CN109582825A - 用于生成信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：响应于接收到用户语句，确定意图词；获取目标图像；从目标图像中提取目标词语；基于目标图像、目标词语和意图词，生成第一用户语句。该实施方式实现了对接收到的用户语句进行改写。

Description

用于生成信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成信息的方法和装置。

背景技术

目前，市场上有各种各样的智能电子设备。在使用这些智能电子设备观看视频时，用户可以针对当前播放的视频进行提问。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：响应于接收到用户语句，确定意图词；获取目标图像；从目标图像中提取目标词语；基于目标图像、目标词语和意图词，生成第一用户语句。

在一些实施例中，在获取目标图像之后，上述方法还包括：确定目标图像中显示的目标物体的名称；以及基于目标图像、目标词语和意图词，生成第一用户语句，包括：基于目标图像、目标词语、目标物体的名称和意图词，生成第一用户语句。

在一些实施例中，上述获取目标图像，包括：截取在预定屏幕上播放的画面作为目标图像。

在一些实施例中，在确定意图词之后，上述方法还包括：确定目标标注信息集合中是否存在与意图词匹配的标注信息；响应于确定存在，获取与意图词匹配的标注信息作为匹配标注信息；基于匹配标注信息和意图词，生成第二用户语句。

在一些实施例中，上述方法还包括：基于第一用户语句和第二用户语句，生成用户语句集合；对于用户语句集合中的用户语句，从该用户语句中确定关键词；使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。

在一些实施例中，上述方法还包括：确定所得到的至少一个匹配信息与意图词的相似度；推送相似度最大且大于等于预设阈值的匹配信息。

第二方面，本申请实施例提供了一种用于生成信息的装置，该装置包括：第一确定单元，被配置成响应于接收到用户语句，确定意图词；第一获取单元，被配置成获取目标图像；提取单元，被配置成从目标图像中提取目标词语；第一生成单元，被配置成基于目标图像、目标词语和意图词，生成第一用户语句。

在一些实施例中，上述装置还包括：第二确定单元，被配置成确定目标图像中显示的目标物体的名称；第一生成单元进一步被配置成：基于目标图像、目标词语、目标物体的名称和意图词，生成第一用户语句。

在一些实施例中，上述第一获取单元进一步被配置成：截取在预定屏幕上播放的画面作为目标图像。

在一些实施例中，上述装置还包括：第三确定单元，被配置成确定目标标注信息集合中是否存在与意图词匹配的标注信息；第二获取单元，被配置成响应于确定存在，获取与意图词匹配的标注信息作为匹配标注信息；第二生成单元，被配置成基于匹配标注信息和意图词，生成第二用户语句。

在一些实施例中，上述装置还包括：第三生成单元，被配置成基于第一用户语句和第二用户语句，生成用户语句集合；匹配单元，被配置成对于用户语句集合中的用户语句，从该用户语句中确定关键词；使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。

在一些实施例中，上述装置还包括：第四确定单元，被配置成确定所得到的至少一个匹配信息与意图词的相似度；推送单元，被配置成推送相似度最大且大于等于预设阈值的匹配信息。

第三方面，本申请实施例提供了一种终端，该终端包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于生成信息的方法和装置，响应于接收到用户语句，可以确定意图词。另外，还可以获取目标图像。然后，可以从目标图像中提取目标词语。而后可以基于目标图像、目标词语和意图词，生成第一用户语句。从而实现了对接收到的用户语句的改写。

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是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请实施例的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的方法的又一个实施例的流程图；

图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端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用于生成信息的方法或用于生成信息的装置的示例性架构100。

如图1所示，系统架构100可以包括终端设备101，网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102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。

终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种客户端应用，例如视频播放类应用、图像识别类应用、搜索类应用、浏览器类应用等。

终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏幕并且支持视频播放功能的各种电子设备，包括但不限于智能手机、平板电脑、MP3(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器，例如为终端设备101上视频播放应用的后台服务器。作为示例，后台服务器可以预先存储有信息库，为终端设备提供信息匹配服务。具体的，终端设备可以对接收到的用户语句进行处理，生成新的用户语句。而后，可以从新的用户语句中确定关键词，然后，使用所确定的关键词到后台服务器预先存储的信息库中进行匹配。从而，可以获取匹配到的信息。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于生成信息的方法一般由终端设备101执行，相应地，用于生成信息的装置一般设置于终端设备101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，示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法包括以下步骤：

