[發(fā)明專利]一種基于語義模型的手寫輸入的優(yōu)化方法、系統(tǒng)及介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110558066.2
• 申請日: 2021-05-21
• 公開（公告）號: CN113313001B
• 公開（公告）日: 2023-10-10
• 發(fā)明（設(shè)計(jì)）人: 張濤;索春寶;胡焱;牛鵬
• 申請（專利權(quán)）人: 浪潮金融信息技術(shù)有限公司
• 主分類號: G06V30/32
• 分類號: G06V30/32;G06V30/19
• 代理公司: 北京權(quán)智天下知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11638
• 代理人: 王新愛

1.一種基于語義模型的手寫輸入的優(yōu)化方法，其特征在于，包括以下步驟：

獲取個體語音輸入的數(shù)據(jù)和應(yīng)用場景，根據(jù)個體語音輸入的數(shù)據(jù)創(chuàng)建語義模型；

將所述個體語音輸入的應(yīng)用場景與所述語義模型建立映射關(guān)系；

根據(jù)所述映射關(guān)系對所述語義模型執(zhí)行分類操作，根據(jù)所述分類操作結(jié)果提取若干句向量；

配置權(quán)重關(guān)系，根據(jù)所述權(quán)重關(guān)系，對所述句向量拆分，生成若干詞向量；

獲取個體手寫操作，根據(jù)所述詞向量與所述句向量的權(quán)重關(guān)系，對所述個體手寫操作執(zhí)行關(guān)聯(lián)推薦。

2.根據(jù)權(quán)利要求1所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述獲取個體語音輸入的數(shù)據(jù)和應(yīng)用場景，根據(jù)個體語音輸入的數(shù)據(jù)創(chuàng)建語義模型的步驟進(jìn)一步包括：

配置第一閾值和閾值區(qū)間，對所述個體語音輸入的數(shù)據(jù)執(zhí)行數(shù)據(jù)特性解析操作，將滿足所述第一閾值的所述數(shù)據(jù)作為特性向量；

提取所述特性向量創(chuàng)建語義模型。

3.根據(jù)權(quán)利要求2所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述將所述個體手寫輸入的應(yīng)用場景與所述語義模型建立映射關(guān)系的步驟進(jìn)一步包括：

獲取所述應(yīng)用場景的所述特性向量，將所述特性向量及對應(yīng)的應(yīng)用場景和語義模型建立映射關(guān)系。

4.根據(jù)權(quán)利要求2所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述根據(jù)所述映射關(guān)系對所述語義模型執(zhí)行分類操作，根據(jù)所述分類操作結(jié)果提取若干句向量的步驟進(jìn)一步包括：

在時間域和空間域內(nèi)計(jì)算所述句向量的使用次數(shù)，根據(jù)所述句向量的使用次數(shù)所在的閾值區(qū)間執(zhí)行分類操作；

所述閾值區(qū)間包括第一區(qū)間、第二區(qū)間和第三區(qū)間，根據(jù)所述句向量的閾值區(qū)間所在的區(qū)間，分類執(zhí)行句向量推薦策略、詞向量推薦策略或者聯(lián)想推薦策略操作。

5.根據(jù)權(quán)利要求4所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述執(zhí)行句向量推薦策略的步驟進(jìn)一步包括：若所述句向量的閾值區(qū)間為第一區(qū)間，則將所述句向量作為高頻句向量，標(biāo)識所述高頻句向量的句首的為高頻詞向量，當(dāng)所述個體手寫輸入觸發(fā)所述高頻詞向量時，為所述個體推薦所述句首對應(yīng)的所述高頻句向量。

6.根據(jù)權(quán)利要求5所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述執(zhí)行詞向量推薦策略的步驟進(jìn)一步包括：若所述句向量的閾值區(qū)間為第二區(qū)間，則將所述句向量作為中頻句向量，將所述中頻句向量拆分為若干詞向量并作為中頻詞向量，當(dāng)所述個體手寫輸入觸發(fā)所述中頻詞向量時，為所述個體推薦對應(yīng)所述中頻句向量的所述中頻詞向量。

7.根據(jù)權(quán)利要求6所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述聯(lián)想推薦策略的步驟進(jìn)一步包括：若所述句向量的閾值區(qū)間為第三區(qū)間，則將所述句向量作為低頻句向量，將所述低頻句向量拆分為若干詞向量并作為低頻詞向量，當(dāng)所述個體手寫輸入觸發(fā)所述低頻詞向量時，為所述個體推薦與所述低頻詞向量關(guān)聯(lián)的所述中頻詞向量。

8.根據(jù)權(quán)利要求7所述的基于語義模型的手寫輸入的優(yōu)化方法，其特征在于：所述分別執(zhí)行句向量推薦策略、詞向量推薦策略或者聯(lián)想推薦策略的步驟進(jìn)一步包括：根據(jù)執(zhí)行所述句向量推薦策略、詞向量推薦策略或者聯(lián)想推薦策略的次數(shù)對所述語義模型執(zhí)行無監(jiān)督自適應(yīng)訓(xùn)練。