多个上下文210相关联的字符串来调整。由候选预测发生器140对预测模型205做出的任何改变或者调整可以是暂时的,并且可以在上下文引擎240确定一个或者多个不同上下文210的情况下被反转。
上下文引擎240可以基于所输入的文本230来保持或者更新所确定的上下文210。上下文引擎240可以从应用135接收字符串。该字符串可以是被提供给应用的字符串,或者作为与应用135相关联的对话220的一部分的字符串。例如,计算设备115的用户可以将所输入的文本230“愿力量与你同在”提供到SMS应用中,作为具有特定参与者的对话220的一部分。与所输入的文本230相关联的(多个)上下文可以由上下文引擎240使用SMS应用和与对话220相关联的参与者的特性来确定。
上下文引擎240可以确定所输入的文本230的字符串是否已经是与一个或者多个上下文210相关联的字符串的一部分。可替换地或者附加地,上下文引擎240可以确定与所输入的文本230的字符串相似的字符串是否已经是与一个或者多个上下文210中的每个相关联的字符串的一部分。用于确定相似字符串的任何方法可以被使用。如果所输入的文本230的字符串(或者相似的字符串)已经是与一个或者多个上下文210相关联的字符串的一部分,则在与一个或者多个上下文210相关联的多个字符串中的每个中的字符串(或者相似的字符串)的概率可以增加。例如概率可以增加固定量。
如果所输入的文本230的字符串(或者相似的字符串)不是与一个或者多个上下文210相关联的字符串的一部分,则上下文引擎240可以确定是否将所输入的文本230的字符串添加到与一个或者多个上下文210相关联的多个字符串中。在一些实施方案中,如果所输入的文本230的字符串满足与上下文210相关联的标准,则其可以被添加到与上下文210相关联的多个字符串中。例如,标准可以是字符串作为所输入的文本230的一部分多于阈值次数,比如三次。其它阈值次数或者标准可以被使用。每个上下文210可以有其自身的标准,或者对于上下文存储装置260中的每个上下文210而言,标准可以是相同的。因此,继续上文的示例,如果对于上下文210中的每个而言,字符串“愿力量与你同在”被接收到超过三次,则字符串“愿力量与你同在”可以被添加到用于SMS应用的上下文210和用于与对话220相关联的参与者的上下文210中。
图3是用于使用一个或者多个上下文提供字符串预测的方法300的实施方案的操作流程。方法300可以由例如计算设备115的候选预测发生器140来实施。
在301处,接收字符串。字符串可以由候选预测发生器140通过用户接口120从用户接收,作为所输入的文本230。例如,用户可能已经使用软件键盘将一个或者多个字符输入到文本栏中。所接收的字符串可以是用户打算作为具有一个或者多个参与者的对话220的一部分向应用135提供的字符串的前缀。应用135可以是例如SMS应用、社交网络应用和电子邮件应用中的一个或者多个。
在303处,为字符串确定上下文。上下文210可以通过候选预测发生器140的上下文引擎240来确定。上下文引擎240可以针对所接收的字符串确定单个上下文210,或者可以确定多个上下文210。上下文210可以根据存储在上下文存储装置260中的上下文210来确定。每个上下文210可以与多个字符串相关联,所述多个字符串是在特定上下文210期间由用户或者其他用户所频繁提供的字符串。所述多个字符串中的每个字符串也可以包括一种概率,该概率是对该字符串在该上下文210期间被多么频繁地提供的度量。
在一些实施方案中,确定上下文可以包括基于与所接收的字符串相关联的应用135或者与所接收的字符串相关联的日期或者时间来确定上下文。可替换地或者附加地,例如,上下文可以基于与所接收的字符串相关联的对话220,并且上下文可以基于对话的参与者、对话的话题、或者对话的风格来确定。对话的话题或者风格可以由上下文引擎240通过寻找对话220中指示特定风格或者话题的字符串来确定。
在305处,基于所接收的字符串和所确定的上下文,生成多个字符串预测。多个字符串预测可以包括字符串预测215并且可以由候选预测发生器140使用所接收的字符串和与所确定的上下文210相关联的多个字符串来生成。在一些实施方案中,字符串预测215中的每个可以包括来自与所确定的上下文210相关联的多个字符串中的字符串,并且可以通过从所述多个字符串中确定包括所接收的字符串作为前缀的字符串来生成。可替换地,字符串预测215可以通过从所述多个字符串中确定与所接收的字符串相似的字符串来生成。字符串预测215中的每个还可以包括基于多个字符串中的字符串的概率的置信度值。
在一些实施方案中,多个字符串预测215也可以通过候选预测发生器140使用预测模型205和所确定的上下文210来生成。预测模型205可以包括或者基于例如词典。
在307处,提供所述多个字符串预测中的一个或者多个字符串。可以由候选预测发生器140按照字符串预测215的置信度值来提供所述一个或者多个字符串。在一些实施方案中,可以提供字符串预测215中的具有最高置信度值的字符串。可以通过例如在用户接口120的软输入面板中显示字符串来提供字符串。当字符串作为针对所接收的字符串的拼写建议而提供时,字符串可以通过操作系统125临近所接收的字符串来显示。
在309处,接收所提供的一个或者多个字符串中的一个的选择的指示。选择的指示可以由操作系统125从用户接口125接收,并可被提供给候选预测发生器140。例如,用户可以在用户接口120的软输入面板中选择或者触摸字符串中的一个。
