CN107656627A - 信息输入方法和装置 - Google Patents

Abstract

本申请公开了信息输入方法和装置。该方法的一具体实施方式包括：查找出用户输入的语音对应的识别出的语句中对应有纠错文字的识别出的文字；根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。实现了针对识别出的每一个易混淆的识别出的文字，判断易混淆的识别出的文字是否为用户期望输入的文字的概率，进一步确定是否向用户呈现易混淆的识别出的文字的候选文字，从而，提升向用户呈现识别出的文字的候选文字的准确度，进而提升用户体验。

Description

信息输入方法和装置

技术领域

本申请涉及计算机领域，具体涉及输入法领域，尤其涉及信息输入方法和装置。

背景技术

目前，在一些语音输入法中，在向用户呈现输入语音对应的识别出的语句之后，还向用户呈现部分识别出的文字的候选文字，使得当识别出的文字不是用户期望输入的文字时，用户可以从候选文字中选取出期望输入的文字，而不必重新输入。对于向用户呈现候选文字的识别出的文字，向用户呈现识别出的文字所有的候选文字。

然而，在诸如识别出的文字为用户期望输入的文字时，候选文字过多，影响用户体验。

发明信息

本申请提供了一种信息输入方法和装置，用于解决上述背景技术部分存在的技术问题。

第一方面，本申请提供了信息输入方法，该方法包括：对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。

第二方面，本申请提供了信息输入装置，该装置包括：处理单元，配置用于对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；判断单元，配置用于根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。

本申请提供的信息输入方法和装置，通过对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。实现了针对识别出的每一个易混淆的识别出的文字，判断易混淆的识别出的文字是否为用户期望输入的文字的概率，进一步确定是否向用户呈现易混淆的识别出的文字的候选文字，从而，提升向用户呈现识别出的文字的候选文字的准确度，进而提升用户体验。

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示出了可以应用于本申请的信息输入方法的示例性系统架构；

图2示出了根据本申请的信息输入方法的一个实施例的流程图；

图3示出了根据本申请的信息输入装置的一个实施例的结构示意图；

图4是适于用来实现本申请实施例的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示出了可以应用于本申请的信息输入方法的示例性系统架构。

如图1所示，系统架构可以包括服务器101、网络102、终端103。网络102可以包括各种连接类型，例如有线、无线传输链路或者光纤电缆等等。

用户可以使用终端103通过网络102与服务器101交互，以接收或发送消息等。终端103上安装有具有语音输入功能的输入法。

终端103可以是具有显示屏并且支持网络通信的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。

终端103的用户利用具有语音输入功能的输入法进行语音输入时，终端103可以将用户输入的语音发送至服务器101，服务器101可以对用户输入的语音进行识别，得到识别出的语句，将识别出的语句发送至终端103。服务器101可以利用预先训练得到识别出的每一个文字对应最大熵模型判断是否向用户呈现识别出的文字的候选文字。

终端103的用户利用具有语音输入功能的输入法进行语音输入时，终端103也可以在终端103上对用户输入的用户输入的语音进行语音识别。服务器101将利用预先训练得到的多个对应由纠错文字的文字各自对应的最大熵模型发送至终端103。终端103可以利用预先训练得到识别出的每一个文字对应最大熵模型判断是否向用户呈现识别出的文字的候选文字。

请参考图2，其示出了根据本申请的信息输入方法的一个实施例的流程。该方法包括以下步骤：

步骤201，查找出识别出的语句中对应有纠错文字的识别出的文字。

在本实施例中，在用户利用语音输入法进行输入时，可以首先对用户输入的语音进行语音识别，得到包含多个识别出的文字的识别出的语句。

例如，可以由用户的终端将用户输入的语音发送至服务器，由服务器对用户输入的语音进行语音识别，得到包含多个识别出的文字的识别出的语句，服务器将识别出的语句发送至用户的终端，在用户的终端将识别出的语句呈现给用户。