步骤201，响应于接收到用户语句，确定意图词。

在本实施例中，响应于接收到用户语句，用于生成信息的方法的执行主体(如图1所示的终端设备101)可以通过各种方法确定意图词。其中，用户语句可以是用户输入的文字形式的语句。也可以是将接收到的用户语音转换成文字形式的语句。相应地，意图词可以是用于表征上述用户语句所表达的意图的词。可以理解，意图词可以是用户语句中的词，也可以是用户语句之外的、能够表达用户语句的意图的词。实践中，意图词可以是一个词语，也可以是一个短句。

作为示例，技术人员可以根据大量的语句，统计得到语句和意图词之间的对应关系表。由此，接收到用户语句之后，上述执行主体可以将用户语句输入至对应关系表中，然后将与输入的用户语句相同或者相似(例如相似度大于等于90％)的语句对应的意图词确定为该用户语句的意图词。

作为示例，技术人员可以对大量的用户语句进行处理，例如提取关键词，进而统计得到关键词和意图词之间的对应关系表。在这里，用户语句的关键词可以是用于表征用户语句的含义的关键性的词语。实践中，用户语句的关键词可以是用户语句中的词语，也可以是与用户语句中的词语含义相近的词语。由此，上述执行主体可以从接收到的用户语句中提取关键词，然后将提取到的关键词输入至对应关系表中，进而将与输入的关键词相同或者相似(例如相似度大于等于95％)的关键词对应的意图词确定为该用户语句的意图词。

在本实施例的一些可选的实现方式中，上述执行主体还可以将用户语句输入预先训练的意图生成模型中，进而得到意图词。其中，上述意图生成模型可以用于表征用户语句和意图词之间的对应关系。实践中，可以通过如下步骤训练得到意图生成模型。

步骤S1，获取样本集合。其中，样本包括样本用户语句和样本意图词。

在这些实现方式中，若样本集合存储于用于训练意图生成模型的执行主体，那么，用于训练意图生成模型的执行主体可以从本地获取样本集合。若样本集合存储于与用于训练意图生成模型的执行主体通信连接的数据库服务器，那么，用于训练意图生成模型的执行主体可以从该通信连接的数据库服务器获取样本集合。

步骤S2，将样本集合中的样本的样本用户语句作为初始模型的输入，将与输入的样本用户语句对应的样本意图词作为期望输入，训练得到上述意图生成模型。

具体地，用于训练意图生成模型的执行主体可以从样本集合中选取样本，然后执行如下训练步骤。

第一步，将选取的样本的样本用户语句输入至初始模型，得到意图词。上述初始模型可以是使用各种用于文本分类的分类器(例如，支持向量机分类器、深度卷积神经网络、随机森林分类器、贝叶斯分类器等)所搭建的模型。

第二步，通过损失函数确定所得到的意图词和与输入的样本用户语句对应的样本意图词之间的差异。上述损失函数可以根据实际需求进行选择，在此不再赘述。

第三步，响应于两者之间的差异小于等于预设差异，用于训练意图生成模型的执行主体可以确定初始模型训练完成，进而将训练完成的初始模型确定为意图生成模型。

步骤S3，响应于所得到的意图词和与输入的样本用户语句对应的样本意图词之间的差异大于预设差异，用于训练意图生成模型的执行主体可以调整初始模型的参数。同时，还可以将调整参数后的初始模型作为初始模型。进一步，用于训练意图生成模型的执行主体可以从样本集合中选取未使用过的样本，继续执行上述训练步骤，直至满足预设的训练结束条件。上述预设的训练结束条件可以包括但不限于以下至少一项：训练时长超过预设时长；训练次数超过预设次数；所得到的意图词和对应的样本意图词之间的差异小于等于预设差异。

需要说明的是，用于训练意图生成模型的执行主体与用于生成信息的方法的执行主体可以相同，也可以不相同。若相同，训练结束之后，用于训练意图生成模型的执行主体可以将训练完成的初始模型的结构信息和参数存储在本地。若不同，训练结束之后，用于训练意图生成模型的执行主体可以将训练完成的初始模型的结构信息和参数发送至用于生成信息的方法的执行主体。

