CN111324277A

CN111324277A - 一种输入校验方法及装置

Info

Publication number: CN111324277A
Application number: CN201911061764.0A
Authority: CN
Inventors: 谢亚娟; 孙达
Original assignee: Hangzhou Hikvision System Technology Co Ltd
Current assignee: Hangzhou Hikvision System Technology Co Ltd
Priority date: 2019-11-01
Filing date: 2019-11-01
Publication date: 2020-06-23

Abstract

本申请提供一种输入校验方法及装置，方法包括：检测到软键盘上发生触控按键事件时，确定所述触控按键事件对应的输入信息以及触控位置信息；将所述触控位置信息分别输入至已训练的N个按键预测模型得到N个按键预测参数；所述按键预测参数包括：按键预测模型对应的预测信息，以及在所述触控位置信息上输入所述预测信息的概率；所述N依据所述软键盘上按键的数量确定；依据所述N个按键预测参数检查所述输入信息是否正确。应用该方法，可以实现依据用户的使用习惯检查触控按键事件对应的输入信息是否正确，实现根据不同用户的使用习惯进行自适应地智能纠正，提升用户体验。

Description

一种输入校验方法及装置

技术领域

本申请涉及软键盘技术领域，尤其涉及一种输入校验方法及装置。

背景技术

软键盘是一种通过键盘模拟软件模拟出的可以在电子设备屏幕上显示的虚拟键盘，被广泛应用于手机、PAD等电子设备中。目前，由于电子设备屏幕空间有限，导致软键盘上的按键排布紧凑，同时，由于用户个人的使用习惯(例如右手输入、左手输入、双手输入等)的影响，很容易造成用户在使用软键盘进行输入时触控到期望按键的邻近按键而导致输入错误。在输入错误的情形下，用户需将输入区域中错误的内容删除，之后再次通过触控按键尝试输入。

针对上述情形，现有技术中也提出有一些纠错方法，例如，当用户发现字符输入错误时，可以采用倾斜终端的方式选择更新字符来替换输入错误的字符。然而，这些纠错方式仍然是由用户去校验输入字符是否正确，并无法实现智能校验。

发明内容

有鉴于此，本申请提供一种输入校验方法及装置，以解决现有技术中无法实现智能地进行输入校验的问题。

根据本申请实施例的第一方面，提供一种输入校验方法，所述方法包括：

检测到软键盘上发生触控按键事件时，确定所述触控按键事件对应的输入信息以及触控位置信息；

将所述触控位置信息分别输入至已训练的N个按键预测模型得到N个按键预测参数；所述按键预测参数包括：按键预测模型对应的预测信息，以及在所述触控位置信息上输入所述预测信息的概率；所述N依据所述软键盘上按键的数量确定；

依据所述N个按键预测参数检查所述输入信息是否正确。

根据本申请实施例的第二方面，提供一种输入校验装置，所述装置包括：

检测模块，用于检测到软键盘上发生触控按键事件时，确定所述触控按键事件对应的输入信息以及触控位置信息；

输入模块，用于将所述触控位置信息分别输入至已训练的N个按键预测模型得到N个按键预测参数；所述按键预测参数包括：按键预测模型对应的预测信息，以及在所述触控位置信息上输入所述预测信息的概率；所述N依据所述软键盘上按键的数量确定；

检查模块，用于依据所述N个按键预测参数检查所述输入信息是否正确。

根据本申请实施例的第三方面，提供一种电子设备，所述设备包括可读存储介质和处理器；

其中，所述可读存储介质，用于存储机器可执行指令；

所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现本申请任一实施例提供的输入校验方法的步骤。

根据本申请实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请任一实施例提供的输入校验方法的步骤。

应用本申请实施例，通过检测到软键盘上发生触控按键事件时，确定该触控按键事件对应的输入信息以及触控位置信息，将触控位置信息输入至前述按键预测模型得到按键预测参数，依据该按键预测参数检查触控按键事件对应的输入信息是否正确，由于按键预测模型是基于用户日常使用软键盘进行输入的行为所产生的样本数据训练得到，从而，按键预测模型输出的按键预测参数与用户的使用习惯相关联，因此，可以实现依据用户的使用习惯检查触控按键事件对应的输入信息是否正确，实现根据不同用户的使用习惯进行自适应地智能纠正，提升用户体验。

