CN106575292B - 用于跨应用填写表单的命名实体的概念识别和捕获 - Google Patents

用于跨应用填写表单的命名实体的概念识别和捕获 Download PDF

Info

Publication number
CN106575292B
CN106575292B CN201580044005.7A CN201580044005A CN106575292B CN 106575292 B CN106575292 B CN 106575292B CN 201580044005 A CN201580044005 A CN 201580044005A CN 106575292 B CN106575292 B CN 106575292B
Authority
CN
China
Prior art keywords
text
concept
name
user
text field
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.)
Expired - Fee Related
Application number
CN201580044005.7A
Other languages
English (en)
Other versions
CN106575292A (zh
Inventor
马蒂厄·赫伯特
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.)
Nuance Communications Inc
Original Assignee
Nuance Communications Inc
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 Nuance Communications Inc filed Critical Nuance Communications Inc
Publication of CN106575292A publication Critical patent/CN106575292A/zh
Application granted granted Critical
Publication of CN106575292B publication Critical patent/CN106575292B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G06F40/174—Form filling; Merging
    • 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
    • G06F40/295—Named entity recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • User Interface Of Digital Computer (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

所公开的方法和系统针对概念识别和捕获。方法和系统可包括：由设备接收包括一个或多个词语的第一自然语言输入；以及经由自然语言处理引擎分析第一自然语言输入以识别与一个或多个词语相关的一个或多个命名实体，其中，一个或多个命名实体中的每个与多个类别中的至少一个类别相关。该方法和系统还可包括：检测被配置为接收文本的文本字段，该文本字段与多个类别中的一个相关；以及基于文本字段与和一个或多个命名实体中的一个命名实体同一类别相关，将一个或多个识别的命名实体中的一个输入到文本字段中。

