CN110780750A - 一种输入方法及装置 - Google Patents
一种输入方法及装置 Download PDFInfo
- Publication number
- CN110780750A CN110780750A CN201810895713.7A CN201810895713A CN110780750A CN 110780750 A CN110780750 A CN 110780750A CN 201810895713 A CN201810895713 A CN 201810895713A CN 110780750 A CN110780750 A CN 110780750A
- Authority
- CN
- China
- Prior art keywords
- subsequent
- code
- codes
- input
- user
- 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
Images
Classifications
-
- 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
-
- 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
- G06F3/0236—Character input methods using selection techniques to select from displayed items
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例公开了一种输入方法和装置,其中,输入方法包括:获取用户输入的当前编码;将当前编码输入编码预测模型,获得当前编码对应的后续编码;将后续编码进行显示,用户可以选择目标的后续编码,与已输入的当前编码组成完整的编码串,进而使得输入设备可以根据完整的编码串为用户显示候选项,从而当用户通过输入设备输入编码时,可以根据当前编码预测后续编码,用户直接选择后续编码进行输入,无需进行多次操作才可实现后续编码的输入,简化输入操作,节省时间,提高用户输入体验。
Description
技术领域
本申请涉及输入法领域,具体涉及一种输入方法及装置。
背景技术
输入法是指为将各种符号输入计算机或其他设备(如手机)而采用的编码方法,用户可以使用输入法便利地将需要的字符输入电子设备。例如在汉字输入法中,可以通过输入编码串将汉字输入到电子设备中。随着电子技术的不断发展,用户对于输入法便捷性的要求越来越高,以使得用户可以通过输入法快速地将需要的字符输入电子设备中。
当用户使用某电子设备进行输入时,由于该电子设备的设置,用户可能需要进行多次操作才可以输入所需的完整编码串。例如在电视上使用输入法时,用户需要通过电视机遥控器的上下左右按键,才可以在电视机屏幕显示的键盘上选择编码串中的某一字母,然后再通过确定按键才可以输入所选择的字母。如当用户想要输入“wo”时,需要通过遥控器的上下左右按键移动到字母“w”,选择该字母,再通过按键移动到字母“o”,确定后才可以完整输入编码串“wo”。
可见,在现有技术中,需要通过多次操作才能完成输入,过程繁琐、浪费时间,使得用户输入体验较差。
发明内容
有鉴于此,本申请实施例提供一种输入方法及装置,简化输入操作,节省时间,从而提高用户的输入体验。
为解决上述问题,本申请实施例提供的技术方案如下:
一种输入方法,所述方法包括:
获取用户输入的当前编码;
将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
将所述后续编码进行显示。
在一种可能的实现方式中,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
在一种可能的实现方式中,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
在一种可能的实现方式中,所述方法还包括:
根据当前用户的历史输入数据对所述编码预测模型进行更新。
在一种可能的实现方式中,所述方法还包括:
获得所述后续编码分别对应的第一概率,根据所述后续编码分别对应的第一概率对所述后续编码进行排序,获得第一排序结果;
所述将所述后续编码进行显示,包括:
按照所述第一排序结果将所述后续编码进行显示。
在一种可能的实现方式中,所述方法还包括:
获取当前应用场景,获得所述后续编码在所述当前应用场景下分别对应的第二概率,根据所述后续编码分别对应的第二概率对所述后续编码进行排序,获得第二排序结果;
所述将所述后续编码进行显示,包括:
按照所述第二排序结果将所述后续编码进行显示。
一种输入装置,所述装置包括:
获取单元,用于获取用户输入的当前编码;
预测单元,用于将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
显示单元,用于将所述后续编码进行显示。
在一种可能的实现方式中,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
在一种可能的实现方式中,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
在一种可能的实现方式中,所述装置还包括:
更新单元,用于根据当前用户的历史输入数据对所述编码预测模型进行更新。
在一种可能的实现方式中,所述装置还包括:
第一排序单元,用于获得所述后续编码分别对应的第一概率,根据所述后续编码分别对应的第一概率对所述后续编码进行排序,获得第一排序结果;
