CN112198972A - 一种输入方法、装置、设备及存储介质 - Google Patents
一种输入方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112198972A CN112198972A CN201910610591.7A CN201910610591A CN112198972A CN 112198972 A CN112198972 A CN 112198972A CN 201910610591 A CN201910610591 A CN 201910610591A CN 112198972 A CN112198972 A CN 112198972A
- Authority
- CN
- China
- Prior art keywords
- target text
- text
- sentence
- target
- server
- 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
- 238000000034 method Methods 0.000 title claims abstract description 99
- 239000013598 vector Substances 0.000 claims abstract description 305
- 238000012545 processing Methods 0.000 claims abstract description 103
- 238000012549 training Methods 0.000 claims description 47
- 238000012937 correction Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 abstract description 19
- 230000003993 interaction Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 241000989913 Gunnera petaloidea Species 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 101150054987 ChAT gene Proteins 0.000 description 3
- 101100203187 Mus musculus Sh2d3c gene Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 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
- 238000007726 management method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal 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
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)
Abstract
本申请公开了一种输入方法、装置、设备及存储介质，包括：终端获取目标文本，并为目标文本中各语句的词分别确定对应的词向量；将目标文本的各语句分别对应的词向量输入至目标模型中，得到目标文本的句向量，并向服务器发送该目标文本的句向量，以获取服务器对该目标文本的句向量的处理结果，进而根据该处理结果显示输入候选项。终端在与服务器之间进行数据交互的过程中，终端是将基于目标文本的句向量发送给服务器，而并非是将目标文本直接发送给服务器，从而可以有效保护用户隐私；同时，得到目标文本的句向量的过程由终端完成，这相对于由服务器基于目标文本得到输入候选项的实施方式而言，可以降低服务器的处理压力。
Description
技术领域
本申请涉及文本处理技术领域，特别是涉及一种输入方法、装置、设备及存储介质。
背景技术
目前，用户通常是利用输入法在终端上实现内容输入。比如，用户可以利用输入法可以在手机上输入与朋友之间的聊天内容，或者可以利用输入法在电脑上编辑文本等。
但是，用户所使用的输入法通常是预先配置于终端上的，而受限于终端的计算能力与词库大小，终端上的输入法可能无法满足用户进行内容输入时的便捷服务需求。比如，用户在终端上已经输入“猪八戒照镜子”这些输入内容后，可能希望输入法能够自动为用户呈现“里外不是人”的候选短句，以使得用户无需再编辑该候选短句对应的字符串“liwaibushiren”，达到方便用户输入的效果，而终端上有限的计算资源以及词库，使得终端上的输入法可能无法为用户提供主动呈现“里外不是人”的候选短句这种便捷服务。
发明内容
本申请实施例提供了一种输入方法、装置、设备及存储介质，以使得在用户使用输入法进行内容输入的过程中，可以利用服务器的数据处理资源为用户提供智能化输入，从而使得终端上的输入法能够满足用户进行内容输入时的便捷服务需求。
第一方面，本申请实施例提供了一种输入方法，所述方法应用于终端，所述方法包括：
获取目标文本；
为所述目标文本中各语句的词分别确定对应的词向量；
将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
根据所述处理结果显示输入候选项。
在一些可能的实施方式中，所述目标文本为所述终端接收到的数据所表征的文本，所述将所述目标文本的句向量发送给所述服务器，包括：
生成第一任务指令，所述第一任务指令携带有所述目标文本的句向量，所述第一任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的回复文本；
向所述服务器发送所述第一任务指令。
在一些可能的实施方式中，所述目标文本为用户在终端上已上屏输入的文本，所述方法还包括：
生成第二任务指令，所述第二任务指令携带有所述目标文本的句向量，所述第二任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的联想文本，和/或用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的纠错文本；
向所述服务器发送所述第二任务指令。
在一些可能的实施方式中，所述将所述目标文本中各语句所对应的词向量分别输入至目标模型中，包括：
将所述目标文本中各语句所对应的词向量按照所述词向量对应的词在所述目标文本中出现的先后顺序，依次输入至所述目标模型中。
在一些可能的实施方式中，所述将所述目标文本中各语句所对应的词向量分别输入至目标模型中，包括：
将所述目标文本中各个词的词向量以及语句标识输入至所述目标模型中，所述语句标识用于指示所述词向量对应的词在所述目标文本中所属的语句。
在一些可能的实施方式中，所述处理结果为所述输入候选项的标识，则，所述根据所述处理结果显示输入候选项，包括：
根据所述输入候选项的标识，确定与所述输入候选项的标识对应的输入候选项；
显示所述输入候选项。
在一些可能的实施方式中，所述目标文本，包括用户在终端上已上屏输入的文本、所述终端接收到的数据所表征的文本以及基于用户在所述终端上已输入的拼音串所得到的文本中的任意一种或多种。
第二方面，本申请实施例还提供了一种输入方法，所述方法应用于服务器，所述方法包括：
接收目标文本的句向量，所述句向量为终端为所述目标文本中各语句的词分别生成对应的词向量并所述目标文本的各语句分别对应的词向量输入至目标模型中得到，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
对所述句向量进行处理，得到处理结果，并向所述终端发送所述处理结果，以便所述终端根据所述处理结果显示输入候选项。
第三方面，本申请实施例还提供了一种输入装置，所述装置应用于终端，所述装置包括：
获取模块，用于获取目标文本；
确定模块，用于为所述目标文本中各语句的词分别确定对应的词向量；
输入模块，用于将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
发送模块，用于向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
显示模块，用于根据所述处理结果显示输入候选项。
在一些可能的实施方式中，所述目标文本为所述终端接收到的数据所表征的文本，所述发送模块，包括：
生成单元，用于生成第一任务指令，所述第一任务指令携带有所述目标文本的句向量，所述第一任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的回复文本；
发送单元，用于向所述服务器发送所述第一任务指令。
在一些可能的实施方式中，所述目标文本为用户在终端上已上屏输入的文本，所述装置还包括：
生成模块，用于生成第二任务指令，所述第二任务指令携带有所述目标文本的句向量，所述第二任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的联想文本，和/或用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的纠错文本；
指令发送模块，用于向所述服务器发送所述第二任务指令。
在一些可能的实施方式中，所述输入模块，具体用于将所述目标文本中各语句所对应的词向量按照所述词向量对应的词在所述目标文本中出现的先后顺序，依次输入至所述目标模型中。
在一些可能的实施方式中，所述输入模块，具体用于将所述目标文本中各个词的词向量以及语句标识输入至所述目标模型中，所述语句标识用于指示所述词向量对应的词在所述目标文本中所属的语句。
在一些可能的实施方式中，所述处理结果为所述输入候选项的标识，则，所述显示模块，包括：
确定单元，用于根据所述输入候选项的标识，确定与所述输入候选项的标识对应的输入候选项；
显示单元，用于显示所述输入候选项。
在一些可能的实施方式中，所述目标文本，包括用户在终端上已上屏输入的文本、所述终端接收到的数据所表征的文本以及基于用户在所述终端上已输入的拼音串所得到的文本中的任意一种或多种。
第四方面，本申请实施例还提供了一种输入装置，所述装置应用于服务器，所述装置包括：
接收模块，用于接收目标文本的句向量，所述句向量为终端为所述目标文本中各语句的词分别生成对应的词向量并所述目标文本的各语句分别对应的词向量输入至目标模型中得到，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
处理模块，用于对所述句向量进行处理，得到处理结果；
发送模块，用于向所述终端发送所述处理结果，以便所述终端根据所述处理结果显示输入候选项。
第五方面，本申请实施例还提供了一种输入设备，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执行上述第一方面或第二方面所述的方法。
第六方面，本申请实施例还提供了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输入设备的处理器执行时，使得输入设备能够执行上述第一方面或第二方面所述的方法。
在本申请实施例的上述实现方式中，终端可以获取目标文本，并为目标文本中各语句的词分别确定对应的词向量，例如，该目标文本可以为用户在终端上已上屏输入的文本和/或者终端所接收到的数据所表征的文本，然后，终端可以将目标文本的各语句分别对应的词向量输入至目标模型中，得到目标文本的句向量，并向服务器发送该目标文本的句向量，以获取服务器对该目标文本的句向量的处理结果，进而终端可以根据该处理结果显示输入候选项。可以理解，相对于终端而言，服务器的计算能力以及词库通常更加优越，因此，利用服务器的数据处理资源为用户提供输入候选项，可以使得输入法能够满足用户进行内容输入时的便捷服务需求；而且，终端在与服务器之间进行数据交互的过程中，终端是将基于目标文本的句向量发送给服务器，而并非是将目标文本直接发送给服务器，从而可以有效保护用户隐私；同时，得到目标文本的句向量的过程由终端完成，这相对于由服务器基于目标文本得到输入候选项的实施方式而言，可以降低服务器的处理压力。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例中一应用场景示意图；
图2为本申请实施例中一种输入方法的信令交互示意图；
图3为本申请实施例中一种输入装置的结构示意图；
图4为本申请实施例中又一种输入装置的结构示意图；
图5为本申请实施例中一种输入设备的结构示意图；
图6为本申请实施例中服务器的结构示意图。
具体实施方式
目前，对于终端上的各类应用，用户通常会基于实际需求向各类应用中输入信息。比如，当用户使用即时通信软件与对方进行信息交互时，可以利用输入法在通信界面中相互输入文字、动画表情等信息进行交互；又比如，当用户在购物APP中搜索购物商品时，可以利用输入法在搜索文本框中输入商品名称等信息。用户进行信息输入时的输入体验，通常与输入法提供输入候选项的智能化息息相关，而对于用户在终端上所使用的输入法，由于其在提供输入候选项时受到终端的计算能力与词库大小的限制，输入法所能提供的输入候选项可能并不符合用户的预期，无法减少用户的输入代价，从而使得已有的输入法无法满足用户输入时的便捷服务需求。
基于此，本申请实施例提供一种输入方法，以使得用户在使用输入法进行内容输入的过程中，能够利用服务器的资源为用户提供更智能化的输入候选项，以减少用户在输入过程中的输入代价，从而使得终端上的输入法能够满足用户进行内容输入时的便捷服务需求。具体的，终端可以获取目标文本，然后，终端可以为该目标文本中各个语句的词分为确定与该词所对应的词向量，即得到目标文本中每个词的词向量，接着，终端可以将该目标文本中各个语句分别对应的词向量输入至已完成训练的目标模型中，得到该目标文本的句向量，其中，该目标模型预先在训练时，可以是基于训练文本中各语句所对应的词向量与该训练文本的句向量之间的对应关系进行训练；，由于终端的计算能力与词库大小有限，因此，终端在获得目标文本的句向量后，可以向服务器发送该句向量，以便由服务器利用其计算资源以及词库对该句向量进行处理，并获取到对该句向量的处理结果，从而终端根据该处理结果显示输入候选项。
上述过程中，是由服务器对目标文本的句向量进行处理，从而终端基于服务器处理目标文本的句向量所得到的处理结果而呈现输入候选项。可以理解，相对于终端而言，服务器的计算能力以及词库中的数据量通常更加优越，因此，利用服务器的数据处理资源为用户提供输入候选项可以使得终端所呈现的输入候选项更加智能化，从而可以减少用户的输入代价，使得终端上的输入法能够满足用户进行内容输入时的便捷服务需求。而且，终端向服务器传输的并非是目标文本，而是目标文本的句向量，这使得即使数据传输过程中发生数据泄露，所泄露的数据是目标文本的句向量而不是目标文本本身，从而可以有效保护用户隐私。再者，基于目标文本得到目标文本的句向量的过程是在终端处完成，服务器可以仅基于目标文本的句向量得到处理结果，这相对于由服务器先基于目标文本得到目标文本的句向量，再基于该句向量得到处理结果的实施方式而言，可以有效降低服务器的处理压力。
作为一种示例，本申请实施例可以应用于如图1所示的示例性应用场景。在该应用场景中，用户101可以利用终端102上的即时通信软件与其它用户进行即时通信，则用户101可以利用输入法在终端102上输入即时通信消息，则终端102可以获取用户101已上屏输入的文本，或者获取其它用户通过即时通信软件所发送的文本，并将其作为目标文本；然后，终端102可以为目标文本中各个语句的词分别确定该词所对应的词向量，并将该目标文本中各语句分别对应的词向量输入至预先训练的目标模型中，以得到该目标文本的句向量，其中，该目标模型预先已基于训练文本中各语句所对应的词向量与训练文本的句向量之间的对应关系完成训练；然后，终端102可以向服务器103发送该目标文本的句向量；服务器103可以对接收到的句向量进行相应处理，得到处理结果，并将该处理结果发送给终端102；终端102根据接收到的处理结果，确定输入候选项，并在终端102呈现该输入候选项。
可以理解的是，上述场景仅是本申请实施例提供的一个场景示例，本申请实施例并不限于此场景。比如，用户101也可以是在针对于购物应用、视频应用等其它应用时使用输入法进行信息输入等。总之，本申请实施例可以应用于任何可适用的应用场景中，而不局限于上述示例性场景。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
参阅图2，图2示出了本申请实施例中一种输入方法的信令交互示意图，该方法具体可以包括：
S201：终端获取目标文本。
本实施例中，输入法为用户提供的输入候选项，可以是基于一定的文本内容进行确定的。具体实现时，针对于输入法在不同的智能输入方向所提供的输入候选项，终端可以将不同类型的文本确定为目标文本，并基于该文本内容预测用户所期望输入的候选项。
作为一种示例，当输入法基于用户已上屏输入的内容为用户提供联想输入或者智能纠错服务时，终端可以将用户在终端上已经上屏输入的文本确定为目标文本。比如，用户已上屏输入“你最近工作”，则终端可以将该“你最近工作”确定为目标文本，并当对该上屏输入内容进行联想时，可以向用户提供“怎么样”、“怎么样？”、“累不累”等输入候选项；又比如，用户已在文本框中上屏输入“他的回答让所有同学轰堂大笑”，则，终端可以将该文本框中已上屏输入的文本确定为目标文本，并且，由于该上屏内容中存在词语错误(即“轰堂大笑”的正确表述应该是“哄堂大笑”)，终端可以对该上屏内容进行智能纠错，向用户提供“哄堂大笑”或者“他的回答让所有同学哄堂大笑”等输入候选项。
而在另一些示例中，终端也可以基于终端所接收到的数据所表征的文本，确定目标文本。比如，在输入法应用于即时通信场景下时，其它用户通过即时通信软件发送“你最近工作怎么样？”的文本，则用户在查阅到该文本内容后，通常会调用输入法来输入相应内容以回复其它用户，此时，终端可以在用户调用输入法时，将终端所接收到的“你最近工作怎样”确定为目标文本，并基于此为用户提供智能回复的输入候选项，如“我最近工作还不错”、“还不错”等；又比如，其它用户通过即时通信软件发送的信息为聊天表情，如“哈哈大笑”表情等，则终端可以确定该聊天表情所表征的文本内容为“哈哈大笑”，并将所确定的文本“哈哈大笑”确定目标文本，则终端可以基于该目标文本为用户提供智能回复的输入候选项，如“哈哈”、“有趣”等。
在又一些示例中，终端也可以基于用户在终端上输入的拼音串所得到的文本，确定目标文本。比如，在输入法已经上屏输入拼音串“niguode”后，终端可以基于该拼音串得到该拼音串对应的候选项“你过得”以及“倪国德”，此时，终端可以将该每个候选项确定目标文本，并对每个目标文本进行联想，为用户提供每个目标文本对应联想的输入候选项，如，针对于“你过得”可以提供“好不好”、“怎么样”等联想的输入候选项，针对于“倪国德”可以提供“很帅”、“很出名”等联想的输入候选项等。
值得注意的是，终端所确定的目标文本，可以是包括一个或者多个完整语句的文本，也可以是包括不完整语句的文本，如上述示例中的“你最近工作”等，也可以是既包括完整语句，也包括不完整语句的文本等。
S202：终端为目标文本中各语句的词分别确定对应的词向量。
S203：终端将目标文本的各语句分别对应的词向量输入至目标模型中，得到该目标文本的句向量，其中，该目标模型已基于训练文本中各语句所对应的词向量与训练文本的句向量之间的对应关系完成训练。
本实施例中，在基于目标文本确定需要提供给用户的输入候选项的过程中，可以是先基于目标文本得到该目标文本的句向量，进而通过对该目标文本的句向量进行相应处理，即可得到所需提供给用户的输入候选项。
值得注意的是，由于服务器服务的终端的数量通常较多，因此，为了尽可能降低服务器的处理压力，上述基于目标文本得到输入候选项的过程可以由终端与服务器合作完成，以降低服务器的负载。具体的，终端在确定目标文本后，并非是直接将该目标文本传输至服务器中，而是在终端处基于目标文本得到目标文本的句向量，具体可以是先为所确定的目标文本中各语句的词分别确定对应的词向量，并利用目标模型基于目标文本中各语句对应的词向量进一步得到目标文本的句向量；而对于处理目标文本的句向量得到输入候选项的过程，则可以由服务器完成。
在一种得到词向量的示例性实施方式中，终端可以对目标文本进行分词处理，即，将目标文本切分成一个或者多个词，然后，可以将切分得到的词输入至预先存储的词向量模型中，该词向量模型的输入为词，输出为该词所对应的词向量。实际应用中，该词向量模型中可以存储有词与词向量之间的对应关系，当词向量模型接收到输入的词后，可以查询该对应关系，得到该输入的词所对应的词向量，并将该词向量进行输出。基于该词向量模型可以得到目标文本中每个词所对应的词向量。
终端在得到词向量后，可以基于所得到的词向量进一步得到目标文本的句向量。在一种示例性的具体实施方式中，终端可以将目标文本中各语句分别对应的词向量输入至目标模型中，并由该目标模型输出该目标文本的句向量。
其中，在将词向量输入至目标模型时，可以指示所输入的词向量与目标文本中语句之间的对应关系。作为一种示例，目标模型具体可以是基于时序的模型，如LSTM(longshort-term memory，长短期记忆网络)模型、Bi-LSTM模型等，则，终端可以将目标文本中各语句所对应的词向量，按照词向量对应的词在目标文本中出现的先后顺序，依次输入至目标模型中。这样，目标模型基于按序输入的词向量可以确定哪些词向量对应于目标文本中的第一句，哪些词向量对应于目标文本中的第二句等。举例来说，假设目标文本具体为“我喜欢看电影。我也喜欢看书”，并且该目标文本中，“我”对应的词向量为A、“喜欢”对应的词向量为B、“看”对应的词向量为C、“电影”对应的词向量为D、“也”对应的词向量为E以及“书”对应的词向量为F，相应的，目标文本中第一句“我喜欢看电影”对应的词向量分别为A、B、C、D，目标文本中第二句“我也喜欢看书”对应的词向量分别为A、E、B、C、F。则，终端可以向目标模型中依次输入词向量A、B、C、D、A、E、B、C、F，而目标模型可以基于词向量的输入顺序可以确定词向量A、B、C、D对应于目标文本中的第一句，词向量A、E、B、C、F对应于目标文本中的第二句。
而在另一种示例中，当目标模型为非时序性模型时，如，BERT(BidirectionalEncoder Representation from Transformers，基于Transform的双向编码表示)模型、Text-CNN(Convolutional Neural Networks，卷积神经网络)模型等，则终端在向目标模型中输入目标文本中各个词的词向量的同时，还可以输入该词向量对应的语句标识，该语句标识可以用于指示该词向量对应的词在目标文本中所属的语句。这样，目标文本基于每个词向量对应的语句标识可以确定该词向量对应于哪个语句。仍以目标文本为“我喜欢看电影。我也喜欢看书”为例，终端可以为该目标文本中的第一句生成标识ID1，为目标文本中的第二句生成标识ID2，则终端可以对应输入词向量(A，ID1)、(B，ID1)，……，(C，ID2)、(F，ID2)，而目标模型可以基于词向量A以及语句标识ID1确定词向量A对应于目标文本中的第一句，基于词向量A以及语句标识ID2确定词向量A也对应于目标文本中的第二句，基于词向量F以及语句标识ID2确定词向量F对应于目标文本中的第二句等。
值得注意的是，目标模型所输出的目标文本的句向量，并非为目标文本中各句话的向量集合，而是目标文本中所有语句(包括完整和/或不完整语句)所对应的向量。例如，假设目标文本包括语句Sentence1以及语句Sentence2，则，目标文本的句向量并非为{A，B}，其中A为语句Sentence1对应的向量，B为Sentence2对应的向量，而是对应于一个句向量V，该句向量V即为目标文本多句话的向量表示。当然，若目标文本仅包括语句Sentence1(或Sentence2)，则该目标文本的句向量即为A(或B)。
另外，输出目标文本的句向量的目标模型可以预先利用一组或者多组训练文本完成训练。具体实现时，可以将一组或者多组训练文本中各语句所对应的词向量作为输入，将该词向量所对应的训练文本的句向量作为输出，完成目标模型的训练。可以理解，服务器通常服务于多个终端，而为了使得服务器可以为不同终端提供相同质量的服务，实际应用中，可以是由服务器利用训练文本预先完成目标模型的训练，然后，服务器可以将训练完成的目标模型下发至各个终端。这样，各个终端基于相同目标文本可以得到相同的目标文本的句向量，从而服务器可以基于相同的目标文本的句向量为不同终端提供相同的输入候选项。
S204：终端向服务器发送目标文本的句向量。
本实施例中，基于目标文本得到提供给用户的输入候选项的过程可以是由终端与服务器共同完成，因此，终端在得到目标文本的句向量后，可以将该目标文本的句向量发送给服务器，以便由服务器执行后续的处理过程。
需要说明的是，由于终端向服务器发送的是目标文本的句向量，而并非是目标文本，因此，即使数据在从终端传输中服务器的过程中存在数据泄露，则所泄露的数据也是目标文本的向量表示，而并非为目标文本本身，并且，基于目标文本的句向量通常也难以反推出目标文本，从而可以有效保护用户的隐私。
值得注意的是，针对于输入法在不同的智能输入方向所提供的输入候选项，终端可以指示服务器提供相应智能输入方向的输入候选项。具体的，在一种示例性的具体实施方式中，终端所确定的目标文本为终端所接收到的数据所表征的文本，则终端在得到目标文本的句向量后，可以生成第一任务指令，其中，所生成的第一任务指令携带有该目标文本的句向量，并且，该第一任务指令可以指示服务器根据该目标文本的句向量得到目标文本的回复文本。举例来说，假设终端接收到其他用户通过即时通信软件发送的消息“你最近工作怎么样”，则用户通常会点击终端界面上的相应控件，调用输入法以对该消息做出回复，此时，终端可以相应用户调入输入法输入界面的触发操作，生成智能回复的回复任务标识，并在得到“你最近工作怎么样”的句向量后，基于该句向量以及指示标识生成第一任务指令，并将该第一任务指令发送给服务器。这样，服务器从第一任务指令解析出“你最近工作怎么样”的句向量以及回复任务标识后，可以根据该回复任务标识确定是对句向量所表示的文本进行智能回复，从而可以得到回复文本，如“还不错”、“挺好的”等。
而在另一种示例性的具体实施方式中，终端所确定的目标文本为用户在终端上已上屏输入的文本，则终端在得到目标文本的句向量后，可以生成第二任务指令，其中，所生成的第二任务指令携带有该目标文本的句向量，并且，该第二任务指令可以指示服务器根据该目标文本的句向量得到目标文本的联想文本，和/或，指示服务器根据该目标文本的句向量得到目标文本的纠错文本。例如，假设用户当前完成上屏输入文本“你最近工作”，则终端可以在用户输入该文本后，生成联想任务标识，并在得到文本“你最近工作”的句向量后，基于该联想任务标识以及文本“你最近工作”的句向量生成第二任务指令，并将该第二任务指令发送给服务器。这样，服务器可以根据从第二任务指令中解析出的联想任务标识确定对该句向量所表示的文本进行联想，得到相应的联想文本，如“怎么样”、“如何”等。又例如，假设用户当前完成上屏输入文本“他的演讲无泄可击”，则终端可以在用户上屏输入该文本后，生成纠错任务标识，并在得到文本“他的演讲无泄可击”的句向量后，可以基于该句向量以及纠错任务表标识生成第二任务指令，并将该第二任务指令发送给服务器。这样，服务器对第二任务指令进行解析，可以得到第二任务指令中的纠错任务标识，并根据该纠错任务标识确定是对该句向量所表示的文本进行纠错，得到相应的纠错文本，如“无懈可击”。当然，在其它示例中，可以同时生成联想任务标识以及纠错任务标识，以使得服务器对目标文本进行联想的同时，也进行纠错。
S205：服务器对目标文本的句向量进行处理，得到处理结果。
具体实现时，服务器在接收到目标文本的句向量后，可以将目标文本的句向量输入至相应的模型中，得到模型对该句向量进行处理的处理结果。
作为一种示例，若服务器接收到的任务指令指示服务器根据目标文本的句向量得到目标文本的回复文本，则服务器可以将该目标文本的句向量输入至智能回复模型中，由该智能回复模型输出对该句向量进行处理的处理结果。其中，智能回复模型具体可以是Seq2Seq(Sequence to Sequence)模型等。
在另一种示例中，若服务器接收到的任务指令指示服务器根据目标文本的句向量得到目标文本的联想文本和/或纠错文本，则服务器可以将目标文本的句向量输入联想模型和/或智能纠错模型中，以便于该联想模型和/或智能纠错模型输出对该句向量进行处理的处理结果。其中，联想模型具体可以是LSTM模型，智能纠错模型具体可以是Seq2Seq模型等。
S206：服务器向终端发送处理结果。
服务器在得到针对目标文本的句向量的处理结果后，可以将该处理结果发送给终端。
值得注意的是，该处理结果具体可以是文本，比如，可以是目标文本的回复文本、纠错文本、联想文本等。而数据在从服务器传输至终端的过程中，也可能会存在数据泄露，因此，在进一步保护用户隐私的实施方式中，服务器可以向终端发送的处理结果具体可以该是文本的标识，而可以不是文本本身，这样，即使数据存在泄露，所得到的数据也并非为文本本身。
S207：终端根据接收到的处理结果显示输入候选项。
终端接收到服务器发送的处理结果后，可以根据接收到的处理结果将输入候选项显示给用户。
其中，当处理结果为文本时，终端可以直接将该文本作为输入候选项呈现给用户。而当处理结果为文本的标识，也即为输入候选项的标识时，终端可以根据该输入候选项的标识，确定与该标识对应的输入候选项。具体实现时，终端上可以预先存储输入候选项的标识与输入候选项的对应关系，这样，终端在接收到输入候选项的标识后，通过查询该对应关系，即可确定出该标识所对应的输入候选项，从而将该输入候选项在输入界面上显示给用户。
本实施例中，终端获取目标文本后，基于该目标文本得到目标文本的句向量，进而将该目标文本的句向量发送给服务器，以获取服务器对该句向量的处理结果，从而基于该处理结果显示相应的输入候选项。上述过程中，是由服务器对目标文本的句向量进行处理，从而终端基于服务器处理目标文本的句向量所得到的处理结果而呈现输入候选项。可以理解，由于相对于终端而言，服务器的计算能力以及词库中的数据量通常更加优越，因此，利用服务器的数据处理资源为用户提供输入候选项可以使得终端所呈现的输入候选项更加智能化，从而可以减少用户的输入代价，使得终端上的输入法能够满足用户进行内容输入时的便捷服务需求。而且，终端向服务器传输的并非是目标文本，而是目标文本的句向量，这使得即使数据传输过程中发生数据泄露，所泄露的数据也是目标文本的句向量而不是目标文本本身，从而可以有效保护用户隐私。再者，基于目标文本得到目标文本的句向量的过程是在终端处完成，服务器可以仅基于目标文本的句向量得到处理结果，这相对于由服务器先基于目标文本得到目标文本的句向量，再基于该句向量得到处理结果的实施方式而言，可以有效降低服务器的处理压力。
此外，本申请实施例还提供了一种输入装置。参阅图3，图3示出了本申请实施例中一种输入装置的结构示意图，该装置300应用于终端，该装置300包括：
获取模块301，用于获取目标文本；
确定模块302，用于为所述目标文本中各语句的词分别确定对应的词向量；
输入模块303，用于将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
发送模块304，用于向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
显示模块305，用于根据所述处理结果显示输入候选项。
在一些可能的实施方式中，所述目标文本为所述终端接收到的数据所表征的文本，所述发送模块304，包括：
生成单元，用于生成第一任务指令，所述第一任务指令携带有所述目标文本的句向量，所述第一任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的回复文本；
发送单元，用于向所述服务器发送所述第一任务指令。
在一些可能的实施方式中，所述目标文本为用户在终端上已上屏输入的文本，所述装置300还包括：
生成模块，用于生成第二任务指令，所述第二任务指令携带有所述目标文本的句向量，所述第二任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的联想文本，和/或用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的纠错文本；
指令发送模块，用于向所述服务器发送所述第二任务指令。
在一些可能的实施方式中，所述输入模块303，具体用于将所述目标文本中各语句所对应的词向量按照所述词向量对应的词在所述目标文本中出现的先后顺序，依次输入至所述目标模型中。
在一些可能的实施方式中，所述输入模块303，具体用于将所述目标文本中各个词的词向量以及语句标识输入至所述目标模型中，所述语句标识用于指示所述词向量对应的词在所述目标文本中所属的语句。
在一些可能的实施方式中，所述处理结果为所述输入候选项的标识，则，所述显示模块305，包括：
确定单元，用于根据所述输入候选项的标识，确定与所述输入候选项的标识对应的输入候选项；
显示单元，用于显示所述输入候选项。
在一些可能的实施方式中，所述目标文本，包括用户在终端上已上屏输入的文本、所述终端接收到的数据所表征的文本以及基于用户在所述终端上已输入的拼音串所得到的文本中的任意一种或多种。
图3所示的装置是与图1所示的方法所对应的装置，具体实现方式以及达到的效果，与图1所示的方法类似，参考图1所示的方法中的描述，这里不再赘述。
此外，本申请实施例还提供了另一种文本处理装置。参阅图4，图4示出了本申请实施例中又一种输入装置的结构示意图，该装置400应用于服务器，该装置400包括：
接收模块401，用于接收目标文本的句向量，所述句向量为终端为所述目标文本中各语句的词分别生成对应的词向量并所述目标文本的各语句分别对应的词向量输入至目标模型中得到，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
处理模块402，用于对所述句向量进行处理，得到处理结果；
发送模块403，用于向所述终端发送所述处理结果，以便所述终端根据所述处理结果显示输入候选项。
图4所示的装置是与图1所示的方法所对应的装置，具体实现方式以及达到的效果，与图1所示的方法类似，参考图1所示的方法中的描述，这里不再赘述。
参照图5，输入设备500可以包括以下一个或多个组件：处理组件502，存储器504，电源组件506，多媒体组件506，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。
处理组件502通常控制设备500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。处理组件502可以包括一个或多个处理器520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502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理部件502可以包括多媒体模块，以方便多媒体组件506和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在输入设备500的操作。这些数据的示例包括用于在输入设备500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504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506为输入设备500的各种组件提供电力。电源组件506可以包括电源管理系统，一个或多个电源，及其他与为输入设备500生成、管理和分配电力相关联的组件。