在311处,所选择的字符串作为输入提供给应用。所选择的字符串可以由候选预测发生器140作为对话220的一部分提供给应用135,或者作为针对所接收的字符串的拼写替换提供给应用135。
在一些实施方案中,所选择的字符串也可以用来通过候选预测发生器140的上下文引擎240来更新所确定的上下文210。例如,与关联于所确定的上下文210的多个字符串中的所选择字符串相关联的概率可以通过候选预测发生器140的上下文引擎240来增加。
图4是用于更新上下文的方法400的实施方案的操作流程。方法400可以通过例如候选预测发生器140来实施。
在401处,接收字符串。字符串可以由候选预测发生器140从操作系统125接收。字符串可能已经由应用135的用户输入或者选择。字符串可以包括一个或者多个字或者短语。
在403处,为所接收的字符串确定上下文。上下文210可以通过候选预测发生器140的上下文引擎240来确定。上下文210可以与多个字符串相关联,该多个字符串是由用户或者其他用户在特定上下文210期间频繁提供的字符串。该多个字符串中的每个字符串也可以包括概率,该概率是对在该上下文210期间该字符串被多么频繁地提供的度量。
在405处,确定与所确定的上下文相关联的多个字符串是否包括所接收的字符串。可以由候选预测发生器140的上下文引擎240做出确定。如果所述多个字符串包括该字符串,则方法400可以在407处继续。否则,方法400可在409处继续。
在407处,所述多个字符串中的该字符串的概率增加。该概率可以由候选预测发生器140的上下文引擎240来增加。例如,上下文引擎240可以通过将固定量添加到所述多个字符串中的所接收的字符串的概率来增加该概率。
在409处,确定该字符串是否满足标准。可以通过候选预测发生器140的上下文引擎240做出确定。在一些实施方案中,标准可以是字符串被接收了多于阈值次数。例如,在字符串已经由用户向应用135输入或者提供了多于三次(或者另一个预先确定的次数,这取决于实施方案)之后,该字符串可以被添加到与所确定的上下文210相关联的多个字符串中。其它的标准可以被使用。如果标准得以满足,那么方法400可以在411处继续。否则,方法400可以在413处退出。
在411处,字符串被添加到与上下文相关联的多个字符串中。字符串可以通过候选预测发生器140的上下文引擎240来添加。在一些实施方案中,与所添加的字符串相关联的概率可以被设定成例如针对新添加的字符串的默认值。
图5示出其中可以实施示例实施例和方面的示例性计算环境。计算系统环境仅是适当的计算环境的一个示例,并且不打算建议关于用途或者功能性的范围的任何限制。
可以使用若干其它通用或者专用计算系统环境或者配置。可以适用于使用的众所周知的计算系统、环境和/或配置的示例包括但不限于个人计算机、服务器计算机、手持式或者膝上型设备、多处理器系统、基于微处理器的系统、网络PC、小型计算机、大型计算机、嵌入式系统、包括上文的系统或者设备中的任何一个的分布式计算环境等等。
可以使用由计算机执行的计算机可执行指令,诸如程序模块。一般地,程序模块包括执行特定任务或者实施特定抽象数据类型的例程、程序、对象、组件、数据结构等等。可以使用分布式计算环境,其中任务由通过通信网络或者其它数据传输介质链接的远程处理设备来执行。在分布式计算环境中,程序模块和其它数据可以位于本地和远程计算机存储介质(包括存储器存储设备)两者中。
参考图5,用于实施本文描述的方面的示例性系统包括计算设备,诸如计算系统500。在其最基本的配置中,计算系统500典型地包括至少一个处理单元502和存储器504。取决于计算设备的确切配置和类型,存储器504可以是易失性(诸如随机存取存储器(RAM))、非易失性(诸如只读存储器(ROM)、闪速存储器等等)或者这两者的某组合。这个最基本的配置在图5中由虚线506图示出。
计算系统500可以具有附加的特征/功能性。例如,计算系统500可以包括附加存储装置(可移除和/或不可移除的),包括但不限于,磁性或者光学盘或者带。这样的附加存储装置在图5中通过可移除存储装置508和不可移除存储装置510图示出。
计算系统500典型地包括多种计算机可读介质。计算机可读介质可以是可以由计算系统500访问的任何可用介质,并且包括易失性和非易失性介质、可移除和不可移除介质两者。
计算机存储介质包括以用于信息(诸如计算机可读指令、数据结构、程序模块或者其它数据)的存储的任何方法或者技术实施的易失性和非易失性、以及可移除和不可移除介质。存储器504、可移除存储装置508、和不可移除存储装置510都是计算机存储介质的示例。计算机存储介质包括但不限于RAM、ROM、电可擦除程序只读存储器(EEPROM)、闪速存储器或者其它存储器技术、CD-ROM、数字万能盘(DVD)或者其它光学存储装置、磁盒、磁带、磁盘存储装置或者其它磁存储设备、或者可以用来存储合期望的信息并且可以由计算系统500访问的任何其它介质。任何这样的计算机存储介质可以是计算系统500的一部分。
计算系统500可以含有允许设备与其它设备和/或接口进行通信的(多个)通信连接512。计算系统500也可以具有(多个)输入设备514,诸如键盘(软件或者硬件)、鼠标、笔、语音输入接口、触摸接口等等。也可以包括(多个)输出设备516,诸如显示器、扬声器、打印机等等。所有这些设备都在本领域是众所周知的,并且不需要在此处详尽地讨论。