Description

用于跨应用填写表单的命名实体的概念识别和捕获
相关申请的交叉引用
本申请要求2014年8月18日提交的且标题为“CONCEPT IDENTIFICATION ANDCAPTURE”的序列号为14/461,589的美国专利申请的优先权，该专利申请的公开内容以其整体通过引用并入本文并作为本文的部分。
领域
本申请通常涉及计算机和计算机软件。更具体地，本文描述的方面涉及自然语言处理软件应用，以及涉及用于概念识别和捕获的语言解析机制。
背景
自然语言处理(NLP)和自然语言理解(NLU)涉及使用计算机处理以从(如，口头的或基于文本的)自然语言输入提取有意义的信息。更多的应用使用NLP和NLU来与用户交互。用户面对的问题是不得不在多个应用中一次又一次地键入文本，这浪费时间和精力。
概述
下文呈现了简化概述，以便提供对本公开的一些方面的基本理解。该概述并不是本公开的广泛综述。其既不意欲确定本公开的关键或重要元素也不描绘本公开的范围。下面的概述仅仅以简化的形式呈现本公开的一些概念，作为下面的描述的序言。
鉴于对向用户提供以较不繁琐的方式输入文本的能力的应用的识别的需要，本公开的一个或多个方面提供了一种方法，该方法可包括：由设备接收包括一个或多个词语的第一自然语言输入；以及经由自然语言处理引擎分析第一自然语言输入以识别与一个或多个词语相关的一个或多个命名实体，其中，一个或多个命名实体中的每个与多个类别中的至少一个类别相关。该方法还可包括：检测被配置为接收文本的文本字段，该文本字段与多个类别中的一个类别相关；以及基于文本字段与和一个或多个命名实体中的一个命名实体的类别相同的类别相关，将一个或多个识别的命名实体中的所述一个命名实体输入到文本字段中。
在一些实施例中，所述自然语言输入由第一应用接收，并且所输入的识别的命名实体被输入到第二应用中。
在一些实施例中，所述第一应用包括电子邮件应用和文本消息应用中的至少一个，而所述第二应用包括基于搜索的应用。
在一些实施例中，所述方法还包括：基于与所述一个或多个识别的命名实体相关的类别和所述第二应用的类型之间的关联，对所述一个或多个识别的命名实体进行排名；以及列出所排名的一个或多个识别的命名实体的至少部分。
在一些实施例中，所述方法还包括在对应于与最高排名的识别的命名实体相关的类别的所述文本字段中输入所述最高排名的识别的命名实体。
在一些实施例中，分析所述第一自然语言输入响应于接收预定的用户输入。
在一些实施例中，所述预定的用户输入是长按和选择文本中的一个。
在一些实施例中，所述一个或多个识别的命名实体被储存在缓存中，所述方法还包括响应于检测到所述文本字段，显示包括在所述缓存中储存的所述一个或多个识别的命名实体中的至少一个的列表。
在一些实施例中，所述一个或多个词语包括缩写、日期或时间中的至少一个，并且其中与所述缩写、所述日期或所述时间相关的所述一个或多个识别的命名实体包括表层形式和规范形式，所述规范形式使用附加于所述一个或多个词语的信息并基于语法和历史数据中的至少一个来确定，所述表层形式包括所述一个或多个词语中的至少一个。
在一些实施例中，输入到所述文本字段中通过以下步骤来实施：输出包括对应于与所述文本字段相关的类别的多个识别的命名实体的列表；接收选择所输出的多个识别的命名实体中的一个的用户输入；以及将所述多个识别的命名实体中的所选择的一个输入到所述文本字段中。
本公开的一个或多个方面提供了一种系统，该系统包括：至少一个处理器；以及存储指令的至少一个存储器，当指令被至少一个处理器执行时，使系统实施一个或多个步骤。系统可实施的步骤可包括：由设备接收包括一个或多个词语的第一自然语言输入；以及经由自然语言处理引擎分析第一自然语言输入，以识别与一个或多个词语相关的一个或多个命名实体，其中，一个或多个命名实体中的每个命名实体与多个类别中的至少一个类别相关。该步骤还可包括：检测被配置为接收文本的文本字段，该文本字段与多个类别中的一个类别相关；以及基于文本字段与和一个或多个命名实体中的一个命名实体的类别相同的类别相关，将一个或多个识别的命名实体中的一个识别的命名实体输入到文本字段中。
在一些实施例中，所述自然语言输入由第一应用接收，并且所输入的识别的命名实体被输入到第二应用中。
在一些实施例中，所述指令还使所述系统实施以下动作：基于与所述一个或多个识别的命名实体相关的类别和所述第二应用的类型之间的关联，对所述一个或多个识别的命名实体进行排名；以及列出所排名的一个或多个识别的命名实体的至少部分。
在一些实施例中，所述一个或多个识别的命名实体被储存在缓存中，所述系统响应于检测到所述文本字段，显示包括在所述缓存中储存的所述一个或多个识别的命名实体中的至少一个的列表。
在一些实施例中，所述一个或多个词语包括缩写、日期或时间中的至少一个，并且其中与所述缩写、所述日期或所述时间相关的所述一个或多个识别的命名实体包括表层形式和规范形式，所述规范形式使用附加于所述一个或多个词语的信息并基于语法和历史数据中的至少一个来确定，所述表层形式包括所述一个或多个词语中的至少一个。本公开的一个或多个方面提供一个或多个非暂时性计算机可读存储介质，其具有储存在其上的指令，当指令被一个或多个处理器执行时，可使一个或多个处理器实施步骤。一个或多个处理器实施的步骤可包括：由设备接收包括一个或多个词语的第一自然语言输入；以及经由自然语言处理引擎分析第一自然语言输入，以识别与一个或多个词语相关的一个或多个命名实体，其中，一个或多个命名实体中的每个命名实体与多个类别中的至少一个类别相关。该步骤还可包括：检测被配置为接收文本的文本字段，该文本字段与多个类别中的一个类别相关；以及基于文本字段与和一个或多个命名实体中的一个命名实体的类别相同的类别相关，将一个或多个识别的命名实体中的所述一个识别的命名实体输入到文本字段中。
在一些实施例中，所述自然语言输入由第一应用接收，并且所输入的识别的命名实体被输入到第二应用中。
在一些实施例中，所述指令还使所述一个或多个处理器实施以下动作：基于与所述一个或多个识别的命名实体相关的类别和所述第二应用的类型之间的关联，对所述一个或多个识别的命名实体进行排名；以及列出所排名的一个或多个识别的命名实体的至少部分。
在一些实施例中，所述一个或多个识别的命名实体被储存在缓存中，所述方法还包括响应于检测到所述文本字段，显示包括在所述缓存中储存的所述一个或多个识别的命名实体中的至少一个的列表。
在一些实施例中，所述一个或多个词语包括缩写、日期或时间中的至少一个，并且其中，与所述缩写、所述日期或所述时间相关的所述一个或多个识别的命名实体包括表层形式和规范形式，所述规范形式使用附加于所述一个或多个词语的信息并基于语法和历史数据中的至少一个来确定，所述表层形式包括所述一个或多个词语中的至少一个。将利用下面进一步详细讨论的公开的益处来理解这些和附加方面。
附图简述
可通过参照以下考虑到附图的描述来获得本文描述的方面的更完整的理解和其优势，其中相似的参考数字表示相似的特征，且在附图中：
图1描绘示出根据所公开的方面的示例系统的示意图。
图2描绘示出根据一个或多个所公开的方面的示例文本消息应用的示意图。
图3描绘示出根据一个或多个所公开的方面的示例浏览器应用的示意图。
图4描绘示出根据一个或多个所公开的方面的图示多个语义关系的示例图的示意图。
图5描绘示出根据一个或多个所公开的方面的示例浏览器应用的示意图。
图6描绘示出根据一个或多个所公开的方面的示例电子邮件应用的示意图。
图7描绘示出根据一个或多个所公开的方面的示例文本消息应用的示意图。
图8描绘示出根据一个或多个所公开的方面的示例媒体播放器应用的示意图。
图9A描绘示出根据一个或多个所公开的方面的示例浏览器应用的示意图。
图9B描绘示出根据一个或多个所公开的方面的示例浏览器应用的示意图。
图9C描绘示出根据一个或多个所公开的方面的示例浏览器应用的示意图。
图10描绘示出根据一个或多个所公开的方面的概念识别和捕获的示例过程的示意流程图。
详细描述
在各个实施方案的以下描述中，参考了上面确认并形成本文的一部分的附图，并且其中，通过说明的方式示出了可以实践本文描述的方面的各种实施方案。应当理解的是，可利用其它实施方案，并且在不脱离本文所描述的范围的情况下，可做出结构和功能的修改。各种方面能够是其它实施方案并能够以各种不同的方式实践或执行。
应当理解的是，本文所使用的措辞和术语是出于描述的目的，并且不应被视为限制性的。相反，本文所使用的短语和术语将被给出它们最广泛的解释和含义。“包括(including)”和“包含(comprising)”及其变型的使用旨在包括其后列出的项目及其等效物以及附加项目及其等效物。术语“安装”、“连接”、“耦合”、“定位”、“啮合”和类似术语的使用旨在包括直接和间接地安装、连接、耦合、定位和啮合。
图1图示了可用于实现本文描述的一个或多个说明性方面的网络架构和数据处理设备的一个示例。各个网络节点103、105、107和109可经由诸如互联网的广域网(WAN)101进行互连。还可使用或可选地使用其它网络，包括私有内联网、企业网络、LAN、无线网络、个人网络(PAN)等。网络101是为了说明的目的并且可以用更少或附加的计算机网络来代替。局域网(LAN)可具有任何已知的LAN拓扑中的一个或多个，并且可使用各种不同协议中的一个或多个，诸如以太网。设备103、105、107、109和其它设备(未示出)可经由双绞线、同轴电缆、光纤、无线电波或其它通信介质连接到一个或多个网络。
设备103、105、107、109可以是自动会话系统，其具有用于与用户进行自动对话过程的多个计算机实现的对话组件。设备103、105、107、109可允许人机对话布置。根据一些方面，设备103、105、107、109可包括多个计算机实现的对话组件，这些对话组件可被配置为互相通信并使用语境来缩小理解、识别和/或推理错误。在一些实施方案中，设备103、105、107、109可基于语言线索、对话语境和/或常规知识来检测和/或消解回指。
如本文所使用以及附图中所描述的术语“网络”不仅可以指其中远程存储设备经由一个或多个通信路径耦合在一起的系统，而且还可以指可不时地耦合到具有存储能力的这样的系统的独立地设备。因此，术语“网络”不仅包括“物理网络”，而且包括由位于全部物理网络上的归属于单个实体的数据组成的“内容网络”。
组件可包括数据服务器103、网络服务器105和客户端计算机107、109。数据服务器103提供对数据库的总访问、控制和管理，以及用于执行本文描述的一个或多个说明性方面的控制软件。数据服务器103可连接到网络服务器105，用户根据需要通过网络服务器105与数据交互并获得数据。可选地，数据服务器103可充当网络服务器本身，并直接地连接到互联网。数据服务器103可通过网络101(例如，互联网)经由直接或间接连接或经由一些其它网络连接到网络服务器105。用户可以使用远程计算机107、109来与数据服务器103进行交互，例如，经由通过网络服务器105托管的一个或多个外部暴露的网站连接至数据服务器103的网络浏览器。客户端计算机107、109可与数据服务器103结合使用以访问储存在其中的数据，或可用于其它目的。例如，从客户端设备107，用户可使用如本领域已知的互联网浏览器或通过执行在计算机网络(诸如互联网)上与网络服务器105和/或数据服务器103进行通信的软件应用来访问网络服务器105。
服务器和应用可被组合在相同的物理机器上，并且保留独立的虚拟或逻辑地址，或可驻留在独立的物理机器上。图1仅图示可以被使用的网络架构的一个示例，并且本领域中的技术人员将认识到，如在本文进一步所描述的，所使用的特定网络架构和数据处理设备可以改变，并且对于它们提供的功能来说是次要的。例如，通过网络服务器105和数据服务器103提供的服务可被组合在单一服务器上。
每个组件103、105、107、109可以是任何类型的已知计算机、服务器或数据处理设备。例如，数据服务器103可包括控制速率服务器103的总体操作的处理器111。数据服务器103还可包括RAM 113、ROM 115、网络接口117、输入/输出接口119(例如，键盘、鼠标、显示器、打印机等等)，以及存储器121。I/O119可包括用于读取、写入、显示和/或打印数据或文件的各种接口单元和驱动器。存储器121还可存储用于控制数据处理设备103的整体操作的操作系统软件123、用于指示数据服务器103执行本文描述的方面的控制逻辑125以及提供辅助、支持和/或可以或不可以结合本文描述的方面使用的其他功能的其它应用软件127。控制逻辑在本文中还可被称为数据服务器软件125。数据服务器软件的功能可以是基于被编码到控制逻辑中的规则自动做出的、由将输入提供到系统中的用户手动做出的操作或决定，和/或基于用户输入(例如，查询、数据更新等等)的自动处理的组合。