在本实施例中，在对用户输入的语音进行语音识别，得到包含多个识别出的文字的识别出的语句之后，可以确定多个识别出的文字中对应有纠错文字的识别出的文字。

在本实施例中，识别出的文字对应的纠错文字为向用户呈现该识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的文字。对应有纠错文字的识别出的文字是容易与其他文字混淆的文字。

在本实施例中，可以预先根据对海量的用户的语音输入中对识别出的字的修改操作，预先确定对应有纠错文字的文字。例如，当用户的终端接收到的服务器发送的识别出的语句之后，可以向用户呈现识别出的语句中的每一个识别出的文字。当识别出的语句中的识别出的文字不是用户期望输入的文字时，用户会对该识别出的文字进行修改，可以由用户的终端将该用户修改的识别出的字和修改后的字发送至服务器。从而，服务器可以确定该用户的该次语音输入中，将一个识别出的文字修改为的不同于识别出的文字的文字。当服务器确定所有用户中的大于比例阈值的用户均将同一个识别出的字修改为同一个不同于识别出的字时，该同一个不同于识别出的字可以称之为该同一个识别出的字的纠错文字，则该同一个识别出的字为对应于纠错文字的识别出的字。

在本实施例中，识别出的语句中的对应有纠错文字的识别出的文字可以为多个。一个对应有纠错文字的识别出的文字可以对应有多个纠错文字。

步骤202，根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现候选文字。

在本实施例中，在通过步骤201查找出识别出的语句中对应有纠错文字的识别出的文字之后，可以根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现对应有纠错文字的识别出的文字的候选文字。识别出的语句中的对应有纠错文字的识别出的文字可以为多个，可以对于识别出的语句中的每一个对应有纠错文字的识别出的文字，分别确定是否向用户呈现对应有纠错文字的识别出的文字的候选文字。

对应有纠错文字的识别出的文字的特征可以包括但不限于：对应有纠错文字的识别出的文字在识别出的语句中的位置、对应有纠错文字的识别出的文字的上下文特征、对应有纠错文字的识别出的文字的共现特征。对应有纠错文字的文字在该语句中的位置、对应有纠错文字的文字的上下文特征、对应有纠错文字的文字的共现特征在不同取值时可以构成多个不同的条件，可以预先统计在多个用户的多次输入中，每一个条件下，对应有纠错文字的文字作为输入的次数与多次输入的总次数的比例，将该比例作为一个条件下对应有纠错文字的文字为用户期望的输入的文字的概率。从而，可以根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定识别出的文字为用户期望的输入的文字的概率，可以进一步确定是否呈现对应有纠错文字的识别出的文字的候选文字。例如，当该概率大于概率阈值时，可以确定向用户呈现对应有纠错文字的识别出的文字的候选文字。

在本实施例的一些可选的实现方式中，可以预先针对多个对应于纠错文字的文字，分别生成每一个对应于纠错文字的文字各自对应的最大熵模型。在生成一个对应于纠错文字的文字对应的最大熵模型时，可以获取多个包含该对应有纠错文字的文字的语句。然后，可以根据对应有纠错文字的文字在每一个语句中的特征，对最大熵模型进行训练，每一次训练使用该对应有纠错文字的文字在一个语句中的特征。对应有纠错文字的文字在一个语句中的特征包括：对应有纠错文字的文字在该语句中的位置、对应有纠错文字的文字的上下文特征、对应有纠错文字的文字的共现特征，对应有纠错文字的文字的共现特征包括该语句中与对应有纠错文字的文字共同出现的其他文字。经过多次训练之后，得到该对应有纠错文字的文字对应的最大熵模型。对应有纠错文字的文字在该语句中的位置、对应有纠错文字的文字的上下文特征、对应有纠错文字的文字的共现特征在不同取值时可以构成不同的条件，该对应有纠错文字的文字对应的最大熵模型可以确定在不同的条件下，该对应有纠错文字的文字为用户期望的输入的文字的概率。

