CN105468161B - 指令执行方法和装置 - Google Patents

Abstract

本申请公开了指令执行方法和装置。指令执行方法的一具体实施方式包括：监测特征信息集合中任一特征信息的变化，并响应于上述变化，获取特征信息集合中每个特征信息的值，特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的各个特征信息对应的预定第一权值，确定当前用户场景；基于获取到的特征信息的值，以及预定的在当前用户场景下各个特征信息对应的第二权值，计算用户发出预定指令的概率；如果概率大于等于预定的阈值，则执行预定指令。该实施方式提高了指令执行效率。

Description

指令执行方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及指令执行方法和装置。

背景技术

目前，随着智能终端(例如智能手机、平板电脑)的普及，用户与智能终端之间进行的人机交互越来越多。现有技术中，智能终端是根据用户对智能终端的各种操作(例如点击触摸屏幕中的图标、或按下某个按键)执行相应的指令。

然而，通过现有的执行指令的方法需要用户手动对智能终端进行操作，花费了用户的时间和精力。因此，现有技术的指令执行效率较低。

发明内容

本申请的目的在于提出一种指令执行方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种指令执行方法，所述方法包括：监测特征信息集合中任一特征信息的变化，并响应于所述变化，获取所述特征信息集合中每个特征信息的值，其中，所述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景；基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，计算用户发出预定指令的概率；如果所述概率大于等于预定的阈值，则执行所述预定指令。

第二方面，本申请提供了一种指令执行装置，所述装置包括：特征信息获取单元，用于监测特征信息集合中任一特征信息的变化，并响应于所述变化，获取所述特征信息集合中每个特征信息的值，其中，所述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；用户场景确定单元，用于基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景；用户意图确定单元，用于基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率；指令执行单元，用于在所述概率大于等于预定的阈值时，执行所述预定指令。

本申请提供的指令执行方法和装置，通过基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景，并基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，计算用户发出预定指令的概率，实现了针对不同的用户场景，对用户执行指令的意图的判断，从而较准确地判断用户执行指令的意图。并通过在所述概率大于等于预定的阈值时执行所述预定指令，使得用户无需手动对智能终端进行操作，从而提高了指令执行效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的指令执行方法的一个实施例的流程图；

图3是根据本申请的指令执行方法的另一个实施例的流程图；

图4是根据本申请的指令执行装置的一个实施例的结构示意图；

图5是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的指令执行方法或指令执行装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如语音助手类应用、文档管理类应用、搜索类应用、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是支持各种电子智能设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上的各个应用提供支持的数据库服务器或云服务器。服务器可以对接收到的数据进行存储、分析等处理，并将处理结果反馈给终端设备。

需要说明的是，本申请实施例所提供的指令执行方法可以由终端设备101、102、103单独执行；或者也可以由终端设备101、102、103和服务器105共同执行，例如可以部分由服务器105执行(例如确定当前场景、计算用户发出预定指令的概率)，但主要是由终端设备101、102、103执行。相应地，指令执行装置可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，图2示出了根据本申请的指令执行方法的一个实施例的流程200。

如图2所示，本实施例的指令执行方法包括以下步骤：

步骤201，监测特征信息集合中任一特征信息的变化，并响应于上述变化，获取上述特征信息集合中每个特征信息的值。

其中，上述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离。

在本实施例中，指令执行方法运行于其上的电子设备(例如图1所示的终端设备)可以通过定位系统(例如全球定位系统GPS)来监测/获取本机位置，通过摄像头来监测/获取用户的面部特征(例如嘴唇张开大小)，通过陀螺仪来监测/获取用户动作(例如手抬起、手放下)，通过红外线识别来监测/获取用户与本机之间的距离。当监测到上述特征信息集合中的任一特征信息发生变化时，则获取上述每个特征信息的值。

步骤202，基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的上述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景。