存储器121还可存储在本文描述的一个或多个方面的执行中使用的数据，包括第一数据库129和第二数据库131。在一些实施方案中，第一数据库可包括第二数据库(例如，作为单独的表、报告等)。也就是说，根据系统设计，信息可存储在单个数据库中，或分离成不同的逻辑、虚拟或物理数据库。设备105、107、109可以具有与关于设备103所述的架构类似或不同的架构。本领域的技术人员将认识到，如本文所述的数据处理设备103(或设备105、107、109)的功能可遍布多个数据处理设备，例如，以跨多个计算机而分布处理负载、以基于地理位置、用户访问级别、服务质量(QoS)等分隔事务。
本文描述的一个或多个方面可以体现在由如本文所描述的一个或多个计算机或其它设备执行的计算机可用或可读数据和/或计算机可执行指令中，诸如在一个或多个程序模块中。通常，程序模块包括例程、程序、对象、组件、数据结构等等，当其被计算机或其它设备中的处理器执行时，执行特定任务或实现特定的抽象数据类型。该模块可以用随后被编译用于执行的源代码编程语言来编写，或可以用诸如(但不限于)HTML或XML的脚本语言来编写。计算机可执行指令可被储存在计算机可读介质上，诸如硬盘、光盘、可移动存储介质、固态存储器、RAM等。如本领域中的技术人员将理解的，程序模块的功能可根据需要而在各种实施方案中组合或分布。此外，功能可整体或部分地体现在固件或硬件等同物中，诸如集成电路、现场可编程门阵列(FPGA)等。特定的数据结构可以被用于更有效实现一个或多个方面，并且预期这样的数据结构在本文所描述的计算机可执行指令和计算机可用数据的范围内。
本文描述的一个或多个方面针对自然语言理解。根据所公开的方面，文本样本可以是一个或多个字和/或词语的串。子串可以是串的一个或多个连续的字，其中，字的顺序被保留。文本样本的一个或多个字可以是下义词(相对低级的概念)，其对应于或以其它方式与一个或多个上义词(相对高级的概念)相关。本体可定义在上义词和下义词之间的语义关系。下义词可以是文本样本的单个字或文本样本的多个连续的字。将认识到，在一些实例中，上义词可以是另一个上义词的下义词。例如，“芝加哥”可以是上义词“城市”的下义词，而“城市”可以是上义词“位置”的下义词。因此，上义词可以是隶属于和/或以其它方式与下义词相关的类别或标签。在本体的另一示例中，音乐会可以是可具有与其相关的位置和日期的事件(例如，在7月26日下午8:00在麦迪逊广场花园的Jennifer Lopez音乐会)。因此，短语“让我们在Jennifer Lopez的音乐会上见”可意指在7月26日下午8:00在麦迪逊广场花园见。因此，音乐会(及其相关的信息，如时间、位置和日期)可以是“日期”、“位置”和“时间”的下义词的上义词(多个上义词)。附加示例将借助本公开的益处被理解。简单的上义词可以是单个上义词，而复杂的上义词可以是至少两个简单的上义词的连接。复杂的上义词可包括分隔符(如，“&”)，其将所连接的简单的上义词分隔。因此，复杂的上义词还可被称为连接的上义词。
本文描述的一个或多个方面针对内部概念映射。内部概念映射可以是将下义词映射到上义词的概念或键-值对的映射。例如，内部概念映射可将城市的名称(下义词)映射到概念“城市”(上义词)。在这个示例中，城市的名称可对应于映射的键，而“城市”的概念可对应于映射的值(如，“纽约”→“城市”)。内部概念映射可包括以下功能：搜索键-值对或概念；添加新的键-值对或概念以及执行本领域的技术人员将理解的与映射相关的其它类型的动作。
根据一些方面，一些概念可以是上义词和下义词两种。例如，“JFK纽约”概念可以是“位置”概念的下义词，其又可以是“机场城市”概念的下义词。
本公开的方面可利用语言资源，诸如可定义概念之间的语义关系的数据库。例如，外部语言资源因此可以是诸如例如WordNet的词汇数据库。外部语言资源的其它示例包括能够提供词典数据的字典，诸如，例如维基词典。语法构造系统可向外部语言资源提交请求，如，超文本传输协议(HTTP)请求，并在响应(如，HTTP响应)中接收结果。
本公开的方面可包括实现内部概念映射的基于文本的解析机制(如，浅解析机制)的自然语言处理引擎计算设备，该解析机制可分析包括字和/或词语的文本串(如，自然语言输入)以确定或识别概念或关键的命名实体，诸如，艺术家、日期、时间、位置、产品等。解析机制可以是序列标签机，其可使用如本文所讨论的上义词和/或下义词。解析机制可经由例如设备103、105、107、109上的应用来实现。解析机制可经由插件来实现。解析机制可在操作系统中实现，使得解析机制可以跨运行在操作系统上的许多应用来实现。所公开的方面可在其中被实现的应用的示例可包括基于文本消息的应用(如，SMS、TMS)、消息传递应用(如，即时消息服务，诸如WhatsApp等)、电子邮件应用、网络浏览器、字处理应用和/或任何基于文本的应用。
根据一些方面，每当文本诸如经由软键盘、经由基于语音的输入等被输入到计算设备中时，解析机制可以被调用/激活。还可以响应于用户输入，诸如，当用户在文本上按下(如，长按或短按)或点击(如，左键点击或右键点击)时激活解析机制。例如，在用户长按在移动设备上显示的文本后，各种选项可被显示给用户，诸如复制、全选、剪切等。因此，根据一些方面，“分析概念”选项可被显示给用户，使得用户可选择“分析概念”选项来启动解析机制。在一个示例中，用户可在选择“分析概念”选项之前选择/突出显示由解析机制分析的文本。在另一示例中，用户可能不需要选择/突出显示文本。在这种情况下，例如，用户可长按文本(而没有突出显示任何文本)，并且“分析概念”选项可被显示。在用户选择“分析概念”选项后，任何显示的文本可被分析。例如，在文本消息会话中，用户可在所接收的消息附近长按并接着选择“分析概念”选项。在这种情况下，所接收的消息可被分析。在其它情况下，所有显示的文本(如，包括所接收的消息的文本以及任何其它显示的文本)可被分析。根据一些方面，解析机制可自动地和/或连续地操作，使得任何显示的或所接收的文本可由设备分析而无需接收用户输入。在这种情况下，用户可选择选项以“自动地”或“连续地”分析设备上或应用内的文本。例如，SMS消息可为了概念而被自动地拦截和分析。所公开的解析机制的细节在下面被更详细地描述。
图2图示根据所公开的方面的显示用户和用户的朋友之间的(如，经由文本消息应用运行的)文本消息会话200的显示器201。在文本消息会话200中，用户可键入陈述“你看Jennifer Lopez的视频了吗？”的文本消息202。用户可接收来自用户的朋友的文本消息204，其可陈述“是的，太棒了！！！我听说她将在26日和27日来花园。歌曲I Love You很美，但是我真的喜欢JLo与pitbull的on the floor。”
根据一些方面，用户可希望根据用户刚刚从用户的朋友接收的信息来执行一个或多个动作。例如，用户可希望(如，在音乐应用中、经由浏览器应用在互联网上等)搜索歌曲“I Love You”或“On the Floor”，或搜索艺术家“Jennifer Lopez”或“Pitbull”。用户还可能希望搜索可能与这些歌曲或艺术家相关的音乐会/事件的票。例如，用户可希望使用浏览器应用经由例如售票网站来搜索这些艺术家。用户可希望使用全部被包括在文本消息204中的例如日期26日和27日或花园的地点来进一步缩小任何搜索结果。在这些情况中的一个或多个情况中，用户可需要将艺术家的名字、歌曲的标题、日期或地点键入到搜索字段中。用户可需要在(如，经由浏览器应用或门票经纪人应用运行的)文本消息应用和售票网站之间连续切换，以确保输入到售票网站的信息与文本消息中的信息匹配(如，以确定正确的拼写)。然而，根据本公开的方面，用户可使用解析机制来分析文本以识别可以在同一应用(如，文本消息应用)中或另一应用(如，网络浏览器应用)中使用的文本会话200的文本中的概念/命名实体。根据一些方面，所公开的特征可以与除了文本消息应用之外的应用(诸如电子邮件应用、网络浏览器、字处理应用和/或任何基于文本的应用)一起使用。
图3图示根据所公开的方面的显示用户和用户的朋友之间的文本消息会话200的显示器201。如图3所示，显示器201可包括操作框300，其可包括用于选择的一个或多个操作选项，诸如，全选302、复制304、剪切306和分析概念308。根据一些方面，响应于接收用户动作和/或在接收到用户动作之后，操作框300可被显示在设备(如，设备103、105、107、109)上。这种用户动作可包括例如，长按或短按、右键点击、轻敲显示器、(如，在软键盘或其它输入设备上)轻敲按钮，或其它输入。根据一些方面，操作框300可以被自动显示在设备上(如，没有用户动作)。
根据一些方面，用户可选择/突出显示将由实现解析机制的自然语言处理引擎计算设备分析的文本。例如，用户可突出显示来自文本消息204的“我听说她将在26日来到花园”。在突出显示文本后(如，紧随其后)，操作框300可被显示。用户然后可以选择分析概念操作308，其然后可以启动所公开的解析机制，并且所选择的文本然后可以根据(将在下面更详细地讨论的)本文公开的特征来被分析以识别所选择的文本中的概念。
在一些情况中，突出显示的文本可由解析机制对概念自动地分析。例如，用户可需要仅选择/突出显示文本(例如，没有附加输入)以用于解析机制解析和识别在所选择的/突出显示的文本中的概念。
根据一些方面，除所分析的(如，突出显示的)文本之外的文本可由解析机制在从突出显示的文本中识别命名实体/概念的过程中使用。例如，来自文本消息202的诸如“Jennifer Lopez”的信息可由解析机制使用，以识别来自文本消息204的突出显示的文本“我听说她将在26日来到花园”中的“她”。这可以是回指消解的示例。根据一些实施方案，所公开的方面可基于语言线索、对话语境和/或常规知识来检测和/或消解回指。
图4图示示出相对低级概念404a-q和相对高级概念402a-d之间的多个语义关系400a-d的图的示例。因此，概念404a-q可以是概念402a-d的下义词。如所示，概念404a-e可以是概念402a的下义词，概念404f-g可以是概念402b的下义词，概念404h-k可以是概念402c的下义词，并且概念404l-q可以是概念402d的下义词。所公开的解析机制可以分析/解析文本(例如，来自文本消息会话200的任何文本)以确定语义关系400a-d。例如，用户可以接近文本消息204长按，并且解析机制可以分析接近按压的位置的文本以确定关系402a-d。根据一些方面，诸如概念402a-d的高级概念可以是诸如概念404a-q的低级概念的类别或标签。这些类别可以用于将具有相似字符和/或关联的类似概念和/或概念进行分组。例如，概念404a-e可以各自识别一个或多个艺术家和/或与一个或多个艺术家相关。根据一些方面，概念可以包括一个或多个其它识别的概念，例如概念404d。例如，概念404d可以基于分析文本消息中的字来识别/生成和/或其可以基于概念404b和404c的组合来生成。
根据一些方面，所识别的概念可以包括表层形式/格式和/或规范形式/格式。例如，解析机制可以对一些概念(诸如与例如“日期”或“时间”的类别相关联的概念)实施规范化。注意，解析机制可以对与其它类别相关联的概念实施规范化。规范形式的概念可以包括在所分析的文本中可能不存在或不显示的文本，并且可以包括可以基于相关联的语境、语法、历史数据、元数据和/或其它信息来推断、收集和/或确定的信息和/或附加文本。例如，文本消息204陈述“...26日...”。“26日”的命名实体的规范形式的概念的示例可以包括概念404m(“7月26日”)或概念404n(“2014年7月26日”)。因此，在这个示例中，解析机制可以在确定概念404m和404n时使用其它信息，诸如当前或随后的月和/或年。对于“26日”的命名实体的表层形式的概念的示例可以是概念404l(“26日”)。解析机制可以对可以是缩写形式、首字母缩写形式、俚语形式和/或以其它方式表示其它字和词语的概念实施规范化。例如，文本消息204陈述“...我真的喜欢JLo的...”。对于“JLo”的命名实体的规范形式的概念的示例可以包括概念404b(“Jennifer Lopez”)。根据一些方面，规范化可以是基于语法的和/或基于统计的。
图5图示根据一个或多个公开的方面的显示可以在诸如设备103、105、107和/或109的设备上实现的浏览器应用500的显示器501的示例图。浏览器500可以包括搜索/URL字段502，其可以能够接收文本，并基于所接收的文本搜索互联网或者检索/去往网站。浏览器500可以包括网页504，该网页504可以包括字段506，其可以能够接收可以由浏览器500用来进行搜索(例如，音乐会门票搜索)的文本。浏览器500还可以包括查找框/字段508，其可以能够接收文本，并且基于所接收的文本进行查找操作。显示器501可以包括输入部分516，其可以包括软键盘514和建议框510。输入部分516可以包括其它类型的输入设备/组件。软键盘514可以是用于将字符输入到设备和/或应用(例如，应用500)中的屏幕显示的键盘。建议框510可以包括一个或多个建议512a-e，并且可以输入到应用(例如，应用500)中。