在本实施例的一些可选的实现方式中，识别出的语句中的对应有纠错文字的识别出的文字可以为多个，可以对于识别出的语句中的每一个对应有纠错文字的识别出的文字，利用每一个对应有纠错文字的识别出的文字各自对应的最大熵模型分别判断是否向用户呈现候选文字。

在利用一个对应有纠错文字的识别出的文字对应的最大熵模型确定是否向用户呈现该对应有纠错文字的识别出的文字的候选文字时，可以首先分别提取出该对应有纠错文字的识别出的文字在识别出的语句中的的特征。该对应有纠错文字的识别出的文字在识别出的语句中的特征包括：该对应有纠错文字的识别出的文字在识别出的语句中的位置、该对应有纠错文字的识别出的文字的上下文特征、该对应有纠错文字的识别出的文字的共现特征。然后，可以利用该对应有纠错文字的识别出的文字对应的最大熵模型计算出该对应有纠错文字的识别出的文字为用户期望输入的文字的概率。当概率大于概率阈值时，可以确定向用户呈现该对应有纠错文字的识别出的文字的候选文字。

在本实施例的一些可选的实现方式中，对于识别出的语句中一个对应有纠错文字的识别出的文字，在确定向用户呈现该对应有纠错文字的识别出的文字的候选文字之后，可以基于该对应有纠错文字的识别出的文字对应的每一个纠错文字与其他识别出的文字的关联度，对应有纠错文字的识别出的文字对应的每一个纠错文字进行排序；将排序后的多个纠错文字作为候选文字呈现给用户。

例如，在通过该对应有纠错文字的识别出的文字确定向用户呈现该对应有纠错文字的识别出的文字的候选文字之后，可以计算出每一个候选文字的得分，在呈现给用户时将得分高的候选文字排的靠前的位置。

请参考图3，作为对上述各图所示方法的实现，本申请提供了一种信息输入装置的一个实施例，该装置实施例与图2所示的方法实施例相对应。

如图3所示，信息输入装置包括：处理单元301，判断单元302。其中，处理单元301配置用于对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；判断单元302配置用于根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。

在本实施例的一些可选的实现方式中，信息输入装置还包括：最大熵模型训练单元，配置用于获取多个包含同一个对应有纠错文字的文字的语句；利用所述对应有纠错文字的文字在每一个语句中的特征，对最大熵模型进行训练，得到所述对应有纠错文字的文字对应的最大熵模型，对应有纠错文字的文字在语句中的特征包括：对应有纠错文字的文字在所述语句中的位置、对应有纠错文字的文字的上下文特征、对应有纠错文字的文字的共现特征。

在本实施例的一些可选的实现方式中，判断单元包括：最大熵判断子单元，配置用于利用所述对应有纠错文字的识别出的文字对应的最大熵模型基于所述对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字，对应有纠错文字的识别出的文字在识别出的语句中的特征包括：对应有纠错文字的识别出的文字在所述识别出的语句中的位置、对应有纠错文字的识别出的文字的上下文特征、对应有纠错文字的识别出的文字的共现特征。

在本实施例的一些可选的实现方式中，信息输入装置还包括：排序单元，配置用于在确定向用户呈现所述对应有纠错文字的识别出的文字的候选文字之后，基于所述对应有纠错文字的识别出的文字对应的多个纠错文字中的每一个纠错文字与其他识别出的文字的关联度，对多个纠错文字进行排序；将排序后的多个纠错文字作为所述对应有纠错文字的识别出的文字的候选文字呈现给用户。

图4示出了适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

如图4所示，计算机系统包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有计算机系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：输入部分406；输出部分407；包括硬盘等的存储部分408；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409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，本申请的实施例中描述的过程可以被实现为计算机程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包括用于执行流程图所示的方法的指令。该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。

本申请还提供了一种服务器，该服务器可以配置有一个或多个处理器；存储器，用于存储一个或多个程序，一个或多个程序中可以包含用以执行上述步骤201-202中描述的操作的指令。当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述步骤201-202中描述的操作。