在本实施例中，终端设备可以单独在本地执行步骤202以确定当前用户场景。此外，终端设备也可以上传上述至少一个特征信息的值到服务器，然后通过服务器确定当前用户场景。其中，上述预定用户场景例如可以有：周末、周末在家、工作、户外等，可以通过预定的枚举值来对应上述预定用户场景。上述至少一个特征信息可以为特征信息集合中的至少一个，例如：{系统时间}、{系统时间，本机位置}、或者{系统时间，本机位置，用户使用的应用}，其中{}中的每个项目表示上述至少一个特征信息中的特征信息之一。上述预定第一权值可以根据经验由人工设定，例如对于用户场景工作，由于工作日的工作时间一般是在工作，因此可以将特征信息系统时间对应的第一权值设置高一些，如果获取到的系统时间是周一上午10:30(工作时间)，则可以确定当前用户场景为工作。

步骤203，基于上述获取到的特征信息的值，以及预定的在上述当前用户场景下上述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率。

在本实施例中，终端设备可以单独在本地执行步骤203，也可以通过上传上述获取到的特征信息的值到服务器，并通过服务器计算用户发出预定指令的概率。其中，各个用户场景下都各自有预定的上述特征信息集合中各个特征信息对应的第二权值，第二权值用于表征在对应的用户场景下，特征信息对于判断用户发出预定指令(例如增减音量、打开/关闭某应用)的意图的重要性。例如，用户场景周末在家的各个特征信息及其对应的权值可以为：{系统时间：0.1，本机位置：0.1，用户使用的应用：0.3，用户与本机之间的距离：0.5，…}，表示用户与本机之间的距离对于判断用户是否意图发出预定指令的影响相对较大(如用户距离本机较近时很可能会发出预定指令)。通过对各个特征信息的值以及各个特征信息对应的第二权值进行综合分析，即可获取用户发出预定指令的概率。

步骤204，如果上述概率大于等于预定的阈值，则执行上述预定指令。

在本实施例中，终端设备可以在获取到用户发出预定指令的概率之后，与预定的阈值(例如0.8)进行比较，如果大于等于该预定的阈值，则执行上述预定指令，从而自动执行用户想要执行的指令。

在本实施例的一些可选的实现方式中，上述第一权值可以是预先通过对在各个预定用户场景下收集到的上述至少一个特征信息中的各个特征信息的数据进行统计获取的。例如，假设在周末在家的场景下收集到用户的特征信息及其次数为：{时间上午：22，时间下午：12，时间晚上：90，应用外卖：100，应用微信：50，…}，则可以得到在周末在家的场景下特征信息时间上午对应的第一权值为22/所有特征信息的次数之和。此外，在统计出上述第一权值之后，还可以由人工对统计出的第一权值进行适当的修正。通过该实现方式，使得获得的第一权值与人工设定的第一权值相比更加符合实际、更加精准，从而可以使后续能够更准确地确定出当前用户场景。

在本实施例的一些可选的实现方式中，上述预定指令可以是用于打开或关闭语音输入功能的指令。该实现方式的示例性应用场景可以如下：

在用户使用终端设备(例如使用安装于终端设备的某个App)时，终端设备可以监测系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离等特征信息中任一特征信息的变化。如果用户张嘴，则可监测到用户的面目特征信息(例如上下嘴唇的间距)发生变化，然后就会获取每个特征信息的值。之后，可以基于获取到的系统时间、本机位置、用户使用的应用这几个特征信息的值，以及各个预定用户场景对应的系统时间、本机位置、用户使用的应用这几个特征信息分别对应的预定第一权值，按照步骤202的处理确定当前用户场景。例如，如果获取到系统时间为周末、本机位置为在家、用户使用的应用为某社交类应用，则通过步骤202可以确定出当前用户的场景为周末在家。之后，基于获取到的各个特征信息的值，以及预定的在周末在家场景下各个特征信息对应的第二权值，通过步骤203的处理获取用户意图打开语音输入功能的概率。例如，假设获取到用户的上下嘴唇的间距>3厘米、用户与本机之间的距离<10厘米，且在周末在家场景下上下嘴唇的间距>3厘米和用户与本机之间的距离<10厘米这两个特征信息分别对应的第二权值都相对较高，则可得到用户意图打开语音输入功能的概率较高。如果概率大于0.8，则终端设备将自动打开语音输入功能供用户直接进行语音输入，以免用户手动操作打开语音输入功能。

