CN112000233A - 联想候选的处理方法、装置和用于处理联想候选的装置 - Google Patents
联想候选的处理方法、装置和用于处理联想候选的装置 Download PDFInfo
- Publication number
- CN112000233A CN112000233A CN202010747576.XA CN202010747576A CN112000233A CN 112000233 A CN112000233 A CN 112000233A CN 202010747576 A CN202010747576 A CN 202010747576A CN 112000233 A CN112000233 A CN 112000233A
- Authority
- CN
- China
- Prior art keywords
- association
- candidate
- user
- association candidate
- context
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000012545 processing Methods 0.000 title claims abstract description 49
- 238000013507 mapping Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- 238000013499 data model Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 235000021205 intention to eat Nutrition 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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)
- Machine Translation (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明实施例提供了一种联想候选的处理方法、装置和用于处理联想候选的装置。其中的方法具体包括:在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;输出排序后的第一联想候选。本发明实施例可以提高第一联想候选的排序结果与输入意图之间的匹配度,可以提高输入效率。
Description
技术领域
本发明涉及输入技术领域,尤其涉及一种联想候选的处理方法、装置和用于处理联想候选的装置。
背景技术
随着通信技术的不断发展,移动终端得到了快速的发展和普及,人机交互也变得越来越频繁。人机交互可以通过物理键盘、虚拟键盘、手写板、声音采集设备进行输入,然后通过输入法进行转换以提供候选项上屏。
输入法的联想功能能够减少用户主动输入的次数、按键的次数,并可以增加输入法的智能性。该联想功能的实现过程具体为:首先获取用户输入的上下文,并根据该上下文查询系统二元词库等联想词库来获取联想候选。例如,若上下文为“湖南省”,则联想候选可以为“长沙市”、“株洲市”、“湘潭市”、“衡阳市”、“邵阳市”、“岳阳市”、“常德市”、“张家界市”、“益阳市”、“郴州市”、“永州市”、“怀化市”、“娄底市”等,以供用户选择。
二元关系,又称2-gram,用于表示两个元素相继出现的概率,在输入法领域,这里的元素可以包括:词汇或者词组或者短句等。目前,可以依据二元关系,确定联想候选在上下文的条件下的出现概率(简称为条件概率),并依据该条件概率对联想候选进行排序。由于一个候选页展现的候选的数量是有限的,通常为3-5个,因此通常将条件概率较大的联想候选排在第一个候选页,将条件概率较小的联想候选排在后续的候选页等。
然而,在实际应用中,联想候选的条件概率通常是依据对应的语言单元在语料中的出现频率得到的,条件概率较大的联想候选并不一定符合用户的输入意图;此种情况下,用户通常需要执行翻页操作以查看后续的候选页,这将影响用户的输入效率。
发明内容
本发明实施例提供一种联想候选的处理方法、装置和用于处理联想候选的装置,可以提高第一联想候选的排序结果与输入意图之间的匹配度,可以提高输入效率。
为了解决上述问题,本发明实施例公开了一种联想候选的处理方法,包括:
在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
输出排序后的第一联想候选。
另一方面,本发明实施例公开了一种联想候选的处理装置,包括:
第一排序模块,用于在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
第一输出模块,用于输出排序后的第一联想候选。
再一方面,本发明实施例公开了一种用于处理联想候选的装置,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:
在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
输出排序后的第一联想候选。
又一方面,本发明实施例公开了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如前述一个或多个所述的联想候选的处理方法。
本发明实施例包括以下优点:
本发明实施例中,上下文符合预设地址条件可以表征上下文携带有地址信息的输入意图。此种情况下,可以依据用户的位置信息,对上下文对应的第一联想候选进行排序,由于第一联想候选的排序过程中利用了个性化的位置信息,故可以提高第一联想候选的排序结果与输入意图之间的匹配度,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种联想候选的处理方法的应用环境的示意;
图2是本发明的一种联想候选的处理方法实施例一的步骤流程图;
图3是本发明的一种联想候选的处理方法实施例二的步骤流程图;
图4是本发明的一种联想候选的处理方法实施例三的步骤流程图;
图5是本发明的一种联想候选的处理方法实施例四的步骤流程图;
图6是本发明的一种联想候选的处理装置实施例的结构框图;
图7是本发明的一种用于处理联想候选的装置800的框图;及
图8是本发明的一些实施例中服务端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
发明人在实施本发明实施例的过程中发现,联想候选的条件概率通常是依据对应的语言单元在语料中的出现频率得到的。上述语料包括但不限于:互联网语料、用户的语聊语料、用户的输入语料等。上述语料通常是由海量用户贡献的,因此上述条件概率反映的是海量用户的输入习惯;这样,条件概率较大的联想候选并不一定符合当前用户的输入意图;此种情况下,当前用户通常需要执行翻页操作以查看后续的候选页,这将影响用户的输入效率。
针对依据条件概率对联想候选进行排序导致用户的输入效率较低的技术问题,本发明实施例提供了一种联想候选的处理方案,该方案可以包括:在上下文符合预设地址条件的情况下,依据用户的位置信息,对上述上下文对应的第一联想候选进行排序;上述第一联想候选可以为依据多元关系数据得到;输出排序后的第一联想候选。
