CN114791769A - 一种用户行为预测结果的大数据库建立方法 - Google Patents
一种用户行为预测结果的大数据库建立方法 Download PDFInfo
- Publication number
- CN114791769A CN114791769A CN202210721718.4A CN202210721718A CN114791769A CN 114791769 A CN114791769 A CN 114791769A CN 202210721718 A CN202210721718 A CN 202210721718A CN 114791769 A CN114791769 A CN 114791769A
- Authority
- CN
- China
- Prior art keywords
- user
- phrase
- input
- phrases
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
- G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
- G06F3/0233—Character input methods
- G06F3/0237—Character input methods using prediction or retrieval techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了一种用户行为预测结果的大数据库建立方法,涉及数据库建立技术领域,将用户当前输入的字符或词组记为原始词组,将用户上一个输入的字符或词组记为参考词组,并根据参考词组获取预测对象,并将所输入的原始词组与预测对象进行比较,从而获得用户在不同的操作环境内所使用的输入习惯,并通过对用户在同一个操作环境下的输入习惯进行不断的预测和纠正,从而使得用户在同一个操作环境中,能够在进行输入的过程中,直接获得在该操作环境下最常用的字符或词组,从而提高用户的输入效率。
Description
技术领域
本发明涉及数据库建立技术领域,具体是一种用户行为预测结果的大数据库建立方法。
背景技术
随着电子技术的发展和人们生活水平的不断提高,各种电子产品如电脑的使用越来越普及,电脑已经成为人们生活和工作中不可却少的工具。在现有的输入法中,经常会遇到不同的字其输入法编码相同,需要通过数字键选择相应的字,甚至需要翻页,而输入法的推荐字符所依照的只是用户对于词汇的使用频率;
在实际情况中,用户在不同的操作环境中使用同一个输入法时,其推荐字符往往只会依照用户的整体使用频率进行推荐,而这种方式,在不同的操作环境中,其推荐的准确度往往无法达到用户需求,如用户在进行学术论文的编写时,需要用到大量学术性词汇,在与别人进行日常聊天时,则以日常用语居多,如何针对用户在不同的操作环境中,对用户的输入习惯进行准确的预测,使得用户的输入效率得到提到,是我们需要解决的问题,为此,现提出一种用户行为预测结果的大数据库建立方法。
发明内容
本发明的目的在于提供一种用户行为预测结果的大数据库建立方法。
一种用户行为预测结果的大数据库建立方法,包括以下步骤:
步骤一:实时获取用户输入行为数据,并对用户输入行为数据进行处理,获得不同的用户输入行为数据间的关联程度;
步骤二:根据用户输入行为数据间的关联,对用户行为进行预测,将预测结果与实际结果进行匹配,获得预测结果;
步骤三:根据预测结果建立数据库,将用户输入行为数据在数据库内进行保存,并将数据库与用户账户进行绑定关联。
进一步的,用户行为数据的获取过程包括:
识别用户的所处操作环境;
根据所识别到的用户所处的操作环境,建立对应的数据导入端口,并建立对应的数据子库,将数据导入端口与对应的数据子库相链接;
通过数据导入端口将用户在不同的操作环境所产生的用户输入行为数据导入至对应的数据子库内;
对用户所处的操作环境进行标记,获取用户在该操作环境中正在输入的字符或词组,并将用户在该操作环境中正在输入的字符或词组标记为原始词组;
获取用户所输入的原始词组前一个字符和词组,并将用户所输入的前一个字符和词组标记为参考词组;将参考词组和原始词组进行关联,并获取参考词组和原始词组之间的关联次数。
进一步的,用户在完成原始词组的输入后,又对原始词组进行删除,则此次所输入的原始词组不计入与参考词组之间的关联次数。
进一步的,对用户输入行为数据的处理过程包括:
建立输入法词库,并根据原始按键组从输入法词库内检索出对应的字符或词组;
获取所检索出的字符和词组与参考词组之间的关联总次数;
获取所检索出的字符和词组在此次操作环境内的操作时间内与参考词组之间的关联次数;
获取所检索出的字符和词组与参考词组的关联系数;
根据所获得的字符和词组与参考词组之间的关联系数,对用户输入行为进行预测。
进一步的,对用户输入行为进行预测的过程包括:
将所检索出的字符和词组按照关联系数的大小,对所检索出的字符和词组进行排序,并将关联系数中的最大值对应的字符或词组标记为预测对象;
获取用户所输入的原始词组,并将用户所输入的原始词组与预测对象进行匹配,并输出匹配结果;
若原始词组与预测对象相同,则将原始词组与预测对象之间的关联进行特征加强,并将预测对象标记为在当前操作环境中与参考词组具有首要关联的字符或词组;
若原始词组与预测对象不相同,则将用户所输入的原始词组标记为关联词组,并将该关联词组加入至预测对象集内;当原始词组与预测对象不相同时,则建立预测对象集,并将原始词组加入至预测对象集内,则当参考词组再次出现时,则将具有首要关联的字符或词组与预测对象集内的字符或词组均作为预测对象,并将所有的预测对象按照使用频率进行排序;
通过对用户在同一个操作环境下的输入习惯进行不断的预测和纠正,从而使得用户在同一个操作环境中,能够在进行输入的过程中,直接获得在该操作环境下最常用的字符或词组,提高用户的输入效率。
进一步的,操作环境对应的数据子库内建立有若干个数据预测集,每个数据预测集对应唯一的参考词组;将每个数据预测集与对应的按键组合进行绑定,同一个数据预测集可同时绑定多个按键组合。
进一步的,用户在进入操作环境时,对用户进行身份验证,具体过程包括:
设置用户信息注册端口和用户信息验证端口;
用户通过用户信息注册端口将个人基本信息进行输入;需要进一步说明的是,在具体实施过程中,用户的个人基本信息包括姓名、性别、年龄以及实名认证的手机号码;
对所输入的用户个人基本信息进行审核,审核通过后,根据用户所输入的用户个人基本信息中的手机号码,生成登录账号和登录密码,并将所生成的登录账号和登录密码发送至用户;
用户将所获得登录账号和登录密码输入至用户信息验证端口,并对所输入的登录账号和登录密码进行验证,通过验证后,获取用户所处的操作环境,并获取该操作环境对应的数据子库。
本发明的有益效果:将用户当前输入的字符或词组记为原始词组,将用户上一个输入的字符或词组记为参考词组,并根据参考词组获取预测对象,并将所输入的原始词组与预测对象进行比较,从而获得用户在不同的操作环境内所使用的输入习惯,并通过对用户在同一个操作环境下的输入习惯进行不断的预测和纠正,从而使得用户在同一个操作环境中,能够在进行输入的过程中,直接获得在该操作环境下最常用的字符或词组,从而提高用户的输入效率。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示,一种用户行为预测结果的大数据库建立方法,包括以下步骤:
步骤一:实时获取用户输入行为数据,并对用户输入行为数据进行处理,获得不同的用户输入行为数据间的关联程度;
步骤二:根据用户输入行为数据间的关联,对用户行为进行预测,将预测结果与实际结果进行匹配,获得预测结果;
步骤三:根据预测结果建立数据库,将用户输入行为数据在数据库内进行保存,并将数据库与用户账户进行绑定关联。
需要进一步说明的是,用户行为数据的获取过程包括:
识别用户的所处操作环境;需要进一步说明的是,在具体实施过程中,操作环境包括办公环境、游戏环境以及网页环境等;
根据所识别到的用户所处的操作环境,建立对应的数据导入端口,并建立对应的数据子库,将数据导入端口与对应的数据子库相链接;
通过数据导入端口将用户在不同的操作环境所产生的用户输入行为数据导入至对应的数据子库内;
对用户所处的操作环境进行标记,获取用户在该操作环境中正在输入的字符或词组,并将用户在该操作环境中正在输入的字符或词组标记为原始词组;
将原始词组对应按键组合标记为原始按键组;
获取用户所输入的原始词组前一个字符和词组,并将用户所输入的前一个字符和词组标记为参考词组;
将参考词组和原始词组进行关联,并获取参考词组和原始词组之间的关联次数;需要进一步说明的是,在具体实施过程中,参考词组和原始词组在同一个操作环境中连续出现的次数,即为参考词组与原始词组的关联次数;
需要进一步说明的是,在具体实施过程中,用户在完成原始词组的输入后,又对原始词组进行删除,则此次所输入的原始词组不计入与参考词组之间的关联次数。
需要进一步说明的是,在具体实施过程中,对用户输入行为数据的处理过程包括:
建立输入法词库,并根据原始按键组从输入法词库内检索出对应的字符或词组;
对所检索出的字符和词组全部进行标记,并对所检索出的字符和词组进行标号,记为i,其中i=1,2,……,n,n为整数;
获取所检索出的字符和词组与参考词组之间的关联总次数,并将标号为i的字符和词组与参考词组之间的关联总次数标记为GZi;
获取所检索出的标号为i的字符和词组在此次操作环境内的操作时间内与参考词组之间的关联次数,并将关联次数标记为GCi;
获取所检索出的字符和词组与参考词组的关联系数,并将所检索出的标号为i的字符和词组与参考词组的关联系数标记为GXi;
根据所获得的字符和词组与参考词组之间的关联系数,对用户输入行为进行预测;
需要进一步说明的是,在具体实施过程中,对用户输入行为进行预测的过程包括:
将所检索出的字符和词组按照关联系数的大小,对所检索出的字符和词组进行排序,并将关联系数中的最大值对应的字符或词组标记为预测对象;
获取用户所输入的原始词组,并将用户所输入的原始词组与预测对象进行匹配,并输出匹配结果;
若原始词组与预测对象相同,则将原始词组与预测对象之间的关联进行特征加强,并将预测对象标记为在当前操作环境中与参考词组具有首要关联的字符或词组;
若原始词组与预测对象不相同,则将用户所输入的原始词组标记为关联词组,并将该关联词组加入至预测对象集内;
需要进一步说明的是,在具体实施过程中,当原始词组与预测对象不相同时,则建立预测对象集,并将原始词组加入至预测对象集内,则当参考词组再次出现时,则将具有首要关联的字符或词组与预测对象集内的字符或词组均作为预测对象,并将所有的预测对象按照使用频率进行排序;
通过对用户在同一个操作环境下的输入习惯进行不断的预测和纠正,从而使得用户在同一个操作环境中,能够在进行输入的过程中,直接获得在该操作环境下最常用的字符或词组,提高用户的输入效率。
需要进一步说明的是,在具体实施过程中,完成同一个操作环境内的各个参考词组与原始词组之间的关联的预测后,则在该操作环境对应的数据子库内建立若干个数据预测集,每个数据预测集对应唯一的参考词组;向数据预测集内导入预测对象集和具有首要关联的字符或词组;
将每个数据预测集与对应的按键组合进行绑定;需要进一步说明的是,在具体实施过程中,同一个数据预测集可以同时绑定多个按键组合。
将所获得的数据子库进行汇总,并与对应的操作环境的数据导入端口进行链接。
用户在进入操作环境时,对用户进行身份验证,具体过程包括:
设置用户信息注册端口和用户信息验证端口;
用户通过用户信息注册端口将个人基本信息进行输入;需要进一步说明的是,在具体实施过程中,用户的个人基本信息包括姓名、性别、年龄以及实名认证的手机号码;
对所输入的用户个人基本信息进行审核,审核通过后,根据用户所输入的用户个人基本信息中的手机号码,生成登录账号和登录密码,并将所生成的登录账号和登录密码发送至用户;
用户将所获得登录账号和登录密码输入至用户信息验证端口,并对所输入的登录账号和登录密码进行验证,通过验证后,获取用户所处的操作环境,并获取该操作环境对应的数据子库。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.一种用户行为预测结果的大数据库建立方法,其特征在于,包括以下步骤:
步骤一:实时获取用户输入行为数据,并对用户输入行为数据进行处理,获得不同的用户输入行为数据间的关联程度;
步骤二:根据用户输入行为数据间的关联,对用户行为进行预测,将预测结果与实际结果进行匹配,获得预测结果;
步骤三:根据预测结果建立数据库,将用户输入行为数据在数据库内进行保存,并将数据库与用户账户进行绑定关联。
2.如权利要求1所述的一种用户行为预测结果的大数据库建立方法,其特征在于,用户行为数据的获取过程包括:
识别用户的所处操作环境;
根据所识别到的用户所处的操作环境,建立对应的数据导入端口,并建立对应的数据子库,将数据导入端口与对应的数据子库相链接;
通过数据导入端口将用户在不同的操作环境所产生的用户输入行为数据导入至对应的数据子库内;
对用户所处的操作环境进行标记,获取用户在该操作环境中正在输入的字符或词组,并将用户在该操作环境中正在输入的字符或词组标记为原始词组;
获取用户所输入的原始词组前一个字符和词组,并将用户所输入的前一个字符和词组标记为参考词组;将参考词组和原始词组进行关联,并获取参考词组和原始词组之间的关联次数。
3.如权利要求2所述的一种用户行为预测结果的大数据库建立方法,其特征在于,用户在完成原始词组的输入后,又对原始词组进行删除,则此次所输入的原始词组不计入与参考词组之间的关联次数。
4.如权利要求3所述的一种用户行为预测结果的大数据库建立方法,其特征在于,对用户输入行为数据的处理过程包括:
建立输入法词库,并根据原始按键组从输入法词库内检索出对应的字符或词组;
获取所检索出的字符和词组与参考词组之间的关联总次数;
获取所检索出的字符和词组在此次操作环境内的操作时间内与参考词组之间的关联次数;
获取所检索出的字符和词组与参考词组的关联系数;
根据所获得的字符和词组与参考词组之间的关联系数,对用户输入行为进行预测。
5.如权利要求4所述的一种用户行为预测结果的大数据库建立方法,其特征在于,对用户输入行为进行预测的过程包括:
将所检索出的字符和词组按照关联系数的大小,对所检索出的字符和词组进行排序,并将关联系数中的最大值对应的字符或词组标记为预测对象;
获取用户所输入的原始词组,并将用户所输入的原始词组与预测对象进行匹配,并输出匹配结果;
若原始词组与预测对象相同,则将原始词组与预测对象之间的关联进行特征加强,并将预测对象标记为在当前操作环境中与参考词组具有首要关联的字符或词组;
若原始词组与预测对象不相同,则将用户所输入的原始词组标记为关联词组,并将该关联词组加入至预测对象集内。
6.如权利要求5所述的一种用户行为预测结果的大数据库建立方法,其特征在于,操作环境对应的数据子库内建立有若干个数据预测集,每个数据预测集对应唯一的参考词组;将每个数据预测集与对应的按键组合进行绑定,同一个数据预测集可同时绑定多个按键组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210721718.4A CN114791769A (zh) | 2022-06-24 | 2022-06-24 | 一种用户行为预测结果的大数据库建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210721718.4A CN114791769A (zh) | 2022-06-24 | 2022-06-24 | 一种用户行为预测结果的大数据库建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114791769A true CN114791769A (zh) | 2022-07-26 |
Family
ID=82463465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210721718.4A Pending CN114791769A (zh) | 2022-06-24 | 2022-06-24 | 一种用户行为预测结果的大数据库建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114791769A (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030234821A1 (en) * | 2002-03-25 | 2003-12-25 | Agere Systems Inc. | Method and apparatus for the prediction of a text message input |
CN101398834A (zh) * | 2007-09-29 | 2009-04-01 | 北京搜狗科技发展有限公司 | 一种针对输入信息的处理方法和装置及一种输入法系统 |
CN102959547A (zh) * | 2012-05-03 | 2013-03-06 | 华为技术有限公司 | 字词库调整方法及设备 |
CN104508604A (zh) * | 2012-07-30 | 2015-04-08 | 微软公司 | 使用上下文生成字符串预测 |
CN106896937A (zh) * | 2017-02-28 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 用于输入信息的方法和装置 |
CN107219932A (zh) * | 2016-03-21 | 2017-09-29 | 阿里巴巴集团控股有限公司 | 一种输入方法、装置和智能终端 |
CN107357444A (zh) * | 2017-07-18 | 2017-11-17 | 赵宇航 | 一种基于使用场景的输入模式智能切换方法及装置 |
CN107704100A (zh) * | 2017-09-27 | 2018-02-16 | 北京金山安全软件有限公司 | 一种预测词的展示方法、装置及电子设备 |
CN108829267A (zh) * | 2018-05-24 | 2018-11-16 | 努比亚技术有限公司 | 一种词汇推荐方法、设备及计算机可存储介质 |
CN109478106A (zh) * | 2016-07-15 | 2019-03-15 | 微软技术许可有限责任公司 | 利用环境上下文以用于增强的通信吞吐量 |
CN109597496A (zh) * | 2017-09-30 | 2019-04-09 | 北京金山安全软件有限公司 | 一种信息预测方法、装置及设备 |
CN109799915A (zh) * | 2017-11-16 | 2019-05-24 | 北京金山安全软件有限公司 | 一种词预测方法、装置及电子设备 |
CN110321012A (zh) * | 2018-03-30 | 2019-10-11 | 北京金山安全软件有限公司 | 一种空上文词预测方法、装置及电子设备 |
CN112783337A (zh) * | 2020-12-31 | 2021-05-11 | 科大讯飞股份有限公司 | 输入法候选项的排序方法及相关模型的训练方法 |
CN113126779A (zh) * | 2019-12-30 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 人机交互方法、装置、设备及系统 |
CN113138677A (zh) * | 2021-04-25 | 2021-07-20 | 北京字节跳动网络技术有限公司 | 输入法候选词的确定方法、装置、电子设备和存储介质 |
CN113589954A (zh) * | 2020-04-30 | 2021-11-02 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和电子设备 |
CN113589949A (zh) * | 2020-04-30 | 2021-11-02 | 北京搜狗科技发展有限公司 | 一种输入方法、装置和电子设备 |
CN113946228A (zh) * | 2020-07-15 | 2022-01-18 | 北京搜狗科技发展有限公司 | 语句推荐方法、装置、电子设备和可读存储介质 |
-
2022
- 2022-06-24 CN CN202210721718.4A patent/CN114791769A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030234821A1 (en) * | 2002-03-25 | 2003-12-25 | Agere Systems Inc. | Method and apparatus for the prediction of a text message input |
CN101398834A (zh) * | 2007-09-29 | 2009-04-01 | 北京搜狗科技发展有限公司 | 一种针对输入信息的处理方法和装置及一种输入法系统 |
CN102959547A (zh) * | 2012-05-03 | 2013-03-06 | 华为技术有限公司 | 字词库调整方法及设备 |
CN104508604A (zh) * | 2012-07-30 | 2015-04-08 | 微软公司 | 使用上下文生成字符串预测 |
CN107219932A (zh) * | 2016-03-21 | 2017-09-29 | 阿里巴巴集团控股有限公司 | 一种输入方法、装置和智能终端 |
CN109478106A (zh) * | 2016-07-15 | 2019-03-15 | 微软技术许可有限责任公司 | 利用环境上下文以用于增强的通信吞吐量 |
CN106896937A (zh) * | 2017-02-28 | 2017-06-27 | 百度在线网络技术(北京)有限公司 | 用于输入信息的方法和装置 |
CN107357444A (zh) * | 2017-07-18 | 2017-11-17 | 赵宇航 | 一种基于使用场景的输入模式智能切换方法及装置 |
CN107704100A (zh) * | 2017-09-27 | 2018-02-16 | 北京金山安全软件有限公司 | 一种预测词的展示方法、装置及电子设备 |
CN109597496A (zh) * | 2017-09-30 | 2019-04-09 | 北京金山安全软件有限公司 | 一种信息预测方法、装置及设备 |
CN109799915A (zh) * | 2017-11-16 | 2019-05-24 | 北京金山安全软件有限公司 | 一种词预测方法、装置及电子设备 |
CN110321012A (zh) * | 2018-03-30 | 2019-10-11 | 北京金山安全软件有限公司 | 一种空上文词预测方法、装置及电子设备 |
CN108829267A (zh) * | 2018-05-24 | 2018-11-16 | 努比亚技术有限公司 | 一种词汇推荐方法、设备及计算机可存储介质 |
CN113126779A (zh) * | 2019-12-30 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 人机交互方法、装置、设备及系统 |
CN113589954A (zh) * | 2020-04-30 | 2021-11-02 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和电子设备 |
CN113589949A (zh) * | 2020-04-30 | 2021-11-02 | 北京搜狗科技发展有限公司 | 一种输入方法、装置和电子设备 |
CN113946228A (zh) * | 2020-07-15 | 2022-01-18 | 北京搜狗科技发展有限公司 | 语句推荐方法、装置、电子设备和可读存储介质 |
CN112783337A (zh) * | 2020-12-31 | 2021-05-11 | 科大讯飞股份有限公司 | 输入法候选项的排序方法及相关模型的训练方法 |
CN113138677A (zh) * | 2021-04-25 | 2021-07-20 | 北京字节跳动网络技术有限公司 | 输入法候选词的确定方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647205B (zh) | 细粒度情感分析模型构建方法、设备及可读存储介质 | |
US20220148594A1 (en) | Using multiple modality input to feedback context for natural language understanding | |
US10210243B2 (en) | Method and system for enhanced query term suggestion | |
US8386240B2 (en) | Domain dictionary creation by detection of new topic words using divergence value comparison | |
CN101647021B (zh) | 语音数据检索装置、语音数据检索方法、语音数据检索程序和包含有语音数据检索程序的计算机可用介质 | |
CN100557606C (zh) | 用于查找串的方法和设备 | |
CN111797214A (zh) | 基于faq数据库的问题筛选方法、装置、计算机设备及介质 | |
CN112818093B (zh) | 基于语义匹配的证据文档检索方法、系统及存储介质 | |
CN107704102B (zh) | 一种文本输入方法及装置 | |
CN110929125B (zh) | 搜索召回方法、装置、设备及其存储介质 | |
CN112287069B (zh) | 基于语音语义的信息检索方法、装置及计算机设备 | |
CN112925898B (zh) | 基于人工智能的问答方法、装置、服务器及存储介质 | |
CN111126031A (zh) | 代码文本处理方法及相关产品 | |
CN113326363A (zh) | 搜索方法及装置、预测模型训练方法及装置、电子设备 | |
CN112527967A (zh) | 文本匹配方法、装置、终端和存储介质 | |
CN114791769A (zh) | 一种用户行为预测结果的大数据库建立方法 | |
CN112966501B (zh) | 一种新词发现方法、系统、终端及介质 | |
CN114242047A (zh) | 一种语音处理方法、装置、电子设备及存储介质 | |
CN108702407A (zh) | 名称列表展示、处理方法及客户端、服务器 | |
CN111159360A (zh) | 获得讯询问话题分类模型、讯询问话题分类的方法和装置 | |
JP2010282403A (ja) | 文書検索方法 | |
CN113743093B (zh) | 一种文本校正的方法和装置 | |
KR20190072883A (ko) | 매개 텍스트 자료 토픽을 이용한 전문 텍스트 자료 추출 방법 | |
CN110162617B (zh) | 提取摘要信息的方法、装置、语言处理引擎和介质 | |
CN116524926B (zh) | 一种用于在移动端通过语音控制生成业务表单的方法 |
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 |