在本实施例的一些可选的实现方式中，步骤202可以包括：针对每个预定用户场景，根据上述预定用户场景对应的上述至少一个特征信息中的各个特征信息各自对应的上述第一权值，通过计算上述至少一个特征信息的值的加权平均值，获得上述预定用户场景对应的概率；确定概率最高的预定用户场景为当前用户场景。例如，假设在用户场景周末在家下，上述至少一个特征信息中的各个特征信息各自对应的上述第一权值为{时间白天：0.1，时间晚上：0.4，应用外卖：0.4，应用微信：0.1}，如果用户正在晚上使用外卖应用，则获取到的特征信息的值可以为{时间上午：0，时间下午：0，时间晚上：1，应用外卖：1，应用微信：0，…}，然后可以计算出用户发出预定指令的概率＝1×0.3+1×0.4＝0.7，其中，各个特征信息的值还可以为0～1之间的数字，以表示特征信息为真的可能性。

在本实施例的一些可选的实现方式中，上述第二权值可以是预先通过对在各个预定用户场景下收集到的用户发出上述预定指令时上述特征信息集合中的每一个特征信息的数据进行统计获取的。该统计方法与第一权值的统计方法类似，只是统计的特征信息不完全相同(此处统计上述特征信息集合中的每一个特征信息的数据)，其余处理可参考第一权值的统计方法。

在本实施例的一些可选的实现方式中，步骤203可以包括：根据获取到的各个特征信息各自对应的上述第二权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。例如，假设在周末在家的用户场景下，上述特征信息集合中各个特征信息及其对应的第二权值为：{时间白天：0.1，时间晚上：0.1，应用外卖：0.3，应用微信：0.1，距离小于10厘米：0.4}，假设用户正于晚上使用外卖应用并且与终端设备的距离为8厘米，获取到的特征信息的值可以为{时间白天：0，时间晚上：1，应用外卖：1，应用微信：0，距离小于10厘米：1}，则可以计算出用户发出预定指令的概率＝(1×0.1+1×0.3+1×0.4)/(0.1+0.1+0.3+0.1+0.4)＝0.8，其中，各个特征信息的值还可以为0～1之间的数字，以表示特征信息为真的可能性。

本实施例提供的指令执行方法，通过基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的上述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景，并基于上述获取到的特征信息的值，以及预定的在上述当前用户场景下上述特征信息集合中各个特征信息对应的第二权值，计算用户发出预定指令的概率，实现了针对不同的用户场景，对用户执行指令的意图的判断，从而较准确地判断用户执行指令的意图。并通过在上述概率大于等于预定的阈值时执行上述预定指令，使得用户无需手动对智能终端进行操作，从而提高了指令执行效率。

进一步参考图3，图3示出了根据本申请的指令执行方法的另一个实施例的流程300。

如图3所示，本实施例的指令执行方法包括以下步骤：

步骤301，监测特征信息集合中任一特征信息的变化，并响应于上述变化，获取上述特征信息集合中每个特征信息的值。

其中，上述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离。

在本实施例中，步骤301的具体处理可参考图2对应实施例中步骤201的相关说明，在此不再赘述。

步骤302，基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的上述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景。

在本实施例中，步骤302的具体处理可参考图2对应实施例中步骤202的相关说明，在此不再赘述。

步骤303，基于预定的在上述当前用户场景下上述特征信息集合中各个特征信息对应的第二权值，以及预存的与当前用户对应的上述特征信息集合中各个特征信息对应的第三权值，计算当前上述特征信息集合中各个特征信息对应的联合权值。