应该理解的是,本文描述的各种技术可以连同硬件或者软件或者在适当情况下两者的组合来实施。因此,本公开主题的方法和装置或者其某些方面或者部分可以采用在有形介质中具体实现的程序代码(即,指令)的形式,所述有形介质诸如是软盘、CD-ROM、硬驱动器、或者任何其它机器可读存储介质,其中当程序代码被载入机器(诸如计算机)并且由该机器执行时,该机器变成用于实践本公开主题的装置。
虽然示例性实施方案可能涉及在一个或者多个单独计算机系统的上下文中利用本公开主题的方面,但是主题不如此受限,相反可以连同任何计算环境(诸如网络或者分布式计算环境)实施。更进一步地,本公开主题的方面可以在多个处理芯片或者设备中或者跨多个处理芯片或者设备实施,并且相似地,存储装置可以跨多个设备实现。这样的设备可以包括例如个人计算机、网络服务器、和手持式设备。
虽然主题已经以具体于结构特征和/或方法论动作的语言进行了描述,但是将理解的是,在所附权利要求中定义的主题不必受限于上文描述的具体特征或者动作。相反地,上文描述的具体特征和动作作为实施权利要求的示例形式而公开。
Claims (10)
1.一种方法,包括:
由计算设备接收字符串,其中所接收的字符串与对话相关联;
由计算设备基于对话来为所接收的字符串确定上下文;
由计算设备基于所接收的字符串和所确定的上下文来生成多个字符串预测,其中每个字符串预测包括字符串;
由计算设备提供所述多个字符串预测中的字符串中的一个或者多个;
由计算设备接收所述多个字符串预测中的所提供的一个或者多个字符串中的一个的选择的指示;以及
响应于选择的指示,由计算设备向应用提供所选择的字符串。
2.如权利要求1的方法,其中为所接收的字符串确定上下文包括,基于应用确定上下文。
3.如权利要求1的方法,其中上下文与多个字符串相关联,并且所生成的字符串预测中的至少一个包括,来自与上下文相关联的所述多个字符串中的字符串。
4.如权利要求1的方法,其中所接收的字符串是字符。
5.如权利要求1的方法,其中对话具有一个或者多个参与者,并且为所接收的字符串确定上下文包括,基于所述一个或者多个参与者确定上下文。
6.如权利要求1的方法,其中为所接收的字符串确定上下文包括,确定对话的话题,并且基于对话为所接收的字符串确定上下文进一步包括基于所确定的话题为所接收的字符串确定上下文。
7.如权利要求1的方法,其中为所接收的字符串确定上下文包括,确定对话的风格并且基于所确定的风格为所接收的字符串确定上下文。
8.一种系统,包括:
至少一个计算设备;以及
候选预测发生器,被适配于:
接收字符串,其中所接收的字符串与一个或者多个参与者相关联;
基于所述一个或者多个参与者为所接收的字符串确定上下文;
基于所接收的字符串和所确定的上下文生成多个字符串预测,其中每个字符串预测包括字符串;以及
提供所述多个字符串预测中的字符串中的一个或者多个。
9.如权利要求8的系统,其中所述候选预测发生器进一步被适配为:
接收所述多个字符串预测中的所提供的一个或者多个字符串中的一个的选择的指示;以及
响应于选择的指示,向应用提供所选择的字符串。
10.如权利要求8的系统,其中所接收的字符串是对话的一部分,并且为所接收的字符串确定上下文进一步包括确定对话的话题,并且为所接收的字符串确定上下文是基于所确定的话题的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/561095 | 2012-07-30 | ||
US13/561,095 US9195645B2 (en) | 2012-07-30 | 2012-07-30 | Generating string predictions using contexts |
PCT/US2013/052600 WO2014022322A1 (en) | 2012-07-30 | 2013-07-30 | Generating string predictions using contexts |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104508604A true CN104508604A (zh) | 2015-04-08 |
Family
ID=49029167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380040756.2A Pending CN104508604A (zh) | 2012-07-30 | 2013-07-30 | 使用上下文生成字符串预测 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9195645B2 (zh) |
EP (1) | EP2880513A1 (zh) |
JP (1) | JP2015528968A (zh) |
KR (1) | KR102095074B1 (zh) |
CN (1) | CN104508604A (zh) |
WO (1) | WO2014022322A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404401A (zh) * | 2015-11-23 | 2016-03-16 | 小米科技有限责任公司 | 输入处理方法、装置及设备 |
CN107168546A (zh) * | 2017-03-27 | 2017-09-15 | 上海奔影网络科技有限公司 | 输入提示方法及装置 |