本发明实施例中,上下文符合预设地址条件可以表征上下文携带有地址信息的输入意图。此种情况下,可以依据用户的位置信息,对上下文对应的第一联想候选进行排序,由于第一联想候选的排序过程中利用了个性化的位置信息,故可以提高第一联想候选的排序结果与输入意图之间的匹配度,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
例如,一个位于“湖南岳阳市平江县电力局”的用户A输入了上下文A“湖南省”,本发明实施例可以认为上下文A符合预设地址条件,则可以依据用户A的位置信息A,对上下文A对应的第一联想候选进行排序。假设第一联想候选可以包括:“长沙市”、“株洲市”、“湘潭市”、“衡阳市”、“邵阳市”、“岳阳市”、“常德市”、“张家界市”、“益阳市”、“郴州市”、“永州市”、“怀化市”、“娄底市”等,本发明实施例可以依据用户A的位置信息A“湖南岳阳市平江县电力局”,针对与位置信息A相匹配的第一联想候选“岳阳市”,增加其对应的排序得分,这样,可以将与位置信息A相匹配的第一联想候选“岳阳市”排在较为靠前的位置,如将与位置信息A相匹配的第一联想候选“岳阳市”展现在第一个候选页,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
本发明实施例可以依据用户选择的第一联想候选,进一步确定对应的第二联想候选,并依据用户的位置信息对第二联想候选进行排序。
例如,若用户A选择了第一联想候选“岳阳市”,则本发明实施例可以确定第一联想候选“岳阳市”对应的第二联想候选,第二联想候选可以包括:“岳阳县”、“岳阳楼区”“岳阳楼区”、“君山区”、“华容县”、“平江县”、“湘阴县”、“临湘市”、“汨罗市”等。
本发明实施例可以依据用户A的位置信息A“湖南岳阳市平江县电力局”,针对与位置信息A相匹配的第二联想候选“平江县”,增加其对应的排序得分,这样,可以将与位置信息A相匹配的第二联想候选“平江县”排在较为靠前的位置,如将与位置信息A相匹配的第二联想候选“平江县”展现在第一个候选页,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
本发明实施例可以依据用户选择的第二联想候选,进一步确定对应的第三联想候选,并依据用户的位置信息对第三联想候选进行排序。
例如,若用户A选择了第二联想候选“平江县”,则本发明实施例可以确定第二联想候选“平江县”对应的第三联想候选。第三联想候选可以表征“平江县”下属的地名,如第三联想候选可以包括:“三市镇”、“长寿镇”“龙门镇”、“安定镇”、“第一中学”、“第二中学”、“电力局”、“邮政局”、“银行”等。
本发明实施例可以依据用户A的位置信息A“湖南岳阳市平江县电力局”,针对与位置信息A相匹配的第三联想候选“电力局”,增加其对应的排序得分,这样,可以将与位置信息A相匹配的第三联想候选“电力局”排在较为靠前的位置,如将与位置信息A相匹配的第三联想候选“电力局”展现在第一个候选页,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
本发明实施例提供的联想候选的处理方法可应用于图1所示的应用环境中,如图1所示,客户端100与服务端200位于有线或无线网络中,通过该有线或无线网络,客户端100与服务端200进行数据交互。
可选地,客户端100可以运行在终端上,上述终端具体包括但不限于:智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3,Moving Picture ExpertsGroup Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4,Moving PictureExperts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等。客户端100可以对应于网站、或者APP(应用程序,Application)。客户端100可以对应有输入法APP等应用程序。
本发明实施例可应用于键盘符号、手写、语音等各种输入方式的输入法程序。以键盘符号输入方式为例,用户可以通过编码字符串进行文字输入,输入串可以指用户输入的编码字符串。在输入法领域,对于例如中文、日文、韩文、或者其它语言的输入法程序,通常可以把用户输入的输入串转换成相应语言的候选项。以下主要以中文为例进行说明,日文、韩文等其它语言相互参照即可。可以理解,上述中文输入法可以包括但不限于全拼、简拼、笔画、五笔等,本发明实施例对于某种语言对应的具体输入法程序不加以限制。
以中文的输入为例,编码字符串的类型可以包括:拼音串、字形串(如五笔串等)。以英文的输入为例,编码字符串的类型可以包括:字母字符串等。
在实际应用中,对于键盘符号的输入方式,用户可以通过实体键盘、或者虚拟键盘等输入上述输入串。例如,对于具有触摸屏的终端,其可以在输入界面中设置虚拟键盘,以使用过通过触发上述虚拟键盘包括的虚拟按键进行输入串的输入。可选地,上述虚拟键盘的例子可以包括:9键键盘和26键键盘等。并且,可以理解,上述输入界面中除了设置有字母对应的虚拟按键之外,还可以设置有符号按键、数字按键、例如中英切换按键的功能按键,或者,还可以设置有工具栏按键等,可以理解,本发明实施例对于输入界面所包含的具体按键不加以限制。
根据一些实施例,上述输入串可以包括但不限于:用户通过按键所输入的一个按键符号或多个按键符号的组合。上述按键符号具体可以包括:拼音、笔画、假名等。
本发明实施例中,联想候选可用于表示输入法程序提供的待被用户选择的一个或多个字符。联想候选可以为中文字符、英文字符、日文字符等语言的字符,联想候选也可以为颜文字、图片等形式的符号组合。其中,上述颜文字包括但不限于线条、符号、文字所组成的图画,例如,上述颜文字的例子可以包括:“:P”、“:-o”、“:-)”等。
方法实施例一
参照图2,示出了本发明的一种联想候选的处理方法实施例一的步骤流程图,具体可以包括如下步骤:
步骤201、在上下文符合预设地址条件的情况下,依据用户的位置信息,对上述上下文对应的第一联想候选进行排序;上述第一联想候选可以为依据多元关系数据得到;
步骤202、输出排序后的第一联想候选。
图2所示方法实施例一可由客户端和/或服务端执行,可以理解,本发明实施例对于方法实施例的具体执行主体不加以限制。
步骤201中,上下文可以包括:上文、和/或、下文。可选地,该上文通常为输入光标之前的部分,该下文通常为输入光标之后的部分。
根据一种实施例,该上文可以包括:最近一次或者最近多次的上屏内容。根据另一种实施例,该上文可以包括:在通信场景下,通信对端发送的通信内容。根据再一种实施例,该上文可以包括:在通信场景下,向通信对端发送的通信内容。可以理解,本发明实施例对于具体的上下文不加以限制。
本发明实施例中,可选的是,可以依据多元关系数据和上下文,确定联想候选。