在本实施例中，电子设备(例如图1所示的终端设备或服务器)可以通过各种预定的公式来计算上述联合权值，例如：将第二权值和第三权值的平均值作为上述联合权值。其中，关于本实施例中的第二权值的说明可参考上述对图2对应实施例中的第二权值的说明，在此不再赘述。上述第三权值与用户对应，每个用户都有各自对应的上述特征信息集合中各个特征信息对应的第三权值，第三权值用于表征对于某个用户，特征信息对于判断该用户发出预定指令的意图的重要性。例如，如果某用户在启用语音输入前通常会张嘴，则该用户对应的上下嘴唇的间距这个特征信息对应的第三权值可以高一些。从而可以对上述特征信息集合中各个特征信息根据用户个性(行为、习惯)来定制不同的权值。

步骤304，基于上述获取到的特征信息的值，以及上述当前上述特征信息集合中各个特征信息对应的联合权值，计算用户发出预定指令的概率。

在本实施例中，步骤304与图2对应实施例中步骤203的区别仅在于，将步骤203中的第二权值替换为上述联合权值，其余处理可参考图2对应实施例中步骤203的相关说明，在此不再赘述。

步骤305，如果上述概率大于等于预定的阈值，则执行上述预定指令。

在本实施例中，步骤305的具体处理可参考图2对应实施例中步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述第三权值可以是预先通过对上述用户发出上述预定指令时上述特征信息集合中每一个特征信息的数据进行统计获取的。该统计方法与图2对应实施例中的第一权值、第二权值的统计方法类似，只是采集数据的时机(此处是在用户发出上述预定指令时采集数据)、数据来源(此处是只针对某个用户采集特征信息的数据)、统计的特征信息可能不完全相同(此处统计上述特征信息集合中的每一个特征信息的数据)，其余处理可参考第一权值、第二权值的统计方法。该实现方式通过对特定用户的行为习惯的数据采集，并通过对采集到的数据进行统计计算，得到了更科学、准确的与该用户对应的上述特征信息集合中各个特征信息对应的第三权值。

在本实施例的一些可选的实现方式中，步骤303可以包括：针对上述特征信息集合中的每一个特征信息，根据预设的第二权值和第三权值的权值，计算上述特征信息对应的第二权值和第三权值的加权平均值；针对上述特征信息集合中的每一个特征信息，计算上述特征信息对应的第二权值和第三权值的加权平均值与所有特征信息对应的第二权值和第三权值的加权平均值之和的比值，作为上述特征信息对应的联合权值。其中，第二权值和第三权值的权值可以由人工根据经验设定。例如，如果认为用户场景对于判断用户发出预定指令的意图更为重要，可以将第二权值的权值设高一些；如果认为用户个性(行为、习惯)对于判断用户发出预定指令的意图更为重要，可以将第三权值的权值设高一些。通过该实现方式，使得联合权值的计算更加科学、准确，从而使后续计算的用户发出预定指令的概率更加准确。

在本实施例的一些可选的实现方式中，步骤304可以包括：根据获取到的上述特征信息集合中每一个特征信息各自对应的联合权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。该实现方式的计算方法与图2对应实施例中步骤203的可选实现方式中的计算方法类似，区别仅在于，将步骤203的可选实现方式中的第二权值替换为上述联合权值，其余处理可参考参考图2对应实施例中步骤203的可选实现方式的相关说明，在此不再赘述。

从图3中可以看出，与图2对应的实施例相比，本实施例中的指令执行方法的流程300增加了用于表征用户个性的第三权值参与对用户发出预定指令的概率的计算。由此，本实施例描述的方案可以更准确地判断用户发出预定指令的意图。