所述显示单元,具体用于按照所述第一排序结果将所述后续编码进行显示。
在一种可能的实现方式中,所述装置还包括:
第二排序单元,用于获取当前应用场景,获得所述后续编码在所述当前应用场景下分别对应的第二概率,根据所述后续编码分别对应的第二概率对所述后续编码进行排序,获得第二排序结果;
所述显示单元,具体用于按照所述第二排序结果将所述后续编码进行显示。
一种用于输入的处理设备,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取用户输入的当前编码;
将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
将所述后续编码进行显示。
一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行上述的输入方法。
由此可见,本申请实施例具有如下有益效果:
在本申请实施例中,当用户需要输入某一编码串时,输入设备可以获取用户已输入的当前编码,并将当前编码输入编码预测模型,获得当前编码对应的后续编码,然后将后续编码进行显示,用户可以选择目标的后续编码,与已输入的当前编码组成完整的编码串,进而使得输入设备可以根据完整的编码串为用户显示候选项,从而当用户通过输入设备输入编码时,可以根据当前编码预测后续编码,用户直接选择后续编码进行输入,无需进行多次操作才可实现后续编码的输入,简化输入操作,节省时间,提高用户输入体验。
附图说明
图1为本申请实施例提供的示例性应用场景的框架示意图;
图2为本申请实施例提供的一种输入方法流程图;
图3为本申请实施例提供的一种后续编码显示效果图;
图4为本申请实施例提供的另一种输入法流程图;
图5为本申请实施例提供的另一种输入法流程图;
图6为本申请实施例提供的另一种输入法流程图;
图7为本申请实施例提供的一种输入装置结构图;
图8为本申请实施例提供的另一种内容处理装置结构图;
图9为本申请实施例提供的一种服务器设备结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请实施例作进一步详细的说明。发明人在对传统的输入法研究中发现,在一些场景下,无论用户通过全拼、全简拼或末字简拼方式输入编码串时,均需要进行大量操作才能够实现编码串的输入。其中,全拼是指所需汉字对应的完整拼音;全简拼是指所需汉字首字母形成的拼音;末字简拼是指所需汉字中最后一个汉字首字母与其他汉字的全拼形成的拼音。例如,“我们”的拼音“women”,对应的全拼为“women”,对应的全简拼为“wm”,对应的末字简拼为“wom”。
在实际应用时,例如当用户利用遥控器在电视机屏幕上输入“women”时,需要多次操作遥控器的上下左右键和确定键才能输入编码串“women”,操作繁琐,影响用户输入体验。
基于此,本申请实施例提供了一种输入方法,当用户通过输入设备输入编码时,输入设备获取用户输入的当前编码,并通过预先建立的编码预测模型对后续编码进行预测,然后将预测获得的后续编码进行显示,以供用户进行选择,简化输入操作,节省时间,提高用户输入体验。
参见图1,该图为本申请实施例提供的示例性应用场景的框架示意图。其中,本申请实施例提供的输入方法可以应用于输入设备10,当用户通过输入设备10输入编码“w”时,输入设备10将编码“w”输入到预先建立的编码预测模型20中,由编码预测模型20对用户将要输入的编码进行预测,得到“w”对应的后续编码,例如,预测获得的后续编码为“o”、“en”和“m”,输入设备10将上述预测的后续编码进行显示,以供用户选择,无需用户再次进行输入,提升用户输入体验。
其中,编码预测模型20可以集成于输入设备10应用程序中,也可以为独立设置的应用程序。
本申请实施例中所提到的输入法可以是一种为了将各种符号输入到如计算机、手机等电子设备而采用的编码方法,用户可以使用输入法便利的将用户需要的字符或者字符串输入电子设备。需要注意的是,在本申请实施例中输入法除了可以包括常见的中文输入法(比如拼音输入法、五笔输入法、注音输入法等)以外,也可以包括其他语种的输入法(比如日文平假名输入法、韩文输入法等),在此不对输入法以及输入法的语言种类做任何限定。为了便于描述,在之后的实施例中,将主要以输入法为中文输入法、编码串为拼音串的形式为例进行说明。
需要注意的是,本申请实施例中的输入设备10包括但不限于:现有的、正在研发的或将来研发的智能手机、非智能手机、平板电脑、膝上型个人计算机、桌面型个人计算机、小型计算机、中型计算机、大型计算机、电视、遥控器等。
本领域技术人员可以理解,图1所示的框架示意图仅是本申请的实施方式可以在其中得以实现的一个示例。本发明实施方式的适用范围不受到该框架任何方面的限制。
下面将结合附图对本申请实施例提供的输入方法进行详细说明。
参见图2,该图为本申请实施例提供的一种输入方法流程图,该方法可以包括以下步骤:
S201:获取用户输入的当前编码。
当用户需要利用输入设备输入所需汉字时,首先通过输入设备输入汉字对应的编码串。输入设备随着用户的输入操作,可以实时获取用户输入的编码,用户输入的当前编码可以认为是所需输入的编码串的一部分。
通过上述描述可知,用户在输入所需汉字时,可以采用全拼、全简拼或末字简拼的方式输入汉字对应的拼音,因此,用户输入的当前编码可以为单个字母,也可以为字母串。在实际应用中,为了提高输入速度,可以设置当前编码为单个字母,即用户每输入一个字母则作为当前编码进行后续编码的预测,例如,用户希望输入末字简拼的编码串“wom”时,在输入编码“w”后,即把编码“w”作为当前编码;另外,也可以根据拼音规则设置当前编码为多个字母,例如将整体的声母“zh”、“ch”等作为当前编码。