多媒体组件506包括在所述输入设备500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506包括一个前置摄像头和/或后置摄像头。当输入设备500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510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当输入设备500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504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。
I/O接口512为处理组件502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514包括一个或多个传感器，用于为输入设备500提供各个方面的状态评估。例如传感器组件514可以检测到输入设备500的打开/关闭状态，组件的相对定位，例如所述组件为设备500的显示器和小键盘，传感器组件514还可以检测输入设备500或输入设备500一个组件的位置改变，用户与输入设备500接触的存在或不存在，输入设备500方位或加速/减速和输入设备500的温度变化。传感器组件514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514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514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516被配置为便于输入设备500和其他设备之间有线或无线方式的通信。输入设备500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516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516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，输入设备500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。
具体地，本发明实施例提供了一种输入设备，该输入设备可以具体为输入设备500，包括有存储器504，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504中，且经配置以由一个或者一个以上处理器520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：
获取目标文本；
为所述目标文本中各语句的词分别确定对应的词向量；
将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
根据所述处理结果显示输入候选项。
可选地，所述目标文本为所述终端接收到的数据所表征的文本，所述处理器520具体用于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：
生成第一任务指令，所述第一任务指令携带有所述目标文本的句向量，所述第一任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的回复文本；
向所述服务器发送所述第一任务指令。
可选地，所述目标文本为用户在终端上已上屏输入的文本，所述处理器520还用于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：
生成第二任务指令，所述第二任务指令携带有所述目标文本的句向量，所述第二任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的联想文本，和/或用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的纠错文本；
向所述服务器发送所述第二任务指令。
可选地，所述处理器520具体用于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：
将所述目标文本中各语句所对应的词向量按照所述词向量对应的词在所述目标文本中出现的先后顺序，依次输入至所述目标模型中。
可选地，所述处理器520具体用于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：
将所述目标文本中各个词的词向量以及语句标识输入至所述目标模型中，所述语句标识用于指示所述词向量对应的词在所述目标文本中所属的语句。
可选地，所述处理结果为所述输入候选项的标识，所述处理器520具体用于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：
根据所述输入候选项的标识，确定与所述输入候选项的标识对应的输入候选项；
显示所述输入候选项。
在一些可能的实施方式中，所述目标文本，包括用户在终端上已上屏输入的文本、所述终端接收到的数据所表征的文本以及基于用户在所述终端上已输入的拼音串所得到的文本中的任意一种或多种。
此外，本发明实施例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504，上述指令可由输入设备500的处理器520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输入设备的处理器执行时，使得输入设备能够执行一种输入方法，所述方法包括：
获取目标文本；
为所述目标文本中各语句的词分别确定对应的词向量；
将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
根据所述处理结果显示输入候选项。
在一些可能的实施方式中，所述目标文本为所述终端接收到的数据所表征的文本，所述将所述目标文本的句向量发送给所述服务器，包括：
生成第一任务指令，所述第一任务指令携带有所述目标文本的句向量，所述第一任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的回复文本；
向所述服务器发送所述第一任务指令。
在一些可能的实施方式中，所述目标文本为用户在终端上已上屏输入的文本，所述方法还包括：
生成第二任务指令，所述第二任务指令携带有所述目标文本的句向量，所述第二任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的联想文本，和/或用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的纠错文本；
向所述服务器发送所述第二任务指令。
在一些可能的实施方式中，所述将所述目标文本中各语句所对应的词向量分别输入至目标模型中，包括：
将所述目标文本中各语句所对应的词向量按照所述词向量对应的词在所述目标文本中出现的先后顺序，依次输入至所述目标模型中。
在一些可能的实施方式中，所述将所述目标文本中各语句所对应的词向量分别输入至目标模型中，包括：
将所述目标文本中各个词的词向量以及语句标识输入至所述目标模型中，所述语句标识用于指示所述词向量对应的词在所述目标文本中所属的语句。