继续参考图4，作为对上述各图所示方法的实现，本申请提供了一种指令执行装置的一个实施例，该装置实施例与图2所示的方法实施例相对应。

如图4所示，本实施例上述的指令执行装置400包括：特征信息获取单元401、用户场景确定单元402、用户意图确定单元403和指令执行单元404。其中，特征信息获取单元401用于监测特征信息集合中任一特征信息的变化，并响应于上述变化，获取上述特征信息集合中每个特征信息的值，其中，上述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；用户场景确定单元402用于基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的上述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景；用户意图确定单元403用于基于上述获取到的特征信息的值，以及预定的在上述当前用户场景下上述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率；指令执行单元404用于在上述概率大于等于预定的阈值时，执行上述预定指令。

在本实施例中，特征信息获取单元401、用户场景确定单元402、用户意图确定单元403和指令执行单元404的具体处理可分别参考图2对应实施例中步骤201、步骤202、步骤203、步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，指令执行单元404可以用于在所述概率大于等于预定的阈值时，打开或关闭语音输入功能。该实现方式的的具体处理可参考图2对应实施例中相应实现方式的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述指令执行装置还可以包括第一权值获取单元405，用于预先通过对在各个预定用户场景下收集到的上述至少一个特征信息中的各个特征信息的数据进行统计获取第一权值。该实现方式的具体处理可参考图2对应实施例中相应实现方式的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，用户场景确定单元402可以包括：场景概率计算子单元4021，用于针对每个预定用户场景，根据上述预定用户场景对应的上述至少一个特征信息中的各个特征信息各自对应的上述第一权值，通过计算上述至少一个特征信息的值的加权平均值，获得上述预定用户场景对应的概率；用户场景确定子单元4022，用于确定概率最高的预定用户场景为当前用户场景。场景概率计算子单元4021和用户场景确定子单元4022的具体处理可参考图2对应实施例中相应实现方式的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述指令执行装置还可以包括第二权值获取单元406，用于获取预先通过对在各个预定用户场景下收集到的用户发出上述预定指令时上述特征信息集合中的每一个特征信息的数据进行统计获取的第二权值。第二权值获取单元406的具体处理可参考图2对应实施例中相应实现方式的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，用户意图确定单元403还可以用于根据获取到的各个特征信息各自对应的上述第二权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。该实现方式的具体处理可参考图2对应实施例中相应实现方式的相关说明，在此不再赘述。

此外，在本实施例的一些可选的实现方式中，用户意图确定单元403可以包括：联合权值获取子单元4031，用于基于预定的在上述当前用户场景下上述特征信息集合中各个特征信息对应的第二权值，以及预存的与当前用户对应的上述特征信息集合中各个特征信息对应的第三权值，计算当前上述特征信息集合中各个特征信息对应的联合权值；用户意图确定子单元4032，用于基于上述获取到的特征信息的值，以及上述当前上述特征信息集合中各个特征信息对应的联合权值，计算用户发出预定指令的概率。联合权值获取子单元4031和用户意图确定子单元4032的具体处理可分别参考图3对应实施例中步骤303、步骤304的相关说明，在此不再赘述。

基于上一实现方式，在本实施例的一些可选的实现方式中，上述指令执行装置还可以包括第三权值获取单元407，用于获取预先通过对上述用户发出上述预定指令时上述特征信息集合中每一个特征信息的数据进行统计获取的第三权值。第三权值获取单元407的具体处理可参考图3对应实施例中相应实现方式的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，联合权值获取子单元4031可以包括：加权平均值获取模块(图中未示出)，用于针对上述特征信息集合中的每一个特征信息，根据预设的第二权值和第三权值的权值，计算上述特征信息对应的第二权值和第三权值的加权平均值；联合权值获取模块(图中未示出)，用于针对上述特征信息集合中的每一个特征信息，计算上述特征信息对应的第二权值和第三权值的加权平均值与所有特征信息对应的第二权值和第三权值的加权平均值之和的比值，作为上述特征信息对应的联合权值。加权平均值获取模块和联合权值获取模块的具体处理可参考图3对应实施例中相应实现方式的相关说明，在此不再赘述。

相应地，在本实施例的一些可选的实现方式中，用户意图确定子单元还可以用于根据获取到的上述特征信息集合中每一个特征信息各自对应的联合权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。该实现方式的具体处理可参考图3对应实施例中相应实现方式的相关说明，在此不再赘述。