步骤202，获取目标图像。

在本实施例中，接收到用户语句时，上述执行主体可以获取目标图像。其中，目标图像通常与预定屏幕当前播放的画面相关。上述预定屏幕可以是上述执行主体的屏幕。也可以是与上述执行主体通信连接的电子设备的屏幕。实践中，目标图像可以预先设置。例如，预先设置的接收到用户语句时所显示的图像。目标图像也可以通过一定规则筛选得到。例如，从所播放的视频中选取接收到用户语句的时间范围内所播放的视频段，然后从该视频段中选取一帧图像作为目标图像。

作为示例，实践中，上述执行主体可以安装有对其所播放的视频进行监测的接口。由此，接收到用户语句时，上述执行主体可以获取系统时间。在一些情况下，上述执行主体可以通过上述接口，确定出该时间所显示的所播放的视频中的图像帧作为目标图像。在另一些情况下，上述执行主体可以确定出该时间所在的时间范围内所播放的视频段。而后，上述执行主体可以从所播放的视频中获取该视频段。进而，可以从所获取的视频段中选取一帧图像作为目标图像。

在本实施例的一些可选的实现方式中，接收到用户语句时，上述执行主体可以截取在预定屏幕上播放的画面作为目标图像。此处，预定屏幕可以是上述执行主体的屏幕。此时，上述执行主体可以调用其上所安装的截屏应用，对屏幕进行图像截取。预定屏幕还可以是与执行主体通信连接的电子设备的屏幕。此时，上述执行主体可以调用该通信连接的电子设备上所安装的截屏应用，对该电子设备的屏幕进行图像截取。实践中，上述执行主体还可以使用各种截屏算法，对其屏幕或者通信连接的电子设备的屏幕进行图像截取。

步骤203，从目标图像中提取目标词语。

在本实施例中，上述执行主体可以通过各种方法，从目标图像中提取目标词语。其中，目标词语通常是所播放的视频的名称。实践中，目标词语可以通过一定规则筛选得到。例如，位于目标图像的左下方区域内的词语。例如，目标图像所属的视频中的预设数量帧图像中均包括的词语。

作为示例，技术人员可以根据历史经验对大量的图像进行分析，进而统计得到这些图像和图像中包括的目标词语之间的对应关系表。由此，上述执行主体可以将目标图像输入至该对应关系表中，进而得到目标图像中包括的目标词语。

作为示例，上述执行主体可以从所播放的视频中随机选取预设数量帧图像，然后使用各种文字识别算法，从这些图像中分别提取词语。而后，可以将这些图像中均包括的词语作为目标词语。

作为示例，上述执行主体可以将目标图像输入至通过机器学习方法训练的文字识别模型，得到目标图像中包括的目标词语。其中，文字识别模型可以用于表征图像和图像中所包括的目标词语之间的对应关系。实践中，上述文字识别模型可以是使用各种用于识别图像中的文字的初始模型训练得到的。此处，初始模型可以是现有的各种用于识别图像中的文字的模型。也可以是使用卷积神经网络重新搭建的模型。需要说明的是，训练文字识别模型的方法是目前广泛研究和应用的公知技术，在此不再赘述。

步骤204，基于目标图像、目标词语和意图词，生成第一用户语句。

在本实施例中，上述执行主体可以基于目标图像、目标词语和意图词，生成第一用户语句。具体地，上述执行主体可以获取目标图像在所播放的视频的时间轴所处的时间值，然后可以对所获取的时间值、目标词语和意图词进行处理，进而生成第一用户语句。

作为示例，上述执行主体可以按照一定顺序，将所获取的时间值、目标词语和意图词进行组合，得到第一用户语句。例如，时间值为“8分6秒”，目标词语为“XX之旅”，意图词为“是什么动物”。由此，可以得到第一用户语句为“XX之旅，8分6秒，是什么动物”。需要说明的是，上述组合顺序可以根据实际需求而定，在此不做具体限定。

