CN113342179A - 输入文本的处理方法、装置、电子设备和存储介质 - Google Patents
输入文本的处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113342179A CN113342179A CN202110578593.XA CN202110578593A CN113342179A CN 113342179 A CN113342179 A CN 113342179A CN 202110578593 A CN202110578593 A CN 202110578593A CN 113342179 A CN113342179 A CN 113342179A
- Authority
- CN
- China
- Prior art keywords
- text information
- expression
- characters
- character
- text
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims description 46
- 230000011218 segmentation Effects 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 29
- 238000013145 classification model Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000003058 natural language processing Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 241001593968 Vitis palmata Species 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual 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
- G06F3/0236—Character input methods using selection techniques to select from displayed items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了输入文本的处理方法、装置、电子设备和存储介质，涉及计算机技术领域，尤其涉及自然语言处理、深度学习等人工智能领域。具体实现方案为：获取用户在输入界面输入的第一文本信息；基于第一文本信息及各个预设的表情字符，生成第二文本信息，其中，第二文本信息中包含第一文本信息和至少一个表情字符；在输入界面显示第二文本信息。由此，当用户在输入界面上输入文本信息时，可生成并显示包含有输入文本信息和表情字符的文本信息，以供用户选择，从而可以提高输入内容的趣味性。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及自然语言处理、深度学习等人工智能领域，具体涉及一种输入文本的处理方法、装置、电子设备和存储介质。
背景技术
随着计算机技术和互联网技术的发展，人们对方便快捷的生活、工作辅助工具越来越青睐，因而各式结合多种服务功能的各种社交软件、社交平台等相继出现。
因此，如何提高社交过程中用户输入内容的趣味性是亟待解决的问题。
发明内容
本申请提供了一种输入文本的处理方法、装置、电子设备和存储介质。
根据本申请的一方面，提供了一种输入文本的处理方法，包括：
获取用户在输入界面输入的第一文本信息；
基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，其中，所述第二文本信息中包含所述第一文本信息和至少一个表情字符；
在所述输入界面显示所述第二文本信息。
根据本申请的另一方面，提供了一种输入文本的处理装置：
获取模块，用于获取用户在输入界面输入的第一文本信息；
生成模块，用于基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，其中，所述第二文本信息中包含所述第一文本信息和至少一个表情字符；
显示模块，用于在所述输入界面显示所述第二文本信息。
根据本申请的另一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。
根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据上述实施例所述的方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例提供的一种输入文本的处理方法的流程示意图；
图2为本申请实施例提供的一种第二文本信息的示意图一；
图3为本申请实施例提供的另一种输入文本的处理方法的流程示意图；
图4为本申请实施例提供的另一种输入文本的处理方法的流程示意图；
图5为本申请实施例提供的一种第二文本信息的示意图二；
图6为本申请实施例提供的另一种输入文本的处理方法的流程示意图；
图7为本申请实施例提供的一种第二文本信息的示意图三；
图8为本申请实施例提供的一种生成第二文本信息的过程示意图；
图9为本申请实施例提供的一种输入文本的处理装置的结构示意图；
图10是用来实现本申请实施例的输入文本的处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的输入文本的处理方法、装置、电子设备和存储介质。
人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
NLP(Natural Language Processing，自然语言处理)是计算机科学领域与人工智能领域中的一个重要方向，NLP研究的内容包括但不限于如下分支领域：文本分类、信息抽取、自动摘要、智能问答、话题推荐、机器翻译、主题词识别、知识库构建、深度文本表示、命名实体识别、文本生成、文本分析(词法、句法、语法等)、语音识别与合成等。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
图1为本申请实施例提供的一种输入文本的处理方法的流程示意图。
本申请实施例的输入文本的处理方法，可由本申请实施例的输入文本的处理装置执行，该装置可配置于电子设备，以在用户输入文本信息时，展示包含输入文本信息和表情字符的文本信息，以供用户选择，从而提高输入内容的趣味性。
如图1所示，该输入文本的处理方法包括：
步骤101，获取用户在输入界面输入的第一文本信息。
本申请中，当用户输入界面上输入文本信息时，可获取用户输入的文本信息，为了便于区分，可将用户输入的文本信息称为第一文本信息。这里的输入界面可以是社交软件中，输入待发送信息的输入界面，也可以是待发布内容的输入界面，也可以是评论内容的输入界面等。
在实际应用中，第一文本信息可以是用户通过按键方式输入的，比如，通过输入法或者手写方式，也可以是通过粘贴操作输入的，或者也可以是通过对用户输入的语音进行识别得到的等。
比如，当用户利用输入法，在聊天界面的输入框中输入内容时，输入法应用程序可以根据用户输入的字符和选择操作，确定用户输入的内容，由此输入法应用程序可以获取用户在输入界面上输入的第一文本信息。
步骤102，基于第一文本信息及各个预设的表情字符，生成第二文本信息。
在获取第一文本信息后，可利用各个预设的表情字符，生成与第一文本信息对应的第二文本信息，其中，第二文本信息包括第一文本信息和至少一个表情字符。这里的表情字符可以是emoji表情符号。
在生成第二文本信息时，可以对第一文本信息进行解析，以获取各分词，之后根据各分词与每个预设的表情字符之间的匹配度，确定具有匹配的表情字符的分词，在第一文本信息中将匹配的表情字符插入到对应的分词之后，以生成第二文本信息。
比如，用户输入语句“刚收到的纯天然红提好新鲜果肉脆爽多汁，易剥皮真的很不错喜欢吃的可以下单没有保鲜剂现摘现发”，基于输入语句和预设的表情字符，可以在“红提”、“好新鲜”、“多汁”、“易剥皮”、“不错”、“下单”、“保鲜剂”、“现发”等分词之后，插入匹配的表情字符，如图2所示。
步骤103，在输入界面显示第二文本信息。
在生成第二文本信息之后，可在输入界面上显示第二文本信息，以供用户选择。其中，第二文本信息可以是一个，也可以是多个。
本申请中，若在显示第二文本信息的预设时长内，检测到用户的选择操作，可根据用户的选择操作，确定用户选择的第二文本信息，并将输入界面中用户输入的第一文本信息，替换为第二本信息。由此，可以提高输入内容的趣味性，提高社交过程中的趣味性。
若生成多个第二文本信息，在显示时，可以按照随机顺序显示，也可以基于预设的规则进行显示，也可以按照权重的从高到低的顺序显示等。这里的第二文本信息的权重，可以是基于用户对各种类型的包含有表情字符的文本信息的历史行为数据确定的。
本申请的输入文本的处理方法，可以应用于输入界面所属的应用程序，也可应用于输入法。
以应用于输入界面所属的应用程序为例，当用户在输入界面上输入文本信息时，输入界面所属的应用程序可获取用户输入的文本信息，基于用户输入的文本信息和各个预设的表情字符，可以生成新的文本信息，新的文本信息包括用户输入的文本信息和至少一个表情字符。该应用程序在输入界面上显示新的文本信息，以供用户选择。
以应用于输入法为例，当用户利用输入法，在输入界面上输入内容时，输入法应用程序可以根据用户输入的字符和选择操作，获取用户输入的文本信息，基于用户输入的文本信息和各个预设的表情字符，可以生成新的文本信息，新的文本信息包括用户输入的文本信息和至少一个表情字符，并在输入法界面上显示新的文本信息，以供用户选择。
需要说明的是，本申请对第二本信息的显示方式、显示位置等不作限定。
本申请实施例中，通过获取用户在输入界面输入的第一文本信息，基于第一文本信息及各个预设的表情字符，生成第二文本信息，其中，第二文本信息中包含第一文本信息和至少一个表情字符，并在输入界面显示第二文本信息。由此，当用户在输入界面上输入文本信息时，可生成并显示包含有输入文本信息和表情字符的文本信息，以供用户选择，从而可以提高输入内容的趣味性。
在本申请的一个实施例中，上述在生成第二文本信息时，可以通过对第一文本信息进行解析，得到各分词和每个分词的词性，根据各分词和每个分词的词性，及各个预设的表情字符，生成第二文本信息。下面结合图3进行说明，图3为本申请实施例提供的另一种输入文本的处理方法的流程示意图。
如图3所示，上述基于对第一文本信息及各个预设的表情字符进行识别，生成以获取第二文本信息，包括：
步骤301，对第一文本信息进行解析，以获取各分词及每个分词的词性。
本申请中，可以对第一文本信息进行切词处理和词性分析，以获取各分词和每个分词的词性。
步骤302，根据每个分词的词性，从各分词中确定出候选分词。
本申请中，可预先设定目标词性，词性为目标词性的分词之后可出现表情字符，比如目标词性为名词和形容词，词性为名词或形容词的分词，其之后可以出现表情字符。
在获取第一文本信息包含的各分词和每个分词的词性后，可将每个分词的词性与目标词性进行比较，以从各分词中筛选出词性为目标词性的分词。为了便于区分，本申请可将词性为目标词性的分词称为候选分词。其中，候选分词的数量可能为零，也可能是一个，也可能是多个。
需要说明的是，本申请对目标词性及目标词性的数量不作限定，可以根据实际需要设定。
步骤303，从各个预设的表情字符中，选取与候选分词匹配的表情字符。
