一种输入预测方法及装置制造方法及图纸

技术编号:19777813 阅读:28 留言:0更新日期:2018-12-15 11:08
本申请实施例提供了一种输入预测方法及装置。该方法包括:获取输入的当前文本;从缓存中获取第一文本的第一状态参量;将所述当前文本和所述第一状态参量均输入所述循环神经网络,由循环神经网络根据所述第一状态参量确定所述当前文本的状态参量;根据当前文本的状态参量,从词汇库中确定当前文本的预测文本;其中,第一文本为当前文本的前一文本;第一状态参量为:预设的循环神经网络根据第一文本的前一文本的状态参量和第一文本确定;循环神经网络为根据预设的词汇库训练完成;词汇库用于存储各个词汇。应用本申请实施例提供的方案,能够减少确定预测文本的耗费时间。

【技术实现步骤摘要】
一种输入预测方法及装置
本申请涉及输入法
,特别是涉及一种输入预测方法及装置。
技术介绍
为了提升用户使用输入法时的便捷性,在输入法客户端中常常设置有词预测功能,即基于用户当前输入的文本,预测用户所要输入的下一个文本的功能,所预测的文本可以称为预测文本。当输入法客户端(即应用程序)确定出预测文本后,将预测文本展示给用户,以供用户选择输入。在根据当前输入的文本确定预测文本时,输入法客户端可以采用循环神经网络确定预测文本。具体的,循环神经网络可以根据当前输入的文本的前一文本推测当前输入的文本的预测文本。虽然这种输入预测方式能够较准确地确定预测文本,但是尽可能地减少确定预测文本所耗费的时间,是亟待解决的问题之一。循环神经网络在确定预测文本时,需要对前一文本进行计算处理,根据前一文本的计算处理结果确定当前输入的预测文本。
技术实现思路
本申请实施例的目的在于提供了一种输入预测方法及装置,以减少确定预测文本的耗费时间。具体的技术方案如下。第一方面,本申请实施例提供了一种输入预测方法,所述方法包括:获取输入的当前文本;从缓存中获取第一文本的第一状态参量;其中,所述第一文本为所述当前文本的前一文本;所述第一状态参量为:预设的循环神经网络根据所述第一文本的前一文本的状态参量和所述第一文本确定;所述循环神经网络为根据预设的词汇库训练完成;所述词汇库用于存储各个词汇;将所述当前文本和所述第一状态参量均输入所述循环神经网络,由所述循环神经网络根据所述第一状态参量确定所述当前文本的状态参量;根据当前文本的状态参量,从所述词汇库中确定所述当前文本的预测文本。可选的,在确定所述当前文本的状态参量之后,所述方法还包括:将所述当前文本的状态参量保存在缓存中。可选的,所述根据当前文本的状态参量,从所述词汇库中确定所述当前文本的预测文本的步骤,包括:根据所述当前文本的状态参量,确定所述词汇库中各个词汇的词汇评分;根据各个词汇评分,从所述词汇库的各个词汇中选择各个目标词汇;根据各个目标词汇,确定所述当前文本的预测文本。可选的,所述根据各个目标词汇,确定所述当前文本的预测文本的步骤,包括:将所述当前文本分别与预设的字典库中的各个语素进行匹配,将匹配成功的所述字典库中的各个语素作为与所述当前文本相近的各个待选语素;所述字典库用于存储各个语素;获取对所述第一文本进行输入预测时确定的所述词汇库中各个词汇的词汇评分;从对所述第一文本进行输入预测时确定的所述词汇库中各个词汇的词汇评分中,确定各个待选语素的评分;根据各个目标词汇的词汇评分以及各个待选语素的评分,从各个目标词汇以及各个待选语素中选择所述当前文本的预测文本。可选的,所述循环神经网络,根据所述第一状态参量确定所述当前文本的状态参量时,包括:根据所述循环神经网络作业时的网络参数以及所述第一状态参量,确定所述当前文本的状态参量;其中,所述循环神经网络作业时的网络参数采用以下方式得到:获取所述循环神经网络训练完成时的网络参数;对所述训练完成时的网络参数中的小数型参数进行整数近似处理,将得到的处理后的网络参数作为所述循环神经网络作业时的网络参数。可选的,所述方法应用于客户端,所述客户端的安装文件采用以下方式得到:获取根据所述客户端的原始代码生成的初始安装文件,获取所述客户端的原始代码中的运算函数;去除所述初始安装文件中除所述原始代码中的运算函数之外的运算函数,得到所述客户端的安装文件。第二方面,本申请实施例提供了一种输入预测装置,所述装置包括:文本获取模块,用于获取输入的当前文本;参量获取模块,用于从缓存中获取第一文本的第一状态参量;其中,所述第一文本为所述当前文本的前一文本;所述第一状态参量为:预设的循环神经网络根据所述第一文本的前一文本的状态参量和所述第一文本确定;所述循环神经网络为根据预设的词汇库训练完成;所述词汇库用于存储各个词汇;参量确定模块,用于将所述当前文本和所述第一状态参量均输入所述循环神经网络,由所述循环神经网络根据所述第一状态参量确定所述当前文本的状态参量;文本预测模块,用于根据当前文本的状态参量,从所述词汇库中确定所述当前文本的预测文本。可选的,所述装置还包括:参量缓存模块,用于在确定所述当前文本的状态参量之后,将所述当前文本的状态参量保存在缓存中。可选的,所述文本预测模块,包括:第一确定子模块,用于根据所述当前文本的状态参量,确定所述词汇库中各个词汇的词汇评分;选择子模块,用于根据各个词汇评分,从所述词汇库的各个词汇中选择各个目标词汇;第二确定子模块,用于根据各个目标词汇,确定所述当前文本的预测文本。可选的,所述第二确定子模块,具体用于:将所述当前文本分别与预设的字典库中的各个语素进行匹配,将匹配成功的所述字典库中的各个语素作为与所述当前文本相近的各个待选语素;所述字典库用于存储各个语素;获取对所述第一文本进行输入预测时确定的所述词汇库中各个词汇的词汇评分;从对所述第一文本进行输入预测时确定的所述词汇库中各个词汇的词汇评分中,确定各个待选语素的评分;根据各个目标词汇的词汇评分以及各个待选语素的评分,从各个目标词汇以及各个待选语素中选择所述当前文本的预测文本。可选的,所述循环神经网络,根据所述第一状态参量确定所述当前文本的状态参量时,包括:根据所述循环神经网络作业时的网络参数以及所述第一状态参量,确定所述当前文本的状态参量;其中,所述循环神经网络作业时的网络参数采用以下操作得到:获取所述循环神经网络训练完成时的网络参数;对所述训练完成时的网络参数中的小数型参数进行整数近似处理,将得到的处理后的网络参数作为所述循环神经网络作业时的网络参数。可选的,所述装置应用于客户端,所述客户端的安装文件采用以下操作得到:获取根据所述客户端的原始代码生成的初始安装文件,获取所述客户端的原始代码中的运算函数;去除所述初始安装文件中除所述原始代码中的运算函数之外的运算函数,得到所述客户端的安装文件。第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现第一方面提供的任一输入预测方法。第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面提供的任一输入预测方法。本申请实施例提供的输入预测方法及装置,可以从缓存中获取第一文本的状态参量,将当前文本和第一文本的状态参量均输入循环神经网络,由循环神经网络根据第一文本的状态参量确定当前文本的状态参量,并根据当前文本的状态参量从词汇库中确定当前文本的预测文本。本申请实施例在确定当前文本的预测文本时,无需由循环神经网络根据第一文本的前一文本的状态参量确定第一文本的状态参量,而是直接从缓存中获取第一文本的状态参量即可,因此能够减少确定预测文本的耗费时间。当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域本文档来自技高网...

【技术保护点】
1.一种输入预测方法,其特征在于,所述方法包括:获取输入的当前文本;从缓存中获取第一文本的第一状态参量;其中,所述第一文本为所述当前文本的前一文本;所述第一状态参量为:预设的循环神经网络根据所述第一文本的前一文本的状态参量和所述第一文本确定;所述循环神经网络为根据预设的词汇库训练完成;所述词汇库用于存储各个词汇;将所述当前文本和所述第一状态参量均输入所述循环神经网络,由所述循环神经网络根据所述第一状态参量确定所述当前文本的状态参量;根据当前文本的状态参量,从所述词汇库中确定所述当前文本的预测文本。

【技术特征摘要】
1.一种输入预测方法,其特征在于,所述方法包括:获取输入的当前文本;从缓存中获取第一文本的第一状态参量;其中,所述第一文本为所述当前文本的前一文本;所述第一状态参量为:预设的循环神经网络根据所述第一文本的前一文本的状态参量和所述第一文本确定;所述循环神经网络为根据预设的词汇库训练完成;所述词汇库用于存储各个词汇;将所述当前文本和所述第一状态参量均输入所述循环神经网络,由所述循环神经网络根据所述第一状态参量确定所述当前文本的状态参量;根据当前文本的状态参量,从所述词汇库中确定所述当前文本的预测文本。2.根据权利要求1所述的方法,其特征在于,在确定所述当前文本的状态参量之后,所述方法还包括:将所述当前文本的状态参量保存在缓存中。3.根据权利要求1所述的方法,其特征在于,所述根据当前文本的状态参量,从所述词汇库中确定所述当前文本的预测文本的步骤,包括:根据所述当前文本的状态参量,确定所述词汇库中各个词汇的词汇评分;根据各个词汇评分,从所述词汇库的各个词汇中选择各个目标词汇;根据各个目标词汇,确定所述当前文本的预测文本。4.根据权利要求3所述的方法,其特征在于,所述根据各个目标词汇,确定所述当前文本的预测文本的步骤,包括:将所述当前文本分别与预设的字典库中的各个语素进行匹配,将匹配成功的所述字典库中的各个语素作为与所述当前文本相近的各个待选语素;所述字典库用于存储各个语素;获取对所述第一文本进行输入预测时确定的所述词汇库中各个词汇的词汇评分;从对所述第一文本进行输入预测时确定的所述词汇库中各个词汇的词汇评分中,确定各个待选语素的评分;根据各个目标词汇的词汇评分以及各个待选语素的评分,从各个目标词汇以及各个待选语素中选择所述当前文本的预测文本。5.根据权利要求1所述的方法,其特征在于,所述循环神经网络,根据所述第一状态参量确定所述当前文本的状态参量时,包括:根据所述循环神经网络作业时的网络参数以及所述第一状态参量,确定所述当前文本的状态参量;其中,所述循环神经网络作业时的网络参数采用以下方式得到:获取所述循环神经网络训练完成时的网络参数;对所述训练完成时的网络参数中的小数型参数进行整数近似处理,将得到的处理后的网络...

【专利技术属性】
技术研发人员:贾亚伟吴晓强
申请(专利权)人:北京金山安全软件有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1