在本实施例的一些可选的实现方式中，获取目标图像之后，上述执行主体还可以确定目标图像中显示的目标物体的名称。其中，目标图像中显示的物体可以是各种物体，例如人、动物、建筑物等。目标物体可以通过一定规则筛选得到。例如，从所提取的物体中任意选取的物体。例如，从所提取的物体中选择与意图词相关的物体。此处，所说的相关可以是物体的名称与意图词的相似度大于等于预设相似值。实践中，上述执行主体可以通过各种方法确定目标图像中显示的目标物体的名称。

作为示例，技术人员可以根据历史经验对大量的图像进行分析，进而统计得到这些图像和图像中显示的目标物体的名称之间的对应关系表。由此，上述执行主体可以将目标图像输入至该对应关系表中，进而得到目标图像中显示的目标物体的名称。可以理解，统计得到的对应关系表也可以是图像和图像中包括的内容(例如，图像中包括的目标词语，图像中显示的目标物体的名称)之间的对应关系表。由此，上述执行主体可以将目标图像输入至该对应关系表中，分别得到目标图像中包括的目标词语和显示的目标物体的名称。

作为示例，上述执行主体可以通过机器学习方法训练得到物体识别模型。从而上述执行主体可以将目标图像输入至训练好的物体识别模型中，进而确定目标图像中显示的目标物体的名称。其中，上述物体识别模型可以用于表征图像和图像中显示的目标物体的名称之间的对应关系。实践中，上述物体识别模型可以是使用各种用于识别图像中显示的物体的初始模型训练得到的。在这里，初始模型可以是现有的各种用于识别图像中显示的物体的模型。也可以是使用卷积神经网络重新搭建的模型。需要说明的是，训练物体识别模型的方法是目前广泛研究和应用的公知技术，在此不再赘述。需要指出的是，物体识别模型和步骤203中的文字识别模型可以是分别训练的模型，也可以是组合训练得到的一个模型。

在这些实现方式中，上述执行主体可以基于目标图像、目标词语、目标物体的名称和意图词，生成第一用户语句。作为示例，上述执行主体可以按照一定顺序，将所获取的时间值、目标词语、目标物体的名称和意图词进行组合，得到第一用户语句。例如，时间值为“8分6秒”，目标词语为“XX之旅”，目标物体的名称为“树懒熊”，意图词为“是什么动物”。由此，可以得到第一用户语句为“XX之旅，8分6秒，树懒熊，是什么动物”。作为示例，上述执行主体还可以计算目标物体的名称和意图词之间的相似度。若二者之间的相似度小于预设相似值，上述执行主体可以将所获取的时间值、目标词语和意图词进行组合，得到第一用户语句。例如，时间值为“8分6秒”，目标词语为“XX之旅”，目标物体的名称为“树懒熊”，意图词为“是什么音乐”。此时，上述执行主体可以计算“树懒熊”和“是什么音乐”之间的相似度。若相似度小于预设相似值，可以得到第一用户语句为“XX之旅，8分6秒，是什么音乐”。

继续参见图3，图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中，执行主体为智能电子设备301，其中，智能电子设备301安装有屏幕、麦克风、扬声器和语音合成装置等。用户A在使用智能电子设备301看视频时，对智能电子设备301说到“亲，这是什么歌曲呀”。智能电子设备301可以通过所安装的麦克风接收到用户A的声音，然后通过所安装的语音合成装置将接收到的声音转换成用户语句302(如图中所示的“亲，这是什么歌曲呀”)。而后智能电子设备301可以将用户语句302输入至意图生成模型303中，得到意图词304(如图中所示的“是什么音乐”)。

另外，接收到用户A的声音之后，智能电子设备301还可以调用其上所安装的截屏应用，对其屏幕上播放的画面进行截取，得到目标图像305。然后，智能电子设备301可以将目标图像305输入至文字识别模型306中，得到目标图像305中包括的目标词语307(如图中所示的“XX之旅”)。

进一步，智能电子设备301可以确定截取图像时，其屏幕上显示的图像在所播放的视频的时间轴所处的时间值308(如图中所示的“6分6秒”)。从而，智能电子设备301可以将目标词语307、时间值308和意图词304进行组合，得到第一用户语句309(如图中所示的“XX之旅，6分6秒，是什么音乐”)。