多元关系数据可以包括二元和二元以上的关系数据。二元关系,又称2-gram,用于表示两个元素相继出现的概率,在输入法领域,这里的元素可以包括:词汇、词组、短句、字母、数字和符号中的至少一种。本发明实施例中,上述二元主要可以包括词汇的二元关系,其他类型的二元关系相互参照即可。二元以上的关系则用于表示两个以上元素相继出现的概率。
本发明实施例可以依据上下文,在多元关系数据中进行查找,以得到上述上下文对应的命中元,并依据上述命中元,确定联想候选。例如,上下文为“湖南省”,命中元可以包括:“长沙市”、“株洲市”、“湘潭市”、“衡阳市”、“邵阳市”、“岳阳市”、“常德市”、“张家界市”、“益阳市”、“郴州市”、“永州市”、“怀化市”、“娄底市”等。又如,上下文为“晚上吃”,命中元可以包括:“火锅”、“烤鱼”、“餐馆名1”、“餐馆名2”、“餐馆名3”等。再如,上下文为“我想去”,命中元可以包括:“电影院名”、“书店名”、“商场名1”、“商场名2等”、“旅游城市名1”、“旅游城市名2”等。
在本发明的一种可选实施例中,可以通过数据模型表征多元关系数据。数据模型的类型可以包括但不限于:语言模型、神经网络模型等。上述数据模型可以提供P(任意元素|上下文,…),即一定上下文等条件下,任意元素的概率。根据这个概率,可以确定上下文对应的命中元。其中,数据模型所采用的语料可以包括:在上下文等条件下的语料,上述语料包括但不限于:互联网语料、用户的语聊语料、用户的输入语料等。
数学模型是运用数理逻辑方法和数学语言建构的科学或工程模型,数学模型是针对参照某种事物系统的特征或数量依存关系,采用数学语言,概括地或近似地表述出的一种数学结构,这种数学结构是借助于数学符号刻画出来的关系结构。数学模型可以是一个或一组代数方程、微分方程、差分方程、积分方程或统计学方程及其组合,通过这些方程定量地或定性地描述系统各变量之间的相互关系或因果关系。除了用方程描述的数学模型外,还有用其他数学工具,如代数、几何、拓扑、数理逻辑等描述的模型。其中,数学模型描述的是系统的行为和特征而不是系统的实际结构。其中,可采用机器学习、深度学习方法等方法进行数学模型的训练,机器学习方法可包括:线性回归、决策树、随机森林等,深度学习方法可包括:卷积神经网络(Convolutional Neural Networks,CNN)、长短期记忆网络(LongShort-Term Memory,LSTM)、门控循环单元(Gated Recurrent Unit,GRU)等。
本发明实施例中,上下文符合预设地址条件可以表征上下文携带有地址信息的输入意图。
本领域技术人员可以根据实际应用需求,确定预设地址条件。
本发明实施例可以提供预设地址条件的如下示例:
示例1、
所述预置地址条件可以包括:上下文中包括:地址词和/或地址指示词。
地址词可以表征地址,也即,地址词可以指表征地址的词汇。
本发明实施例的地址词可以对应一定的级别,参照表1,示出了本发明实施例的一种地址词的级别的示例。
表1
地址指示词可用于指向地址词,在语言表达中,地址指示词通常位于地址词的前面。地址指示词可以包括:“我在”、“我想去”、“我到”等。可以理解,本领域技术人员可以根据实际应用需求,确定地址指示词,本发明实施例对于具体的地址指示词不加以限制。
示例2、
所述预置地址条件可以包括:上下文对应的意图为预设地址意图。预设地址意图可以表征地址信息的输入意图。
本发明实施例可以对上下文进行意图识别,以得到上下文对应的意图。
在本发明的一种可选实施例中,确定上下文对应的意图所采用的确定方式,可以包括:
确定方式1、将上下文与预设地址意图对应的语句模式进行匹配,以判断上下文对应的意图是否为预设地址意图;和/或
确定方式2、确定上下文属于预设地址意图的概率,以判断上下文对应的意图是否为预设地址意图。
在实际应用中,本领域技术人员可以预先设置预设地址意图。预设地址意图的例子可以包括:实时地址意图、吃饭意图、目的地意图等。
预设地址意图对应的语句模式可用于约束预设地址意图对应的语句句子。例如,“实时地址意图”对应的语句模式可以为“我在XXX”、“我到XXX了”。“吃饭意图”对应的语句模式为:“我们去吃XXX吧”、“我想吃XXX”、“晚上吃XXX”。再如,“目的地意图”对应的语句模式为:“我想去XXX”等。其中,“XXX”表示语句模式中的搭配词汇。
可选地,预设地址意图对应的语句模式可依据多个用户或者当前用户的历史输入行为数据得到。具体地,可以从大量用户的历史输入行为数据中挖掘出用户谈论某一种预设地址意图对应的语句模式。可以理解,本领域技术人员可以根据实际应用需求确定预设地址意图对应的语句模式,本发明实施例对于预设地址意图对应的语句模式的具体确定过程不加以限制。
确定方式1可以将上下文与预设地址意图对应的语句模式进行匹配,若匹配成功,则认为上下文对应的意图为预设地址意图。例如,上下文为“我们去吃”,其与“吃饭意图”对应的语句模式“我们去吃XXX吧”相匹配,故其对应的目标预设地址意图可以包括:吃饭意图。需要说明的是,上下文对应的预设地址意图可以为一个或者多个。
确定方式2可以依据上下文属于预设地址意图的概率,判断上下文对应的意图是否为预设地址意图。
根据一种实施例,可以确定上下文属于每种预设地址意图的概率,然后将概率最大的一个预设地址意图作为上下文对应的预设地址意图。
根据再一种实施例,可以确定上下文属于每种预设地址意图的概率,然后将概率最大的多个预设地址意图作为上下文对应的预设地址意图。其中,不同预设地址意图可以对应不同的权重,可以分别依据多个预设地址意图获取对应的多个联想候选,并依据上述权重,对上述多个联想候选进行排序。
在本发明的一种可选实施例中,上述确定上下文属于预设地址意图的概率的过程,可以包括:利用预设地址意图分类器确定上下文属于预设地址意图的概率。其中,预设地址意图分类器对应的训练数据可以包括:至少两种预设地址意图对应的文本内容,则可以采用机器学习方法对上述训练数据进行学习,以得到预设地址意图分类器,使预设地址意图分类器具备对于文本内容属于预设地址意图的概率的描述能力。可选地,上述机器学习方法可以包括:贝叶斯方法、SVM(支持向量机,Support Vector Machine)等。
本发明实施例中,可选的是,所述多元关系数据可以包括:至少两个级别的地址词之间的映射关系。
本领域技术人员可以根据实际应用需求,确定不同少两个级别的地址词之间的映射关系。
例如,第一级别的地址词与第二级别的地址词之间的映射关系,如第一级别的地址词为“湖南省”,第二级别的地址词为“岳阳市”等。
又如,第二级别的地址词与第三级别的地址词之间的映射关系,或者,第三级别的地址词与第四级别的地址词之间的映射关系中。
本发明实施例中,第一级别、第二级别、第三级别和第四级别可以泛指不同的级别,本发明实施例对于多元关系数据中的具体级别不加以限制。
或者,多元关系数据可以包括:非地址词与地址词之间的映射关系。非地址词可以指除了地址词之外的词汇。非地址词可以包括:地址指示词、动词等。例如,地址指示词为“我在”,地址词为“泰国”、“山东”等。
本发明实施例中,上下文符合预设地址条件可以表征上下文携带有地址信息的输入意图。此种情况下,可以依据用户的位置信息,对上下文对应的第一联想候选进行排序,由于第一联想候选的排序过程中利用了个性化的位置信息,故可以提高第一联想候选的排序结果与输入意图之间的匹配度,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