在一些可能的实施方式中，所述处理结果为所述输入候选项的标识，则，所述根据所述处理结果显示输入候选项，包括：
根据所述输入候选项的标识，确定与所述输入候选项的标识对应的输入候选项；
显示所述输入候选项。
在一些可能的实施方式中，所述目标文本，包括用户在终端上已上屏输入的文本、所述终端接收到的数据所表征的文本以及基于用户在所述终端上已输入的拼音串所得到的文本中的任意一种或多种。
图6是本发明实施例中服务器的结构示意图。该服务器600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)622(例如，一个或一个以上处理器)和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630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622可以设置为与存储介质630通信，在服务器600上执行存储介质630中的一系列指令操作。
服务器600还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口658，一个或一个以上键盘656，和/或，一个或一个以上操作系统641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本申请实施例中提到的“第一任务指令”等名称中的“第一”只是用来做名字标识，并不代表顺序上的第一。该规则同样适用于“第二”等。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如只读存储器(英文：read-only memory，ROM)/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，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，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，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实施例方案的目的。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。
以上所述仅是本申请示例性的实施方式，并非用于限定本申请的保护范围。
Claims (10)
1.一种输入方法，其特征在于，所述方法应用于终端，所述方法包括：
获取目标文本；
为所述目标文本中各语句的词分别确定对应的词向量；
将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
根据所述处理结果显示输入候选项。
2.根据权利要求1所述的方法，其特征在于，所述目标文本为所述终端接收到的数据所表征的文本，所述将所述目标文本的句向量发送给所述服务器，包括：
生成第一任务指令，所述第一任务指令携带有所述目标文本的句向量，所述第一任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的回复文本；
向所述服务器发送所述第一任务指令。
3.根据权利要求1所述的方法，其特征在于，所述目标文本为用户在终端上已上屏输入的文本，所述方法还包括：
生成第二任务指令，所述第二任务指令携带有所述目标文本的句向量，所述第二任务指令用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的联想文本，和/或用于指示所述服务器根据所述目标文本的句向量得到所述目标文本的纠错文本；
向所述服务器发送所述第二任务指令。
4.根据权利要求1所述的方法，其特征在于，所述将所述目标文本中各语句所对应的词向量分别输入至目标模型中，包括：
将所述目标文本中各语句所对应的词向量按照所述词向量对应的词在所述目标文本中出现的先后顺序，依次输入至所述目标模型中。
5.根据权利要求1所述的方法，其特征在于，所述将所述目标文本中各语句所对应的词向量分别输入至目标模型中，包括：
将所述目标文本中各个词的词向量以及语句标识输入至所述目标模型中，所述语句标识用于指示所述词向量对应的词在所述目标文本中所属的语句。
6.一种输入方法，其特征在于，所述方法应用于服务器，所述方法包括：
接收目标文本的句向量，所述句向量为终端为所述目标文本中各语句的词分别生成对应的词向量并所述目标文本的各语句分别对应的词向量输入至目标模型中得到，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
对所述句向量进行处理，得到处理结果，并向所述终端发送所述处理结果，以便所述终端根据所述处理结果显示输入候选项。
7.一种输入装置，其特征在于，所述装置应用于终端，所述装置包括：
获取模块，用于获取目标文本；
确定模块，用于为所述目标文本中各语句的词分别确定对应的词向量；
输入模块，用于将所述目标文本的各语句分别对应的词向量输入至目标模型中，得到所述目标文本的句向量，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
发送模块，用于向所述服务器发送所述目标文本的句向量，以获取所述服务器对所述目标文本的句向量的处理结果；
显示模块，用于根据所述处理结果显示输入候选项。
8.一种输入装置，其特征在于，所述装置应用于服务器，所述装置包括：
接收模块，用于接收目标文本的句向量，所述句向量为终端为所述目标文本中各语句的词分别生成对应的词向量并所述目标文本的各语句分别对应的词向量输入至目标模型中得到，所述目标模型已基于训练文本中各语句所对应的词向量与所述训练文本的句向量之间的对应关系完成训练；
处理模块，用于对所述句向量进行处理，得到处理结果；
发送模块，用于向所述终端发送所述处理结果，以便所述终端根据所述处理结果显示输入候选项。
9.一种输入设备，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执行如前述权利要求1至5或权利要求6任意一项所述的方法。
10.一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输入设备的处理器执行时，使得输入设备能够执行如前述权利要求1至5或权利要求6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910610591.7A CN112198972A (zh) | 2019-07-08 | 2019-07-08 | 一种输入方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910610591.7A CN112198972A (zh) | 2019-07-08 | 2019-07-08 | 一种输入方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112198972A true CN112198972A (zh) | 2021-01-08 |
Family