在获取候选分词后，可将候选分词与每个预设的表情字符进行匹配，根据候选分词与每个预设表情字符之间的匹配度，从各个预设的表情字符中，选取与候选分词匹配的表情字符。在选取时，可选取匹配度最高的表情字符，作为与候选分词匹配的表情字符。比如，候选分词“红提”与某表情字符的匹配度最高，那么将该表情字符作为与“红提”匹配的表情字符。
若候选分词为多个，可将每个候选分词分别与每个预设的表情字符进行匹配，以从各个预设的表情字符中，选取与每个候选分词匹配的表情字符。
或者，也可以预先建立分词与预设的表情字符之间的匹配关系，根据该匹配关系，确定与候选分词匹配的表情字符。其中，多个分词比如同义词可与相同的表情字符匹配，比如，火车、飞机等都与飞机形状的表情字符匹配。
或者，也可利用预先训练的模型，获取与候选分词匹配的表情字符。在获取候选分词后，可将候选分词输入至第一分类模型，第一分类模型可输出候选分词之后出现表情字符的概率和不出现表情字符的概率，那么可以获取候选分词之后出现表情字符的概率，这里称为第一概率。
在第一概率大于阈值的情况下，也就是候选分词之后出现字符表情的概率大于阈值的情况下，将候选分词和各个预设的表情字符输入至第二分类模型，可获取候选分词与每个预设的表情字符匹配的第二概率，并根据候选分词与每个预设的表情字符匹配的第二概率，从各个预设的表情字符中，选取与候选分词匹配的表情字符。比如，可将第二概率大于预设概率阈值的表情字符，或者第二概率最大的表情字符，作为与候选分词匹配的表情字符。
本申请中，第一分类模型和第二分类模型，可以是采用深度学习方式训练得到的深度模型，比如两个模型可均为LSTM(Long Short-Term Memory，长短期记忆网络)。
在从各预设的表情字符中，选取与候选分词匹配的表情字符时，可通过第一分类模型，确定候选分词之后出现表情字符的第一概率，在第一概率大于阈值时，利用第二分类模型，选取与候选分词匹配的表情字符，由此，通过网络模型选取与候选分词匹配的表情字符，提高了准确性。
步骤304，将与候选分词匹配的表情字符，插入候选分词与参考字符之间，以生成第二文本信息。
在选取与候选分词匹配的表情字符后，可将与候选分词匹配的表情字符，插入候选分词与参考字符之间，以生成第二文本信息。其中，参考字符为第一文本信息中与候选分词相邻的下一个字符。其中，参考字符可能是文字，也可能是标点符号。
可以理解的是，若候选分词为位于第一文本信息最后的字符，则将与候选分词匹配的表情字符，插入第一文本信息中候选分词之后。
若候选分词为多个，可将与每个候选分词匹配的表情字符，插入到每个候选分词与对应的参考字符之间，生成第二文本信息。
比如，第一文本信息为“今天买的红提特别好吃”，候选分词为“红提”和“好吃”，可将与“红提”匹配的表情字符插入到“红提”与“特”之间，将与“好吃”匹配的表情字符插入到“好吃”之后。
本申请实施例中，在基于第一文本信息及各个预设的表情字符，生成第二文本信息时，可通过对第一文本信息进行解析，得到各分词和每个分词的词性，根据每个分词的词性，筛选出可以在其之后插入表情字符的候选分词，并从各个预设的表情字符中，选取与候选分词匹配的字符表情，将表情字符插入到候选分词与参考字符之间，以生成第二文本信息，从而实现了在不改变第一文本信息的文字结构的基础上，在文字中插入表情字符，提高了文本信息的趣味性。
上述实施例描述了通过对第一文本信息进行解析，生成第二文本信息。在本申请的一个实施例中，在生成第二文本信息时，也可利用与第一文本信息的意图匹配的模板，生成第二文本信息。下面结合图4进行说明，图4为本申请实施例提供的另一种输入文本的处理方法的流程示意图。
如图4所示，上述基于对第一文本信息及各个预设的表情字符进行识别，生成以获取第二文本信息，包括：
步骤401，对第一文本信息进行意图识别，以确定第一文本信息对应的意图。
本申请中，可将第一文本信息输入至预先训练的意图识别模型，利用意图识别模型以识别第一文本信息的意图。或者，也可以利用预先建立的分词与意图之间的对应关系，确定第一文本信息对应的意图。
步骤402，在意图为指定意图的情况下，确定第一文本信息的字符数量。
在确定第一文本信息对应的意图后，可将第一文本信息对应的意图与指定意图进行比较，以确定第一文本信息对应的意图是否为指定意图。其中，指定意图可以理解为特殊意图，比如，人名意图、节日祝福意图、问候意图等。
在第一文本信息对应的意图为指定意图的情况下，可对第一文本信息进行识别处理，以确定第一文本信息中包含的字符的数量。
步骤403，从指定意图对应的表情字符模板库中，获取与字符数量匹配的第一表情字符模板。
本申请中，不同的指定意图可对应不同的表情字符模板库，比如，人名意图具有对应的表情字符模板库，问候意图具有对应的表情字符模板库。其中，指定意图对应的表情字符模板库中可包括不同字符数量下的表情字符模板。其中，不同的字符数量可对应不同的表情字符模板，也可对应相同的表情字符模板，比如，字符数量1至5对应相同的表情字符模板。
在确定第一文本信息的字符数量后，可从对应的表情字符模板库中，获取与第一文本信息的字符数量匹配的表情字符模板，为了便于区分，可称为第一表情字符模板。由此，可根据第一文本信息的字符数量，从指定意图对应的表情字符模板库中，获取匹配的表情字符模板。
比如，第一文本信息对应的意图为人名意图，第一文本信息的字符数量为3，可从人名意图对应的表情字符模板中，获取字符数量3对应的表情字符模板。
步骤404，根据第一文本信息与第一表情字符模板，生成第二文本信息。
在获取第一表情字符模板后，可根据第一表情字符模板的描述信息及第一文本信息，生成第二文本信息。比如，第一文本信息的意图为人名意图，第一表情字符模板的描述信息为：人名的首字母分别用表情字符鲜花拼接组成，如人名首字母为LSH，对应的第二文本信息可如图5所示。
为了提高携带有表情字符的文本信息的多样化，在确定第一表情字符模板后，也可对第一表情字符模板中的表情字符进行替换，以生成第二文本信息。
在获取第一表情字符模板后，可根据第一表情字符模板对应的描述信息中关于文本位置的描述，确定第一表情字符模板中文本填充位置，这里称为第一文本填充位置，并从各个预设的表情字符中随机选择表情字符。之后，可将第一文本信息填充至第一文本填充位置，并用随机选择的表情字符替换第一表情字符模板中的表情字符，以生成第二文本信息。
为了使得第二文本信息更加符合用户需求，提高第二文本信息的精准性，在确定用于替换的表情字符时，可根据预先建立的意图与表情字符之间的映射关系，确定与第一文本信息对应的意图匹配的表情字符，为了便于区分，称为第一表情字符，可利用第一表情字符替换第一表情字符模板中的表情字符。
在生成第二文本信息，通过利用与第一文本信息的意图匹配的表情字符，替换第一表情字符模板中的表情字符，从而使得生成的第二文本信息更加符合用户需求，提高了第二文本信息的推荐精准性。
本申请实施例中，在基于第一文本信息及各个预设的表情字符，生成第二文本信息时，可通过对第一文本信息进行意图识别，以确定第一文本信息对应的意图，在第一文本信息对应的意图为指定意图的情况下，确定第一文本信息的字符数量，并从指定意图对应的表情字符模板库中，获取与字符数量匹配的第一表情字符模板，并根据第一文本信息与第一表情字符模板，生成第二文本信息。由此，在第一文本信息对应的意图为指定意图的情况下，可以利用与指定意图匹配的表情字符模板，生成第二文本信息，不仅可以提高输入内容的趣味性，而且可以使第二文本信息符合用户需求。
为了提高输入文本的处理方法的适用性，在本申请的一个实施例中，可利用适用于各种输入内容的通用模板，生成第二文本信息。下面结合图6进行说明，图6为本申请实施例提供的另一种输入文本的处理方法的流程示意图。
如图6所示，上述基于对第一文本信息及各个预设的表情字符进行识别，生成以获取第二文本信息，包括：
步骤601，对第一文本信息进行识别，以确定第一文本信息的字符数量。
本申请中，可对第一文本信息进行识别，以确定第一文本信息中包含的字符的数量。这里字符包括文字字符、标点符号等。
步骤602，从通用模板库中，确定出与字符数量匹配的目标通用模板。
本申请中，通用模板库中包含多个通用模板，每个通用模板具有对应的字符数量。其中，不同的字符数量可对应不同的表情字符模板，也可对应相同的表情字符模板，比如，字符数量1至3对应相同的表情字符模板。
在确定第一文本信息的字符数量后，可根据字符数量与通用模板之间的对应关系，确定与第一文本信息的字符数量匹配的通用模板。为了便于区别，这里称为目标通用模板。
步骤603，根据第一文本信息和目标通用模板，生成第二文本信息。
在获取目标通用模板后，可根据目标通用模板的描述信息及第一文本信息，生成第二文本信息。
比如，字符数量5对应的通用模板的描述信息为：文本信息两侧为分别有一个彩虹的表情字符，彩虹与文本信息周围是白云表情字符。若用户输入的文本信息为“今天吃什么”，那么生成的第二文本信息，可如图7所示。
为了提高携带有表情字符的文本信息的多样化，在确定目标通用模板后，也可对目标通用模板中的字符进行替换，以生成第二文本信息。
在获取目标通用模板后，可根据目标通用模板对应的描述信息中关于文本位置的描述，确定目标通用模板中文本填充位置，这里称为第二文本填充位置，并从各个预设的表情字符中随机选择表情字符。之后，可将第一文本信息填充至第二文本填充位置，并用随机选择的表情字符替换目标通用模板中的表情字符，以生成第二文本信息。
为了使得第二文本信息更加符合用户需求，提高第二文本信息的精准性，在确定用于替换的表情字符时，可对第一文本信息进行意图识别，以确定第一文本信息对应的意图，并根据预先建立的意图与表情字符之间的映射关系，确定与第一文本信息对应的意图匹配的表情字符，为了便于区分，称为第二表情字符，可利用第二表情字符替换目标通用模板中的表情字符。
在生成第二文本信息，通过利用与第一文本信息的意图匹配的表情字符，替换目标通用模板中的表情字符，从而使得生成的第二文本信息更加符合用户需求，提高了第二文本信息的推荐精准性。
本申请实施例中，在基于第一文本信息及各个预设的表情字符，生成第二文本信息时，可通过第一文本信息进行识别，以确定第一文本信息的字符数量，并从通用模板库中，确定出与字符数量匹配的目标通用模板，根据第一文本信息和目标通用模板，生成第二文本信息。由此，当用户在输入界面上输入第一文本信息时，可基于通用模板，生成包含有第一文本信息和表情字符的第二文本信息，以供用户选择，不仅提高了输入内容的趣味性，而且适用范围广。
上述实施例描述了可通过对第一文本信息解析的方式、利用指定意图匹配的表情字符模板及利用通用模板三种方式，生成第二文本信息。在实际应用中，在获取用户在输入界面上输入的第一文本信息，可采用上述三种方式中的至少一种，生成第二文本信息。图8为本申请实施例提供的一种生成第二文本信息的过程示意图。
图8中，获取用户输入的语句，可利用文字模板，生成第二文本信息。比如，可采用NLP对用户输入的语句进行解析，得到各个分词和每个分词的词性，根据每个分词的词性，确定出候选分词，确定与候选分词匹配的表情字符，之后将匹配的表情字符插入到候选分词与参考字符之间，以生成第二文本信息。
在利用解析方式，生成第二文本信息后，或者未筛选出候选分词后，可对用户输入的语句进行意图识别。若用户输入的语句为指定意图，即匹配到指定意图，可采用与指定意图匹配的表情字符模板，生成第二文本信息。也就是，利用特殊模板，生成第二文本信息。
若用户输入的语句不是指定意图，可采用通用模板生成第二文本信息。
对于特殊模板和通用模板，在生成第二文本信息时，可替换模板中的表情字符。在确定用于替换表情字符的方式有两种，一种从表情字符库中，即上述各个预设的表情字符中，随机选择用于替换的表情字符，另一种是利用与用户输入的语句的意图匹配的表情字符。
可以理解的是，若基于文字模板和特殊模板未生成第二文本信息，可以利用通用模板生成第二文本信息。
为了实现上述实施例，本申请实施例还提出一种输入文本的处理装置。图9为本申请实施例提供的一种输入文本的处理装置的结构示意图。
如图9所示，该输入文本的处理装置900包括：
获取模块910，用于获取用户在输入界面输入的第一文本信息；
生成模块920，用于基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，其中，所述第二文本信息中包含所述第一文本信息和至少一个表情字符；
显示模块930，用于在所述输入界面显示所述第二文本信息。
在本申请实施例一种可能的实现方式中，所述生成模块920，包括：
解析单元，用于对所述第一文本信息进行解析，以获取各分词及每个分词的词性；
第一确定单元，用于根据每个分词的词性，从所述各分词中确定出候选分词；
选取单元，用于从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符；
插入单元，用于将与所述候选分词匹配的表情字符，插入所述候选分词与参考字符之间，以生成所述第二文本信息，其中，所述参考字符为所述第一文本信息中与所述候选分词相邻的下一个字符。
在本申请实施例一种可能的实现方式中，所述选取单元，用于：
将所述候选分词输入至第一分类模型，以获取所述候选分词之后出现表情字符的第一概率；
在所述第一概率大于阈值的情况下，将所述候选分词及所述各个预设的表情字符输入至第二分类模型，以获取所述候选分词分别与每个所述预设的表情字符匹配的第二概率；
根据各个所述第二概率，从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符。
在本申请实施例一种可能的实现方式中，所述生成模块920，包括：
第一识别单元，用于对所述第一文本信息进行意图识别，以确定所述第一文本信息对应的意图；
第二确定单元，用于在所述意图为指定意图的情况下，确定所述第一文本信息的字符数量；
获取单元，用于从所述指定意图对应的表情字符模板库中，获取与所述字符数量匹配的第一表情字符模板；
第一生成单元，用于根据所述第一文本信息与所述第一表情字符模板，生成所述第二文本信息。
在本申请实施例一种可能的实现方式中，所述第一生成单元，用于：
根据所述第一表情字符模板对应的描述信息，确定所述第一表情字符模板中第一文本填充位置；
根据意图与表情字符之间的映射关系，确定与所述意图匹配的第一目标表情字符；
将所述第一文本信息填充至所述第一文本填充位置，并利用所述第一目标表情字符，对所述第一字符表情模板中的表情字符进行替换，以生成所述第二文本信息。
在本申请实施例一种可能的实现方式中，所述生成模块920，包括：
第二识别单元，用于对所述第一文本信息进行识别，以确定所述第一文本信息的字符数量；
第三确定单元，用于从通用模板库中，确定出与所述字符数量匹配的目标通用模板；
第二生成单元，用于根据所述第一文本信息和所述目标通用模板，生成所述第二文本信息。
在本申请实施例一种可能的实现方式中，所述第二生成单元，用于：
根据所述目标通用模板对应的描述信息，确定所述目标通用模板中第二文本填充位置；
对所述第一文本信息进行意图识别，以确定所述第一文本信息对应的意图；
根据意图与表情字符之间的映射关系，确定与所述意图匹配的第二目标表情字符；
将所述第一文本信息填充至所述第二文本填充位置，并利用所述第二目标表情字符，对所述目标通用模板中的表情字符进行替换，以生成所述第二文本信息。
需要说明的是，前述输入文本的处理方法实施例的解释说明，也适用于该实施例的输入文本的处理装置，故在此不再赘述。
本申请实施例中，通过获取用户在输入界面输入的第一文本信息，基于第一文本信息及各个预设的表情字符，生成第二文本信息，其中，第二文本信息中包含第一文本信息和至少一个表情字符，并在输入界面显示第二文本信息。由此，当用户在输入界面上输入文本信息时，可生成并显示包含有输入文本信息和表情字符的文本信息，以供用户选择，从而可以提高输入内容的趣味性。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本申请的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示，设备1000包括计算单元1001，其可以根据存储在ROM(Read-OnlyMemory，只读存储器)1002中的计算机程序或者从存储单元1008加载到RAM(Random AccessMemory，随机访问/存取存储器)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。I/O(Input/Output，输入/输出)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于CPU(Central Processing Unit，中央处理单元)、GPU(Graphic Processing Units，图形处理单元)、各种专用的AI(Artificial Intelligence，人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如输入文本的处理方法。例如，在一些实施例中，输入文本的处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的输入文本的处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行输入文本的处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、FPGA(Field Programmable Gate Array，现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit，专用集成电路)、ASSP(Application Specific StandardProduct，专用标准产品)、SOC(System On Chip，芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory，可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode-Ray Tube，阴极射线管)或者LCD(Liquid Crystal Display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：LAN(LocalArea Network，局域网)、WAN(Wide Area Network，广域网)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(VirtualPrivate Server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
根据本申请的实施例，本申请还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本申请上述实施例提出的输入文本的处理方法。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (17)
1.一种输入文本的处理方法，包括：
获取用户在输入界面输入的第一文本信息；
基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，其中，所述第二文本信息中包含所述第一文本信息和至少一个表情字符；
在所述输入界面显示所述第二文本信息。
2.如权利要求1所述的方法，其中，所述基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，包括：
对所述第一文本信息进行解析，以获取各分词及每个分词的词性；
根据每个分词的词性，从所述各分词中确定出候选分词；
从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符；
将与所述候选分词匹配的表情字符，插入所述候选分词与参考字符之间，以生成所述第二文本信息，其中，所述参考字符为所述第一文本信息中与所述候选分词相邻的下一个字符。
3.如权利要求2所述的方法，其中，所述从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符，包括：
将所述候选分词输入至第一分类模型，以获取所述候选分词之后出现表情字符的第一概率；
在所述第一概率大于阈值的情况下，将所述候选分词及所述各个预设的表情字符输入至第二分类模型，以获取所述候选分词分别与每个所述预设的表情字符匹配的第二概率；
根据各个所述第二概率，从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符。
4.如权利要求1所述的方法，其中，所述基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，包括：
对所述第一文本信息进行意图识别，以确定所述第一文本信息对应的意图；
在所述意图为指定意图的情况下，确定所述第一文本信息的字符数量；
从所述指定意图对应的表情字符模板库中，获取与所述字符数量匹配的第一表情字符模板；
根据所述第一文本信息与所述第一表情字符模板，生成所述第二文本信息。
5.如权利要求4所述的方法，其中，所述根据所述第一文本信息与所述第一表情字符模板，生成所述第二文本信息，包括：
根据所述第一表情字符模板对应的描述信息，确定所述第一表情字符模板中第一文本填充位置；
根据意图与表情字符之间的映射关系，确定与所述意图匹配的第一目标表情字符；
将所述第一文本信息填充至所述第一文本填充位置，并利用所述第一目标表情字符，对所述第一字符表情模板中的表情字符进行替换，以生成所述第二文本信息。
6.如权利要求1所述的方法，其中，所述基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，包括：
对所述第一文本信息进行识别，以确定所述第一文本信息的字符数量；
从通用模板库中，确定出与所述字符数量匹配的目标通用模板；
根据所述第一文本信息和所述目标通用模板，生成所述第二文本信息。
7.如权利要求6所述的方法，其中，所述根据所述第一文本信息和所述目标通用模板，生成所述第二文本信息，包括：
根据所述目标通用模板对应的描述信息，确定所述目标通用模板中第二文本填充位置；
对所述第一文本信息进行意图识别，以确定所述第一文本信息对应的意图；
根据意图与表情字符之间的映射关系，确定与所述意图匹配的第二目标表情字符；
将所述第一文本信息填充至所述第二文本填充位置，并利用所述第二目标表情字符，对所述目标通用模板中的表情字符进行替换，以生成所述第二文本信息。
8.一种输入文本的处理装置，包括：
获取模块，用于获取用户在输入界面输入的第一文本信息；
生成模块，用于基于所述第一文本信息及各个预设的表情字符，生成第二文本信息，其中，所述第二文本信息中包含所述第一文本信息和至少一个表情字符；
显示模块，用于在所述输入界面显示所述第二文本信息。
9.如权利要求8所述的装置，其中，所述生成模块，包括：
解析单元，用于对所述第一文本信息进行解析，以获取各分词及每个分词的词性；
第一确定单元，用于根据每个分词的词性，从所述各分词中确定出候选分词；
选取单元，用于从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符；
插入单元，用于将与所述候选分词匹配的表情字符，插入所述候选分词与参考字符之间，以生成所述第二文本信息，其中，所述参考字符为所述第一文本信息中与所述候选分词相邻的下一个字符。
10.如权利要求9所述的装置，其中，所述选取单元，用于：
将所述候选分词输入至第一分类模型，以获取所述候选分词之后出现表情字符的第一概率；
在所述第一概率大于阈值的情况下，将所述候选分词及所述各个预设的表情字符输入至第二分类模型，以获取所述候选分词分别与每个所述预设的表情字符匹配的第二概率；
根据各个所述第二概率，从所述各个预设的表情字符中，选取与所述候选分词匹配的表情字符。
11.如权利要求8所述的装置，其中，所述生成模块，包括：
第一识别单元，用于对所述第一文本信息进行意图识别，以确定所述第一文本信息对应的意图；
第二确定单元，用于在所述意图为指定意图的情况下，确定所述第一文本信息的字符数量；
获取单元，用于从所述指定意图对应的表情字符模板库中，获取与所述字符数量匹配的第一表情字符模板；
第一生成单元，用于根据所述第一文本信息与所述第一表情字符模板，生成所述第二文本信息。
12.如权利要求11所述的装置，其中，所述第一生成单元，用于：
根据所述第一表情字符模板对应的描述信息，确定所述第一表情字符模板中第一文本填充位置；
根据意图与表情字符之间的映射关系，确定与所述意图匹配的第一目标表情字符；
将所述第一文本信息填充至所述第一文本填充位置，并利用所述第一目标表情字符，对所述第一字符表情模板中的表情字符进行替换，以生成所述第二文本信息。
13.如权利要求8所述的装置，其中，所述生成模块，包括：
第二识别单元，用于对所述第一文本信息进行识别，以确定所述第一文本信息的字符数量；
第三确定单元，用于从通用模板库中，确定出与所述字符数量匹配的目标通用模板；
第二生成单元，用于根据所述第一文本信息和所述目标通用模板，生成所述第二文本信息。
14.如权利要求13所述的装置，其中，所述第二生成单元，用于：
根据所述目标通用模板对应的描述信息，确定所述目标通用模板中第二文本填充位置；
对所述第一文本信息进行意图识别，以确定所述第一文本信息对应的意图；
根据意图与表情字符之间的映射关系，确定与所述意图匹配的第二目标表情字符；
将所述第一文本信息填充至所述第二文本填充位置，并利用所述第二目标表情字符，对所述目标通用模板中的表情字符进行替换，以生成所述第二文本信息。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110578593.XA CN113342179A (zh) | 2021-05-26 | 2021-05-26 | 输入文本的处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110578593.XA CN113342179A (zh) | 2021-05-26 | 2021-05-26 | 输入文本的处理方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113342179A true CN113342179A (zh) | 2021-09-03 |
Family
ID=77471595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110578593.XA Pending CN113342179A (zh) | 2021-05-26 | 2021-05-26 | 输入文本的处理方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113342179A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706945A (zh) * | 2022-03-24 | 2022-07-05 | 马上消费金融股份有限公司 | 意图识别方法、装置、电子设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239535A (zh) * | 2014-09-22 | 2014-12-24 | 重庆邮电大学 | 一种为文字配图的方法、服务器、终端及系统 |
| CN106528588A (zh) * | 2016-09-14 | 2017-03-22 | 厦门幻世网络科技有限公司 | 一种为文本信息匹配资源的方法及装置 |
| US20170344224A1 (en) * | 2016-05-27 | 2017-11-30 | Nuance Communications, Inc. | Suggesting emojis to users for insertion into text-based messages |
| CN108173747A (zh) * | 2017-12-27 | 2018-06-15 | 上海传英信息技术有限公司 | 信息交互方法及装置 |
| CN109741423A (zh) * | 2018-12-28 | 2019-05-10 | 北京奇艺世纪科技有限公司 | 表情包生成方法及系统 |
| CN109933681A (zh) * | 2019-03-19 | 2019-06-25 | 深圳Tcl新技术有限公司 | 图片搜索方法、装置和计算机可读存储介质 |
| CN111415396A (zh) * | 2019-01-08 | 2020-07-14 | 腾讯科技（深圳）有限公司 | 一种图像生成方法、装置和存储介质 |
| CN112231605A (zh) * | 2020-10-09 | 2021-01-15 | 北京三快在线科技有限公司 | 信息展示的方法和装置 |
-
2021
- 2021-05-26 CN CN202110578593.XA patent/CN113342179A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104239535A (zh) * | 2014-09-22 | 2014-12-24 | 重庆邮电大学 | 一种为文字配图的方法、服务器、终端及系统 |
| US20170344224A1 (en) * | 2016-05-27 | 2017-11-30 | Nuance Communications, Inc. | Suggesting emojis to users for insertion into text-based messages |
| CN106528588A (zh) * | 2016-09-14 | 2017-03-22 | 厦门幻世网络科技有限公司 | 一种为文本信息匹配资源的方法及装置 |
| CN108173747A (zh) * | 2017-12-27 | 2018-06-15 | 上海传英信息技术有限公司 | 信息交互方法及装置 |
| CN109741423A (zh) * | 2018-12-28 | 2019-05-10 | 北京奇艺世纪科技有限公司 | 表情包生成方法及系统 |
| CN111415396A (zh) * | 2019-01-08 | 2020-07-14 | 腾讯科技（深圳）有限公司 | 一种图像生成方法、装置和存储介质 |
| CN109933681A (zh) * | 2019-03-19 | 2019-06-25 | 深圳Tcl新技术有限公司 | 图片搜索方法、装置和计算机可读存储介质 |
| CN112231605A (zh) * | 2020-10-09 | 2021-01-15 | 北京三快在线科技有限公司 | 信息展示的方法和装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114706945A (zh) * | 2022-03-24 | 2022-07-05 | 马上消费金融股份有限公司 | 意图识别方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113705187A (zh) | 预训练语言模型的生成方法、装置、电子设备和存储介质 | |
| CN113220836A (zh) | 序列标注模型的训练方法、装置、电子设备和存储介质 | |
| CN112507706B (zh) | 知识预训练模型的训练方法、装置和电子设备 | |
| CN114416943B (zh) | 对话模型的训练方法、装置、电子设备及存储介质 | |
| EP4113357A1 (en) | Method and apparatus for recognizing entity, electronic device and storage medium | |
| CN112580339B (zh) | 模型的训练方法、装置、电子设备及存储介质 | |
| CN114548110A (zh) | 语义理解方法、装置、电子设备及存储介质 | |
| CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
| CN113360001A (zh) | 输入文本的处理方法、装置、电子设备和存储介质 | |
| CN115099239B (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
| CN112926308A (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
| CN114021548A (zh) | 敏感信息检测方法、训练方法、装置、设备以及存储介质 | |
| CN116012481A (zh) | 图像生成处理方法、装置、电子设备及存储介质 | |
| CN113342179A (zh) | 输入文本的处理方法、装置、电子设备和存储介质 | |
| CN112860995A (zh) | 交互方法、装置、客户端、服务器以及存储介质 | |
| CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
| CN113641724B (zh) | 知识标签挖掘方法、装置、电子设备及存储介质 | |
| CN112784599B (zh) | 诗句的生成方法、装置、电子设备和存储介质 | |
| CN114676699A (zh) | 实体情感分析方法、装置、计算机设备和存储介质 | |
| CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
| CN114239583A (zh) | 实体链指模型的训练及实体链指方法、装置、设备及介质 | |
| CN114416941A (zh) | 融合知识图谱的对话知识点确定模型的生成方法及装置 | |
| CN113886543A (zh) | 生成意图识别模型的方法、装置、介质及程序产品 | |
| CN114416974A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
| CN113221566A (zh) | 实体关系抽取方法、装置、电子设备和存储介质 |
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 |