根据一些方面，建议512a-e可以包括一个或多个概念，诸如从文本消息会话200识别的概念404a-q中的一个或多个。例如，在用户已经启动/激活所公开的解析机制以从文本消息会话200识别概念之后，所识别的概念可以储存在缓存、剪贴板中和/或经由云存储被储存。缓存可以位于(例如，本地和/或远程定位的)一个或多个设备上和/或与应用、输入部分516或软键盘514相关联。例如，每当软键盘514被显示时(例如，诸如响应于能够接收文本的文本框或字段中的文本光标或焦点)，缓存的识别的概念可以从缓存中被检索，并且显示为例如，建议框510中的建议512a-e中的一个或多个。缓存可以是可配置的和/或老化的。根据一些方面，多于一个设备可以访问概念缓存(或其它存储设备/组件)。例如，缓存可以位于集中式和/或远程位置，诸如位于可以由诸如商业或企业实体的实体定位和/或控制的服务器或其它计算设备上。根据一些方面，多于一个设备可以访问缓存。例如，用户的移动设备和用户的朋友的移动设备可以各自生成相应的概念，将它们各自的概念存储/传输到公共/全局缓存，并从公共缓存访问/检索概念。在另一示例中，多个用户的设备可以访问单个缓存。例如，用户的手机和计算机可以各自生成相应的概念，将它们各自的概念存储/传输到公共缓存，并从公共缓存访问/检索概念。根据一些方面，概念可以在建议框中利用小图标和/或概念的缩略版本来识别。例如，概念“JenniferLopez”可以被标识为建议框510中的建议“lopez”。根据一些方面，建议512a-e还可以包括其它建议，诸如拼写建议、基于用户特定的字典和/或用户特定的N-gram偏差的建议等。
图6图示根据一个或多个公开的方面的显示可以在诸如设备103、105、107和/或109的设备上实现的电子邮件应用600的显示器601的示例图。电子邮件应用600可以包括“发送至：”字段602、“主题”字段604以及用于键入电子邮件正文的字段606。显示器601可以包括输入部分616，其可以包括软键盘614和建议框610。输入部分616可以包括其它类型的输入设备/组件。软键盘614可以是用于将字符输入到设备和/或应用(例如，应用600)中的屏幕显示的键盘。建议框610可以包括一个或多个建议612a-e，其可以类似于建议512a-e，可以从诸如概念404a-q的一个或多个概念导出，并且可以输入到应用(例如，应用600)中。
图7图示根据一个或多个公开的方面的显示可以在诸如设备103、105、107和/或109的设备上实现的文本消息应用700的显示器701的示例图。文本消息应用700可以包括“来自：”或“发送人：”字段702和706(如，其可以识别用户在文本消息中发送的文本或语言)以及“发送至：”或“接收者：”字段704(如，其可以识别接收者或除了用户之外的某人在文本消息中发送的文本或语言)。显示器701可以包括输入部分716，其可以包括软键盘714和建议框710。输入部分716可以包括其它类型的输入设备/组件。软键盘714可以是用于将字符输入到设备和/或应用(例如，应用700)中的屏幕显示的键盘。建议框710可以包括一个或多个建议712a-e，其可以类似于建议512a-e，可以从诸如概念404a-q的一个或多个概念导出，并且可以输入到应用(例如，应用700)中。
图8图示根据公开的方面的显示可以在诸如设备103、105、107和/或109的设备上实现的媒体播放器应用800的显示器801的示例图。应用800可以包括搜索字段802，搜索字段802可以由用户用于在艺术家或歌曲库中和/或在互联网上/经由互联网搜索艺术家和/或歌曲。应用800可以包括结果部分，该结果部分可以包括搜索的结果。这样的结果可以包括艺术家的姓名、歌曲标题名称等。显示器801还可以包括输入部分816，其可以类似于输入部分516、616和716。输入部分816可以包括软键盘814和建议框810。输入部分816可以包括其它类型的输入设备/组件。建议框810可以包括一个或多个建议812a-812e。每个建议812a-812e可以包括一个或多个概念，诸如从文本消息会话200识别的概念404a-q中的一个或多个。如所示，建议812a可对应于概念“Jennifer Lopez”，建议812b可对应于概念“Pitbull”，建议812c可对应于概念“Jennifer Lopez/Pitbull”，建议812d可对应于概念“ILove You”，以及建议812e可以对应于概念“On the Floor”。与建议812a-e对应的概念可以存储在可以位于设备上的和/或与媒体播放器应用800相关的缓存中。例如，设备可以包括可以用于存储媒体播放器应用800的概念的缓存，并且在打开媒体播放器应用800之后，对应的缓存可以被访问以用于检索存储在该缓存中的一个或多个概念。根据一些方面，设备可以包括可以存储可以由多于一个应用使用的一个或多个概念的缓存(例如，通用或全局缓存)。
根据一些实施方案，可以响应于检测到文本字段(诸如字段802)来显示建议框810。例如，在用户已经使用解析机制分析了在文本消息会话200中的概念(或概念被自动分析，例如没有用户动作)之后，用户可以打开不同的应用，例如媒体播放器800。然后，用户可以(例如，通过触摸、鼠标等)将光标或焦点移动到搜索框802，诸如图8中的搜索框802的变暗的周界所示，使得用户可以搜索歌曲或艺术家。在用户将焦点移动到搜索框802之后，建议框810可以自动显示。根据一些方面，可以响应于用户动作，诸如长按、短按、右键点击和/或后续选择用于显示建议框810的选项来显示建议框810。
根据一些实施方案，概念可以基于从中检索概念的应用的类型(例如，文本消息会话200)和/或基于概念正在被使用或输入的应用的类型(例如，媒体播放器800)来进行排名。根据一些方面，这种排名可以基于概念和应用的类型之间的相关性。例如，因为媒体播放器800可以用于播放媒体(例如，歌曲)，所以媒体相关的概念(例如，艺术家、歌曲等)的排名可以高于非媒体相关的概念。当在应用800中使用时，较高等级的媒体相关的概念然后可以被显示为建议框810中的建议。根据一些实施方案，排名可以基于发送所接收或分析的文本(或以其它方式与所接收或分析的文本相关联)的实体。例如，如果同事(例如，在设备或地址簿中被识别为同事等)发送消息，则在该消息中识别的或与该消息相关联的概念可以根据工作相关主题进行排名。如果朋友(例如，用户具有许多来自其的电话呼叫和/或具有与其的文本消息等的某人)发送消息，则在该消息中识别的概念可以根据例如，休闲相关主题(例如，非工作相关主题)进行排名。根据一些实施方案，从过去的通信和/或会话中导出的信息可以用于对概念进行排名。根据一些实施方案，用户信息可以用于对概念进行排名，诸如用户的位置、用户的先前位置、用户可能已访问的网站、用户人口统计信息、用户设备上的游戏等。根据一些实施方案，概念可以基于概念的流行度和/或使用来进行排名。例如，从多个用户和/或设备生成的概念可以指示一些概念可以比其它概念更常被生成、选择和/或插入。因此，更常生成的概念的排名可以高于较不常生成、选择和/或插入的概念。在类似的示例中，流行度可以基于个体用户的概念的流行度。例如，用户可以更常生成、选择和/或插入比其他概念更多的一些概念。
根据一些实施方案，概念可以基于可以使用例如自然语言理解和/或语法来显示和/或输入到应用中的文本来进行排名。例如，在文本消息204中，用户的朋友可以陈述“我听说她将来到花园...”。用户可以利用解析机制来分析该文本。用户可接着决定使用已识别的概念来键入响应。例如，用户可以键入“我想去看”，并且基于当前对话和所分析的概念，“Jennifer Lopez”的概念可以是最高排名或高排名的概念/建议。因此，用户可以使用该建议在他的初始输入之后插入“Jennifer Lopez”。因此，用户可以输入完整的短语“我想去看Jennifer Lopez”。根据一些方面，可以在检测到输入文本时自动输入建议(例如，高或最高排名的建议)。例如，在用户在文本消息应用中键入/输入“我想去看”之后，概念“Jennifer Lopez”可以被自动地插入/输入。
在建议框810被显示之后，用户然后可以选择在建议框810中显示的建议812a-e中的一个或多个。例如，用户可以选择建议812a以将“Jennifer Lopez”输入到文本框802中，诸如图8所示。然后，用户可以基于该选择进行搜索，这可以产生结果部分804中所示的结果。然后，用户可以选择附加建议以输入到相同或附加的文本框中。因此，用户可以利用后续建议的输入来附加初始输入的建议的文本。根据一些方面，在用户已经将建议选择/输入到文本框中之后，在建议框810中显示的建议可以被重新排名。例如，可以在具有或不具有所选择的建议的情况下将建议进行重新排名。在另一示例中，可以基于语法和/或其它知识来对建议重新排名。
根据一些方面，概念可以被自动地输入到文本框中，诸如没有用户动作/输入。例如，在分析文本消息会话200以识别概念之后，用户可以打开应用800以搜索所识别的概念中的一个或多个。在这样的示例中，所识别的概念中的一个可以被自动地输入到搜索框802中。在一些情况下，最高排名的概念可以被自动输入到搜索框中。在一些情况下，概念(例如，相关联的类别或下义词)可以对应于文本框的类型、类别或分类(例如，文本框802是艺术家或歌曲的搜索框，以及自动输入的概念可以是艺术家或歌曲)。
图9A图示根据公开的方面的显示浏览器应用900的显示器901的示例图，该浏览器应用900示出可以在诸如设备103、105、107和/或109的设备上实现的网页908。网页908可以是用于销售和/或购买诸如戏剧、音乐会、体育赛事等事件的门票的网站的一部分。网页908可以包括搜索字段902，搜索字段902可以由用户用来搜索与网站上的事件相关的艺术家。网页908可以包括搜索字段904，搜索字段904可以由用户用来搜索与网站上的事件相关的地点或位置。网页908可以包括搜索字段906，搜索字段906可以由用户用来搜索与网站上的事件相关的日期或日期范围。显示器901还可以包括输入部分916，其可以类似于输入部分516、616、716和816。输入部分916可以包括软键盘914和建议框910。输入部分916可以包括其它类型的输入设备/组件。建议框910可以包括一个或多个建议，其包括一个或多个概念，诸如从文本消息会话200识别的概念404a-q中的一个或多个。
根据一些方面，与文本字段的类型或主题相关的概念可以显示在诸如建议框910的建议框中。例如，如图9A所示，焦点/光标可以在文本字段902上(例如，文本字段902被示为具有变暗的周界)，其可以对应于与在网站上列出的事件相关的艺术家。因此，当焦点/光标在文本字段902上时，建议框910中示出的建议可以对应于与艺术家对应的所识别的概念，因为文本字段902用于基于艺术家搜索事件。因此，如图9A所示，建议可以包括具有相关联的艺术家类别的概念(例如，图4中的402a)。例如，建议912a可以对应于概念“JLo”，建议912b可以对应于概念“Pitbull”，建议912c可以对应于概念“Jennifer Lopez/Pitbull”，并且建议912d可以对应于概念“Jennifer Lopez”。因此，根据一些方面，可以与当前在焦点和/或当前用于输入文本的文本字段的类型对应、匹配或以其它方式相关联的概念的排名可以高于其它概念。根据一些方面，例如在相应的文本字段在焦点中之后，这些较高排名的概念可以在建议框910中显示为建议。
图9B图示根据公开的方面的显示浏览器应用900的显示器901的示例图，该浏览器应用900示出可以在诸如设备103、105、107和/或109的设备上实现的网页908。如以上对于图9A所陈述的，与文本字段的类型或主题相关的概念可以显示在诸如建议框910的建议框中。例如，如图9B所示，焦点/光标可以在文本字段904上，其可以对应于与网站上的事件相关的地点或位置。因此，当焦点/光标在文本字段904上(例如，文本字段904被示为具有变暗的周界)时，建议框910中示出的建议可以对应于与地点或位置对应的所识别的概念，因为文本字段904用于基于地点或位置搜索事件。因此，如图9B所示，建议可以包括具有相关联的“位置”类别的概念(例如，图4中的402c)。例如，建议912e可以对应于概念“麦迪逊广场花园”，建议912f可以对应于概念“TD花园”，建议912g可以对应于概念“米高梅大花园竞技场(MGM Grand Garden Arena)”，并且建议912h可以对应于概念“花园”。根据一些方面，网页908的用户可以位于纽约附近，并且因此“麦迪逊广场花园”的建议912e的排名可以高于其它概念，并且可以列在建议框910中的第一位。下一个关闭场所(“TD花园”)可以排在第二位，并且可以列在第二位。