附图说明

图1为本申请一示例性实施例提供的一种输入校验方法的实施例流程图；

图2为设定坐标系的一种示例；

图3为本申请一示例性实施例提供的按键预测模型的训练过程的实施例流程图；

图4为本申请一示例性实施例提供的输入校验装置的实施例框图；

图5为本申请根据一示例性实施例示出的一种电子设备的硬件结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为了解决上述问题，本申请提出一种输入校验方法在该输入校验方法中，检测到软键盘上发生触控按键事件时，确定该触控按键事件对应的输入信息以及触控位置信息，将触控位置信息输入至已训练的按键预测模型得到按键预测参数，依据该按键预测参数检查触控按键事件对应的输入信息是否正确，其中，按键预测模型可通过以下过程训练得到：监听用户日常使用软键盘进行输入的行为获得样本数据，利用获得的样本数据为软键盘上的按键训练对应的按键预测模型，该按键预测模型输出的按键预测参数包括按键预测模型对应的预测信息，在触控位置信息上输入该预测信息的概率。由于按键预测模型是基于用户日常使用软键盘进行输入的行为所产生的样本数据训练得到，从而，按键预测模型输出的按键预测参数与用户的使用习惯相关联。因此本申请提出的输入校验方法可以实现依据用户的使用习惯检查触控按键事件对应的输入信息是否正确，实现根据不同用户的使用习惯进行自适应地智能纠正，提升用户体验。如下，分别示出图1和图3所示例的流程图对本申请提出输入校验方法以及按键预测模型的训练过程进行详细说明：

首先，请参见图1，为本申请一示例性实施例提供的一种输入校验方法的实施例流程图，该图1所示例的流程图可以包括以下步骤：

步骤101：检测到软键盘上发生触控按键事件时，确定该触控按键事件对应的输入信息以及触控位置信息。

相关技术中，触控可以分为两类：单点触控和多点触控。在本申请实施例中，在软键盘上发生的触控按键事件可以为单点触控事件。

作为一个示例，上述触控按键事件的动作类型可以为触控体离开。基于此，触控按键事件的触控点可以指触控体离开软键盘时的触控点。

其中，触控体可以为手指、触控笔等。

触控按键事件对应的输入信息可以为该触控按键事件的触控点所对应按键的按键值，在一个例子中，这里所说的“对应”是指，触控点位于其对应的按键所在区域中。本申请中，当软键盘上发生触控按键事件时，该触控按键事件对应的输入信息并不显示在输入区域中。

触控按键事件对应的触控位置信息可以为该触控按键事件的触控点在软键盘上的位置信息。作为一个示例，可以基于软键盘建立一个设定坐标系，然后确定触控按键事件的触控点在该设定坐标系中的坐标信息，将该坐标信息确定为该触控按键事件对应的触控位置信息。

作为一个示例，上述设定坐标系的坐标原点为软键盘上的指定点，X轴为沿着软键盘的水平方向，Y轴为沿着软键盘的竖直方向，例如，如图2中所示的坐标系为该设定坐标系的一种示例。

基于该图2中所示例的设定坐标系举例来说，假设触控按键事件的触控点为图1中的点A，并假设点A在该设定坐标系中的坐标信息为(40，20)，那么，该触控按键事件对应的输入信息为“H”，触控位置信息为(40，20)。

步骤102：将触控位置信息分别输入至已训练的N个按键预测模型得到N个按键预测参数，按键预测参数包括：按键预测模型对应的预测信息，以及在触控位置信息上输入该预测信息的概率；N依据软键盘上按键的数量确定。

首先说明，在本申请实施例中，可以事先针对软键盘上的全部或部分按键训练出N个按键预测模型。其中，N可以依据软键盘上按键的数量确定，例如，N可以为软键盘上按键的总数量，或者为软键盘上字母所对应按键的数量，又或者为软键盘上数字所对应按键的数量，本申请实施例中对N的具体取值方式不做限定。