本领域技术人员可以理解，上述指令执行装置400还可以包括一些其他公知结构，例如处理器、存储器等，为了不必要地模糊本公开的实施例，这些公知的结构在图4中未示出。

本实施例提供的指令执行装置，通过用户场景确定单元402基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的上述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景，并通过用户意图确定单元403基于上述获取到的特征信息的值，以及预定的在上述当前用户场景下上述特征信息集合中各个特征信息对应的第二权值，计算用户发出预定指令的概率，实现了针对不同的用户场景，对用户执行指令的意图的判断，从而较准确地判断用户执行指令的意图。然后通过指令执行单元404在上述概率大于等于预定的阈值时执行上述预定指令，使得用户无需手动对智能终端进行操作，从而提高了指令执行效率。

下面参考图5，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统500的结构示意图。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 6501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标，或触屏、按键等的输入部分506；包括诸如显示屏等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质611被安装。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括特征信息获取单元、用户场景确定单元、用户意图确定单元和指令执行单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，指令执行单元还可以被描述为“执行上述预定指令的单元”。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：监测特征信息集合中任一特征信息的变化，并响应于所述变化，获取所述特征信息集合中每个特征信息的值，其中，所述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景；基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率；如果所述概率大于等于预定的阈值，则执行所述预定指令。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (20)

1.一种指令执行方法，其特征在于，所述方法包括：

监测特征信息集合中任一特征信息的变化，并响应于所述变化，获取所述特征信息集合中每个特征信息的值，其中，所述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；

基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景；

基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率；

如果所述概率大于等于预定的阈值，则执行所述预定指令。

2.根据权利要求1所述的方法，其特征在于，所述预定指令是用于打开或关闭语音输入功能的指令。

3.根据权利要求1所述的方法，其特征在于，所述第一权值是预先通过对在各个预定用户场景下收集到的所述至少一个特征信息中的各个特征信息的数据进行统计获取的。

4.根据权利要求1所述的方法，其特征在于，所述基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景，包括：

针对每个预定用户场景，根据所述预定用户场景对应的所述至少一个特征信息中的各个特征信息各自对应的所述第一权值，通过计算所述至少一个特征信息的值的加权平均值，获得所述预定用户场景对应的概率；

确定概率最高的预定用户场景为当前用户场景。

5.根据权利要求1所述的方法，其特征在于，所述第二权值是预先通过对在各个预定用户场景下收集到的用户发出所述预定指令时所述特征信息集合中的每一个特征信息的数据进行统计获取的。

6.根据权利要求1-5任一所述的方法，其特征在于，所述基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率，包括：

根据获取到的各个特征信息各自对应的所述第二权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。

7.根据权利要求1-5任一所述的方法，其特征在于，所述基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率，包括：

基于预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，以及预存的与当前用户对应的所述特征信息集合中各个特征信息对应的第三权值，计算当前所述特征信息集合中各个特征信息对应的联合权值；

基于所述获取到的特征信息的值，以及所述当前所述特征信息集合中各个特征信息对应的联合权值，计算用户发出预定指令的概率。

8.根据权利要求7所述的方法，其特征在于，所述第三权值是预先通过对所述用户发出所述预定指令时所述特征信息集合中每一个特征信息的数据进行统计获取的。

9.根据权利要求7所述的方法，其特征在于，所述基于预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，以及预存的与当前用户对应的所述特征信息集合中各个特征信息对应的第三权值，计算当前所述特征信息集合中各个特征信息对应的联合权值，包括：

针对所述特征信息集合中的每一个特征信息，根据预设的第二权值和第三权值的权值，计算所述特征信息对应的第二权值和第三权值的加权平均值；

针对所述特征信息集合中的每一个特征信息，计算所述特征信息对应的第二权值和第三权值的加权平均值与所有特征信息对应的第二权值和第三权值的加权平均值之和的比值，作为所述特征信息对应的联合权值。