本申请还提供了一种计算机可读介质，该计算机可读介质可以是服务器中所包括的；也可以是单独存在，未装配入服务器中。上述计算机可读介质承载有一个或者多个程序，当一个或者多个程序被服务器执行时，使得服务器：对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

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，该模块、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：一种处理器包括处理单元，判断单元。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，处理单元还可以被描述为“用于对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字的单元”。

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 (10)

1.一种信息输入方法，其特征在于，所述方法包括：

对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；

根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。

2.根据权利要求1所述的方法，其特征在于，在对用户输入的语音进行语音识别之前，所述方法还包括:

获取多个包含同一个对应有纠错文字的文字的语句；

利用所述对应有纠错文字的文字在每一个语句中的特征，对最大熵模型进行训练，得到所述对应有纠错文字的文字对应的最大熵模型，对应有纠错文字的文字在语句中的特征包括：对应有纠错文字的文字在所述语句中的位置、对应有纠错文字的文字的上下文特征、对应有纠错文字的文字的共现特征。

3.根据权利要求2所述的方法，其特征在于，根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字包括：

利用所述对应有纠错文字的识别出的文字对应的最大熵模型基于所述对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字，对应有纠错文字的识别出的文字在识别出的语句中的特征包括：对应有纠错文字的识别出的文字在所述识别出的语句中的位置、对应有纠错文字的识别出的文字的上下文特征、对应有纠错文字的识别出的文字的共现特征。

4.根据权利要求3所述的方法，其特征在于，在确定向用户呈现所述对应有纠错文字的识别出的文字的候选文字之后，所述方法还包括：

基于所述对应有纠错文字的识别出的文字对应的多个纠错文字中的每一个纠错文字与其他识别出的文字的关联度，对多个纠错文字进行排序；

将排序后的多个纠错文字作为所述对应有纠错文字的识别出的文字的候选文字呈现给用户。

5.一种信息输入装置，其特征在于，所述装置包括：

处理单元，配置用于对用户输入的语音进行语音识别，得到识别出的语句，以及查找出所述识别出的语句中对应有纠错文字的识别出的文字，其中，一个识别出的文字对应的纠错文字为向用户呈现所述识别出的文字时输入次数与向用户呈现所述识别出的文字的总次数的比例大于比例阈值的不同于所述识别出的文字的文字；

判断单元，配置用于根据查找出的对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

最大熵模型训练单元，配置用于获取多个包含同一个对应有纠错文字的文字的语句；利用所述对应有纠错文字的文字在每一个语句中的特征，对最大熵模型进行训练，得到所述对应有纠错文字的文字对应的最大熵模型，对应有纠错文字的文字在语句中的特征包括：对应有纠错文字的文字在所述语句中的位置、对应有纠错文字的文字的上下文特征、对应有纠错文字的文字的共现特征。

7.根据权利要求6所述的装置，其特征在于，所述判断单元包括：

最大熵判断子单元，配置用于利用所述对应有纠错文字的识别出的文字对应的最大熵模型基于所述对应有纠错文字的识别出的文字在识别出的语句中的特征，确定是否向用户呈现所述对应有纠错文字的识别出的文字的候选文字，对应有纠错文字的识别出的文字在识别出的语句中的特征包括：对应有纠错文字的识别出的文字在所述识别出的语句中的位置、对应有纠错文字的识别出的文字的上下文特征、对应有纠错文字的识别出的文字的共现特征。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

排序单元，配置用于在确定向用户呈现所述对应有纠错文字的识别出的文字的候选文字之后，基于所述对应有纠错文字的识别出的文字对应的多个纠错文字中的每一个纠错文字与其他识别出的文字的关联度，对多个纠错文字进行排序；将排序后的多个纠错文字作为所述对应有纠错文字的识别出的文字的候选文字呈现给用户。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。