ID=74004671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910610591.7A Pending CN112198972A (zh) | 2019-07-08 | 2019-07-08 | 一种输入方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112198972A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115221873A (zh) * | 2022-09-20 | 2022-10-21 | 深圳大道云科技有限公司 | 输入词汇的补全方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102135814A (zh) * | 2011-03-30 | 2011-07-27 | 北京搜狗科技发展有限公司 | 一种字词输入方法及系统 |
| CN107436691A (zh) * | 2016-05-26 | 2017-12-05 | 北京搜狗科技发展有限公司 | 一种输入法进行纠错的方法、客户端、服务器及装置 |
| CN107832447A (zh) * | 2017-11-22 | 2018-03-23 | 北京百度网讯科技有限公司 | 用于移动终端的用户反馈纠错方法、装置及其设备 |
| CN108024005A (zh) * | 2016-11-04 | 2018-05-11 | 北京搜狗科技发展有限公司 | 信息处理方法、装置、智能终端、服务器和系统 |
| CN108958503A (zh) * | 2017-05-26 | 2018-12-07 | 北京搜狗科技发展有限公司 | 输入方法和装置 |
| US20190197105A1 (en) * | 2017-12-21 | 2019-06-27 | International Business Machines Corporation | Unsupervised neural based hybrid model for sentiment analysis of web/mobile application using public data sources |
-
2019
- 2019-07-08 CN CN201910610591.7A patent/CN112198972A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102135814A (zh) * | 2011-03-30 | 2011-07-27 | 北京搜狗科技发展有限公司 | 一种字词输入方法及系统 |
| CN107436691A (zh) * | 2016-05-26 | 2017-12-05 | 北京搜狗科技发展有限公司 | 一种输入法进行纠错的方法、客户端、服务器及装置 |
| CN108024005A (zh) * | 2016-11-04 | 2018-05-11 | 北京搜狗科技发展有限公司 | 信息处理方法、装置、智能终端、服务器和系统 |
| CN108958503A (zh) * | 2017-05-26 | 2018-12-07 | 北京搜狗科技发展有限公司 | 输入方法和装置 |
| CN107832447A (zh) * | 2017-11-22 | 2018-03-23 | 北京百度网讯科技有限公司 | 用于移动终端的用户反馈纠错方法、装置及其设备 |
| US20190197105A1 (en) * | 2017-12-21 | 2019-06-27 | International Business Machines Corporation | Unsupervised neural based hybrid model for sentiment analysis of web/mobile application using public data sources |
Non-Patent Citations (1)
| Title |
|---|
| 李心蕾;王昊;刘小敏;邓三鸿;: "面向微博短文本分类的文本向量化方法比较研究", 数据分析与知识发现, no. 08, 25 August 2018 (2018-08-25) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115221873A (zh) * | 2022-09-20 | 2022-10-21 | 深圳大道云科技有限公司 | 输入词汇的补全方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| CN105404401A (zh) | 输入处理方法、装置及设备 | |
| US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
| CN108495168B (zh) | 弹幕信息的显示方法及装置 | |
| CN106375178B (zh) | 基于即时通讯的消息显示方法及装置 | |
| CN105376412A (zh) | 信息处理的方法及装置 | |
| CN108270661B (zh) | 一种信息回复的方法、装置和设备 | |
| CN113065361B (zh) | 用户亲密度的确定方法及装置、电子设备和存储介质 | |
| CN105101121B (zh) | 一种信息发送的方法及装置 | |
| CN109992754B (zh) | 文档处理方法及装置 | |
| CN109901726B (zh) | 一种候选词生成方法、装置及用于候选词生成的装置 | |
| CN108024005B (zh) | 信息处理方法、装置、智能终端、服务器和系统 | |
| CN110648657A (zh) | 一种语言模型训练方法、构建方法和装置 | |
| CN112198972A (zh) | 一种输入方法、装置、设备及存储介质 | |
| CN113127613B (zh) | 聊天信息处理方法及装置 | |
| CN112462992B (zh) | 一种信息处理方法、装置、电子设备及介质 | |
| CN111273786B (zh) | 智能输入方法及装置 | |
| CN113807540A (zh) | 一种数据处理方法及装置 | |
| CN114154395A (zh) | 一种模型处理方法、装置和用于模型处理的装置 | |
| CN110598489B (zh) | 一种输入提示信息的隐私保护方法及相关装置 | |
| CN109120499B (zh) | 一种信息处理方法及装置 | |
| CN112068793A (zh) | 一种语音输入方法及装置 | |
| CN112732098A (zh) | 一种输入的方法及相关装置 | |
| CN104317480A (zh) | 字符按键显示方法、装置及终端 | |
| CN109408623B (zh) | 信息处理方法及装置 |
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 |