作为一个示例，可以每隔一定时间即重新训练按键预测模型，以实现构建出符合用户当前的使用习惯的按键预测模型，从而实现根据用户当前的使用习惯进行纠错。

下面以N为软键盘上按键的总数量为例，例如，如图2所示例的软键盘，其上具有35个按键，则可以事先针对该35个按键中的每一按键分别训练出一个按键预测模型，共得到35个按键预测模型。其中，每一按键预测模型以其对应的按键的按键值作为预测信息，每一按键预测模型输出的按键预测参数可以包括：其对应的预测信息，以及在触控位置信息上输入该预测信息的概率。

至于是如何训练得到上述按键预测模型的，在下文中会有描述，此处先不做描述。

基于上述描述，在本步骤中，则可以将上述步骤101中确定出的触控位置信息分别输入至已训练的N个预测模型，得到N个按键预测参数，其中，每一按键预测参数包括：按键预测模型对应的预测信息，以及在步骤101中确定出的触控位置信息上输入该预测信息的概率。

步骤103：依据N个按键预测参数检查输入信息是否正确。

作为一个示例，可以从N个按键预测参数中选择包括的概率值最大的一个按键预测参数，之后，比较所选择的按键预测参数中的预测信息与上述步骤101中确定出的输入信息是否一致，如果是，则可以确定该输入信息正确，如果否，则可以确定该输入信息不正确。

至此，完成图1所示流程图的相关描述。

由上述实施例可见，通过检测到软键盘上发生触控按键事件时，确定该触控按键事件对应的输入信息以及触控位置信息，将触控位置信息输入至前述按键预测模型得到按键预测参数，依据该按键预测参数检查触控按键事件对应的输入信息是否正确，由于按键预测模型是基于用户日常使用软键盘进行输入的行为所产生的样本数据训练得到，从而，按键预测模型输出的按键预测参数与用户的使用习惯相关联，因此，可以实现依据用户的使用习惯检查触控按键事件对应的输入信息是否正确，实现根据不同用户的使用习惯进行自适应地智能纠正，提升用户体验。

此外，作为一个实施例，在执行完上述步骤103，当确定软键盘上发生的触控按键事件对应的输入信息不正确时，可以将上述步骤103中描述的所选择的按键预测参数中的预测信息确定为目标输入信息，将该目标输入信息显示在输入区域中。

举例来说，基于图2所示例的软键盘，假设用户期望的输入信息为字母“G”，但用户实际触控到的触控点为点A，如图2所示，点A位于字母“H”所对应按键的区域内，按照现有技术中的输入方法，可以将字母“H”确定为输入信息并显示在输入区域中，此时则发生输入错误。之后，用户为了纠正这一错误，可以手动将字母“H”从输入区域中删除，并随之再次尝试输入字母“G”。而按照本申请提出的输入校验方法，则可以实现待检测到用户触控点A之后，电子设备可以智能地校验出将字母“H”作为输入信息不正确，并智能地将字母“G”确定为目标输入信息，并显示在输入区域中。由此可见，本申请提出的输入校验方法还可以有效地避免出现输入错误，提高用户使用软键盘进行输入的效率。

作为另一个实施例，在执行完上述步骤103，当确定输入信息不正确时，还可以输出纠错提示，以提示输入信息有误。通过该种处理，可以使得用户及时发现输入错误，提升用户体验。

作为又一个实施例，在执行完上述步骤103，当确定输入信息不正确时，还可以一并输出输入信息与上述步骤103中选择的按键预测参数中的预测信息，以供用户选择目标输入信息。举例来说，假设检测到用户触控点A，并假设电子设备在上述步骤103中选择的按键预测参数中的预测信息为字母“G”，那么电子设备可以一并输出字母“H”和字母“G”，以供用户选择字母“H”或字母“G”为目标输入信息。通过该种处理，可以实现准确输入，提升用户体验。

至此，完成输入校验方法相关描述。

下面请参见图3，为本申请一示例性实施例提供的按键预测模型的训练过程的实施例流程图，该图3所示例的流程图可以包括以下步骤：

步骤301：获得样本数据，该样本数据包括：软键盘上触控位置信息与按键的输入信息之间的对应关系。

在本申请实施例中，可以通过监听用户在一段时间内，例如3个月内使用软键盘进行输入的行为获得样本数据，具体过程可以包括：

当检测到软键盘上发生触控按键事件时，获取该触控按键事件对应的触控位置信息和输入信息，并记录该触控位置信息和该输入信息之间的对应关系。为了描述方便，将该触控按键事件称为第一触控按键事件，将该第一触控按键事件对应的触控位置信息称为第一触控位置信息，对应的输入信息称为第一输入信息。