S202:将当前编码输入编码预测模型,获得当前编码对应的后续编码。
本实施例中,输入设备获取用户输入的当前编码,并将该编码输入编码预测模型中,以利用该编码预测模型进行后续编码的预测,从而获得当前编码对应的后续编码。其中,后续编码同样可以为单个字母,或字母串。
可以理解的是,当用户输入的当前编码为单个字母时,输入设备将该单字符输入至编码预测模型中,以使得编码预测模型根据该单个字母进行后续编码的预测。例如,当前编码为“w”,则通过编码预测模型获得的后续编码可以为全拼对应的后续编码“o”、“en”、“eng”等、也可以为全简拼对应的后续编码“m”(wo men)、“j”(wen jian)等。
当用户输入的当前编码为字母串时,输入设备将该字符串输入至编码预测模型中,以使得编码预测模型根据该字母串进行后续编码的预测。例如,当前编码为“zh”,则通过编码预测模型获得的后续编码可以为全拼对应的后续编码“i”,、“ao”、“ang”等、也可以为全简拼对应的后续编码“d”(zhao dao)、“l”(zhuan li)等。
其中,编码预测模型可以是根据历史输入数据预先建立的,在实际应用中,编码预测模型的建立可以分为两种情况,下面将分别介绍两种建立编码预测模型的过程。
在第一种建立编码预测模型的过程中,可以根据历史输入数据中编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
本实施例中,获取用户的历史输入数据,并根据历史输入数据获取当用户输入某一在先编码时,再输入其他编码的概率,从而建立以条件概率为基准的编码预测模型。例如,根据历史输入数据可以确定出输入在先编码“w”之后,输入“o”、“eng”、“en”、“m”的概率分布分别为0.2、0.09、0.08、0.05作为一条训练数据,从而根据历史输入数据确定出一系列训练数据,由训练数据进行模型训练,从而建立编码预测模型。常见的以条件概率为基准的预测模型可以为Ngram模型,该模型是一种语言处理模型,可以利用上文中相邻词间的搭配信息,预测下文。
当编码预测模型是根据本方式建立时,可以将当前编码输入编码预测模型,编码预测模型根据在输入当前编码后,输入其他编码的概率,得到后续编码。例如,用户通过输入设备输入“w”,输入设备将该编码输入至编码预测模型中,该模型根据已统计的历史输入数据,获得“w”对应的大于某预设概率的后续编码。可以理解的是,“w”对应的后续编码可以为多个,例如“o”、“eng”、“en”、“m”等。
在第二种建立编码预测模型的过程中,可以根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
本实施例中,将历史输入数据作为输入数据训练深度学习模型,该模型按照历史输入数据中编码串中各编码的输入顺序,提取各编码的特征向量,从而获得各个编码之间特征向量之间的对应关系,从而训练得到编码预测模型。
当编码预测模型是根据本方式建立时,可以将当前编码输入编码预测模型,编码预测模型可以提取用户输入当前编码的特征向量,并根据特征向量之间的对应关系获得当前编码对应的后续编码的特征向量,从而获得后续编码。
常见的深度学习模型可以有递归神经网络(Recurrent Neural Networks,RNN)、长短期记忆网络(Long Short-Term Memory,LSTM)等,上述模型可以用于对特定序列中词汇的出现概率进行计算。其中,RNN不同于传统的语言模型仅将有限的编码纳入模型中,可以将历史输入数据中全部的编码纳入模型中,以提取所有历史输入数据中编码的特征向量,并根据历史输入数据中的编码顺序学习各编码的特征向量,以使得RNN可以根据用户输入的当前编码的特征向量,预测后续编码对应的特征向量,从而得到当前编码对应的后续编码。
可以理解的是,为提高编码预测模型的准确性,还可以根据当前用户的历史输入数据对编码预测模型进行更新,进而为用户提供更加准确的后续编码。
需要说明的是,在一些实现方式中,建立的编码预测模型可以为通用模型,也就是说,在任何应用场景下均可以使用通用编码预测模型进行后续编码的预测,从而可以节省编码预测模型所占用的存储空间。
在另一些实现方式中,可以基于应用场景建立不同的编码预测模型,当用户在不同的应用场景下进行输入时,输入设备基于该应用场景进行后续编码预测,从而可以更有针对性地对编码进行预测,进而满足用户输入需求。
以电视机输入为例,可以基于音乐应用建立编码预测模型、基于综艺节目建立编码预测模型、基于电影建立编码预测模型等等。例如,用户在音乐搜索中输入“zh”时,利用基于音乐的编码预测模型,获得的后续编码可以为“jl”(zhou jielun)、“hj”(zhouhuajian)或“y”(zhang yu);用户在电影搜索中输入“zh”时,利用基于电影的编码预测模型,获得的后续编码可以为“xc”(zhou xingchi)、“ym”(zhang yimou);用户在综艺搜索中输入“zh”时,利用基于综艺的编码预测模型,获得的后续编码可以为“dd”(zhang dada)、(yx)(zhang yixing)。可见,基于场景建立的编码预测模型,可以进一步的满足用户想要输入的后续编码,提高用户的输入体验。
当然,本实施例中,还可以基于其他特征建立不同的编码预测模型,例如基于不同用户建立编码预测模型,当一个输入设备对应多个用户使用时,可以针对每个用户建立编码预测模型,当用户利用输入设备进行输入时,首先输入用户名,以便输入设备根据用户名查找对应的编码预测模型,从而利用该模型进行后续编码的预测,以便为用户提供符合该用户使用习惯的后续编码。
S203:将后续编码进行显示。
本实施例中,当输入设备中的编码预测模型根据当前编码进行预测,获得后续编码时,将后续编码进行显示,以供用户选择所需的后续编码。例如,图3所示,例如,用户输入的当前编码为“zh”,编码预测模型根据“zh”获得的后续编码可以为“ou”、“ao”、“ang”,将上述编码展示给用户,以便用户可以在显示的编码中进行选择。在用户对后续编码进行选择后,当前编码和后续编码可以共同组成一编码串,从而根据该编码串生成候选项供用户进一步选择。
可以理解的是,当编码预测模型获得多个后续编码时,为向用户提供准确的后续编码,可以预先对获得的多个后续编码进行排序,将排序后的后续编码进行显示,从而将出现概率最大的后续编码排在第一位,以满足用户的输入要求。本实施例中,提供了多种排序方法,后续将对各种排序方法进行详细介绍。
通过本申请实施例提供的输入方法,当用户需要输入某一编码串时,输入设备获取用户已输入的当前编码,并将当前编码输入编码预测模型,获得当前编码对应的后续编码,然后将后续编码进行显示,用户可以选择目标的后续编码,与用户已输入的当前编码组成完整的编码串,进而使得输入设备可以根据完整的编码串为用户显示候选项,从而当用户通过输入设备输入编码时,可以根据当前编码预测后续编码,用户直接选择后续编码进行输入,无需进行多次操作才可实现后续编码的输入,简化输入操作,节省时间,提高用户输入体验。
通过上述实施例可知,输入设备在向用户显示预测的后续编码之前,可以对后续编码进行排序,将排序后的后续编码进行显示,本实施例提供了三种可能的排序方法,下面将结合附图分别对三种排序方法进行介绍。
第一种排序方法
参见图4,该图为本申请实施例提供的另一种输入方法流程图,该方法可以包括以下步骤:
S401:获取用户输入的当前编码。
需要说明的是,S401与S201具有相同的技术实现,具体实现方式可以参见上述方法实施例,在此不再赘述。
S402:将当前编码输入编码预测模型,获得当前编码对应的后续编码以及当前编码对应的后续编码分别对应的第一概率。
本实施例中,无论是建立包括在先编码为条件下的其他编码的条件概率的编码预测模型,还是根据历史输入数据中的编码顺序建立的编码预测模型,在将当前编码输入编码预测模型后,不仅可以获得当前编码对应的后续编码,还可以获取每个后续编码对应的第一概率。
例如,当用户输入的当前编码为“w”时,获得的后续编码“o”、“eng”、“en”、“m”、“a”的概率分别为0.05、0.08、0.09、0.2、0.03,当然,后续编码还可以包括更多候选项。
S403:根据后续编码对应的第一概率对后续编码进行排序,获得第一排序结果。
通过S402可知,可以利用编码预测模型获得每个后续编码对应的第一概率,然后根据第一概率对后续编码进行排序,得到排序后的后续编码。
例如,获得的后续编码“o”、“eng”、“en”、“m”、“a”的概率分别为0.05、0.08、0.09、0.2、0.03,可以按照第一概率从大到小的顺序进行排列,获得第一排序结果为“m”、“en”、“eng”、“o”、“a”。
S404:按照第一排序结果将后续编码进行显示。
本实施例中,当根据后续编码对应的第一概率进行排序获得第一排序结果时,按照第一排序结果向用户展示后续编码。当第一排序结果是依据第一概率从大到小的顺序排列时,可以将最大第一概率对应的后续编码在首位进行显示,然后依次为其他后续编码。
可以理解的是,当对预测的后续编码进行排序后,可以仅将预设数量的后续编码进行显示,便于用户进行选择。例如,将排序后的前四个后续编码进行显示。当然,也可以将大于预设概率阈值的后续编码进行显示。例如,将第一概率大于0.3对应的后续编码进行显示或者分页展示。
其中,预设数量和预设概率阈值的设置可以根据实际应用情况进行限定,本实施例在此不做限定。
第二种排序方法
参见图5,该图为本申请实施例提供的又一种输入方法流程图,该方法可以包括以下步骤:
S501:获取用户输入的当前编码。
S502:将当前编码输入编码预测模型,获得当前编码对应的后续编码。
需要说明的是,S501和S502分别与S201和S202具有相同的技术实现,具体可以参见上述实施例,本实施例在此不再赘述。
S503:获取当前应用场景,获得后续编码在当前应用场景下分别对应的第二概率。
本实施例中,当利用编码预测模型获得当前编码对应的后续编码时,获取输入设备当前的应用场景,从而获得在该应用场景中每个后续编码对应的第二概率。
其中,应用场景可以为输入环境,例如音乐、电影、电视剧、综艺等等。当获得后续编码时,根据当前的输入环境,获取每个后续编码在该输入环境下对应的第二概率。例如,用户输入的当前编码为“zh”时,获得的后续编码“xc”(对应于演员周星驰)、“ym”(对应于演员周渝民)、“jl”(对应于歌手周杰伦)、“hj”(对应于歌手周华建)、“yj”(对应于电影名《捉妖记》),假设当前应用环境为音乐,则每个后续编码对应的第二概率分别为0.1、0.05、0.5、0.35、0.1;当前应用环境为电影时,则每个后续编码对应的第二概率分别为0.5、0.3、0.05、0.15、0.4。可见,利用编码预测模型获得相同的后续编码,由于应用环境不同,可能会导致每个后续编码对应不同的第二概率。
需要说明的是,当利用通用的编码预测模型进行后续编码预测时,可以首先利用通用的编码预测模型获得后续编码,然后再获取当前应用场景,获得后续编码在该应用场景下对应的第二概率。
当利用基于应用场景建立的编码预测模型进行后续编码预测时,可以直接根据基于应用场景建立的编码预测模型获得后续编码以及每个后续编码对应的第二概率。
S504:根据后续编码分别对应的第二概率对后续编码进行排序,获得第二排序结果。
