[發(fā)明專(zhuān)利]生成用戶詞典的方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201610325791.4
• 申請(qǐng)日: 2016-05-17
• 公開(kāi)（公告）號(hào): CN107390892A
• 公開(kāi)（公告）日: 2017-11-24
• 發(fā)明（設(shè)計(jì)）人: 鄭仲光;孟遙;孫俊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 富士通株式會(huì)社
• 主分類(lèi)號(hào): G06F3/023
• 分類(lèi)號(hào): G06F3/023;G06F17/27
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 朱勝,江河清

技術(shù)領(lǐng)域

本發(fā)明涉及自然語(yǔ)言處理領(lǐng)域，更具體地涉及一種自動(dòng)生成用戶詞典的方法和裝置。

背景技術(shù)

輸入法(IME)是人機(jī)交互中不可缺少的工具，由于IME的效率直接影響著用戶的工作效率，因此人們提出了很多方法用以提高IME的輸入效率和用戶體驗(yàn)。比如自動(dòng)生成用戶詞典：當(dāng)用戶輸入一個(gè)拼音串“kangbobaqi”之后，由于候選里面沒(méi)有正確結(jié)果“康伯巴奇”，用戶需要調(diào)整候選漢字，調(diào)整輸入之后，當(dāng)用戶再次輸入“kangbobaqi”，便可以得到正確的結(jié)果。這種方法極大的提高的用戶的輸入效率，避免了每次輸入拼音之后都需要調(diào)整的操作。

現(xiàn)有的IME雖然可以根據(jù)用戶的輸入來(lái)生成用戶詞典，但是最大的問(wèn)題是需要用戶完整的輸入拼音串之后調(diào)整漢字候選。用戶的輸入習(xí)慣是不同的，有些用戶習(xí)慣于單字的輸入，比如先輸入“kang”，調(diào)整為“康”并輸入，再輸入“bo”，調(diào)整為“伯”并輸入，從而依次輸入“康伯巴奇”，但是在這種情況下，當(dāng)用戶再次整體輸入拼音“kangbobaqi”的時(shí)候，現(xiàn)有的IME仍無(wú)法得到正確的結(jié)果，即使用戶已經(jīng)輸入過(guò)一次。

因此，希望能夠提供一種可以滿足各種輸入習(xí)慣的用戶，更有效率的生成用戶詞典的方法和裝置。

發(fā)明內(nèi)容

在下文中給出關(guān)于本發(fā)明的簡(jiǎn)要概述，以便提供關(guān)于本發(fā)明的某些方面的基本理解。應(yīng)當(dāng)理解，這個(gè)概述并不是關(guān)于本發(fā)明的窮舉性概述。它并不是意圖確定本發(fā)明的關(guān)鍵或重要部分，也不是意圖限定本發(fā)明的范圍。其目的僅僅是以簡(jiǎn)化的形式給出某些概念，以此作為稍后論述的更詳 細(xì)描述的前序。

本發(fā)明的一個(gè)主要目的在于，提供了一種生成用戶詞典的方法，包括：跟蹤用戶的編輯歷史，編輯歷史包括多個(gè)單元，其中每個(gè)單元存儲(chǔ)用戶輸入的拼音和對(duì)應(yīng)的文字；從編輯歷史還原出詞的列表；計(jì)算每?jī)蓚€(gè)相鄰詞之間的轉(zhuǎn)移概率；根據(jù)所計(jì)算的轉(zhuǎn)移概率提取連續(xù)多個(gè)轉(zhuǎn)移概率均小于預(yù)定閾值的詞作為候選詞串；以及當(dāng)候選詞串的包含至少兩個(gè)詞的子詞串所對(duì)應(yīng)的拼音被再次輸入時(shí)，將子詞串作為新詞插入用戶詞典中。

根據(jù)本發(fā)明的一個(gè)方面，提供一種生成用戶詞典的裝置，包括：編輯歷史跟蹤單元，被配置為跟蹤用戶的編輯歷史，編輯歷史包括多個(gè)單元，其中每個(gè)單元存儲(chǔ)用戶輸入的拼音和對(duì)應(yīng)的文字；詞還原單元，被配置為從編輯歷史還原出詞的列表；轉(zhuǎn)移概率計(jì)算單元，被配置為計(jì)算每?jī)蓚€(gè)相鄰詞之間的轉(zhuǎn)移概率；候選詞串確定單元，被配置為根據(jù)所計(jì)算的轉(zhuǎn)移概率提取連續(xù)多個(gè)轉(zhuǎn)移概率均小于預(yù)定閾值的詞作為候選詞串；以及用戶詞典生成單元，被配置為當(dāng)候選詞串的包含至少兩個(gè)詞的子詞串所對(duì)應(yīng)的拼音被再次輸入時(shí)，將子詞串作為新詞插入用戶詞典中。

另外，本發(fā)明的實(shí)施例還提供了用于實(shí)現(xiàn)上述方法的計(jì)算機(jī)程序。

此外，本發(fā)明的實(shí)施例還提供了至少計(jì)算機(jī)可讀介質(zhì)形式的計(jì)算機(jī)程序產(chǎn)品，其上記錄有用于實(shí)現(xiàn)上述方法的計(jì)算機(jī)程序代碼。

通過(guò)以下結(jié)合附圖對(duì)本發(fā)明的最佳實(shí)施例的詳細(xì)說(shuō)明，本發(fā)明的這些以及其他優(yōu)點(diǎn)將更加明顯。

附圖說(shuō)明

參照下面結(jié)合附圖對(duì)本發(fā)明實(shí)施例的說(shuō)明，會(huì)更加容易地理解本發(fā)明的以上和其它目的、特點(diǎn)和優(yōu)點(diǎn)。附圖中的部件只是為了示出本發(fā)明的原理。在附圖中，相同的或類(lèi)似的技術(shù)特征或部件將采用相同或類(lèi)似的附圖標(biāo)記來(lái)表示。

圖1示出了用于實(shí)施根據(jù)本發(fā)明的生成用戶詞典的方法的整體系統(tǒng)框架；

圖2示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的生成用戶詞典的方法200的示例性過(guò)程的流程圖；

圖3a、3b和3c示出了編輯歷史的示例；

圖4示出了跟蹤用戶的編輯歷史的整體流程圖；

圖5示出了詞串的轉(zhuǎn)移概率的分布情況；

圖6是示出圖2中的步驟S208的一種示例性過(guò)程的流程圖；

圖7a和7b示出了拼音索引列表和有向圖構(gòu)成的候選用戶詞典的示例；

圖8是示出根據(jù)本發(fā)明的另一個(gè)實(shí)施例的生成用戶詞典的裝置800的示例性配置的框圖；

圖9是示出圖8中的候選詞串確定單元808的一種示例性配置的框圖；以及

圖10是示出可以用于實(shí)施本發(fā)明的生成用戶詞典的方法和裝置的計(jì)算設(shè)備的示例性結(jié)構(gòu)圖。

具體實(shí)施方式