本申请的上述实施例提供的方法，响应于接收到用户语句，可以确定意图词。另外，还可以获取目标图像，然后从目标图像中提取目标词语。从而可以根据得到的目标图像、目标词语和意图词，生成第一用户语句，即得到重新改写后的用户语句。由此，对于接收到的关键词不明确的用户语句，经过改写，可以得到补充后的用户语句。可以理解，使用补充后的用户语句进行信息检索，可以提高检索的准确度。

进一步参考图4，其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400，包括以下步骤：

步骤401，响应于接收到用户语句，确定意图词。

步骤402，获取目标图像。

步骤403，从目标图像中提取目标词语。

步骤404，基于目标图像、目标词语和意图词，生成第一用户语句。

上述步骤401到步骤404分别与前述实施例中的步骤201到步骤204一致，上文针对步骤201到步骤204的描述也适用于步骤401到步骤404，此处不再赘述。

步骤405，确定目标标注信息集合中是否存在与意图词匹配的标注信息。

在本实施例中，确定意图词之后，用于生成信息的方法的执行主体(如图1所示的终端设备101)可以使用意图词到目标标注信息集合中进行匹配，进而确定目标标注信息集合中是否存在与意图词匹配的标注信息。其中，标注信息可以是技术人员根据实际需求，对视频中的相关内容进行的标注的信息。实践中，标注信息可以由参数和参数值组成。作为示例，标注信息可以是对视频的名称进行标注的标注信息。例如，对某一个电影的名称进行标注的信息可以是“电影名称：XX之旅”。作为示例，标注信息还可以是根据视频的时间轴，对视频中的任意帧图像进行标注的信息。例如，对某一帧图像中所显示的物体进行标注的信息可以是“时间：8分12秒；动物：企鹅”。作为示例，标注信息还可以是根据视频的时间轴，对视频的背景音乐进行标注的信息。例如，对某一个电影的背景音进行标注的信息可以是“时间：8分12秒；背景音乐：ZZ之歌”。

目标标注信息集合可以是预先指定的集合。也可以是通过一定规则筛选得到的集合。例如，实践中，可以根据所播放的视频的时间轴，将所播放的视频划分成多个视频段，然后对每个视频段进行标注，得到多个标注信息集合。由此，可以根据屏幕当前显示的图像在时间轴所处的时间值所在的时间范围，确定出目标标注信息集合。

作为示例，上述执行主体可以分别确定意图词和目标标注信息集合中的标注信息的每个参数之间的相似度，若存在相似度大于预设相似值的参数，则可以确定目标标注信息集合中存在与意图词匹配的标注信息。

步骤406，响应于确定存在，获取与意图词匹配的标注信息作为匹配标注信息。

在本实施例中，响应于确定目标标注信息集合中存在与意图词匹配的标注信息，上述执行主体可以从目标标注信息集合中获取与意图词匹配的标注信息作为匹配标注信息。

步骤407，基于匹配标注信息和意图词，生成第二用户语句。

在本实施例中，上述执行主体可以通过各种方法基于匹配标注信息和意图词，生成第二用户语句。实践中，所得到的匹配标注信息的数目可以是一个，也可以是多个。

作为示例，若所得到的匹配标注信息的数目是一个，那么上述执行主体可以确定该匹配标注信息的参数的参数值，然后将所确定的参数值和意图词进行组合，得到第二用户语句。例如，匹配标注信息为“时间：8分12秒；背景音乐：ZZ之歌”，意图词为“是什么歌曲”，那么第二用户语句可以是“8分12秒，ZZ之歌，是什么歌曲”。

作为示例，若所得到的匹配标注信息的数目是多个，那么上述执行主体可以通过内置的接口，进一步确定接收到用户语句时所显示的图像帧在时间轴所处的时间值。然后，从这些匹配标注信息中选取“时间”参数的参数值与所确定的时间值最接近的匹配标注信息。进而，上述执行主体可以确定该匹配标注信息的参数的参数值，然后将所确定的参数值和意图词进行组合，得到第二用户语句。

在本实施例的一些可选的实现方式中，上述方法还可以包括：基于第一用户语句和第二用户语句，生成用户语句集合；对于用户语句集合中的用户语句，从该用户语句中确定关键词；使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。