图9C图示根据公开的方面的显示浏览器应用900的显示器901的示例图，该浏览器应用900示出可以在诸如设备103、105、107和/或109的设备上实现的网页908。如以上对于图9A所陈述的，与文本字段的类型或主题相关的概念可以显示在诸如建议框910的建议框中。例如，如图9C所示，焦点/光标可以在文本字段906上，其可以对应于与在网站上列出的事件相关的日期或日期范围。因此，当焦点/光标在文本字段906上(例如，文本字段906被示为具有变暗的周界)时，建议框910中示出的建议可以对应于与日期对应的所识别的概念，因为文本字段904用于基于日期搜索事件。因此，如图9C所示，建议可以包括具有相关联的日期类别的概念(例如，图4中的402d)。例如，建议912i可以对应于概念“7月26日”，建议912j可以对应于概念“7月27日”，建议912k可以对应于概念“26日”，建议912l可以对应于概念“27日”，以及建议912m可对应于概念“2014年7月26日”。根据一些方面，文本字段的主题或类型(例如，艺术家等)之间的排名和/或关联可以基于可以包含关于可以被输入到特定文本字段中的数据的类型的信息的HTML(或其它代码)。例如，用于实现文本字段906的HTML可以包括表明只有日期可被输入到文本字段906中的代码。因此，解析机制可以检查用于实现文本字段906的HTML(或其它代码)，以确定和/或排名该字段的概念。在上面的示例中，HTML可以确定日期概念的排名可以高于其它概念，因为文本字段906的HTML可以指示只有日期可以被输入。尽管作为说明，上面的示例讨论了日期，但是可以使用任何其它类型的概念，诸如位置、艺术家等。
根据一些方面，用户可以使用第一类型的输入选择将第一概念输入到文本字段中，并且可以使用不同类型的输入选择将附加概念输入到文本字段中。例如，如果概念缓存针对“日期”的类别存储了概念“26日”(例如，表层形式)和“7月26日”(例如，规范形式)，则用户可以通过在文本字段上短按(或执行一些其它输入)来输入表层形式，并且可以通过在文本字段上长按(或执行一些其它输入)来输入规范形式。可选地，用户可以例如，在文本字段上长按(或执行一些其它输入)，然后其可以在建议框中产生对于概念“26日”和“7月26日”的建议，用户然后可以选择这两个中的一个。
虽然本文的示例与文本消息应用、浏览器应用、媒体播放器应用和电子邮件应用有关，但是所公开的方面可以与任何应用一起使用，诸如基于文本的应用、基于语音的应用等。
图10是图示根据本文描述的一个或多个特征的用于概念识别和输入的解析机制的流程示意图的说明性过程1000。在一个或多个实施方案中，图10中示出的过程1000和/或其一个或多个步骤可以由诸如设备103、105、107和/或109的计算设备执行。在其它实施方案中，可以用计算机可执行指令实施图10中示出的过程和/或其一个或多个步骤，其中计算机可执行指令存储在诸如非暂时性计算机可读存储器的计算机可读介质中。图10中任何公开的步骤(和/或本文中的相关描述)可以被省略、可以以除了所阐述的顺序之外的顺序执行、重复和/或组合。
过程1000可以从步骤1002开始，其中语言输入(例如，基于文本的自然语言等)可以由计算设备上的应用接收。语言输入可以在设备的显示屏上显示文本。应用可以是例如，基于文本消息的应用(例如，SMS、TMS)、消息传递应用(例如，诸如WhatsApp等的即时消息服务)、电子邮件应用、网络浏览器、字处理应用和/或任何基于文本的应用。例如，如以上在图4中所示，用户可以键入陈述“你看Jennifer Lopez的视频了吗？”的文本消息202。用户可从用户的朋友接收文本消息204，其可陈述“是的，太棒了！！！我听说她将在26日和27日来花园。歌曲I Love You很美，但是我真的喜欢JLo与pitbull的on the floor。”
在步骤1004，设备和/或应用可以识别/接收与语言输入相关的用户动作。例如，用户可以在语言输入的一部分附近长按或短按、右键点击、轻敲显示器、(例如，在软键盘或其它输入设备上)轻敲按钮、选择/突出显示文本或执行一些其它输入。在一个示例中，“分析概念”的选项然后可以被显示给用户以分析邻近文本和/或所选择的文本，以根据一个或多个公开的特征来识别一个或多个概念/命名实体。根据一些方面，可能不需要用户动作来启动分析一个或多个概念/命名实体的文本的动作。例如，在文本被输入到用户的软键盘中之后，诸如当用户键入文本消息时，可以针对一个或多个概念/命名实体分析文本。在文本经由语音提示被输入到设备中后，可以针对一个或多个概念/命名实体分析文本。可以通过截取可能已经由设备接收和/或传输的文本并且自动分析该文本来针对一个或多个概念/命名实体分析文本。例如，设备可截取短的、高度目标性的项目，诸如SMS消息，并针对一个或多个概念/命名实体分析它们。在一些情况下，所突出显示的文本可由解析机制对概念自动地分析。
在步骤1006，设备和/或应用可分析语言输入的文本(例如，所选择的或识别的文本)以识别在所分析的文本内和/或与其相关的命名实体和/或概念。因此，用户可解析/分析文本以识别例如可用作在同一应用或另一应用中的基于文本的输入的概念/命名实体。例如，可以识别在所分析的文本中(或与其相关)的诸如图4中示出的概念/命名实体的语义关系。关系可以在例如上义词和下义词之间。例如，如图4所示，“I Love You”的概念404f和“On the Floor”的概念404g可以是“歌曲”上义词402b的下义词。根据一些实施方案，上义词可以是一个或多个下义词的类别或分类。例如，“I Love You”的概念404f和“On theFloor”的概念404g可以被归类/分类为歌曲(如，因为它们被Jennifer Lopez命名歌曲)，并且因此可与“歌曲”上义词402b相关。根据一些方面，上义词可以是下义词。例如，“歌曲”402b和“艺术家”402a的上义词可以是上义词“艺术”等的下义词。
在步骤1008，计算设备可检测文本字段，诸如在计算设备上运行的应用中的文本字段和/或与在计算设备上运行的应用相关的文本字段。例如，用户可能希望在媒体播放器应用中搜索歌曲“I Love You”。用户可打开媒体播放器应用，并且然后将焦点或光标移动到搜索文本字段。在检测到文本框后，所识别的概念中的一个或多个可作为用于输入到文本框中的建议被显示给用户。所显示的概念可包括比其它不显示的概念排名更高的概念，诸如上面所讨论的。根据一些方面，文本字段可经由操作系统和/或应用的一个或多个特征和/或组件来检测。例如，诸如自动填充联系人信息特征的“自动填充”特征可用于检测文本字段。例如，在在线购物站点上，自动填充特征可以在用户将用户的姓名输入到单独的姓名文本字段中后开始和/或提示用户用用户的地址填写地址文本字段。因此，所公开的方面可经由在应用和/或操作系统上实现的自动填充特征来检测文本字段和/或确定文本字段的类型。另外，任何元数据或其它信息可用于确定文本字段的类型。例如，文本字段的前面可以是“艺术家”，并且所公开的方面可以确定在字“艺术家”之后的文本字段可以与艺术家概念有关和/或对应。
根据一些方面，可在用户打开应用后检测文本字段，而不需要用户将焦点或光标移动到文本字段。因此，在一些情况下，所识别的概念中的一个或多个可作为用于输入到文本框中的建议被显示给用户。在一些情况下，所识别的概念中的一个或多个(诸如最高排名的概念或较高排名的概念)可被自动输入到文本字段中(如，不需要用户将焦点或光标移动到文本字段)。
在步骤1010，设备和/或应用可以接收/识别与所识别的概念相关的用户动作。例如，用户可选择被显示为用于输入到文本字段中的建议的概念。在一些情况下，用户可短按文本框以具有输入到文本框中的概念(如，最高或较高排名的概念)。在一些情况下，如果用户没看见期望的建议，则用户可以滚动所显示的建议，使得不同的建议(如，对应于不同的概念和/或较低排名的概念)可被显示给用户。
在步骤1012，所选择的概念/建议可被输入到文本字段中。在一些情况中，如上面所陈述的，可以诸如响应于检测到文本字段而将概念自动输入到文本字段中。根据一些方面，概念的规范形式或表层形式可被输入到文本字段中。例如，如果文本字段是搜索引擎的搜索框，则日期概念的表层形式可被使用。在另一示例中，如果应用涉及在网站上进行航班预订(如，其可使用小日历图标来帮助输入)，则日期概念的规范形式可被使用。
在步骤1014，与概念/建议的选择和/或输入/插入相关的信息可被记录和/或传输到服务器和/或数据库，服务器和/或数据库可以与诸如公司的企业实体相关联，其可以拥有、控制、和/或以其它方式与所公开的解析机制相关联。该信息可以包括哪些概念/建议被插入；哪些概念/建议被拒绝、滚动和/或未插入；是否插入了较高排名(或较低排名)的概念/建议；来自哪个应用的文本被解析机制分析；概念/建议被显示/关联和/或插入到哪个应用；解析技术是否识别命名实体/概念的正确类别；表层和规范形式是否被正确识别；分析的文本；未分析的文本；设备或用户的位置；对插入的概念/建议的任何修改/校正等。信息可以是统计形式。根据一些方面，服务器和/或数据库(或其它计算设备)可以基于该信息例如经由软件更新来(例如，在发送信息的设备上或在实现解析机制的其它设备上)更新解析机制。根据一些方面，企业实体(或其它实体或相关的计算设备)可以基于该信息例如经由软件更新来(例如，在发送信息的设备上或在实现解析机制的其它设备上)更新解析机制。
过程1000然后可以返回到步骤1008以确定是否检测到文本字段(例如，相同的文本字段或不同的文本字段)。过程1000可以在过程1000的任何步骤之后结束。
一个或多个实施方式可以在任何常规计算机编程语言中实现。例如，实施方式可以以过程编程语言(例如，“C”)或面向对象的编程语言(例如，“C++”、Python)来实现。一些实施方式可以被实现为预编程硬件元件、其它相关的组件或者硬件和软件组件的组合。
实施方式可以被实现为用于与计算机系统一起使用的计算机程序产品。这样的实现方式可以包括一系列的计算机指令，所述一系列的计算机指令通过诸如经介质连接到网络的通信适配器的调制解调器或其它接口设备固定在诸如计算机可读介质(例如，软盘、CD-ROM、ROM或固定盘)等的有形介质上或可传输到计算机系统。介质可以是有形介质(例如，光通信线路或模拟通信线路)或用无线技术(例如，微波、红外线或其它传输技术)实现的介质。所述一系列的计算机指令可体现本文之前描述的关于系统的全部或部分功能。这样的计算机指令可以以用于与一个或多个计算机架构或操作系统一起使用的多种编程语言编写。此外，这样的指令可以存储在诸如半导体存储器设备、磁存储器设备、光学存储器设备或其它存储器设备的任何存储器设备中，并且可以使用诸如光传输技术、红外线传输技术、微波传输技术或其它传输技术的任何通信技术传输。这样的计算机程序产品可以作为预载有计算机系统(例如，在系统ROM或固定盘上)、具有附带的打印或电子文档(例如，收缩包装软件)的可移动介质发布或者或通过网络(例如，互联网或万维网)从服务器或电子公告板发布。一些实施方式可以被实现为软件(例如，计算机程序产品)和硬件的组合。还有其他实施方式可以被实现为完全硬件或完全软件(例如，计算机程序产品)。
所描述的“过程”是在使用计算机硬件(诸如处理器、域可编程门阵列或其它电子组合逻辑或类似设备)的计算机中执行所描述的功能，该计算机硬件可以在软件或固件或任何这些的组合的控制下操作或在上述任何一种的控制之外操作。所描述的功能的全部或部分可以由诸如晶体管或电阻器的有源或无源电子组件执行。术语“过程”的使用不一定暗示可调度实体，但是在一些实施方式中，过程可以由这种可调度实体来实现。此外，除非上下文另有要求，“过程”可以使用多于一个处理器或多于一个(单或多处理器)计算机来实现，并且它可以是计算机程序的实例或者计算机程序的指令的子集的实例。
本文描述的各个方面可以体现为方法、装置或者体现为存储计算机可执行指令的一个或多个计算机可读介质。因此，那些方面可以采取完全硬件实施方式、完全软件实施方式、完全固件实施方式或以任何组合结合软件、硬件和固件方面的实施方式。另外，可以用光或电磁波的形式在源和目的地之间传递表示如本文所描述的数据或事件的各种信号，该光或电磁波通过信号传导介质(诸如金属丝、光纤)或无线传输介质(例如，空气或空间)传播。一般来说，一个或多个计算机可读介质可以包括一个或多个非暂时性计算机可读介质。
如本文所描述的，各种方法和动作可以跨一个或多个计算设备和一个或多个网络操作。功能可以以任何方式分布，或者可以位于单个计算设备(例如，服务器、客户端计算机等)中。
已经根据其例证性实施方式描述了本公开的各方面。通过回顾本公开内容，本领域中的普通技术人员将想到在所附权利要求的范围和精神内的很多其它实施方式、修改和变化。例如，说明性附图中所描绘的步骤中的一个或多个步骤可以以除了所阐述的顺序之外的顺序来执行，并且一个或多个所描绘的步骤可以根据本公开的方面是可选的。

Claims (14)

1.一种用于概念识别和捕获的方法，所述方法包括：
由在设备上执行的第一应用接收包括一个或多个词语的第一自然语言输入；
经由自然语言处理引擎自动分析所述第一自然语言输入以识别与所述一个或多个词语相关的一个或多个命名实体，其中，所述一个或多个命名实体中的每个命名实体与多个类别中的至少一个类别相关，以及其中，所述一个或多个命名实体是基于与所述一个或多个词语相关的消解回指识别的；
将所述一个或多个命名实体和相关的类别信息储存在概念缓存中；
通过所述第一应用检测被配置为接收在所述设备上执行的第二应用中的文本的文本字段，所述文本字段与所述多个类别中的一个或多个类别相关；
关于所述一个或多个命名实体中的与匹配所述一个或多个类别的类别相关的一组命名实体，使用所述一个或多个类别，查询所述概念缓存；
在所述第二应用的第二用户界面上，基于至少部分地确定所述文本字段与所述类别相关，对于所述文本字段显示输入的一个或多个用户可选择的建议，其中所述一个或多个用户可选择的建议与通过分析由所述第一应用的第一用户界面显示的消息中的所述一个或多个词语所确定的所述概念相关；以及
基于所述一个或多个用户可选择的建议中的用户可选择的建议的用户选择，将所述用户可选择的建议输入到所述文本字段中。
2.如权利要求1所述的方法，其中，所述第一应用包括电子邮件应用和文本消息应用中的至少一个，而所述第二应用包括基于搜索的应用，以及其中，检测所述文本字段包括确定所述文本字段是空文本字段。
3.如权利要求1所述的方法，其中，呈现所述一组命名实体的一部分包括：
基于与所述一个或多个命名实体相关的类别和所述第二应用的类型之间的关联，将排名分配给所述一组命名实体中的每个命名实体；以及
列出所一组命名实体中的相比所述一组命名实体中的其余部分对应于更高排名的命名实体。
4.如权利要求1所述的方法，其中，分析所述第一自然语言输入响应于接收预定的用户输入。
5.如权利要求4所述的方法，其中，所述预定的用户输入是长按和选择文本中的一个。
6.如权利要求1所述的方法，其中，所述一个或多个词语包括缩写、日期或时间中的至少一个，并且其中与所述缩写、所述日期或所述时间相关的一个或多个识别的命名实体包括表层形式和规范形式，所述规范形式使用附加于所述一个或多个词语的信息并基于语法和历史数据中的至少一个来确定，所述表层形式包括所述一个或多个词语中的至少一个。
7.如权利要求1所述的方法，其中，检测所述文本字段还包括确定所述文本字段的类型。
8.如权利要求7所述的方法，其中，所述文本字段的类型对应于日期、地点、艺术家、事件、文本消息、URL或电子邮件类型。
9.一种用于概念识别和捕获的系统，所述系统包括：
至少一个处理器；以及
存储指令的至少一个存储器，当所述指令被所述至少一个处理器执行时使得所述系统执行以下动作：
由在所述系统上执行的第一应用接收包括一个或多个词语的第一自然语言输入；
经由自然语言处理引擎自动分析所述第一自然语言输入以识别与所述一个或多个词语相关的一个或多个命名实体，其中，所述一个或多个命名实体中的每个命名实体与多个类别中的至少一个类别相关，
以及其中，所述一个或多个命名实体是基于与所述一个或多个词语相关的消解回指识别的；
将所述一个或多个命名实体和相关的类别信息储存在概念缓存中；
通过所述第一应用，检测被配置为接收在所述系统上执行的第二应用中的文本的文本字段，所述文本字段与所述多个类别中的一个或多个类别相关；
关于所述一个或多个命名实体中的与匹配所述一个或多个类别的类别相关的一组命名实体，使用所述一个或多个类别，查询所述概念缓存；
在所述第二应用的第二用户界面上，基于至少部分地确定所述文本字段与所述类别相关，对于所述文本字段显示输入的一个或多个用户可选择的建议，其中所述一个或多个用户可选择的建议与通过分析由所述第一应用的第一用户界面显示的消息中的所述一个或多个词语所确定的所述概念相关；以及
基于所述一个或多个用户可选择的建议中的用户可选择的建议的用户选择，将所述用户可选择的建议输入到所述文本字段中。
10.如权利要求9所述的系统，其中，呈现所述一组命名实体的一部分还使所述系统实施以下动作：
基于与一个或多个识别的命名实体相关的类别和所述第二应用的类型之间的关联，将排名分配给所述一组命名实体中的每个命名实体；以及
列出所一组命名实体中的相比所述一组命名实体中的其余部分对应于更高排名的命名实体。
11.如权利要求9所述的系统，其中，所述一个或多个词语包括缩写、日期或时间中的至少一个，并且其中与所述缩写、所述日期或所述时间相关的一个或多个识别的命名实体包括表层形式和规范形式，所述规范形式使用附加于所述一个或多个词语的信息并基于语法和历史数据中的至少一个来确定，所述表层形式包括所述一个或多个词语中的至少一个。
12.如权利要求9所述的系统，其中，检测所述文本字段包括确定所述文本字段是空文本字段。
13.如权利要求9所述的系统，其中，检测所述文本字段还包括确定所述文本字段的类型。
14.如权利要求13所述的系统，其中，所述文本字段的类型对应于日期、地点、艺术家、事件、文本消息、URL或电子邮件类型。
CN201580044005.7A 2014-08-18 2015-08-14 用于跨应用填写表单的命名实体的概念识别和捕获 Expired - Fee Related CN106575292B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/461,589 US10515151B2 (en) 2014-08-18 2014-08-18 Concept identification and capture
US14/461,589 2014-08-18
PCT/US2015/045198 WO2016028620A1 (en) 2014-08-18 2015-08-14 Concept identification and capture of named entities for filling forms across applications

Publications (2)

Publication Number Publication Date
CN106575292A CN106575292A (zh) 2017-04-19
CN106575292B true CN106575292B (zh) 2019-10-01

Family

ID=54015208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580044005.7A Expired - Fee Related CN106575292B (zh) 2014-08-18 2015-08-14 用于跨应用填写表单的命名实体的概念识别和捕获

Country Status (4)

Country Link
US (1) US10515151B2 (zh)
EP (1) EP3183669A1 (zh)
CN (1) CN106575292B (zh)
WO (1) WO2016028620A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9626960B2 (en) * 2013-04-25 2017-04-18 Nuance Communications, Inc. Systems and methods for providing metadata-dependent language models
KR102146261B1 (ko) * 2014-02-14 2020-08-20 삼성전자 주식회사 전자 장치 및 전자 장치의 대화 메시지에서 의미개체 추출 및 이용방법
US9898455B2 (en) * 2014-12-01 2018-02-20 Nuance Communications, Inc. Natural language understanding cache
US10430503B2 (en) * 2015-04-10 2019-10-01 Lenovo (Singapore) Pte. Ltd. Electronic display content fitting
US9928227B2 (en) * 2015-08-20 2018-03-27 International Business Machines Corporation Techniques for utilizing information associated with an action command to select an appropriate form
US11599709B2 (en) * 2016-05-19 2023-03-07 Palo Alto Research Center Incorporated Natural language web browser
CN109313894A (zh) * 2016-06-21 2019-02-05 索尼公司 信息处理装置与信息处理方法
CN106415527B (zh) * 2016-08-31 2019-07-30 北京小米移动软件有限公司 消息通信方法及装置
US11222056B2 (en) * 2017-11-13 2022-01-11 International Business Machines Corporation Gathering information on user interactions with natural language processor (NLP) items to order presentation of NLP items in documents
US11782967B2 (en) 2017-11-13 2023-10-10 International Business Machines Corporation Determining user interactions with natural language processor (NPL) items in documents to determine priorities to present NPL items in documents to review
CN109840320B (zh) * 2017-11-28 2023-08-25 微软技术许可有限责任公司 文本的定制化处理
US10635748B2 (en) 2017-12-14 2020-04-28 International Business Machines Corporation Cognitive auto-fill content recommendation
US11194967B2 (en) * 2018-03-15 2021-12-07 International Business Machines Corporation Unsupervised on-the-fly named entity resolution in dynamic corpora
CN109086325A (zh) * 2018-06-29 2018-12-25 阿里巴巴集团控股有限公司 基于区块链的数据处理方法和装置
US11080238B2 (en) 2018-07-31 2021-08-03 World Software Corporation System and method for interactive visual representation of metadata within a networked heterogeneous workflow environment
CN111797626A (zh) * 2019-03-21 2020-10-20 阿里巴巴集团控股有限公司 一种命名实体识别方法及装置
CN110472062B (zh) * 2019-07-11 2020-11-10 新华三大数据技术有限公司 识别命名实体的方法及装置
CN113312122A (zh) * 2020-02-27 2021-08-27 上海达龙信息科技有限公司 虚拟键盘调用方法、装置、计算机存储介质及电子设备
CN112596618A (zh) * 2020-12-28 2021-04-02 厦门亿联网络技术股份有限公司 一种基于Android平台的远程软键盘输入方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763341A (zh) * 2009-12-23 2010-06-30 宇龙计算机通信科技(深圳)有限公司 一种文本协同方法、系统及触摸屏设备
CN103294657A (zh) * 2012-03-02 2013-09-11 富泰华工业（深圳）有限公司 文本编辑方法及系统
CN104063071A (zh) * 2014-07-18 2014-09-24 百度在线网络技术（北京）有限公司 内容输入方法及装置