之后，若在检测到软键盘上发生上述第一触控按键事件之后，又发生针对上述第一输入信息的删除事件、且在该删除事件后又发生针对上述第一输入信息进行修改的触控按键事件时，获取该触控按键事件对应的触控位置信息和输入信息，并记录该触控位置信息和该输入信息之间的对应关系。为了描述方便，将该触控按键事件称为第二触控按键事件，将该第二触控按键事件对应的触控位置信息称为第二触控位置信息，对应的输入信息称为第二输入信息。

同时，将上述已记录的第一触控位置信息和第一输入信息之间的对应关系更改为第一触控位置信息和第二输入信息之间的对应关系。

至此，可以得到两条样本数据，分别为第一触控位置信息和第二输入信息之间的对应关系、第二触控位置信息和第二输入信息之间的对应关系。

至于获得上述第一触控位置信息、第一输入信息、第二触控位置信息，以及第二输入信息的具体过程，可以参见上述图1所示流程图中的相关描述，在此不再赘述。

举例来说，假设在图2中点A所在位置处检测到第一触控按键事件，并获取到该第一触控按键事件对应的第一触控位置信息为(40，20)，对应的第一输入信息为“H”，此时记录的样本数据为((40，20)，H)。

假设之后用户将输入区域中的“H”删除，并紧接着在图2中点B所在位置处检测到第二触控按键事件，以及获取到该第二触控按键事件对应的第二位置信息为(35，20)，对应的第二输入信息为“G”。按照上述描述，此时可以得到一条样本数据((35，20)，G)，与此同时，将上述样本数据((40，20)，H)修改为((40，20)，G)。至此，最终得到的两条样本数据分别为((40，20)，G)、((35，20)，G)。

在实际应用中，作为一个示例，用户可以在输入第一输入信息之后立即发现输入错误，并通过触控图2所示例的软键盘上的“删除”按键删除第一输入信息，紧接着，用户再次触控软键盘上的按键，实现针对第一输入信息的修改。

作为另一个示例，用户可以在输入一段内容之后才发现该段内容中的第一输入信息输入错误，此时，用户可以先将输入光标定位到该第一输入信息的后面，然后，通过触控图2所示例的软键盘上的“删除”按键删除第一输入信息，紧接着，用户再次触控软键盘上的按键，实现针对第一输入信息的修改。

此外，若在检测到软键盘上发生上述第一触控按键事件之后，又发生针对上述第一输入信息的删除事件，且上述第二触控按键事件并非是针对第一输入信息进行修改，在该种情况下，则可以仅记录下第二触控位置信息和第二输入信息的对应关系，而无需对第一触控位置信息和第一输入信息的对应关系进行更改。

举例来说，假设用户通过先将输入光标定位到第一输入信息的后面，然后，通过触控图2所示例的软键盘上的“删除”按键删除第一输入信息，紧接着用户再次移动输入光标，将输入光标定位到当前输入内容中最后一个字符的后面，或者其他位置处，之后，用户才再次触控软键盘上的按键，实现再次输入。在这种情况下，则无需对第一触控位置信息和第一输入信息的对应关系进行更改。

步骤302：利用样本数据为软键盘上的N个按键训练对应的按键预测模型，N依据软键盘上按键的数量确定。

在本步骤中，可以利用上述步骤301中获取到的样本数据，为软键盘上的N个按键分别训练出对应的按键预测模型，其中，关于N的描述，以及按键预测模型的描述可以参见上述图1所示流程图中的相关描述，在此不再赘述。

下面，重点对利用步骤301中获取到的样本数据训练出按键预测模型的过程进行说明：

作为一个示例，按键预测模型的类型可以为逻辑回归模型，其函数表达式如下式(一)所示：

h_θ(x)＝g(θ^Tx)式(一)

