[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）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

本發(fā)明公開了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)，方法包括以下步驟：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；將個體語音輸入的應(yīng)用場景與語義模型建立映射關(guān)系；根據(jù)映射關(guān)系對所述語義模型執(zhí)行分類操作，根據(jù)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)權(quán)重關(guān)系，對句向量拆分，生成若干詞向量；獲取個體手寫操作，根據(jù)詞向量與句向量的權(quán)重關(guān)系，對個體手寫操作執(zhí)行關(guān)聯(lián)推薦，本發(fā)明能夠通過個性化的語音輸入生成和訓(xùn)練模型，提取句向量，區(qū)分句向量的出現(xiàn)頻率，并在個體手寫輸入時，根據(jù)時間域和空間域?yàn)閭€體推薦句向量或詞向量，可以提升手寫輸入的準(zhǔn)確率，并大大提升手寫輸入的效率。

技術(shù)領(lǐng)域

本發(fā)明涉及手寫輸入技術(shù)領(lǐng)域，特別是涉及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)。

背景技術(shù)

現(xiàn)有的技術(shù)方案通過計算文本的編輯距離、相似系數(shù)或TF-IDF(term frequency–inverse document frequency)信息檢索數(shù)據(jù)挖掘的常用加權(quán)技術(shù)計算等。

編輯距離，英文叫做Edit Distance，又稱Levenshtein距離，是指兩個字串之間，由一個轉(zhuǎn)成另一個所需的最少編輯操作次數(shù)，如果它們的距離越大，說明它們越是不同，許可的編輯操作包括將一個字符替換成另一個字符，插入一個字符，刪除一個字符。

相似系數(shù)，用于比較有限樣本集之間的相似性與差異性，相似系數(shù)值越大，樣本相似度越高。計算方式非常簡單，兩個樣本的交集除以并集得到的數(shù)值，當(dāng)兩個樣本完全一致時，結(jié)果為1，當(dāng)兩個樣本完全不同時，結(jié)果為0。

第三種方案就是直接計算TF矩陣中兩個向量的相似度了，實(shí)際上就是求解兩個向量夾角的余弦值，就是點(diǎn)乘積除以二者的模長。

現(xiàn)有的計算文本相似都是基于詞的相似度計算方法，沒有對文字輸入的用于的工作情況、個人喜好或者家庭因素進(jìn)行參考的語義理解，僅基于句子表層的關(guān)鍵詞信息，不能區(qū)別在語義或句法結(jié)構(gòu)上相似的句子，在各種辦公或者高校的智能屏幕中，基于語義模型的手寫輸入的優(yōu)化方法對于加快文字輸入的速度及關(guān)聯(lián)字推薦有重要的影響。

發(fā)明內(nèi)容

本發(fā)明主要解決的是現(xiàn)有的手寫輸入沒有參照使用者的使用情況、工作因素和個人喜好推薦關(guān)聯(lián)字的問題。

為解決上述技術(shù)問題，本發(fā)明采用的一個技術(shù)方案是：提供一種基于語義模型的手寫輸入的優(yōu)化方法，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，并根據(jù)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。

優(yōu)選地，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。

優(yōu)選地，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。

優(yōu)選地，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：