通过S503可知,根据应用场景获得每个后续编码对应第二概率,然后根据第二概率对后续编码进行排序,获得排序后的后续编码。
例如,获得的后续编码“xc”(对应于演员周星驰)、“ym”(对应于演员周渝民)、“jl”(对应于歌手周杰伦)、“hj”(对应于歌手周华建)、“yj”(对应于电影名《捉妖记》),在音乐应用环境中对应的第二概率分别为0.1、0.05、0.5、0.35、0.1,可以按照第二概率从大到小的顺序进行排列,获得第二排序结果为“jl”(对应于歌手周杰伦)、“hj”(对应于歌手周华建)、“xc”(对应于演员周星驰)、“yj”(对应于电影名《捉妖记》)、“ym”(对应于演员周渝民)。在电影应用环境中每个后续编码对应的第二概率分别为0.5、0.3、0.05、0.15、0.4,按照第二概率从大到小的顺序进行排列,获得第二排序结果为“xc”(对应于演员周星驰)、“yj”(对应于电影名《捉妖记》)、“ym”(对应于演员周渝民)、“hj”(对应于歌手周华建)、“jl”(对应于歌手周杰伦)。当然,也可以按照第二概率从小到大的顺序排列,获得第二排序结果。由此可见,在不同应用场景,后续编码的排序不同。
S505:按照第二排序结果将后续编码进行显示。
本实施例中,当根据后续编码对应的第二概率进行排序获得第二排序结果时,按照第二排序结果向用户展示后续编码,从而将最大第二概率对应的后续编码在首位进行显示,然后依次为其它后续编码。
可以理解的是,当输入设备显示排序后的后续编码时,可以仅将预设数量的后续编码进行显示,便于用户进行选择。例如,将排序后的前四个后续编码进行显示。当然,也可以将第二概率大于预设概率阈值的后续编码进行显示。例如,将第二概率大于0.3对应的后续编码进行显示。
其中,预设数量和预设概率阈值的设置可以根据实际应用情况进行限定,本实施例在此不做限定。
第三种排序方法
本实施例中,该排序方法是在第一种排序方法的基础上,增加第二种排序方法,从而可以为用户提供符合用户需求的后续编码。
参见图6,该图为本申请实施例提供的再一种输入法流程图,该方法可以包括以下步骤:
S601:获得用户输入的当前编码。
S602:将当前编码输入编码预测模型,获得当前编码对应的后续编码以及当前编码对应的后续编码分别对应的第一概率。
S603:根据后续编码对应的第一概率对后续编码进行排序,获得第一排序结果。
需要说明的是,本实例中S601-S603分别与S401-S403相对应,具体实现可以参见上述实施例,在此不再赘述。
S604:获取当前应用场景,获得后续编码在当前应用场景下分别对应的第二概率,根据每个后续编码对应的第二概率对第一排序结果中的后续编码进行重排序,获得第二排序结果。
本实施例中,输入设备获取用户输入当前编码的应用环境,然后根据应用环境获得第一排序结果中每个后续编码在该应用环境下分别对应的第二概率,然后根据第二概率对第一排序结果中的后续编码进行重新排序,得到第二排序结果。
例如,用户输入的当前编码为“zh”,通过编码预测模型获得的后续编码以及各后续编码对应的概率为:“xc”、“ym”、“jl”、“hj”、“yj”;第一概率分别为:0.4、0.15、0.5、0.3、0.2,则第一排序结果为:“jl”、“xc”、“hj”、“yj”、“ym”。假设当前应用环境为音乐,第一排序结果中各后续编码对应的第二概率为:0.1、0.05、0.5、0.35,则第二排序结果为:“jl”、“hj”、“xc”、“ym”。当前应用环境为电影时,第一排序结果中各后续编码对应的第二概率为:0.5、0.3、0.05、0.15、0.4,则第二排序结果为:“xc”、“yj”、“ym”、“hj”、“jl”。
可以理解的是,输入设备可以将第一排序结果中预设数量的后续编码进行重排序。例如,将第一排序结果中的前四个后续编码进行重排序,获得前四个后续编码在当前应用环境中对应的第二概率,根据第二概率对四个后续编码进行排序,获得第二排序结果。
输入设备也可以将第一排序结果中第一概率大于预设概率阈值的后续编码进行重排序。例如,将第一排序结果中第一概率大于0.4的后续编码进行重排序,获得第一概率大于0.4的后续编码在当前应用环境中对应的第二概率,根据第二概率对上述后续编码进行排序,获得第二排序结果,从而提高排序速度,减少对资源的占用。
S605:按照第二排序结果将后续编码进行显示。
本实施例中,当根据第二概率对第一排序结果中的后续编码进行重排序,获得第二排序结果时,按照第二排序结果向用户展示第二排序结果中后续编码。
可以理解的是,当输入设备显示排序后的后续编码时,可以仅将预设数量的后续编码进行显示,也可以将第二概率大于预设概率阈值的后续编码进行显示,以供用户选择。其中,预设数量和预设概率阈值的设置可以根据实际应用情况进行限定,本实施例在此不做限定。
需要说明的是,本实施例中各步骤的其它可能实现方式可以参见上述方法实施例,在此不再赘述。
可以理解的是,本实施例还可以依据其他的因素对预测的后续编码进行排序筛选,例如依据当前输入设备所存储的资源对后续编码进行排序。以电视机为例,用户输入的当前编码为“zh”,经编码预测模型预测后获得的后续编码为“ou”、“ao”、“ang”,“u”,可能由于版权问题,当前电视机并未存储关于姓周和姓朱歌手或演员对应资源,因此,在显示后续编码时,仅向用户展示“ao”和“ang”后续编码,从而使得展示给用户的后续编码更符合用户的输入需求。
可见,通过本申请实施例提供的对后续编码排序的方法,可以基于当前用户的应用场景对预测得到的后续编码进行重排序,选择最可能的后续编码进行展示,以供用户进行选择,节省输入时间,提高输入效率,进一步提升用户的输入体验。
基于上述方法实施例,本申请还提供了一种输入装置,下面将结合附图对该装置进行说明。
参见图7,该图为本申请实施例提供的一种输入装置,该装置可以包括:
获取单元,用于获取用户输入的当前编码;
预测单元,用于将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
显示单元,用于将所述后续编码进行显示。
在一些实施方式中,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
在一些实施方式中,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
在一些实施方式中,所述装置还包括:
更新单元,用于根据当前用户的历史输入数据对所述编码预测模型进行更新。
在一些实施方式中,所述装置还包括:
第一排序单元,用于获得所述后续编码分别对应的第一概率,根据所述后续编码分别对应的第一概率对所述后续编码进行排序,获得第一排序结果;
所述显示单元,具体用于按照所述第一排序结果将所述后续编码进行显示。
在一些实施方式中,所述装置还包括:
第二排序单元,用于获取当前应用场景,获得所述后续编码在所述当前应用场景下分别对应的第二概率,根据所述后续编码分别对应的第二概率对所述后续编码进行排序,获得第二排序结果;
所述显示单元,具体用于按照所述第二排序结果将所述后续编码进行显示。
在本申请实施例中,当用户需要输入某一编码串时,输入设备可以获取用户已输入的当前编码,并将当前编码输入编码预测模型,获得当前编码对应的后续编码,然后将后续编码进行显示,用户可以选择目标的后续编码,与已输入的当前编码组成完整的编码串,进而使得输入设备可以根据完整的编码串为用户显示候选项,从而当用户通过输入设备输入编码时,可以根据当前编码预测后续编码,用户直接选择后续编码进行输入,无需进行多次操作才可实现后续编码的输入,简化输入操作,节省时间,提高用户输入体验。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8示出了一种输入装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图8,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口89,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口89为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行下述方法:
获取用户输入的当前编码;
将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
将所述后续编码进行显示。
可选的,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
可选的,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
可选的,所述方法还包括:
根据当前用户的历史输入数据对所述编码预测模型进行更新。
可选的,所述方法还包括:
获得所述后续编码分别对应的第一概率,根据所述后续编码分别对应的第一概率对所述后续编码进行排序,获得第一排序结果;
所述将所述后续编码进行显示,包括:
按照所述第一排序结果将所述后续编码进行显示。
可选的,所述方法还包括:
获取当前应用场景,获得所述后续编码在所述当前应用场景下分别对应的第二概率,根据所述后续编码分别对应的第二概率对所述后续编码进行排序,获得第二排序结果;
所述将所述后续编码进行显示,包括:
按照所述第二排序结果将所述后续编码进行显示。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种输入方法,所述方法包括:
获取用户输入的当前编码;
将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
将所述后续编码进行显示。
可选的,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
可选的,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
可选的,所述方法还包括:
根据当前用户的历史输入数据对所述编码预测模型进行更新。
可选的,所述方法还包括:
获得所述后续编码分别对应的第一概率,根据所述后续编码分别对应的第一概率对所述后续编码进行排序,获得第一排序结果;
所述将所述后续编码进行显示,包括:
按照所述第一排序结果将所述后续编码进行显示。
可选的,所述方法还包括:
获取当前应用场景,获得所述后续编码在所述当前应用场景下分别对应的第二概率,根据所述后续编码分别对应的第二概率对所述后续编码进行排序,获得第二排序结果;
所述将所述后续编码进行显示,包括:
按照所述第二排序结果将所述后续编码进行显示。
图9是本发明实施例中服务器的结构示意图。该服务器900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)922(例如,一个或一个以上处理器)和存储器932,一个或一个以上存储应用程序942或数据944的存储介质930(例如一个或一个以上海量存储设备)。其中,存储器932和存储介质930可以是短暂存储或持久存储。存储在存储介质930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器922可以设置为与存储介质930通信,在服务器900上执行存储介质930中的一系列指令操作。
终端900还可以包括一个或一个以上电源926,一个或一个以上有线或无线网络接口950,一个或一个以上输入输出接口958,一个或一个以上键盘956,和/或,一个或一个以上操作系统941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
需要说明的是,本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统或装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本中请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种输入方法,其特征在于,所述方法包括:
获取用户输入的当前编码;
将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
将所述后续编码进行显示。
2.根据权利要求1所述的方法,其特征在于,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
3.根据权利要求1所述的方法,其特征在于,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序训练深度学习模型,建立编码预测模型。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
根据当前用户的历史输入数据对所述编码预测模型进行更新。
5.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
获得所述后续编码分别对应的第一概率,根据所述后续编码分别对应的第一概率对所述后续编码进行排序,获得第一排序结果;
所述将所述后续编码进行显示,包括:
按照所述第一排序结果将所述后续编码进行显示。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
获取当前应用场景,获得所述后续编码在所述当前应用场景下分别对应的第二概率,根据所述后续编码分别对应的第二概率对所述后续编码进行排序,获得第二排序结果;
所述将所述后续编码进行显示,包括:
按照所述第二排序结果将所述后续编码进行显示。
7.一种输入装置,其特征在于,所述装置包括:
获取单元,用于获取用户输入的当前编码;
预测单元,用于将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
显示单元,用于将所述后续编码进行显示。
8.根据权利要求7所述的装置,其特征在于,所述编码预测模型的建立过程包括:
根据历史输入数据中的编码顺序统计以在先编码为条件下的其他编码的条件概率,建立包括各个在先编码为条件下的其他编码的条件概率的编码预测模型。
9.一种用于输入的处理设备,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取用户输入的当前编码;
将所述当前编码输入编码预测模型,获得所述当前编码对应的后续编码;
将所述后续编码进行显示。
10.一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求1至6中一个或多个所述的输入方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810895713.7A CN110780750A (zh) | 2018-07-31 | 2018-07-31 | 一种输入方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810895713.7A CN110780750A (zh) | 2018-07-31 | 2018-07-31 | 一种输入方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110780750A true CN110780750A (zh) | 2020-02-11 |
Family
ID=69383098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810895713.7A Pending CN110780750A (zh) | 2018-07-31 | 2018-07-31 | 一种输入方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110780750A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667099A (zh) * | 2009-10-16 | 2010-03-10 | 神形互联有限公司 | 一种连笔键盘文字输入的方法和设备 |
CN102253929A (zh) * | 2011-06-03 | 2011-11-23 | 北京搜狗科技发展有限公司 | 一种提示用户输入字符的方法和装置 |
CN102508829A (zh) * | 2011-11-24 | 2012-06-20 | 百度在线网络技术(北京)有限公司 | 拼音输入的云结果预测方法、系统及装置 |
CN102915122A (zh) * | 2012-07-19 | 2013-02-06 | 上海交通大学 | 基于语言模型的智能移动平台拼音输入法 |