本发明实施例中,可选的是,可以依据终端的IP(网络之间互连的协议,InternetProtocol)地址、终端的GPS(全球定位系统,Global Positioning System)或移动通信网络获得的位置信息,确定用户的位置信息。
本发明实施例中,可选的是,上述对上下文对应的第一联想候选进行排序,具体可以包括:确定位置信息与第一联想候选之间的匹配度;依据上述匹配度,确定第一联想候选的排序得分;并依据第一联想候选的排序得分,对第一联想候选进行排序。
本发明实施例依据上述匹配度,确定第一联想候选的排序得分的过程中,可以直接依据上述匹配度,确定排序得分。可选地,匹配度越高,则排序得分越高。例如,第一匹配度大于第二匹配度,则第一匹配度对应的排序得分大于第二匹配度对应的排序得分。
本发明实施例依据上述匹配度,确定第一联想候选的排序得分的过程中,可以在初始排序得分的基础上,依据上述匹配度对初始排序得分进行调整。可选地,匹配度越高,则调整值越大。例如,第一匹配度大于第二匹配度,则第一匹配度对应的调整值大于第二匹配度对应的调整值。
本发明实施例中,初始排序得分可以为预置得到,或者,初始排序得分可以为依据条件概率得到。条件概率可以表征第一联想候选在上下文的条件下的出现概率。联想候选的条件概率通常是依据对应的语言单元(如词组、短语等)在语料中的出现频率得到的。上述语料通常是由海量用户贡献的,因此上述条件概率反映的是海量用户的输入习惯;这样,条件概率较大的联想候选并不一定符合当前用户的输入意图。
本发明实施例可以依据当前用户的位置信息,对依据条件概率得到的初始排序得分进行调整,以提高第一联想候选的排序结果与输入意图之间的匹配度,例如,可以将与位置信息相匹配的第一联想候选排在较为靠前的位置。
可选地,初始排序得分可以为依据用户针对第一联想候选的输入频率得到,例如,用户针对第一联想候选的输入频率越高,则初始排序得到越高。
步骤202中,客户端可以对排序后的第一联想候选进行展示,例如,可以通过一个或多个候选页对排序后的第一联想候选进行展示,以供用户选择。可选地,若接收到针对第一联想候选的触发操作,则可以将用户选择的第一联想候选上屏。
综上,本发明实施例的联想候选的处理方法,上下文符合预设地址条件可以表征上下文携带有地址信息的输入意图。此种情况下,可以依据用户的位置信息,对上下文对应的第一联想候选进行排序,由于第一联想候选的排序过程中利用了个性化的位置信息,故可以提高第一联想候选的排序结果与输入意图之间的匹配度,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
方法实施例二
参照图3,示出了本发明的一种联想候选的处理方法实施例二的步骤流程图,具体可以包括如下步骤:
步骤301、在上下文符合预设地址条件的情况下,依据用户的位置信息,对上述上下文对应的第一联想候选进行排序;上述第一联想候选可以为依据多元关系数据得到;
步骤302、输出排序后的第一联想候选;
相对于图2所示方法实施例一,上述第一联想候选具体包括:第一级别的地址词;
上述方法还可以包括:
步骤303、依据用户针对上述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;上述第二联想候选可以包括:第二级别的地址词;上述第一级别可以高于上述第二级别;
步骤304、依据用户的位置信息,对上述第二联想候选进行排序;
步骤305、输出排序后的第二联想候选。
本发明实施例可以依据用户选择的第一联想候选,进一步确定对应的第二联想候选,并依据用户的位置信息对第二联想候选进行排序,这样,可以持续地向用户提供与输入意图相匹配的第二联想候选。
本发明实施例中,可选的是,可以依据第一级别的地址词与第二级别的地址词之间的映射关系,确定用户选择的第一联想候选对应的第二联想候选。
本发明实施例依据用户的位置信息,对上述第二联想候选进行排序,可以将与位置信息更匹配的第二联想候选排在较为靠前的位置,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
方法实施例三
参照图4,示出了本发明的一种联想候选的处理方法实施例三的步骤流程图,具体可以包括如下步骤:
步骤401、在上下文符合预设地址条件的情况下,依据用户的位置信息,对上述上下文对应的第一联想候选进行排序;上述第一联想候选可以为依据多元关系数据得到;上述第一联想候选具体包括:第一级别的地址词;
步骤402、输出排序后的第一联想候选;
步骤403、依据用户针对上述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;上述第二联想候选可以包括:第二级别的地址词;上述第一级别可以高于上述第二级别;
步骤404、依据用户的位置信息,对上述第二联想候选进行排序;
步骤405、输出排序后的第二联想候选;
相对于图3所示方法实施例二,上述方法还可以包括:
步骤406、依据用户针对上述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;上述第三联想候选具体包括:第三级别的地址词;上述第二级别高于上述第三级别;
步骤407、依据用户的位置信息,对上述第三联想候选进行排序;
步骤408、输出排序后的第三联想候选。
本发明实施例可以依据用户选择的第二联想候选,进一步确定对应的第三联想候选,并依据用户的位置信息对第三联想候选进行排序,这样,可以持续地向用户提供与输入意图相匹配的第三联想候选。
本发明实施例中,可选的是,可以依据第二级别的地址词与第三级别的地址词之间的映射关系,确定用户选择的第二联想候选对应的第三联想候选。
本发明实施例依据用户的位置信息,对上述第三联想候选进行排序,可以将与位置信息更匹配的第三联想候选排在较为靠前的位置,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
方法实施例四
参照图5,示出了本发明的一种联想候选的处理方法实施例四的步骤流程图,具体可以包括如下步骤:
步骤501、在上下文符合预设地址条件的情况下,依据用户的位置信息,对上述上下文对应的第一联想候选进行排序;上述第一联想候选可以为依据多元关系数据得到;上述第一联想候选具体包括:第一级别的地址词;
步骤502、输出排序后的第一联想候选;
步骤503、依据用户针对上述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;上述第二联想候选可以包括:第二级别的地址词;上述第一级别可以高于上述第二级别;
步骤504、依据用户的位置信息,对上述第二联想候选进行排序;
步骤505、输出排序后的第二联想候选;
步骤506、依据用户针对上述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;上述第三联想候选具体包括:第三级别的地址词;上述第二级别高于上述第三级别;
