CN115841099B - 基于数据处理的页面填充词的智能推荐方法 - Google Patents

Abstract

本发明公开了一种基于数据处理的页面填充词的智能推荐方法，涉及数据处理技术领域，通过长短期神经网络模型对屏幕界面设定时间段内的录制视频进行处理输出得到多个备选填充词，再基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词，最后基于所述页面填充词对页面的所述一个或多个待填充框进行填充，该方法可以对页面进行快速填充，提高用户工作效率。

Description

基于数据处理的页面填充词的智能推荐方法

技术领域

本发明涉及数据处理技术领域，具体涉及基于数据处理的页面填充词的智能推荐方法。

背景技术

随着科技的发展，越来越多的网站和应用程序都需要用户填写表单，以便获取用户的信息。现有的填充方法大多为用户按照正常流程手动填写一遍表单，之后以此填写内容为模板，对相同页面实现一键填写功能。用户需要事先将操作录制工具打开，并在页面各输入框依次填入所需内容，填写完成后，点击完成录制，即可获取用户此次操作的所有输入值，并以系统预制的格式进行存储。用户下次打开相同的页面时，会在右上角悬浮框显示提示，用户只需选择上次录制的记录，并点击应用按钮，即可将内容一键填入，实现内容的快速填充。该填充方法只能填充相同的值，且该填充值是历史数据，往往跟当前页面中的待填充框不匹配，其填充结果不准确，也不能满足用户的页面填充需求。用户大多数情况下还是只能手动对页面进行填充，填充效率极其低下。

因此，如何对页面进行快速填充，提高用户工作效率成为目前亟待解决的问题。

发明内容

本发明主要解决的技术问题是如何对页面进行快速填充。

根据第一方面，一种实施例中提供一种基于数据处理的页面填充词的智能推荐方法，包括：S1、接收页面填充的推荐请求，所述页面包括一个或多个待填充框；S2、基于所述推荐请求获取屏幕界面设定时间段内的录制视频；S3、基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；S4、基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；S5、基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

在一些实施例中，对所述多个备选填充词进行合并，得到多个合并后的备选填充词，并将所述多个合并后的备选填充词作为所述多个备选填充词。

在一些实施例中，所述对所述多个备选填充词进行合并，得到多个合并后的备选填充词，包括：基于第二深度神经网络模型将所述多个备选填充词中语义相近的多个备选填充词进行合并，得到多个合并后的备选填充词，其中所述第二深度神经网络模型的输入为所述多个备选填充词，所述第二深度神经网络模型的输出为所述多个合并后的备选填充词。

在一些实施例中，所述长短期神经网络模型经过梯度下降法训练得到。

在一些实施例中，所述待填充框为输入框、下拉框或选择框。

在一些实施例中，长短期神经网络模型通过训练过程获取，所述训练过程包括：获取多个训练样本，所述训练样本包括样本输入数据和所述样本输入数据对应的标签，所述样本输入数据为样本录制视频，所述标签为多个备选填充词；基于所述多个训练样本训练初始的长短期神经网络模型，得到所述长短期神经网络模型。

根据第二方面，一种实施例中提供基于数据处理的页面填充词的智能推荐系统，包括：接收模块，用于接收页面填充的推荐请求，所述页面包括一个或多个待填充框；获取模块，用于基于所述推荐请求获取屏幕界面设定时间段内的录制视频；第一输出模块，用于基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；第二输出模块，用于基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；填充模块，用于基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

根据第三方面，一种实施例中提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于数据处理的页面填充词的智能推荐方法的步骤。

根据第四方面，一种实施例中提供一种电子设备，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现上述的方法。

根据第五方面，一种实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上述方面中任一项所述的方法。

依据上述实施例提供的基于数据处理的页面填充词的智能推荐方法，通过长短期神经网络模型对屏幕界面设定时间段内的录制视频进行处理输出得到多个备选填充词，再基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词，最后基于所述页面填充词对页面的所述一个或多个待填充框进行填充，该方法可以对页面进行快速填充，提高用户工作效率。