CN107168990A (zh) * | 2017-03-28 | 2017-09-15 | 厦门快商通科技股份有限公司 | 基于用户性格的智能客服系统及对话方法 |
CN107423277A (zh) * | 2016-02-16 | 2017-12-01 | 中兴通讯股份有限公司 | 一种表情输入方法、装置及终端 |
CN108700987A (zh) * | 2015-11-18 | 2018-10-23 | 谷歌有限责任公司 | 移动设备上的模拟超链接 |
CN112230811A (zh) * | 2020-10-15 | 2021-01-15 | 科大讯飞股份有限公司 | 输入方法、装置、设备及存储介质 |
US10970646B2 (en) | 2015-10-01 | 2021-04-06 | Google Llc | Action suggestions for user-selected content |
CN114791769A (zh) * | 2022-06-24 | 2022-07-26 | 湖北云享客数字智能科技有限公司 | 一种用户行为预测结果的大数据库建立方法 |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5727980B2 (ja) * | 2012-09-28 | 2015-06-03 | 株式会社東芝 | 表現変換装置、方法およびプログラム |
US10824297B2 (en) * | 2012-11-26 | 2020-11-03 | Google Llc | System for and method of accessing and selecting emoticons, content, and mood messages during chat sessions |
US9923849B2 (en) * | 2013-05-09 | 2018-03-20 | Ebay Inc. | System and method for suggesting a phrase based on a context |
US9390706B2 (en) * | 2014-06-19 | 2016-07-12 | Mattersight Corporation | Personality-based intelligent personal assistant system and methods |
US9582482B1 (en) | 2014-07-11 | 2017-02-28 | Google Inc. | Providing an annotation linking related entities in onscreen content |
CN104267825A (zh) * | 2014-09-01 | 2015-01-07 | 深圳市金立通信设备有限公司 | 一种字符输入方法 |
CN104267821A (zh) * | 2014-09-01 | 2015-01-07 | 深圳市金立通信设备有限公司 | 一种终端 |
US20160224524A1 (en) * | 2015-02-03 | 2016-08-04 | Nuance Communications, Inc. | User generated short phrases for auto-filling, automatically collected during normal text use |
KR102393928B1 (ko) | 2015-11-10 | 2022-05-04 | 삼성전자주식회사 | 응답 메시지를 추천하는 사용자 단말 장치 및 그 방법 |
JP6638087B2 (ja) | 2015-12-21 | 2020-01-29 | グーグル エルエルシー | メッセージ交換スレッド用の自動提案 |
WO2017112796A1 (en) | 2015-12-21 | 2017-06-29 | Google Inc. | Automatic suggestions and other content for messaging applications |
CN109716727B (zh) | 2016-09-20 | 2021-10-15 | 谷歌有限责任公司 | 获取访问与用户相关联的数据的许可的方法及系统 |
WO2018057541A1 (en) | 2016-09-20 | 2018-03-29 | Google Llc | Suggested responses based on message stickers |
US10015124B2 (en) | 2016-09-20 | 2018-07-03 | Google Llc | Automatic response suggestions based on images received in messaging applications |
US10540451B2 (en) | 2016-09-28 | 2020-01-21 | International Business Machines Corporation | Assisted language learning |
US20180101599A1 (en) * | 2016-10-08 | 2018-04-12 | Microsoft Technology Licensing, Llc | Interactive context-based text completions |