在上述式(一)中，x表示触控位置信息，θ表示模型参数，g表示逻辑回归函数，例如Sigmoid函数：

h_θ(x)则表示对于给定的输入变量x，根据模型参数θ计算出输出变量属于正例的概率，其值属于(0，1)这一区间。

需要说明的是，上述θ的维度与样本数据中触控位置信息的维度相同，例如，在上述描述中，触控位置信息包括两个维度的值，则

又例如，为了提高按键预测模型的拟合度，还可以在触控位置信息中增加一个常量，例如(1，35，20)，此时，

本申请对θ的维度与样本数据中触控位置信息的维度不做具体限制。

基于上述描述，可以首先针对软件盘上的N个按键中的每一按键，为了描述方便，此处称为目标按键，从样本数据中找到包含该目标按键的输入信息的样本数据，为了描述方便，将包含该目标按键的输入信息的样本数据称为目标样本数据，将目标样本数据作为正例，除目标样本数据以外的其他样本数据作为负例，最终训练目标按键对应的按键预测模型。

在训练过程中，可以通过样本数据拟合出上述式(一)中的模型参数θ。

作为一个示例，可以利用下述式(二)所示例的代价函数来拟合模型参数的优化目标，并利用梯度下降法拟合出模型参数θ。

在上述式(一)中，m表示样本数量，x⁽ⁱ⁾表示第i个样本数据对应的输入变量，本申请中为触控位置信息，y⁽ⁱ⁾表示第i个样本数据对应的输出变量属于正例的概率。

具体的，本领域技术人员可以理解的是，上述式(二)所示例的代价函数的值越小，表示上述式(一)所示例的预测模型越准确，因此，需要试图找到可以使得代价函数取得最小值的模型参数θ。基于此，可以对上述式(二)进行求导，得到下述式(三)：

在上述式(三)中，利用梯度下降法更新模型参数θ，使得模型参数θ按梯度下降的方向进行减少，得到拟合好的模型参数θ，该梯度下降法如下述式(四)所示：

在上述式(四)中模型参数θ的初始值为

α为0.01。

上述式(三)和式(四)中涉及参数的说明可以参见上述式(二)的描述，在此不再赘述。

至此，完成图3所示流程图的相关描述。

此外，在训练出软件盘上的N个按键各自对应的按键预测模型之后，还可以对每一按键预测模型的性能进行评估。作为一个示例，评估过程可以包括：采集一定数量的，例如1000条测试样本，依次将该1000条测试样本中的触控位置信息输入至每一按键预测模型得到按键预测参数，之后，将得到的按键预测参数和用户真实的输入结果进行比对，以验证每一按键预测模型的准确率。进一步，如果所验证出的准确率无法满足用户期望值，则可以重新对该按键预测模型进行训练，直至验证出的准确率满足用户期望。

由上述实施例可见，通过监听用户日常使用软键盘进行输入的行为获得样本数据，利用获得的样本数据为软键盘上的按键训练对应的按键预测模型，该按键预测模型输出的按键预测参数包括按键预测模型对应的预测信息，在触控位置信息上输入该预测信息的概率。由于按键预测模型是基于用户日常使用软键盘进行输入的行为所产生的样本数据训练得到，从而，按键预测模型输出的按键预测参数与用户的使用习惯相关联。

至此，完成按键预测模型的训练过程的相关描述。

与前述输入校验方法的实施例相对应，本申请还提供了输入校验装置的实施例。

请参见图4，为本申请一示例性实施例提供的输入校验装置的实施例框图，该装置可以包括：检测模块41、输入模块42、检查模块43。

其中，检测模块41，用于检测到软键盘上发生触控按键事件时，确定所述触控按键事件对应的输入信息以及触控位置信息；

输入模块42，用于将所述触控位置信息分别输入至已训练的N个按键预测模型得到N个按键预测参数；所述按键预测参数包括：按键预测模型对应的预测信息，以及在所述触控位置信息上输入所述预测信息的概率；所述N依据所述软键盘上按键的数量确定；