在这些实现方式中，上述执行主体可以对第一用户语句和第二用户语句分别执行以下两个步骤。第一步，确定关键词。实践中，上述执行主体可以使用TF-IDF(TermFrequency-Inverse Document Frequency，词频-逆文本频率指数)算法、RAKE(RapidAutomatic Keyword Extraction，快速自动关键词提取)算法等确定用户语句的关键词。第二步，使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。此处，预设信息库可以是根据实际需求构建的信息库，也可以是互联网上的任意一个信息库。实践中，对于每一个用户语句，得到的匹配信息可以是一个，也可以是多个。

在本实施例的一些可选的实现方式中，上述方法还可以包括：确定所得到的至少一个匹配信息与意图词的相似度；推送相似度最大且大于等于预设阈值的匹配信息。

在这些实现方式中，上述执行主体可以分别计算每一个匹配信息和意图词之间的相似度。然后，可以确定出相似度最大且相似度大于等于预设阈值的匹配信息，从而，可以将该匹配信息进行推送。此处，推送匹配信息的方式可以是各种各样的。例如，在上述执行主体的屏幕显示该匹配信息。例如，将该匹配信息转换成语音，然后通过上述执行主体所安装的或者与上述执行主体通信连接的语音输出设备(例如扬声器)输出该语音。例如，将该匹配信息发送至与上述执行主体通信连接的终端设备。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400体现了获取与意图词匹配的标注信息的步骤，以及基于匹配标注信息和意图词生成第二用户语句的步骤。可以看出，本实施例描述的方案可以根据所获取的匹配标注信息和意图词，对接收到的用户语句进行改写。由此，可以分别使用第一用户和第二用户语句进行信息检索，然后从中选取匹配度最高的信息。可以理解，可以进一步提高检索的准确度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于生成信息的装置500包括第一确定单元501、第一获取单元502、提取单元503和第一生成单元504。其中，第一确定单元501被配置成：响应于接收到用户语句，确定意图词；第一获取单元502被配置成获取目标图像；提取单元503被配置成从目标图像中提取目标词语；第一生成单元504被配置成：基于目标图像、目标词语和意图词，生成第一用户语句。

在本实施例中，用于生成信息的装置500中：第一确定单元501、第一获取单元502、提取单元503和第一生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤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，上述用于生成信息的装置500还可以包括第二确定单元(图中未示出)。其中，第二确定单元可以被配置成确定目标图像中显示的目标物体的名称。此时，第一生成单元504可以进一步被配置成：基于目标图像、目标词语、目标物体的名称和意图词，生成第一用户语句。

在本实施例的一些可选的实现方式中，上述第一获取单元502可以进一步被配置成截取在预定屏幕上播放的画面作为目标图像。

在本实施例的一些可选的实现方式中，上述用于生成信息的装置500还可以包括第三确定单元(图中未示出)、第二获取单元(图中未示出)和第二生成单元(图中未示出)。其中，第三确定单元可以被配置成确定目标标注信息集合中是否存在与意图词匹配的标注信息；第二获取单元可以被配置成：响应于确定存在，获取与意图词匹配的标注信息作为匹配标注信息；第二生成单元可以被配置成：基于匹配标注信息和意图词，生成第二用户语句。

在本实施例的一些可选的实现方式中，上述用于生成信息的装置500还可以包括第三生成单元(图中未示出)和匹配单元(图中未示出)。其中，第三生成单元可以被配置成：基于第一用户语句和第二用户语句，生成用户语句集合；匹配单元可以被配置成：对于用户语句集合中的用户语句，从该用户语句中确定关键词；使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。

在本实施例的一些可选的实现方式中，上述用于生成信息的装置500还可以包括第四确定单元(图中未示出)和推送单元(图中未示出)。其中，第四确定单元可以被配置成确定所得到的至少一个匹配信息与意图词的相似度；推送单元可以被配置成推送相似度最大且大于等于预设阈值的匹配信息。

本申请的上述实施例提供的装置，响应于接收到用户语句，可以通过第一确定单元502确定意图词。还可以通过第一获取单元502获取目标图像。然后，可以通过提取单元503从目标图像中提取目标词语。而后，可以通过第一生成单元504，基于目标图像、目标词语和意图词，生成第一用户语句。从而，实现了对接收到的用户语句进行改写。

下面参考图6，其示出了适于用来实现本申请实施例的终端的计算机系统600的结构示意图。图6示出的终端仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括麦克风、键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。

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，其包括承载在计算机可读介质上的计算机程序，该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609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请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是——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。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

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，包括第一确定单元、第一获取单元、提取单元和第一生成单元。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，第一获取单元还可以被描述为“获取目标图像的单元”。

作为另一方面，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上述实施例中描述的终端中所包含的；也可以是单独存在，而未装配入该终端中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端执行时，使得该终端：响应于接收到用户语句，确定意图词；获取目标图像；从目标图像中提取目标词语；基于目标图像、目标词语和意图词，生成第一用户语句。

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上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 (14)

1.一种用于生成信息的方法，包括：

响应于接收到用户语句，确定意图词；

获取目标图像；

从所述目标图像中提取目标词语；

基于所述目标图像、所述目标词语和所述意图词，生成第一用户语句。

2.根据权利要求1所述的方法，其中，在所述获取目标图像之后，所述方法还包括：

确定所述目标图像中显示的目标物体的名称；以及

所述基于所述目标图像、所述目标词语和所述意图词，生成第一用户语句，包括：

基于所述目标图像、所述目标词语、所述目标物体的名称和所述意图词，生成第一用户语句。

3.根据权利要求1所述的方法，其中，所述获取目标图像，包括：

截取在预定屏幕上播放的画面作为目标图像。

4.根据权利要求1-3中任一所述的方法，其中，在所述确定意图词之后，所述方法还包括：

确定目标标注信息集合中是否存在与所述意图词匹配的标注信息；

响应于确定存在，获取与所述意图词匹配的标注信息作为匹配标注信息；

基于所述匹配标注信息和所述意图词，生成第二用户语句。

5.根据权利要求4所述的方法，其中，所述方法还包括：

基于所述第一用户语句和所述第二用户语句，生成用户语句集合；

对于所述用户语句集合中的用户语句，从该用户语句中确定关键词；使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。

6.根据权利要求5所述的方法，其中，所述方法还包括：

确定所得到的至少一个匹配信息与所述意图词的相似度；

推送相似度最大且大于等于预设阈值的匹配信息。

7.一种用于生成信息的装置，包括：

第一确定单元，被配置成响应于接收到用户语句，确定意图词；

第一获取单元，被配置成获取目标图像；

提取单元，被配置成从所述目标图像中提取目标词语；

第一生成单元，被配置成基于所述目标图像、所述目标词语和所述意图词，生成第一用户语句。

8.根据权利要求7所述的装置，其中，所述装置还包括：

第二确定单元，被配置成确定所述目标图像中显示的目标物体的名称；

所述第一生成单元进一步被配置成：

基于所述目标图像、所述目标词语、所述目标物体的名称和所述意图词，生成第一用户语句。

9.根据权利要求7所述的装置，其中，所述第一获取单元进一步被配置成：

截取在预定屏幕上播放的画面作为目标图像。

10.根据权利要求7-9中任一所述的装置，其中，所述装置还包括：

第三确定单元，被配置成确定目标标注信息集合中是否存在与所述意图词匹配的标注信息；

第二获取单元，被配置成响应于确定存在，获取与所述意图词匹配的标注信息作为匹配标注信息；

第二生成单元，被配置成基于所述匹配标注信息和所述意图词，生成第二用户语句。

11.根据权利要求10所述的装置，其中，所述装置还包括：

第三生成单元，被配置成基于所述第一用户语句和所述第二用户语句，生成用户语句集合；

匹配单元，被配置成对于所述用户语句集合中的用户语句，从该用户语句中确定关键词；使用所确定的关键词到预设信息库中进行匹配，得到与所确定的关键词匹配的信息作为匹配信息。

12.根据权利要求11所述的装置，其中，所述装置还包括：

第四确定单元，被配置成确定所得到的至少一个匹配信息与所述意图词的相似度；

推送单元，被配置成推送相似度最大且大于等于预设阈值的匹配信息。

13.一种终端，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。