EP3340070A1 (en) * | 2016-12-21 | 2018-06-27 | Doro AB | Improved text input |
US10146768B2 (en) * | 2017-01-25 | 2018-12-04 | Google Llc | Automatic suggested responses to images received in messages using language model |
WO2018212822A1 (en) | 2017-05-16 | 2018-11-22 | Google Inc. | Suggested actions for images |
US10348658B2 (en) | 2017-06-15 | 2019-07-09 | Google Llc | Suggested items for use with embedded applications in chat conversations |
US10404636B2 (en) | 2017-06-15 | 2019-09-03 | Google Llc | Embedded programs and interfaces for chat conversations |
KR20190024071A (ko) * | 2017-08-31 | 2019-03-08 | 필아이티 주식회사 | 가상 키보드에서 추천어를 제공하는 모바일 장치 및 방법 |
US10891526B2 (en) | 2017-12-22 | 2021-01-12 | Google Llc | Functional image archiving |
US10725924B2 (en) * | 2018-03-27 | 2020-07-28 | Microsoft Technology Licensing, Llc | Low-latency hybrid client-server cooperation |
US11205045B2 (en) * | 2018-07-06 | 2021-12-21 | International Business Machines Corporation | Context-based autocompletion suggestion |
US10891950B2 (en) | 2018-09-27 | 2021-01-12 | International Business Machines Corporation | Graph based prediction for next action in conversation flow |
US11126794B2 (en) * | 2019-04-11 | 2021-09-21 | Microsoft Technology Licensing, Llc | Targeted rewrites |
KR20220034123A (ko) | 2019-06-18 | 2022-03-17 | 삼성전자주식회사 | 디스플레이 상에 제시된 데이터에 대한 동작들을 수행하는 방법 및 장치 |
US20220335224A1 (en) * | 2021-04-15 | 2022-10-20 | International Business Machines Corporation | Writing-style transfer based on real-time dynamic context |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707409A (zh) * | 2003-09-19 | 2005-12-14 | 美国在线服务公司 | 用户字和用户操作的上下文预测 |
US20080195388A1 (en) * | 2007-02-08 | 2008-08-14 | Microsoft Corporation | Context based word prediction |
CN101571758A (zh) * | 2009-06-04 | 2009-11-04 | 腾讯科技(深圳)有限公司 | 一种输入法系统、方法和装置 |
US20100131447A1 (en) * | 2008-11-26 | 2010-05-27 | Nokia Corporation | Method, Apparatus and Computer Program Product for Providing an Adaptive Word Completion Mechanism |
CN102439542A (zh) * | 2009-03-30 | 2012-05-02 | 触摸式有限公司 | 电子设备的文本输入系统及文本输入方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5797098A (en) * | 1995-07-19 | 1998-08-18 | Pacific Communication Sciences, Inc. | User interface for cellular telephone |