附图说明

图1为本发明实施例提供的一种基于数据处理的页面填充词的智能推荐方法的流程示意图；

图2为本发明实施例提供的一种页面的示意图；

图3为本发明实施例提供的一种基于数据处理的页面填充词的智能推荐系统的结构示意图；

图4为本发明实施例提供的一种电子设备的示意图；

图5为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本发明能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本发明相关的一些操作并没有在说明书中显示或者描述，这是为了避免本发明的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本发明所说“连接”、“联接”，如无特别说明，均包括直接和间接连接（联接）。

本发明实施例中，提供了如图1所示的一种基于数据处理的页面填充词的智能推荐方法，包括步骤S1~S5：

步骤S1，接收页面填充的推荐请求，所述页面包括一个或多个待填充框。

页面可以为电脑网页页面、手机app页面、WEB应用页面。页面可以包括一个或多个待填充框，待填充框可以为输入框、下拉框、日期选择框或单选多选框。待填充框表示需要被填充的框。

推荐请求表示当前页面需要被填充，需要推荐相应的填充词的请求。推荐请求可以是用户主动点击相关按钮发出。例如，相关按钮为“需要页面填充”。

步骤S2，基于所述推荐请求获取屏幕界面设定时间段内的录制视频。

屏幕界面设定时间段内的录制视频表示对当前屏幕界面在某一时间段的录屏时所生成的录制视频。录制视频可以通过内置的录屏软件对屏幕录制得到。例如，通过手机自带的录屏软件对屏幕进行录屏。设定时间段表示录制时所设定的对屏幕进行录制的时间段。例如，北京时间12点到12点10分，又例如，北京时间12点到12点30分。设定时间段还可以为发出推荐请求前的一个时间段。例如设定时间段为发出推荐请求前的10分钟，作为示例，推荐请求为11点50发出，则设定时间段为11点40-11点50。

在一些实施例中，推荐请求中可以包括获取屏幕界面设定时间段内的录制视频的指令，例如，推荐请求中可以包括获取11点40-11点50的屏幕界面的录制视频指令，又例如推荐请求中可以包括获取推荐请求前的10分钟的屏幕界面的录制视频指令。

所述录制视频是指以电信号方式记录的动态影像，由多幅时间上连续的静态图像组成。

在一些实施例中，录制视频的格式可以包括但不限于：高密度数字视频光盘(Digital Video Disc，DVD)、流媒体格式(Flash Video，FLV)、动态图像专家组(MPEG，Motion Picture Experts Group)、音频视频交错(Audio Video Interleaved，AVI)、家用录像系统(Video Home System，VHS)和视频容器文件格式(Real Media file format，RM)等中的一种或多种组合。

由于用户在屏幕某一界面上有填充需求时，往往是需要将屏幕前一段时间中的一些内容填充到当前界面上，因此可以将屏幕前一段时间中的内容进行处理生成页面填充词，作为用户页面填充时的参考，便于用户更方便的进行页面填充。例如用户需要将刚刚在电脑屏幕前观看完的论文中的一些信息填充到当前页面，作为示例，需要填充的待填充框为论文名称、作者名字、发表时间、引用文献数量、观看人次等，而这些内容在用户观看论文时，屏幕界面前一段时间都有显示，所以需要获取屏幕前一段时间中的内容作为页面填充时的参考。又例如，用户需要将刚刚在电脑屏幕前观看完的电影中的一些信息填充到当前页面，作为示例，需要填充的待填充框为电影名称、演员名字、放映时间、票房、观看人次等，而这些信息在用户观看电影时，屏幕中会有相应的呈现。又例如，用户需要将前10分钟的聊天记录中约定的内容填充到当前页面，需要填充的待填充框为约定时间、约定地点、约定人物等。又例如，又例如，用户需要将前10分钟的浏览的多个图片的内容填充到当前页面，作为示例，需要填充的待填充框为图片的名字、拍摄地点、图片大小、图片格式等。

步骤S3，基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词。

备选填充词为将录制视频中的有可能作为填充词的参考词。录制视频中可能会有较多文字信息，经过训练后的长短期神经网络模型可以将较多文字信息中的可能会作为填充词的文字信息提取出来，并将所述文字信息作为备选填充词以便于后续的填充。例如录制视频为对公司内部的聊天记录进行录制得到的视频，则训练后的长短期神经网络模型对录制视频进行处理输出得到的备选填充词为“公司内部会议纪要、1月10号发布、关于加强公司文件建设的通知、作者为刘三”。