CN103902053A (zh) * | 2012-12-27 | 2014-07-02 | 深圳市世纪光速信息技术有限公司 | 数字键盘输入法解码方法和装置 |
CN106569618A (zh) * | 2016-10-19 | 2017-04-19 | 武汉悦然心动网络科技股份有限公司 | 基于循环神经网络模型的滑动输入方法及系统 |
CN107329585A (zh) * | 2017-06-28 | 2017-11-07 | 北京百度网讯科技有限公司 | 用于输入文字的方法和装置 |
CN107608532A (zh) * | 2016-07-11 | 2018-01-19 | 北京搜狗科技发展有限公司 | 一种联想输入方法、装置及电子设备 |
CN107621891A (zh) * | 2017-09-28 | 2018-01-23 | 北京新美互通科技有限公司 | 一种文本输入方法、装置及电子设备 |
CN107844199A (zh) * | 2016-09-18 | 2018-03-27 | 北京搜狗科技发展有限公司 | 一种输入方法、系统和用于输入的装置 |
-
2018
- 2018-07-31 CN CN201810895713.7A patent/CN110780750A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667099A (zh) * | 2009-10-16 | 2010-03-10 | 神形互联有限公司 | 一种连笔键盘文字输入的方法和设备 |
CN102253929A (zh) * | 2011-06-03 | 2011-11-23 | 北京搜狗科技发展有限公司 | 一种提示用户输入字符的方法和装置 |
CN102508829A (zh) * | 2011-11-24 | 2012-06-20 | 百度在线网络技术(北京)有限公司 | 拼音输入的云结果预测方法、系统及装置 |
CN102915122A (zh) * | 2012-07-19 | 2013-02-06 | 上海交通大学 | 基于语言模型的智能移动平台拼音输入法 |
CN103902053A (zh) * | 2012-12-27 | 2014-07-02 | 深圳市世纪光速信息技术有限公司 | 数字键盘输入法解码方法和装置 |
CN107608532A (zh) * | 2016-07-11 | 2018-01-19 | 北京搜狗科技发展有限公司 | 一种联想输入方法、装置及电子设备 |
CN107844199A (zh) * | 2016-09-18 | 2018-03-27 | 北京搜狗科技发展有限公司 | 一种输入方法、系统和用于输入的装置 |
CN106569618A (zh) * | 2016-10-19 | 2017-04-19 | 武汉悦然心动网络科技股份有限公司 | 基于循环神经网络模型的滑动输入方法及系统 |
CN107329585A (zh) * | 2017-06-28 | 2017-11-07 | 北京百度网讯科技有限公司 | 用于输入文字的方法和装置 |
CN107621891A (zh) * | 2017-09-28 | 2018-01-23 | 北京新美互通科技有限公司 | 一种文本输入方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN107247519B (zh) | 一种输入方法及装置 | |
CN109144285B (zh) | 一种输入方法和装置 | |
CN108073303B (zh) | 一种输入方法、装置及电子设备 | |
US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN110764627B (zh) | 一种输入方法、装置和电子设备 | |
CN111046210A (zh) | 一种信息推荐方法、装置和电子设备 | |
CN107943317B (zh) | 输入方法及装置 | |
CN108628461B (zh) | 一种输入方法和装置、一种更新词库的方法和装置 | |
CN107436896B (zh) | 一种输入推荐方法、装置及电子设备 | |
CN109144286B (zh) | 一种输入方法及装置 | |
CN110795014A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN110780750A (zh) | 一种输入方法及装置 | |
CN109917927B (zh) | 一种候选项确定方法和装置 | |
CN113589954A (zh) | 一种数据处理方法、装置和电子设备 | |
CN112214114A (zh) | 一种输入方法、装置和电子设备 | |
CN110580126B (zh) | 一种虚拟键盘和基于虚拟键盘的输入方法 | |
CN110413133B (zh) | 一种输入方法及装置 | |
CN111949139B (zh) | 一种输入方法及装置 | |
CN111666436B (zh) | 一种数据处理方法、装置和电子设备 | |
CN113157107A (zh) | 一种候选项排序方法及装置 | |
CN109213799B (zh) | 一种细胞词库的推荐方法和装置 | |
CN108874170B (zh) | 一种输入方法及装置 | |
CN115373523A (zh) | 一种输入方法、装置和用于输入的装置 |
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 |