US6377965B1 (en) | 1997-11-07 | 2002-04-23 | Microsoft Corporation | Automatic word completion system for partially entered data |
US20100122164A1 (en) | 1999-12-03 | 2010-05-13 | Tegic Communications, Inc. | Contextual prediction of user words and user actions |
US7197460B1 (en) * | 2002-04-23 | 2007-03-27 | At&T Corp. | System for handling frequently asked questions in a natural language dialog service |
JP2004021321A (ja) * | 2002-06-12 | 2004-01-22 | Sony Ericsson Mobilecommunications Japan Inc | 辞書データ検索方法、辞書データ検索装置および辞書データ検索プログラム |
US8498865B1 (en) * | 2004-11-30 | 2013-07-30 | Vocera Communications, Inc. | Speech recognition system and method using group call statistics |
JP2006344039A (ja) * | 2005-06-09 | 2006-12-21 | Casio Hitachi Mobile Communications Co Ltd | 電子メール装置、および、プログラム |
US7930168B2 (en) * | 2005-10-04 | 2011-04-19 | Robert Bosch Gmbh | Natural language processing of disfluent sentences |
JP4888996B2 (ja) * | 2005-10-21 | 2012-02-29 | 株式会社ユニバーサルエンターテインメント | 会話制御装置 |
US20090119173A1 (en) * | 2006-02-28 | 2009-05-07 | Buzzlogic, Inc. | System and Method For Advertisement Targeting of Conversations in Social Media |
CN101553810A (zh) * | 2006-08-10 | 2009-10-07 | 夏普株式会社 | 字符转换装置和字符转换装置控制方法 |
US7856503B2 (en) * | 2006-10-19 | 2010-12-21 | International Business Machines Corporation | Method and apparatus for dynamic content generation |
JP4547366B2 (ja) * | 2006-11-09 | 2010-09-22 | 株式会社ソニー・コンピュータエンタテインメント | 文字入力装置、その制御方法、プログラム及び情報記憶媒体 |
US8676901B1 (en) * | 2007-11-01 | 2014-03-18 | Google Inc. | Methods for transcoding attachments for mobile devices |
JP2010257201A (ja) * | 2009-04-24 | 2010-11-11 | Nec Corp | 入力予測装置、携帯端末、入力予測方法およびプログラム |
JP2011076140A (ja) * | 2009-09-29 | 2011-04-14 | Sony Ericsson Mobilecommunications Japan Inc | コミュニケーション端末、コミュニケーション情報提供サーバ、コミュニケーションシステム、携帯電話端末、コミュニケーション情報生成方法、コミュニケーション情報生成プログラム、コミュニケーション補助方法、及び、コミュニケーション補助プログラム |
US20110087961A1 (en) | 2009-10-11 | 2011-04-14 | A.I Type Ltd. | Method and System for Assisting in Typing |
US8341196B2 (en) | 2009-11-23 | 2012-12-25 | Nokia Corporation | Method and apparatus for creating a contextual model based on offline user context data |
JP2012208893A (ja) * | 2011-03-30 | 2012-10-25 | Nifty Corp | 予測入力装置 |
US8762302B1 (en) * | 2013-02-22 | 2014-06-24 | Bottlenose, Inc. | System and method for revealing correlations between data streams |