步骤507、依据用户的位置信息,对上述第三联想候选进行排序;
步骤508、输出排序后的第三联想候选。
相对于图4所示方法实施例三,上述方法还可以包括:
步骤509、依据用户针对上述第三联想候选的选择操作,确定用户选择的第三联想候选对应的第四联想候选;上述第四联想候选具体包括:第四级别的地址词;上述第三级别高于上述第四级别;
步骤510、依据用户的位置信息,对上述第四联想候选进行排序;
步骤511、输出排序后的第四联想候选。
本发明实施例可以依据用户选择的第三联想候选,进一步确定对应的第四联想候选,并依据用户的位置信息对第四联想候选进行排序,这样,可以持续地向用户提供与输入意图相匹配的第四联想候选。
本发明实施例中,可选的是,可以依据第三级别的地址词与第四级别的地址词之间的映射关系,确定用户选择的第三联想候选对应的第四联想候选。
本发明实施例依据用户的位置信息,对上述第四联想候选进行排序,可以将与位置信息更匹配的第四联想候选排在较为靠前的位置,因此可以降低用户的翻页操作所花费的成本,进而可以提高输入效率。
可以理解,若用户选择的第四联想候选命中多元关系数据,还可以确定第五联想候选,并依据位置信息对第五联想候选进行排序。第五联想候选可以包括:第五级别的地址词,第五级别的地址词可以为依据第四级别的地址词与第五级别的地址词之间的映射关系得到。
可以理解,若用户选择的第五联想候选命中多元关系数据,还可以确定第六联想候选,并依据位置信息对第六联想候选进行排序。第六联想候选可以包括:第六级别的地址词,第六级别的地址词可以为依据第五级别的地址词与第六级别的地址词之间的映射关系得到。
因此,若用户选择的联想候选命中多元关系数据,可以持续性地提供联想候选,直至用户选择的联想候选无法命中多元关系数据。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的运动动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的运动动作并不一定是本发明实施例所必须的。
装置实施例
参照图6,示出了本发明的一种联想候选的处理装置实施例的结构框图,具体可以包括:
第一排序模块601,用于在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
第一输出模块602,用于输出排序后的第一联想候选。
可选地,上述多元关系数据可以包括:至少两个级别的地址词之间的映射关系;或者,非地址词与地址词之间的映射关系。
可选地,上述第一联想候选可以包括:第一级别的地址词;
上述装置还可以包括:
第二联想候选确定模块,用于依据用户针对上述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;上述第二联想候选可以包括:第二级别的地址词;上述第一级别高于上述第二级别;
第二排序模块,用于依据用户的位置信息,对上述第二联想候选进行排序;
第二输出模块,用于输出排序后的第二联想候选。
可选地,上述装置还可以包括:
第三联想候选确定模块,用于依据用户针对上述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;上述第三联想候选可以包括:第三级别的地址词;上述第二级别高于上述第三级别;
第三排序模块,用于依据用户的位置信息,对上述第三联想候选进行排序;
第三输出模块,用于输出排序后的第三联想候选。
可选地,上述装置还可以包括:
第四联想候选确定模块,用于依据用户针对上述第三联想候选的选择操作,确定用户选择的第三联想候选对应的第四联想候选;上述第四联想候选可以包括:第四级别的地址词;上述第三级别高于上述第四级别;
第四排序模块,用于依据用户的位置信息,对上述第四联想候选进行排序;
第四输出模块,用于输出排序后的第四联想候选。
可选地,上述预置地址条件可以包括:
上下文中可以包括:地址词和/或地址指示词;和/或
上下文对应的意图为预设地址意图;和/或
上下文对应的语句模式与预设语句模式相匹配。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均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的部分互相参见即可。
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。
本发明实施例提供了一种用于处理联想候选的装置,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:在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;输出排序后的第一联想候选。
图7是根据一示例性实施例示出的一种用于处理联想候选的装置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7,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812,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,处理组件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、记录模式和语音输入模式时,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812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,通信组件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,所述通信组件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,Radio Frequency Identification)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,用于执行上述方法。
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。
图8是本发明的一些实施例中服务器的结构示意图。该服务器1900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 processingunits,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930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1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入输出接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
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装置(服务器或者终端)的处理器执行时,使得装置能够执行图2或图3所示的联想候选的处理方法。