Family Cites Families (99)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6311157B1 (en) * 1992-12-31 2001-10-30 Apple Computer, Inc. Assigning meanings to utterances in a speech recognition system
US5819261A (en) * 1995-03-28 1998-10-06 Canon Kabushiki Kaisha Method and apparatus for extracting a keyword from scheduling data using the keyword for searching the schedule data file
US6233547B1 (en) * 1998-12-08 2001-05-15 Eastman Kodak Company Computer program product for retrieving multi-media objects using a natural language having a pronoun
US6263308B1 (en) * 2000-03-20 2001-07-17 Microsoft Corporation Methods and apparatus for performing speech recognition using acoustic models which are improved through an interactive process
US7712024B2 (en) 2000-06-06 2010-05-04 Microsoft Corporation Application program interfaces for semantically labeling strings and providing actions based on semantically labeled strings
US7526425B2 (en) * 2001-08-14 2009-04-28 Evri Inc. Method and system for extending keyword searching to syntactically and semantically annotated data
US20030154197A1 (en) * 2002-02-13 2003-08-14 Permutta Technologies Flexible relational data storage method and apparatus
US20060074793A1 (en) * 2002-02-22 2006-04-06 Hibbert Errington W Transaction management system
US20040203610A1 (en) * 2002-04-25 2004-10-14 Douglas Deeds Creating and transmitting a text message from a terminal
US7426496B2 (en) * 2004-03-03 2008-09-16 Microsoft Corporation Assisted form filling
US7606714B2 (en) * 2003-02-11 2009-10-20 Microsoft Corporation Natural language classification within an automated response system
US20040236726A1 (en) * 2003-05-19 2004-11-25 Teracruz, Inc. System and method for query result caching
CA2486128C (en) * 2003-10-30 2011-08-23 At&T Corp. System and method for using meta-data dependent language modeling for automatic speech recognition
US20050204900A1 (en) * 2004-03-17 2005-09-22 Easynotes, Llc Note collection utility
US7562069B1 (en) * 2004-07-01 2009-07-14 Aol Llc Query disambiguation
US7433819B2 (en) * 2004-09-10 2008-10-07 Scientific Learning Corporation Assessing fluency based on elapsed time
US8839090B2 (en) 2004-09-16 2014-09-16 International Business Machines Corporation System and method to capture and manage input values for automatic form fill
US7640162B2 (en) * 2004-12-14 2009-12-29 Microsoft Corporation Semantic canvas
US7571157B2 (en) * 2004-12-29 2009-08-04 Aol Llc Filtering search results
US20060259385A1 (en) * 2005-05-13 2006-11-16 Communique, Compliance & Communications, Llp Novel enhanced electronic hedge fund compliance tool
US20070055514A1 (en) * 2005-09-08 2007-03-08 Beattie Valerie L Intelligent tutoring feedback
US20070073533A1 (en) * 2005-09-23 2007-03-29 Fuji Xerox Co., Ltd. Systems and methods for structural indexing of natural language text
US20070130134A1 (en) 2005-12-05 2007-06-07 Microsoft Corporation Natural-language enabling arbitrary web forms
US7685144B1 (en) 2005-12-29 2010-03-23 Google Inc. Dynamically autocompleting a data entry
US8060357B2 (en) * 2006-01-27 2011-11-15 Xerox Corporation Linguistic user interface
CN101034390A (zh) * 2006-03-10 2007-09-12 日电（中国）有限公司 用于语言模型切换和自适应的装置和方法
EP1843276A1 (en) * 2006-04-03 2007-10-10 Océ-Technologies B.V. Method for automated processing of hard copy text documents
US10042927B2 (en) * 2006-04-24 2018-08-07 Yeildbot Inc. Interest keyword identification
US20110077943A1 (en) * 2006-06-26 2011-03-31 Nec Corporation System for generating language model, method of generating language model, and program for language model generation
US8234391B2 (en) * 2006-09-20 2012-07-31 Reuters America, Llc. Messaging model and architecture
US7840407B2 (en) * 2006-10-13 2010-11-23 Google Inc. Business listing search
US8121198B2 (en) * 2006-10-16 2012-02-21 Microsoft Corporation Embedding content-based searchable indexes in multimedia files
US20080109714A1 (en) * 2006-11-03 2008-05-08 Sap Ag Capturing screen information
JP4466665B2 (ja) * 2007-03-13 2010-05-26 日本電気株式会社 議事録作成方法、その装置及びそのプログラム
US8352264B2 (en) * 2008-03-19 2013-01-08 Canyon IP Holdings, LLC Corrective feedback loop for automated speech recognition
US8620658B2 (en) * 2007-04-16 2013-12-31 Sony Corporation Voice chat system, information processing apparatus, speech recognition method, keyword data electrode detection method, and program for speech recognition
US8219404B2 (en) * 2007-08-09 2012-07-10 Nice Systems, Ltd. Method and apparatus for recognizing a speaker in lawful interception systems
JP4787803B2 (ja) * 2007-08-31 2011-10-05 株式会社リコー 情報処理装置と情報処理方法とプログラム
US10176827B2 (en) * 2008-01-15 2019-01-08 Verint Americas Inc. Active lab
US20090235280A1 (en) 2008-03-12 2009-09-17 Xerox Corporation Event extraction system for electronic messages
US20100033439A1 (en) * 2008-08-08 2010-02-11 Kodimer Marianne L System and method for touch screen display field text entry
US8949124B1 (en) * 2008-09-11 2015-02-03 Next It Corporation Automated learning for speech-based applications
US20100169092A1 (en) * 2008-11-26 2010-07-01 Backes Steven J Voice interface ocx
US8099290B2 (en) * 2009-01-28 2012-01-17 Mitsubishi Electric Corporation Voice recognition device
US8095524B2 (en) * 2009-03-18 2012-01-10 International Business Machines Corporation Method and system for integrating personal information search and interaction on web/desktop applications
US8214366B2 (en) * 2009-11-17 2012-07-03 Glace Holding Llc Systems and methods for generating a language database that can be used for natural language communication with a computer
US9805020B2 (en) * 2009-04-23 2017-10-31 Deep Sky Concepts, Inc. In-context access of stored declarative knowledge using natural language expression
US20110029853A1 (en) * 2009-08-03 2011-02-03 Webtrends, Inc. Advanced visualizations in analytics reporting
CN101639760A (zh) * 2009-08-27 2010-02-03 上海合合信息科技发展有限公司 联系信息输入方法及系统
US8571866B2 (en) * 2009-10-23 2013-10-29 At&T Intellectual Property I, L.P. System and method for improving speech recognition accuracy using textual context
US9177298B2 (en) * 2009-12-15 2015-11-03 International Business Machines Corporation Abbreviated user interface for instant messaging to minimize active window focus changes
US8433828B2 (en) * 2010-02-26 2013-04-30 Apple Inc. Accessory protocol for touch screen device accessibility
EP2545426A4 (en) * 2010-03-12 2017-05-17 Nuance Communications, Inc. Multimodal text input system, such as for use with touch screens on mobile phones
US8732605B1 (en) * 2010-03-23 2014-05-20 VoteBlast, Inc. Various methods and apparatuses for enhancing public opinion gathering and dissemination
US20110246944A1 (en) * 2010-04-06 2011-10-06 Google Inc. Application-independent text entry
US8719023B2 (en) * 2010-05-21 2014-05-06 Sony Computer Entertainment Inc. Robustness to environmental changes of a context dependent speech recognizer
US8880555B2 (en) * 2010-12-17 2014-11-04 Facebook, Inc. Ranking of address book contacts based on social proximity
US8352245B1 (en) * 2010-12-30 2013-01-08 Google Inc. Adjusting language models
WO2012092709A1 (en) * 2011-01-05 2012-07-12 Google Inc. Method and system for facilitating text input
US8630860B1 (en) * 2011-03-03 2014-01-14 Nuance Communications, Inc. Speaker and call characteristic sensitive open voice search
US9244984B2 (en) * 2011-03-31 2016-01-26 Microsoft Technology Licensing, Llc Location based conversational understanding
WO2012142158A2 (en) * 2011-04-11 2012-10-18 Credibility Corp. Visualization tools for reviewing credibility and stateful hierarchical access to credibility
US8260615B1 (en) * 2011-04-25 2012-09-04 Google Inc. Cross-lingual initialization of language models
US20120297282A1 (en) * 2011-05-16 2012-11-22 Colin Shanafelt Assessment document generation system and method
WO2012159249A1 (en) * 2011-05-20 2012-11-29 Microsoft Corporation Advaced prediction
JP6131249B2 (ja) * 2011-06-19 2017-05-17 エムモーダル アイピー エルエルシー コンテキストアウェア認識モデルを使用した音声認識
US20140244252A1 (en) * 2011-06-20 2014-08-28 Koemei Sa Method for preparing a transcript of a conversion
AU2012272664A1 (en) * 2011-06-24 2014-01-16 Monster Worldwide, Inc. Social match platform apparatuses, methods and systems
US8738666B2 (en) * 2011-08-19 2014-05-27 Terry L. Cowart Systems and methods for ontological and meta-ontological data modeling
US8793593B2 (en) * 2011-09-21 2014-07-29 Facebook, Inc. Integrating structured objects and actions generated on external systems into a social networking system
US9032290B2 (en) * 2011-09-21 2015-05-12 Facebook, Inc. Tool for creating structured objects and actions on a social networking system
US8170971B1 (en) * 2011-09-28 2012-05-01 Ava, Inc. Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
US8732101B1 (en) * 2013-03-15 2014-05-20 Nara Logics, Inc. Apparatus and method for providing harmonized recommendations based on an integrated user profile
US9009025B1 (en) * 2011-12-27 2015-04-14 Amazon Technologies, Inc. Context-based utterance recognition
US9691381B2 (en) * 2012-02-21 2017-06-27 Mediatek Inc. Voice command recognition method and related electronic device and computer-readable medium
US9569594B2 (en) * 2012-03-08 2017-02-14 Nuance Communications, Inc. Methods and apparatus for generating clinical reports
JP5731998B2 (ja) * 2012-03-21 2015-06-10 株式会社東芝 対話支援装置、対話支援方法および対話支援プログラム
EP2836925A1 (en) * 2012-03-23 2015-02-18 BlackBerry Limited Systems and methods for presenting content relevant to text
US9009049B2 (en) * 2012-06-06 2015-04-14 Spansion Llc Recognition of speech with different accents
JP5342044B1 (ja) * 2012-06-22 2013-11-13 株式会社東芝 情報処理装置、情報処理方法およびプログラム
US9087030B2 (en) * 2012-07-16 2015-07-21 International Business Machines Corporation Handling excessive input characters in a field
US9053708B2 (en) * 2012-07-18 2015-06-09 International Business Machines Corporation System, method and program product for providing automatic speech recognition (ASR) in a shared resource environment
US10109278B2 (en) * 2012-08-02 2018-10-23 Audible, Inc. Aligning body matter across content formats
US9280520B2 (en) * 2012-08-02 2016-03-08 American Express Travel Related Services Company, Inc. Systems and methods for semantic information retrieval
GB2506381B (en) * 2012-09-27 2016-06-08 F Secure Corp Automated detection of harmful content
US9026428B2 (en) * 2012-10-15 2015-05-05 Nuance Communications, Inc. Text/character input system, such as for use with touch screens on mobile phones
US9244905B2 (en) * 2012-12-06 2016-01-26 Microsoft Technology Licensing, Llc Communication context based predictive-text suggestion
US9311297B2 (en) * 2013-03-14 2016-04-12 Prateek Bhatnagar Method and system for outputting information
US9199155B2 (en) * 2013-03-14 2015-12-01 Google Inc. Morpheme-level predictive graphical keyboard
KR102157327B1 (ko) * 2013-05-09 2020-09-17 삼성전자주식회사 이미지 형식의 객체를 텍스트 형식으로 변환하는 전자 장치 및 방법
US9552138B2 (en) * 2013-05-10 2017-01-24 Lg Electronics Inc. Mobile terminal and method for controlling the same
TWI598808B (zh) * 2013-06-26 2017-09-11 宏碁股份有限公司 電子裝置控制方法及電子裝置
US20150039987A1 (en) * 2013-07-30 2015-02-05 Plum Interfaces, LLC Systems and methods for data entry
US9179061B1 (en) * 2013-12-11 2015-11-03 A9.Com, Inc. Assisted text input for computing devices
US9336300B2 (en) * 2014-01-17 2016-05-10 Facebook, Inc. Client-side search templates for online social networks
US20150248391A1 (en) * 2014-02-28 2015-09-03 Ricoh Company, Ltd. Form auto-filling using a mobile device
US9727548B2 (en) * 2014-02-28 2017-08-08 Ricoh Company, Ltd. Cloud service for hospital form auto filling system
US9286910B1 (en) * 2014-03-13 2016-03-15 Amazon Technologies, Inc. System for resolving ambiguous queries based on user context
CA2977929A1 (en) * 2014-03-31 2015-10-08 Monticello Enterprises LLC System and method for providing a single input field having multiple processing possibilities

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101763341A (zh) * 2009-12-23 2010-06-30 宇龙计算机通信科技(深圳)有限公司 一种文本协同方法、系统及触摸屏设备
CN103294657A (zh) * 2012-03-02 2013-09-11 富泰华工业（深圳）有限公司 文本编辑方法及系统
CN104063071A (zh) * 2014-07-18 2014-09-24 百度在线网络技术（北京）有限公司 内容输入方法及装置

Also Published As

Publication number Publication date
WO2016028620A1 (en) 2016-02-25
US20160048500A1 (en) 2016-02-18
CN106575292A (zh) 2017-04-19
US10515151B2 (en) 2019-12-24
EP3183669A1 (en) 2017-06-28

Similar Documents

Publication Publication Date Title
CN106575292B (zh) 用于跨应用填写表单的命名实体的概念识别和捕获
Lommatzsch A next generation chatbot-framework for the public administration
US8156060B2 (en) Systems and methods for generating and implementing an interactive man-machine web interface based on natural language processing and avatar virtual agent based character
RU2653250C2 (ru) Поддержание контекстной информации между пользовательскими взаимодействиями с голосовым помощником
CN109408622B (zh) 语句处理方法及其装置、设备和存储介质
US8346563B1 (en) System and methods for delivering advanced natural language interaction applications
US11775254B2 (en) Analyzing graphical user interfaces to facilitate automatic interaction
KR100911606B1 (ko) 유니버셜 검색 인터페이스 시스템 및 방법
US7822699B2 (en) Adaptive semantic reasoning engine
US20070203869A1 (en) Adaptive semantic platform architecture
US20170337261A1 (en) Decision Making and Planning/Prediction System for Human Intention Resolution
WO2020068169A1 (en) Analyzing web pages to facilitate automatic navigation
US7548899B1 (en) Method and system for information retrieval based on menu selections
US20130246392A1 (en) Conversational System and Method of Searching for Information
US20150286943A1 (en) Decision Making and Planning/Prediction System for Human Intention Resolution
WO2020106967A1 (en) Semantic crm transcripts from mobile communications sessions
CN110046227A (zh) 对话系统的配置方法、交互方法、装置、设备和存储介质
US11893993B2 (en) Interfacing with applications via dynamically updating natural language processing
CN107209757A (zh) 自然语言理解缓存器
EP3847546A1 (en) Interfacing with applications via dynamically updating natural language processing
Kong et al. Conversational AI with Rasa: Build, test, and deploy AI-powered, enterprise-grade virtual assistants and chatbots
KR20200032873A (ko) 도서 정보 기반의 챗봇 서비스를 위한 파싱 시스템 및 그 제어 방법
US11960514B1 (en) Interactive conversation assistance using semantic search and generative AI
JP2020024598A (ja) 情報処理装置、プログラム及びシステム
Dahl 2 Integrating natural language resources in mobile applications

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191001

Termination date: 20210814

CF01 Termination of patent right due to non-payment of annual fee