US8862467B1 (en) * | 2013-12-11 | 2014-10-14 | Google Inc. | Contextual speech recognition |
-
2012
- 2012-07-30 US US13/561,095 patent/US9195645B2/en active Active
-
2013
- 2013-07-30 KR KR1020157002522A patent/KR102095074B1/ko active IP Right Grant
- 2013-07-30 WO PCT/US2013/052600 patent/WO2014022322A1/en active Application Filing
- 2013-07-30 JP JP2015525497A patent/JP2015528968A/ja active Pending
- 2013-07-30 CN CN201380040756.2A patent/CN104508604A/zh active Pending
- 2013-07-30 EP EP13752706.5A patent/EP2880513A1/en not_active Ceased
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707409A (zh) * | 2003-09-19 | 2005-12-14 | 美国在线服务公司 | 用户字和用户操作的上下文预测 |
US20080195388A1 (en) * | 2007-02-08 | 2008-08-14 | Microsoft Corporation | Context based word prediction |
US20100131447A1 (en) * | 2008-11-26 | 2010-05-27 | Nokia Corporation | Method, Apparatus and Computer Program Product for Providing an Adaptive Word Completion Mechanism |
CN102439542A (zh) * | 2009-03-30 | 2012-05-02 | 触摸式有限公司 | 电子设备的文本输入系统及文本输入方法 |
CN101571758A (zh) * | 2009-06-04 | 2009-11-04 | 腾讯科技(深圳)有限公司 | 一种输入法系统、方法和装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10970646B2 (en) | 2015-10-01 | 2021-04-06 | Google Llc | Action suggestions for user-selected content |
US12026593B2 (en) | 2015-10-01 | 2024-07-02 | Google Llc | Action suggestions for user-selected content |
CN108700987A (zh) * | 2015-11-18 | 2018-10-23 | 谷歌有限责任公司 | 移动设备上的模拟超链接 |
US10733360B2 (en) | 2015-11-18 | 2020-08-04 | Google Llc | Simulated hyperlinks on a mobile device |
CN108700987B (zh) * | 2015-11-18 | 2021-05-28 | 谷歌有限责任公司 | 移动设备上的模拟超链接 |
CN105404401A (zh) * | 2015-11-23 | 2016-03-16 | 小米科技有限责任公司 | 输入处理方法、装置及设备 |
US10614154B2 (en) | 2015-11-23 | 2020-04-07 | Xiaomi Inc. | Methods, devices, and computer-readable medium for predicting the intended input from a user of an application in an electronic device |
CN107423277A (zh) * | 2016-02-16 | 2017-12-01 | 中兴通讯股份有限公司 | 一种表情输入方法、装置及终端 |
CN107168546A (zh) * | 2017-03-27 | 2017-09-15 | 上海奔影网络科技有限公司 | 输入提示方法及装置 |
CN107168990A (zh) * | 2017-03-28 | 2017-09-15 | 厦门快商通科技股份有限公司 | 基于用户性格的智能客服系统及对话方法 |
CN112230811A (zh) * | 2020-10-15 | 2021-01-15 | 科大讯飞股份有限公司 | 输入方法、装置、设备及存储介质 |
CN114791769A (zh) * | 2022-06-24 | 2022-07-26 | 湖北云享客数字智能科技有限公司 | 一种用户行为预测结果的大数据库建立方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20150037935A (ko) | 2015-04-08 |
US20140032206A1 (en) | 2014-01-30 |
WO2014022322A1 (en) | 2014-02-06 |
JP2015528968A (ja) | 2015-10-01 |
US9195645B2 (en) | 2015-11-24 |
EP2880513A1 (en) | 2015-06-10 |
KR102095074B1 (ko) | 2020-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104508604A (zh) | 使用上下文生成字符串预测 | |
JP7163355B2 (ja) | メッセージ中のタスクの識別 | |
CN110869969B (zh) | 用于在通信会话内生成个性化响应的虚拟助手 | |
KR102151681B1 (ko) | 언어 모델용 대화 상태들 결정 | |
CN106201424B (zh) | 一种信息交互方法、装置及电子设备 | |
US10168800B2 (en) | Synchronization of text data among a plurality of devices | |
US20160224524A1 (en) | User generated short phrases for auto-filling, automatically collected during normal text use | |
JP6087899B2 (ja) | 会話ダイアログ学習および会話ダイアログ訂正 | |
US9495350B2 (en) | System and method for determining expertise through speech analytics | |
US20130144619A1 (en) | Enhanced voice conferencing | |
CN111666380A (zh) | 一种智能呼叫方法、装置、设备和介质 | |
CN113614825A (zh) | 用于自动语音识别的字词网格扩增 | |
CN104487918A (zh) | 从缓冲区进行字符串预测 | |
EP3966812B1 (en) | Online language model interpolation for automatic speech recognition | |
CN117882365A (zh) | 确定和视觉显示呼叫的口头菜单 | |
KR20160012965A (ko) | 텍스트를 편집하는 방법 및 이를 지원하는 전자장치 | |
CN112148850A (zh) | 动态交互方法、服务器、电子设备及存储介质 | |
Schulz et al. | Multimodular text normalization of dutch user-generated content | |
KR20220128397A (ko) | 자동 음성 인식을 위한 영숫자 시퀀스 바이어싱 | |
US12050841B2 (en) | Voice assistant-enabled client application with user view context | |
WO2010142422A1 (en) | A method for inter-lingual electronic communication | |
US20220414334A1 (en) | Post-model filtering of predictive text | |
Grace et al. | Assessing the written language of text messages | |
CN112188253B (zh) | 语音控制方法、装置、智能电视和可读存储介质 | |
Marx | Toward effective conversational messaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
ASS | Succession or assignment of patent right |
Owner name: MICROSOFT TECHNOLOGY LICENSING LLC Free format text: FORMER OWNER: MICROSOFT CORP. Effective date: 20150706 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20150706 Address after: Washington State Applicant after: Micro soft technique license Co., Ltd Address before: Washington State Applicant before: Microsoft Corp. |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150408 |