检查模块43，用于依据所述N个按键预测参数检查所述输入信息是否正确。

在一实施例中，所述检测模块41确定所述触控按键事件对应的触控位置信息包括：

获取所述软键盘上发生所述触控按键事件的触控点；

确定所述触控点在设定坐标系中的坐标信息；将所述坐标信息确定为所述触控位置信息。

在一实施例中，所述检查模块43依据所述N个按键预测参数检查所述输入信息是否正确包括：

从所述N个按键预测参数中选择包括的概率值最大的一个按键预测参数；

比较选择的按键预测参数中的预测信息与所述输入信息是否一致，如果是，则确定所述输入信息正确，如果否，则确定所述输入信息不正确。

在一实施例中，所述装置还包括(图4中未示出)：

输入确定模块，用于将所述选择的按键预测参数中的预测信息确定为目标输入信息；或者，

输出模块，用于输出纠错提示，以提示所述输入信息有误；或者，输出所述选择的按键预测参数中的预测信息和所述输入信息，以供用户选择目标输入信息。

在一实施例中，所述装置还包括(图4中未示出)：

样本获取模块，用于获得样本数据，所述样本数据包括：软键盘上的触控位置信息与按键的输入信息之间的对应关系；

模型训练模块，用于利用所述样本数据为所述软键盘上的N个按键训练对应的按键预测模型。

在一实施例中，所述样本获取模块获得样本数据包括：

在检测到所述软键盘上发生第一触控按键事件时，获取所述第一触控按键事件对应的第一触控位置信息和第一输入信息，记录所述第一触控位置信息和所述第一输入信息之间的对应关系；

在检测到所述软键盘上发生所述第一触控按键事件之后又发生针对所述第一输入信息的删除事件、且在所述删除事件后又发生针对所述第一输入信息进行修改的第二触控按键事件时，获取所述第二触控按键事件对应的第二触控位置信息和第二输入信息；

将已记录的所述第一触控位置信息和所述第一输入信息之间的对应关系更改为所述第一触控位置信息和所述第二输入信息之间的对应关系，并记录所述第二触控位置信息和所述第二输入信息之间的对应关系。

在一实施例中，所述模型训练模块利用所述样本数据为所述软键盘上的N个按键训练对应的按键预测模型包括：

针对所述软键盘上的N个按键中的每一目标按键，从所述样本数据中找到包含所述目标按键的输入信息的目标样本数据；

将所述目标样本数据作为正例，除所述目标样本数据以外的其他样本数据作为负例，最终训练所述目标按键对应的按键预测模型。

请继续参见图5，本申请还提供一种电子设备，包括处理器501、通信接口502、存储器503，以及通信总线504。

其中，处理器501、通信接口502、存储器503通过通信总线504进行相互间的通信；

存储器503，用于存放计算机程序；

处理器501，用于执行存储器503上所存放的计算机程序，处理器501执行所述计算机程序时实现本申请实施例提供的输入校验方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的输入校验方法的步骤。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims

1.一种输入校验方法，其特征在于，所述方法包括：

依据所述N个按键预测参数检查所述输入信息是否正确。

2.根据权利要求1所述的方法，其特征在于，所述确定所述触控按键事件对应的触控位置信息包括：

获取所述软键盘上发生所述触控按键事件的触控点；

确定所述触控点在设定坐标系中的坐标信息；

将所述坐标信息确定为所述触控位置信息。

3.根据权利要求1所述的方法，其特征在于，所述依据所述N个按键预测参数检查所述输入信息是否正确包括：

4.根据权利要求3所述的方法，其特征在于，当确定所述输入信息不正确时，所述方法还包括：

将所述选择的按键预测参数中的预测信息确定为目标输入信息；或者，

输出纠错提示，以提示所述输入信息有误；或者，

输出所述选择的按键预测参数中的预测信息和所述输入信息，以供用户选择目标输入信息。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：为所述软键盘上的N个按键训练对应的按键预测模型，具体包括：

获得样本数据，所述样本数据包括：软键盘上的触控位置信息与按键的输入信息之间的对应关系；

利用所述样本数据为所述软键盘上的N个按键训练对应的按键预测模型。

6.根据权利要求5所述的方法，其特征在于，所述样本数据通过以下方式获得：

7.根据权利要求5或6所述的方法，其特征在于，所述利用所述样本数据为所述软键盘上的N个按键训练对应的按键预测模型包括：

8.一种输入校验装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述设备包括可读存储介质和处理器；

其中，所述可读存储介质，用于存储机器可执行指令；

所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现权利要求1-7任一所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述方法的步骤。