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装置(服务器或者终端)的处理器执行时,使得装置能够执行一种联想候选的处理方法,所述方法包括:在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;输出排序后的第一联想候选。
本发明实施例公开了A1、一种联想候选的处理方法,所述方法包括:
在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
输出排序后的第一联想候选。
A2、根据A1所述的方法,所述多元关系数据包括:至少两个级别的地址词之间的映射关系;或者,非地址词与地址词之间的映射关系。
A3、根据A1或A2所述的方法,所述第一联想候选包括:第一级别的地址词;
所述方法还包括:
依据用户针对所述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;所述第二联想候选包括:第二级别的地址词;所述第一级别高于所述第二级别;
依据用户的位置信息,对所述第二联想候选进行排序;
输出排序后的第二联想候选。
A4、根据A3所述的方法,所述方法还包括:
依据用户针对所述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;所述第三联想候选包括:第三级别的地址词;所述第二级别高于所述第三级别;
依据用户的位置信息,对所述第三联想候选进行排序;
输出排序后的第三联想候选。
A5、根据A4所述的方法,所述方法还包括:
依据用户针对所述第三联想候选的选择操作,确定用户选择的第三联想候选对应的第四联想候选;所述第四联想候选包括:第四级别的地址词;所述第三级别高于所述第四级别;
依据用户的位置信息,对所述第四联想候选进行排序;
输出排序后的第四联想候选。
A6、根据A1或A2所述的方法,所述预置地址条件包括:
上下文中包括:地址词和/或地址指示词;和/或
上下文对应的意图为预设地址意图;和/或
上下文对应的语句模式与预设语句模式相匹配。
本发明实施例公开了B7、一种联想候选的处理装置,包括:
第一排序模块,用于在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
第一输出模块,用于输出排序后的第一联想候选。
B8、根据B7所述的装置,所述多元关系数据包括:至少两个级别的地址词之间的映射关系;或者,非地址词与地址词之间的映射关系。
B9、根据B7或B8所述的装置,所述第一联想候选包括:第一级别的地址词;
所述装置还包括:
第二联想候选确定模块,用于依据用户针对所述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;所述第二联想候选包括:第二级别的地址词;所述第一级别高于所述第二级别;
第二排序模块,用于依据用户的位置信息,对所述第二联想候选进行排序;
第二输出模块,用于输出排序后的第二联想候选。
B10、根据B9所述的装置,所述装置还包括:
第三联想候选确定模块,用于依据用户针对所述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;所述第三联想候选包括:第三级别的地址词;所述第二级别高于所述第三级别;
第三排序模块,用于依据用户的位置信息,对所述第三联想候选进行排序;
第三输出模块,用于输出排序后的第三联想候选。
B11、根据B10所述的装置,所述装置还包括:
第四联想候选确定模块,用于依据用户针对所述第三联想候选的选择操作,确定用户选择的第三联想候选对应的第四联想候选;所述第四联想候选包括:第四级别的地址词;所述第三级别高于所述第四级别;
第四排序模块,用于依据用户的位置信息,对所述第四联想候选进行排序;
第四输出模块,用于输出排序后的第四联想候选。
B12、根据B7或B8所述的装置,所述预置地址条件包括:
上下文中包括:地址词和/或地址指示词;和/或
上下文对应的意图为预设地址意图;和/或
上下文对应的语句模式与预设语句模式相匹配。
本发明实施例公开了C13、一种用于处理联想候选的装置,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:
在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
输出排序后的第一联想候选。
C14、根据C13所述的装置,所述多元关系数据包括:至少两个级别的地址词之间的映射关系;或者,非地址词与地址词之间的映射关系。
C15、根据C13或C14所述的装置,所述第一联想候选包括:第一级别的地址词;
所述装置还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:
依据用户针对所述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;所述第二联想候选包括:第二级别的地址词;所述第一级别高于所述第二级别;
依据用户的位置信息,对所述第二联想候选进行排序;
输出排序后的第二联想候选。
C16、根据C15所述的装置,所述装置还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:
依据用户针对所述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;所述第三联想候选包括:第三级别的地址词;所述第二级别高于所述第三级别;
依据用户的位置信息,对所述第三联想候选进行排序;
输出排序后的第三联想候选。
C17、根据C16所述的装置,所述装置还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:
依据用户针对所述第三联想候选的选择操作,确定用户选择的第三联想候选对应的第四联想候选;所述第四联想候选包括:第四级别的地址词;所述第三级别高于所述第四级别;
依据用户的位置信息,对所述第四联想候选进行排序;
输出排序后的第四联想候选。
C18、根据C13或C14所述的装置,所述预置地址条件包括:
上下文中包括:地址词和/或地址指示词;和/或
上下文对应的意图为预设地址意图;和/或
上下文对应的语句模式与预设语句模式相匹配。
本发明实施例公开了D19、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A1至A6中一个或多个所述的联想候选的处理方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、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发明的一般性原理并包括本公开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,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上对本发明所提供的一种联想候选的处理方法、一种联想候选的处理装置和一种用于处理联想候选的装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种联想候选的处理方法,其特征在于,所述方法包括:
在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
输出排序后的第一联想候选。
2.根据权利要求1所述的方法,其特征在于,所述多元关系数据包括:至少两个级别的地址词之间的映射关系;或者,非地址词与地址词之间的映射关系。
3.根据权利要求1或2所述的方法,其特征在于,所述第一联想候选包括:第一级别的地址词;
所述方法还包括:
依据用户针对所述第一联想候选的选择操作,确定用户选择的第一联想候选对应的第二联想候选;所述第二联想候选包括:第二级别的地址词;所述第一级别高于所述第二级别;
依据用户的位置信息,对所述第二联想候选进行排序;
输出排序后的第二联想候选。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
依据用户针对所述第二联想候选的选择操作,确定用户选择的第二联想候选对应的第三联想候选;所述第三联想候选包括:第三级别的地址词;所述第二级别高于所述第三级别;
依据用户的位置信息,对所述第三联想候选进行排序;
输出排序后的第三联想候选。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
依据用户针对所述第三联想候选的选择操作,确定用户选择的第三联想候选对应的第四联想候选;所述第四联想候选包括:第四级别的地址词;所述第三级别高于所述第四级别;
依据用户的位置信息,对所述第四联想候选进行排序;
输出排序后的第四联想候选。
6.根据权利要求1或2所述的方法,其特征在于,所述预置地址条件包括:
上下文中包括:地址词和/或地址指示词;和/或
上下文对应的意图为预设地址意图;和/或
上下文对应的语句模式与预设语句模式相匹配。
7.一种联想候选的处理装置,其特征在于,包括:
第一排序模块,用于在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
第一输出模块,用于输出排序后的第一联想候选。
8.根据权利要求7所述的装置,其特征在于,所述多元关系数据包括:至少两个级别的地址词之间的映射关系;或者,非地址词与地址词之间的映射关系。
9.一种用于处理联想候选的装置,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:
在上下文符合预设地址条件的情况下,依据用户的位置信息,对所述上下文对应的第一联想候选进行排序;所述第一联想候选为依据多元关系数据得到;
输出排序后的第一联想候选。
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联想候选的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010747576.XA CN112000233B (zh) | 2020-07-29 | 2020-07-29 | 联想候选的处理方法、装置和用于处理联想候选的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010747576.XA CN112000233B (zh) | 2020-07-29 | 2020-07-29 | 联想候选的处理方法、装置和用于处理联想候选的装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112000233A true CN112000233A (zh) | 2020-11-27 |
CN112000233B CN112000233B (zh) | 2024-09-03 |
Family
ID=73463498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010747576.XA Active CN112000233B (zh) | 2020-07-29 | 2020-07-29 | 联想候选的处理方法、装置和用于处理联想候选的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112000233B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101501610A (zh) * | 2005-06-30 | 2009-08-05 | 谷歌公司 | 非标准的基于位置的文本输入 |
CN102289512A (zh) * | 2011-09-01 | 2011-12-21 | 上海汉翔信息技术有限公司 | 便携式设备上基于地理位置动态调整候选词的系统及方法 |
CN103455160A (zh) * | 2012-05-29 | 2013-12-18 | 阿里巴巴集团控股有限公司 | 一种根据地理位置推荐候选词的方法和装置 |
WO2014040510A1 (zh) * | 2012-09-12 | 2014-03-20 | 腾讯科技(深圳)有限公司 | 在输入法中实现智能联想的方法、装置及终端设备 |
CN103853437A (zh) * | 2012-11-28 | 2014-06-11 | 北京搜狗科技发展有限公司 | 一种获取候选项的方法及装置 |
CN104281649A (zh) * | 2014-09-09 | 2015-01-14 | 北京搜狗科技发展有限公司 | 一种输入方法、装置及电子设备 |
US9047012B1 (en) * | 2012-05-14 | 2015-06-02 | Google Inc. | Using information from a user device and a server to suggest an input |
CN104850238A (zh) * | 2015-04-17 | 2015-08-19 | 小米科技有限责任公司 | 对输入法所产生的候选项进行排序的方法和装置 |
CN105224522A (zh) * | 2015-09-29 | 2016-01-06 | 小米科技有限责任公司 | 地理位置信息识别方法及装置 |
WO2016045465A1 (zh) * | 2014-09-25 | 2016-03-31 | 北京搜狗科技发展有限公司 | 一种基于输入的信息展示方法和输入法系统 |
CN106371625A (zh) * | 2016-09-29 | 2017-02-01 | 北京小米移动软件有限公司 | 关联词显示方法及装置 |
CN106716308A (zh) * | 2014-06-17 | 2017-05-24 | 谷歌公司 | 用于输入地理位置名称的输入法编辑器 |