长短期神经网络模型包括长短期记忆网络（LSTM，Long Short-Term Memory），长短期记忆网络是RNN(Recurrent Neural Network，循环神经网络)中的一种。

长短期神经网络模型能够处理任意长度的序列数据，捕捉序列的信息，输出基于序列中前后数据关联关系的结果。通过长短期神经网络模型处理连续时间点的录制视频，能够输出得到考虑各个时间点的录制视频之间关联关系的特征，使得该输出的特征更加的准确和全面。

长短期神经网络模型可以通过训练样本来训练得到。所述训练样本包括样本输入数据和所述样本输入数据对应的标签，所述样本输入数据为样本录制视频，所述标签为多个备选填充词。所述训练样本的输出标签可以通过人为标注得到。在一些实施例中，可以通过梯度下降法对初始的长短期神经网络模型进行训练得到训练后的长短期神经网络模型。具体的，根据训练样本，构建长短期神经网络模型的损失函数，通过长短期神经网络模型的损失函数调整长短期神经网络模型的参数，直到损失函数值收敛或者小于预设阈值，则训练完成。损失函数可以包括但不限于对数(log)损失函数、平方损失函数、指数损失函数、Hinge损失函数以及绝对值损失函数等。

训练完成后，输入所述录制视频到训练完成后的长短期神经网络模型，输出得到所述多个备选填充词。例如，长短期神经网络模型对前十分钟的地域文化论文录制视频进行处理，输出得到的多个备选填充词为“对地域文化的研究、11月10号出版、作者张三、地域文化研究兴趣小组”。

将屏幕前一段时间中的内容作为页面填充时的参考，避免了用户来回翻找相关信息，提高了用户页面填充时的工作效率。

在一些实施例中，还可以对所述多个备选填充词进行合并，得到多个合并后的备选填充词，并将所述多个合并后的备选填充词作为所述多个备选填充词。例如。备选填充词中可能由于录制视频中反复出现某一文字信息，则通过长短期神经网络模型输出得到的备选填充词可能会重复。例如录制视频中反复出现电影名字“世界山河纪录片”，则输出的备选填充词可能会出现“山河纪录片、世界山河纪录片、世界山河记录”。则需要将备选填充词中重复的关键词进行合并，合并为一个最佳的备选关键词。

在一些实施例中，可以基于第二深度神经网络模型将所述多个备选填充词中语义相近的多个备选填充词进行合并，得到多个合并后的备选填充词，并将所述多个合并后的备选填充词作为所述多个备选填充词，其中所述第二深度神经网络模型的输入为所述多个备选填充词，所述第二深度神经网络模型的输出为所述多个合并后的备选填充词。例如录制视频中反复出现电影名字“世界山河纪录片”，则输出的备选填充词可能会出现“山河纪录片、世界山河纪录片、世界山河记录”。则基于第二深度神经网络模型将语义相近的多个备选填充词进行合并，合并为一个最佳的备选关键词“世界山河纪录片”。第二深度神经网络模型的输入为“山河纪录片、世界山河纪录片、世界山河记录”，输出为“世界山河纪录片”

语义相近的多个备选填充词表示语义接近，内容重复的备选填充词，将多个备选填充词进行合并可以提高后续第一深度神经网络模型的运行效率。

第二深度神经网络模型包括深度神经网络。深度神经网络可以包括多个处理层，每个处理层由多个神经元组成，每个神经元对数据做矩阵变换。矩阵所使用的参数可以通过训练获得。第二深度神经网络模型还可以是任意能够实现对多个特征进行处理的现有神经网络模型，例如，循环神经网络、卷积神经网络、对称连接网络等。第二深度神经网络模型还可以是根据需求自定义的模型。

第二深度神经网络模型可以通过训练样本训练得到。训练样本包括样本输入数据以及样本输入数据所对应的输出标签。训练样本的样本输入数据为多个样本备选填充词，训练样本的输出标签是多个合并后的备选填充词。多组训练样本可以通过对历史数据进行标注得到。在一些实施例中，可以通过梯度下降法对第二深度神经网络模型进行训练得到训练后的第二深度神经网络模型。具体的，根据训练样本，构建第二深度神经网络模型的损失函数，通过第二深度神经网络模型的损失函数调整第二深度神经网络模型的参数，直到损失函数值收敛或者小于预设阈值，则训练完成。损失函数可以包括但不限于对数(log)损失函数、平方损失函数、指数损失函数、Hinge损失函数以及绝对值损失函数等。

步骤S4，基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词。

页面填充词表示填充当前页面多个的填充词的集合。例如，图2为本发明实施例提供的一种页面的示意图，则图2所对应的页面填充词为“名称：胡萝卜、种类：食品、抵达城市：上海、数目：1000斤、企业代码：1030、查验地点：北京”。

第一深度神经网络模型可以为与第二深度神经网络模型相同或不同的模型。第一深度神经网络模型可以包括深度神经网络。深度神经网络可以包括多个处理层，每个处理层由多个神经元组成，每个神经元对数据做矩阵变换。矩阵所使用的参数可以通过训练获得。第一深度神经网络模型还可以是任意能够实现对多个特征进行处理的现有神经网络模型，例如，循环神经网络、卷积神经网络、对称连接网络等。第一深度神经网络模型还可以是根据需求自定义的模型。

第一深度神经网络模型可以通过对页面中多个待填充框和多个备选填充词进行处理，得到所述多个待填充框中每一个待填充框的填充词。

第一深度神经网络模型可以通过训练样本训练得到。训练样本包括样本输入数据以及样本输入数据所对应的输出标签。训练样本的样本输入数据为多个备选填充词和所述页面，训练样本的输出标签是页面填充词。多组训练样本可以通过对历史数据进行标注得到。在一些实施例中，可以通过梯度下降法对第一深度神经网络模型进行训练得到训练后的第一深度神经网络模型。具体的，根据训练样本，构建第一深度神经网络模型的损失函数，通过第一深度神经网络模型的损失函数调整第一深度神经网络模型的参数，直到损失函数值收敛或者小于预设阈值，则训练完成。损失函数可以包括但不限于对数(log)损失函数、平方损失函数、指数损失函数、Hinge损失函数以及绝对值损失函数等。

步骤S5，基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

在得到所述页面填充词后，基于所述页面填充词对页面的所述一个或多个待填充框进行填充。在一些实施例中，若存在待填充框无匹配的填充词，可以发出声音提醒用户，例如发出声音“当前待填充框无匹配的填充词”。

基于同一发明构思，图3为本发明的实施例提供的一种基于数据处理的页面填充词的智能推荐系统的示意图，该智能推荐系统包括：

接收模块31，用于接收页面填充的推荐请求，所述页面包括一个或多个待填充框；

获取模块32，用于基于所述推荐请求获取屏幕界面设定时间段内的录制视频；

第一输出模块33，用于基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；

第二输出模块34，用于基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；

填充模块35，用于基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

基于同一发明构思，本发明的实施例提供了一种电子设备，如图4所示，包括：

处理器41；用于存储处理器41中可执行程序指令的存储器42；其中，处理器41被配置为执行以实现如前述提供的一种基于数据处理的页面填充词的智能推荐方法，所述方法包括：

S1、接收页面填充的推荐请求，所述页面包括一个或多个待填充框；S2、基于所述推荐请求获取屏幕界面设定时间段内的录制视频；S3、基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；S4、基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；S5、基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

基于同一发明构思，本实施例提供了一种非临时性计算机可读存储介质，当存储介质中的指令由电子设备的处理器41执行时，使得电子设备能够执行实现如前述提供的基于数据处理的页面填充词的智能推荐方法，所述方法包括: S1、接收页面填充的推荐请求，所述页面包括一个或多个待填充框；S2、基于所述推荐请求获取屏幕界面设定时间段内的录制视频；S3、基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；S4、基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；S5、基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

基于同一发明构思，本实施例还提供了一种计算机程序产品，所述计算机程序被处理器执行时实现如前述提供的基于数据处理的页面填充词的智能推荐方法。

本申请实施例提供的基于数据处理的页面填充词的智能推荐方法，可以应用于终端设备（比如手机）、平板电脑、笔记本电脑、超级移动个人计算机（ultra-mobile personalcomputer，UMPC）、手持计算机、上网本、个人数字助理（personal digital assistant，PDA）、可穿戴设备（如智能手表、智能眼镜或者智能头盔等）、增强现实（augmentedreality，AR）\虚拟现实（virtualreality，VR）设备、智能家居设备、车载电脑等电子设备中，本发明实施例对此不做任何限制。

以手机100为上述电子设备举例，图5示出了手机100的结构示意图。

如图5所示，手机100可以包括处理模块110，外部存储器接口120，内部存储器121，通用串行总线(universal serial bus，USB)接口130，充电管理模块140，电源管理模块141，电池142，天线1，天线2，移动通信模块150，无线通信模块160，音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，传感器模块180，按键190，马达191，指示器192，摄像头193，显示屏194，以及用户标识模块(subscriber identification module，SIM)卡接口195等。

其中，上述传感器模块180可以包括距离传感器，接近光传感器，指纹传感器，温度传感器，触摸传感器，环境光传感器等传感器。

可以理解的是，本实施例示意的结构并不构成对手机100的具体限定。在本申请另一些实施例中，手机100可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。

处理模块110可以包括一个或多个处理单元，例如：处理模块110可以包括应用处理器(application processor，AP)，调制解调处理器，图形处理器(graphicsprocessingunit，GPU)，图像信号处理器(image signal processor，ISP)，控制器，存储器，视频编解码器，数字信号处理器(digital signal processor，DSP)，基带处理器，和/或神经网络处理器(neural-network processing unit，NPU)等。其中，不同的处理单元可以是独立的器件，也可以集成在一个或多个处理器中。

其中，控制器可以是手机100的神经中枢和指挥中心，是指挥手机100的各个部件按照指令协调工作的决策者。控制器可以根据指令操作码和时序信号，产生操作控制信号，完成取指令和执行指令的控制。

应用处理器上可以安装有手机100的操作系统，用于管理手机100的硬件与软件资源。比如，管理与配置内存、决定系统资源供需的优先次序、管理文件系统、管理驱动程序等。操作系统也可以用于提供一个让用户与系统交互的操作界面。其中，操作系统内可以安装各类软件，比如，驱动程序，应用程序（application，App）等。示例性的，手机100的操作系统可以是Android系统，Linux系统等。

处理模块110中还可以设置存储器，用于存储指令和数据。在一些实施例中，处理模块110中的存储器为高速缓冲存储器。该存储器可以保存处理模块110刚用过或循环使用的指令或数据。如果处理模块110需要再次使用该指令或数据，可从所述存储器中直接调用。避免了重复存取，减少了处理模块110的等待时间，因而提高了系统的效率。本发明实施例中，处理模块110可以基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词。

在一些实施例中，处理模块110可以包括一个或多个接口。接口可以包括集成电路（inter-integrated circuit，I2C）接口，集成电路内置音频（inter-integratedcircuitsound，I2S）接口，脉冲编码调制（pulse code modulation，PCM）接口，通用异步收发传输器（universal asynchronous receiver/transmitter，UART）接口，移动产业处理器接口（mobile industry processor interface，MIPI），通用输入输出（general-purposeinput/output，GPIO）接口，用户标识模块（subscriber identity module，SIM）接口，和/或通用串行总线（universal serial bus，USB）接口等。

充电管理模块140用于从充电器接收充电输入。其中，充电器可以是无线充电器，也可以是有线充电器。在一些有线充电的实施例中，充电管理模块140可以通过USB接口130接收有线充电器的充电输入。在一些无线充电的实施例中，充电管理模块140可以通过手机100的无线充电线圈接收无线充电输入。充电管理模块140为电池142充电的同时，还可以通过电源管理模块141为电子设备供电。

电源管理模块141用于连接电池142，充电管理模块140与处理模块110。电源管理模块141接收电池142和/或充电管理模块140的输入，为处理模块110，内部存储器121，外部存储器，显示屏194，摄像头193，和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量，电池循环次数，电池健康状态(漏电，阻抗)等参数。在其他一些实施例中，电源管理模块141也可以设置于处理模块110中。在另一些实施例中，电源管理模块141和充电管理模块140也可以设置于同一个器件中。

手机100的无线通信功能可以通过天线1，天线2，移动通信模块150，无线通信模块160，调制解调处理器以及基带处理器等实现。

天线1和天线2用于发射和接收电磁波信号。手机100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用，以提高天线的利用率。例如：可以将天线1复用为无线局域网的分集天线。在另外一些实施例中，天线可以和调谐开关结合使用。

移动通信模块150可以提供应用在手机100上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器，开关，功率放大器，低噪声放大器(lownoise amplifier，LNA)等。移动通信模块150可以由天线1接收电磁波，并对接收的电磁波进行滤波，放大等处理，传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大，经天线1转为电磁波辐射出去。在一些实施例中，移动通信模块150的至少部分功能模块可以被设置于处理模块110中。在一些实施例中，移动通信模块150的至少部分功能模块可以与处理模块110的至少部分模块被设置在同一个器件中。

调制解调处理器可以包括调制器和解调器。其中，调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后，被传递给应用处理器。应用处理器通过音频设备(不限于扬声器170A，受话器170B等)输出声音信号，或通过显示屏194显示图像或视频。在一些实施例中，调制解调处理器可以是独立的器件。在另一些实施例中，调制解调处理器可以独立于处理模块110，与移动通信模块150或其他功能模块设置在同一个器件中。

无线通信模块160可以提供应用在手机100上的包括无线局域网(wirelesslocalarea networks，WLAN)(如无线保真(wireless fidelity，Wi-Fi)网络)，蓝牙(bluetooth，BT)，全球导航卫星系统(global navigation satellite system，GNSS)，调频(frequencymodulation，FM)，近距离无线通信技术(near field communication，NFC)，红外技术(infrared，IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波，将电磁波信号调频以及滤波处理，将处理后的信号发送到处理模块110。无线通信模块160还可以从处理模块110接收待发送的信号，对其进行调频，放大，经天线2转为电磁波辐射出去。

在一些实施例中，手机100的天线1和移动通信模块150耦合，天线2和无线通信模块160耦合，使得手机100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications，GSM)，通用分组无线服务(general packet radio service，GPRS)，码分多址接入(codedivisionmultiple access，CDMA)，宽带码分多址(wideband code division multipleaccess，WCDMA)，时分码分多址(time-division code division multiple access，TD-SCDMA)，长期演进(long term evolution，LTE)，BT，GNSS，WLAN，NFC ，FM，和/或IR技术等。所述GNSS可以包括全球卫星定位系统(global positioning system ，GPS)，全球导航卫星系统(global navigation satellite system，GLONASS)，北斗卫星导航系统(beidounavigation satellite system，BDS)，准天顶卫星系统(quasi-zenithsatellitesystem，QZSS)和/或星基增强系统(satellite based augmentation systems，SBAS)。

手机100通过GPU，显示屏194，以及应用处理器等实现显示功能。GPU为图像处理的微处理器，连接显示屏194和应用处理器。GPU用于执行数学和几何计算，用于图形渲染。处理模块110可包括一个或多个GPU，其执行程序指令以生成或改变显示信息。

显示屏194用于显示图像，视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display，LCD)，有机发光二极管(organic light-emittingdiode，OLED)，有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的，AMOLED)，柔性发光二极管(flex light-emittingdiode，FLED)，Miniled，MicroLed，Micro-oLed，量子点发光二极管(quantum dotlightemitting diodes，QLED)等。在一些实施例中，手机100可以包括1个或N个显示屏194，N为大于1的正整数。本发明实施例中，显示屏194可以用于显示填充录制视频、页面等。

手机100可以通过ISP，摄像头193，视频编解码器，GPU，显示屏194以及应用处理器等实现拍摄功能。在一些实施例中，手机100可以通过ISP，摄像头193，视频编解码器，GPU以及应用处理器对实现视频通信功能。

ISP 用于处理摄像头193反馈的数据。例如，拍照时，打开快门，光线通过镜头被传递到摄像头感光元件上，光信号转换为电信号，摄像头感光元件将所述电信号传递给ISP处理，转化为肉眼可见的图像。ISP还可以对图像的噪点，亮度，肤色进行算法优化。ISP还可以对拍摄场景的曝光，色温等参数优化。在一些实施例中，ISP可以设置在摄像头193中。

摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device，CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor，CMOS)光电晶体管。感光元件把光信号转换成电信号，之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB，YUV等格式的图像信号。在一些实施例中，手机100可以包括1个或N个摄像头193，N为大于1的正整数。

数字信号处理器用于处理数字信号，除了可以处理数字图像信号，还可以处理其他数字信号。例如，当手机100在频点选择时，数字信号处理器用于对频点能量进行傅里叶变换等。

视频编解码器用于对数字视频压缩或解压缩。手机100可以支持一种或多种视频编解码器。这样，手机100可以播放或录制多种编码格式的视频，例如：动态图像专家组(moving picture experts group，MPEG)1，MPEG2，MPEG3，MPEG4等。

NPU为神经网络(neural-network ，NN)计算处理器，通过借鉴生物神经网络结构，例如借鉴人脑神经元之间传递模式，对输入信息快速处理，还可以不断的自学习。通过NPU可以实现手机100的智能认知等应用，例如：图像识别，人脸识别，语音识别，文本理解等。

本发明实施例中，NPU计算处理器可以运行长短期神经网络模型输出得到多个备选填充词。

外部存储器接口120可以用于连接外部存储卡，例如Micro SD卡，实现扩展手机100的存储能力。外部存储卡通过外部存储器接口120与处理模块110通信，实现数据存储功能。例如将音乐，视频等文件保存在外部存储卡中。

内部存储器121可以用于存储计算机可执行程序代码，所述可执行程序代码包括指令。处理模块110通过运行存储在内部存储器121的指令，从而执行手机100的各种功能应用以及数据处理。内部存储器121可以包括存储程序区和存储数据区。其中，存储程序区可存储操作系统，至少一个功能所需的应用程序(比如声音播放功能，图像播放功能等)等。存储数据区可存储手机100使用过程中所创建的数据(比如音频数据，电话本等)等。此外，内部存储器121可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件，闪存器件，通用闪存存储器(universal flash storage，UFS)等。

手机100可以通过音频模块170，扬声器170A，受话器170B，麦克风170C，耳机接口170D，以及应用处理器等实现音频功能。例如音乐播放，录音等。

音频模块170用于将数字音频信息转换成模拟音频信号输出，也用于将模拟音频输入转换为数字音频信号。音频模块170还可以用于对音频信号编码和解码。在一些实施例中，音频模块170可以设置于处理模块110中，或将音频模块170的部分功能模块设置于处理模块110中。

扬声器170A，也称“喇叭”，用于将音频电信号转换为声音信号。手机100可以通过扬声器170A收听音乐，或收听免提通话。

受话器170B，也称“听筒”，用于将音频电信号转换成声音信号。当手机100接听电话或语音信息时，可以通过将受话器170B靠近人耳接听语音。

麦克风170C，也称“话筒”，“传声器”，用于将声音信号转换为电信号。当拨打电话或发送语音信息时，用户可以通过人嘴靠近麦克风170C发声，将声音信号输入到麦克风170C。手机100可以设置至少一个麦克风170C。在另一些实施例中，手机100可以设置两个麦克风170C，除了采集声音信号，还可以实现降噪功能。在另一些实施例中，手机100还可以设置三个，四个或更多麦克风170C，实现采集声音信号，降噪，还可以识别声音来源，实现定向录音功能等。

耳机接口170D用于连接有线耳机。耳机接口170D可以是USB接口130，也可以是3.5mm的开放移动电子设备平台(open mobile terminal platform，OMTP)标准接口，美国蜂窝电信工业协会(cellular telecommunications industry association of the USA，CTIA)标准接口。

按键190包括开机键，音量键等。按键190可以是机械按键。也可以是触摸式按键。手机100可以接收按键输入，产生与手机100的用户设置以及功能控制有关的键信号输入。

马达191可以产生振动提示。马达191可以用于来电振动提示，也可以用于触摸振动反馈。例如，作用于不同应用(例如拍照，音频播放等)的触摸操作，可以对应不同的振动反馈效果。作用于显示屏194不同区域的触摸操作，马达191也可对应不同的振动反馈效果。不同的应用场景(例如：时间提醒，接收信息，闹钟，游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。

指示器192可以是指示灯，可以用于指示充电状态，电量变化，也可以用于指示消息，未接来电，通知等。

SIM卡接口195用于连接SIM卡。SIM卡可以通过插入SIM卡接口195，或从SIM卡接口195拔出，实现和手机100的接触和分离。手机100可以支持1个或N个SIM卡接口，N为大于1的正整数。SIM卡接口195可以支持Nano SIM卡，Micro SIM卡，SIM卡等。同一个SIM卡接口195可以同时插入多张卡。所述多张卡的类型可以相同，也可以不同。SIM卡接口195也可以兼容不同类型的SIM卡。SIM卡接口195也可以兼容外部存储卡。手机100通过SIM卡和网络交互，实现通话以及数据通信等功能。在一些实施例中，手机100采用eSIM，即：嵌入式SIM卡。eSIM卡可以嵌在手机100中，不能和手机100分离。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (9)

1.一种基于数据处理的页面填充词的智能推荐方法，其特征在于，包括：

S1、接收页面填充的推荐请求，所述页面包括一个或多个待填充框；

S2、基于所述推荐请求获取屏幕界面设定时间段内的录制视频；

S3、基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；

S4、基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；

S5、基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

2.如权利要求1所述的基于数据处理的页面填充词的智能推荐方法，其特征在于，还包括：对所述多个备选填充词进行合并，得到多个合并后的备选填充词，并将所述多个合并后的备选填充词作为所述多个备选填充词。

3.如权利要求2所述的基于数据处理的页面填充词的智能推荐方法，其特征在于，所述对所述多个备选填充词进行合并，得到多个合并后的备选填充词，包括：基于第二深度神经网络模型将所述多个备选填充词中语义相近的多个备选填充词进行合并，得到多个合并后的备选填充词，其中所述第二深度神经网络模型的输入为所述多个备选填充词，所述第二深度神经网络模型的输出为所述多个合并后的备选填充词。

4.如权利要求1所述的基于数据处理的页面填充词的智能推荐方法，其特征在于，所述长短期神经网络模型经过梯度下降法训练得到。

5.如权利要求1所述的基于数据处理的页面填充词的智能推荐方法，其特征在于，所述待填充框为输入框、下拉框或选择框。

6.如权利要求1所述的基于数据处理的页面填充词的智能推荐方法，所述长短期神经网络模型通过训练过程获取，所述训练过程包括：

获取多个训练样本，所述训练样本包括样本输入数据和所述样本输入数据对应的标签，所述样本输入数据为样本录制视频，所述标签为多个备选填充词；

基于所述多个训练样本训练初始的长短期神经网络模型，得到所述长短期神经网络模型。

7.一种基于数据处理的页面填充词的智能推荐系统，其特征在于，包括：

接收模块，用于接收页面填充的推荐请求，所述页面包括一个或多个待填充框；

获取模块，用于基于所述推荐请求获取屏幕界面设定时间段内的录制视频；

第一输出模块，用于基于所述录制视频使用长短期神经网络模型进行处理输出得到多个备选填充词，所述长短期神经网络模型的输入包括所述录制视频，所述长短期神经网络模型的输出为所述多个备选填充词；

第二输出模块，用于基于所述多个备选填充词和所述页面使用第一深度神经网络模型进行处理输出得到页面填充词；

填充模块，用于基于所述页面填充词对页面的所述一个或多个待填充框进行填充。

8.一种电子设备，其特征在于，包括：存储器；处理器；以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1至6任一项所述的基于数据处理的页面填充词的智能推荐方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6任一项所述的基于数据处理的页面填充词的智能推荐方法对应的步骤。

Images