10.根据权利要求7所述的方法，其特征在于，所述基于所述获取到的特征信息的值，以及所述当前所述特征信息集合中各个特征信息对应的联合权值，计算用户发出预定指令的概率，包括：

根据获取到的所述特征信息集合中每一个特征信息各自对应的联合权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。

11.一种指令执行装置，其特征在于，所述装置包括：

特征信息获取单元，用于监测特征信息集合中任一特征信息的变化，并响应于所述变化，获取所述特征信息集合中每个特征信息的值，其中，所述特征信息集合包括以下特征信息中的至少一个：系统时间、本机位置、用户使用的应用、用户面部特征、用户动作、用户与本机之间的距离；

用户场景确定单元，用于基于获取到的特征信息的值中的至少一个特征信息的值，以及各个预定用户场景对应的所述至少一个特征信息中的各个特征信息对应的预定第一权值，确定当前用户场景；

用户意图确定单元，用于基于所述获取到的特征信息的值，以及预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，获取用户发出预定指令的概率；

指令执行单元，用于在所述概率大于等于预定的阈值时，执行所述预定指令。

12.根据权利要求11所述的装置，其特征在于，指令执行单元用于在所述概率大于等于预定的阈值时，打开或关闭语音输入功能。

13.根据权利要求11所述的装置，其特征在于，所述装置还包括第一权值获取单元，用于预先通过对在各个预定用户场景下收集到的所述至少一个特征信息中的各个特征信息的数据进行统计获取第一权值。

14.根据权利要求11所述的装置，其特征在于，所述用户场景确定单元包括：

场景概率计算子单元，用于针对每个预定用户场景，根据所述预定用户场景对应的所述至少一个特征信息中的各个特征信息各自对应的所述第一权值，通过计算所述至少一个特征信息的值的加权平均值，获得所述预定用户场景对应的概率；

用户场景确定子单元，用于确定概率最高的预定用户场景为当前用户场景。

15.根据权利要求11所述的装置，其特征在于，所述装置还包括第二权值获取单元，用于预先通过对在各个预定用户场景下收集到的用户发出所述预定指令时所述特征信息集合中的每一个特征信息的数据进行统计获取第二权值。

16.根据权利要求11-15任一所述的装置，其特征在于，所述用户意图确定单元还用于根据获取到的各个特征信息各自对应的所述第二权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。

17.根据权利要求11-15任一所述的装置，其特征在于，所述用户意图确定单元包括：

联合权值获取子单元，用于基于预定的在所述当前用户场景下所述特征信息集合中各个特征信息对应的第二权值，以及预存的与当前用户对应的所述特征信息集合中各个特征信息对应的第三权值，计算当前所述特征信息集合中各个特征信息对应的联合权值；

用户意图确定子单元，用于基于所述获取到的特征信息的值，以及所述当前所述特征信息集合中各个特征信息对应的联合权值，计算用户发出预定指令的概率。

18.根据权利要求17所述的装置，其特征在于，所述装置还包括第三权值获取单元，用于预先通过对所述用户发出所述预定指令时所述特征信息集合中每一个特征信息的数据进行统计获取第三权值。

19.根据权利要求17所述的装置，其特征在于，所述联合权值获取子单元包括：

加权平均值获取模块，用于针对所述特征信息集合中的每一个特征信息，根据预设的第二权值和第三权值的权值，计算所述特征信息对应的第二权值和第三权值的加权平均值；

联合权值获取模块，用于针对所述特征信息集合中的每一个特征信息，计算所述特征信息对应的第二权值和第三权值的加权平均值与所有特征信息对应的第二权值和第三权值的加权平均值之和的比值，作为所述特征信息对应的联合权值。

20.根据权利要求17所述的装置，其特征在于，所述用户意图确定子单元还用于根据获取到的所述特征信息集合中每一个特征信息各自对应的联合权值，通过计算获取到的特征信息的值的加权平均值，获得用户发出预定指令的概率。