CN107807759A (zh) * | 2016-09-08 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 地址显示方法、装置、设备和用户界面系统 |
CN107885346A (zh) * | 2017-10-25 | 2018-04-06 | 努比亚技术有限公司 | 一种候选词推荐方法、终端及计算机可读存储介质 |
-
2020
- 2020-07-29 CN CN202010747576.XA patent/CN112000233B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101501610A (zh) * | 2005-06-30 | 2009-08-05 | 谷歌公司 | 非标准的基于位置的文本输入 |
CN102289512A (zh) * | 2011-09-01 | 2011-12-21 | 上海汉翔信息技术有限公司 | 便携式设备上基于地理位置动态调整候选词的系统及方法 |
US9047012B1 (en) * | 2012-05-14 | 2015-06-02 | Google Inc. | Using information from a user device and a server to suggest an input |
CN103455160A (zh) * | 2012-05-29 | 2013-12-18 | 阿里巴巴集团控股有限公司 | 一种根据地理位置推荐候选词的方法和装置 |
WO2014040510A1 (zh) * | 2012-09-12 | 2014-03-20 | 腾讯科技(深圳)有限公司 | 在输入法中实现智能联想的方法、装置及终端设备 |
CN103853437A (zh) * | 2012-11-28 | 2014-06-11 | 北京搜狗科技发展有限公司 | 一种获取候选项的方法及装置 |
CN106716308A (zh) * | 2014-06-17 | 2017-05-24 | 谷歌公司 | 用于输入地理位置名称的输入法编辑器 |
CN104281649A (zh) * | 2014-09-09 | 2015-01-14 | 北京搜狗科技发展有限公司 | 一种输入方法、装置及电子设备 |
WO2016045465A1 (zh) * | 2014-09-25 | 2016-03-31 | 北京搜狗科技发展有限公司 | 一种基于输入的信息展示方法和输入法系统 |
CN104850238A (zh) * | 2015-04-17 | 2015-08-19 | 小米科技有限责任公司 | 对输入法所产生的候选项进行排序的方法和装置 |
CN105224522A (zh) * | 2015-09-29 | 2016-01-06 | 小米科技有限责任公司 | 地理位置信息识别方法及装置 |
CN107807759A (zh) * | 2016-09-08 | 2018-03-16 | 阿里巴巴集团控股有限公司 | 地址显示方法、装置、设备和用户界面系统 |
CN106371625A (zh) * | 2016-09-29 | 2017-02-01 | 北京小米移动软件有限公司 | 关联词显示方法及装置 |
CN107885346A (zh) * | 2017-10-25 | 2018-04-06 | 努比亚技术有限公司 | 一种候选词推荐方法、终端及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
DONGBO ZHANG 等: "Assessing L2 vocabulary depth with word associates format tests: issues, findings, and suggestions", ASIAN-PACIFIC JOURNAL OF SECOND AND FOREIGN LANGUAGE EDUCATION, 9 March 2017 (2017-03-09) * |
万玛尖措;张有谊;: "藏文输入法联想功能的研究", 计算机产品与流通, no. 11, 15 November 2017 (2017-11-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN112000233B (zh) | 2024-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107608532B (zh) | 一种联想输入方法、装置及电子设备 | |
CN107918496B (zh) | 一种输入纠错方法和装置、一种用于输入纠错的装置 | |
CN107305438B (zh) | 候选项的排序方法和装置、用于候选项排序的装置 | |
CN107291260B (zh) | 一种信息输入方法和装置、及用于信息输入的装置 | |
CN110633017B (zh) | 一种输入方法、装置和用于输入的装置 | |
CN108803890B (zh) | 一种输入方法、输入装置和用于输入的装置 | |
CN108073292B (zh) | 一种智能组词方法和装置、一种用于智能组词的装置 | |
CN109521888B (zh) | 一种输入方法、装置和介质 | |
CN109783244B (zh) | 处理方法和装置、用于处理的装置 | |
CN108628461B (zh) | 一种输入方法和装置、一种更新词库的方法和装置 | |
CN108536653B (zh) | 一种输入方法、装置和用于输入的装置 | |
CN111381685B (zh) | 一种句联想方法和装置 | |
CN108073294B (zh) | 一种智能组词方法和装置、一种用于智能组词的装置 | |
CN112052395B (zh) | 一种数据处理方法及装置 | |
CN112000233B (zh) | 联想候选的处理方法、装置和用于处理联想候选的装置 | |
CN113010768B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN114115550A (zh) | 联想候选的处理方法、装置和用于处理联想候选的装置 | |
CN112987941B (zh) | 生成候选词的方法及装置 | |
CN114610163A (zh) | 推荐方法、装置和介质 | |
CN112181163A (zh) | 一种输入方法、装置和用于输入的装置 | |
CN109426359B (zh) | 一种输入方法、装置以及机器可读介质 | |
CN112306252A (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
CN113589950A (zh) | 输入方法、装置和用于输入的装置 | |
CN111103986A (zh) | 用户词库管理方法及装置、输入方法及装置 | |
CN113534973B (zh) | 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |