一种基于语义模型的手写输入的优化方法、系统及介质技术方案

本发明专利技术公开了一种基于语义模型的手写输入的优化方法、系统及介质，方法包括以下步骤：获取个体语音输入的数据和应用场景，根据个体语音输入的数据创建语义模型；将个体语音输入的应用场景与语义模型建立映射关系；根据映射关系对所述语义模型执行分类操作，根据分类操作结果提取若干句向量；配置权重关系，根据权重关系，对句向量拆分，生成若干词向量；获取个体手写操作，根据词向量与句向量的权重关系，对个体手写操作执行关联推荐，本发明专利技术能够通过个性化的语音输入生成和训练模型，提取句向量，区分句向量的出现频率，并在个体手写输入时，根据时间域和空间域为个体推荐句向量或词向量，可以提升手写输入的准确率，并大大提升手写输入的效率。

【技术实现步骤摘要】
一种基于语义模型的手写输入的优化方法、系统及介质
本专利技术涉及手写输入
，特别是涉及一种基于语义模型的手写输入的优化方法、系统及介质。
技术介绍
现有的技术方案通过计算文本的编辑距离、相似系数或TF-IDF(termfrequency–inversedocumentfrequency)信息检索数据挖掘的常用加权技术计算等。编辑距离，英文叫做EditDistance，又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数，如果它们的距离越大，说明它们越是不同，许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。相似系数，用于比较有限样本集之间的相似性与差异性，相似系数值越大，样本相似度越高。计算方式非常简单，两个样本的交集除以并集得到的数值，当两个样本完全一致时，结果为1，当两个样本完全不同时，结果为0。第三种方案就是直接计算TF矩阵中两个向量的相似度了，实际上就是求解两个向量夹角的余弦值，就是点乘积除以二者的模长。现有的计算文本相似都是基于词的相似度计算方法，没有对文字输入的用于的工作情况、个人喜好或者家庭因素进行参考的语义理解，仅基于句子表层的关键词信息，不能区别在语义或句法结构上相似的句子，在各种办公或者高校的智能屏幕中，基于语义模型的手写输入的优化方法对于加快文字输入的速度及关联字推荐有重要的影响。
技术实现思路
本专利技术主要解决的是现有的手写输入没有参照使用者的使用情况、工作因素和个人喜好推荐关联字的问题。为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于语义模型的手写输入的优化方法，包括以下步骤：获取个体语音输入的数据和应用场景，根据个体语音输入的数据创建语义模型；将所述个体语音输入的应用场景与所述语义模型建立映射关系；根据所述映射关系对所述语义模型执行分类操作，根据所述分类操作结果提取若干句向量；配置权重关系，并根据权重关系，对所述句向量拆分，生成若干词向量；获取个体手写操作，根据所述词向量与所述句向量的权重关系，对所述个体手写操作执行关联推荐。优选地，所述获取个体语音输入的数据和应用场景，根据个体语音输入的数据创建语义模型的步骤进一步包括：配置第一阈值和阈值区间，对所述个体语音输入的数据执行数据特性解析操作，将满足所述第一阈值的所述数据作为特性向量；提取所述特性向量创建语义模型。优选地，所述将所述个体手写输入的应用场景与所述语义模型建立映射关系的步骤进一步包括：获取所述应用场景的所述特性向量，将所述特性向量及对应的应用场景和语义模型建立映射关系。优选地，所述根据所述映射关系对所述语义模型执行分类操作，根据所述分类操作结果提取若干句向量的步骤进一步包括：在时间域和空间域内计算所述句向量的使用次数，根据所述句向量的使用次数所在的阈值区间执行分类操作；所述阈值区间包括第一区间、第二区间和第三区间，根据所述句向量的阈值区间所在的区间，分类执行句向量推荐策略、词向量推荐策略或者联想推荐策略操作。优选地，所述执行句向量推荐策略的步骤进一步包括：若所述句向量的阈值区间为第一区间，则将所述句向量作为高频句向量，标识所述高频句向量的句首的为高频词向量，当所述个体手写输入触发所述高频词向量时，为所述个体推荐所述句首对应的所述高频句向量。优选地，所述执行词向量推荐策略的步骤进一步包括：若所述句向量的阈值区间为第二区间，则将所述句向量作为中频句向量，将所述中频句向量拆分为若干词向量并作为中频词向量，当所述个体手写输入触发所述中频词向量时，为所述个体推荐对应所述中频句向量的所述中频词向量。优选地，所述联想推荐策略的步骤进一步包括：若所述句向量的阈值区间为第三区间，则将所述句向量作为低频句向量，将所述低频句向量拆分为若干词向量并作为低频词向量，当所述个体手写输入触发所述低频词向量时，为所述个体推荐与所述低频词向量关联的所述中频词向量。优选地，所述分别执行句向量推荐策略、词向量推荐策略或者联想推荐策略的步骤进一步包括：根据执行所述句向量推荐策略、词向量推荐策略或者联想推荐策略的次数对所述语义模型执行无监督自适应训练。本专利技术还提供一种基于语义模型的手写输入的优化系统，包括：获取模块、语义模块、语音识别模块、映射模块、分类模块、拆分模块、手写识别模块和推荐模块；所述获取模块用于获取个体语音输入的数据并将所述数据发送至语义模块；所述语义模块用于根据所述数据创建语义模型；所述语音识别模块用于在应用场景中识别所述个体的语音输入；所述映射模块用于将所述语义模型与所述应用场景建立映射关系；所述分类模块用于根据所述映射关系对所述应用场景执行分类，提取若干句向量；所述拆分模块用于根据权重关系，对所述句向量拆分，生成若干词向量；所述手写识别模块用于识别所述个体的手写输入，并将手写输入识别结果发送至所述推荐模块；所述推荐模块用于根据所述词向量和所述句向量的权重关系，对所述个体执行关联推荐。本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现任一项所述的基于语义模型的手写输入的优化方法步骤。本专利技术的有益效果是：1、本专利技术所述的基于语义模型的手写输入的优化方法，可以实现通过个性化的语音输入生成和训练模型，提取句向量，区分句向量的出现频率，并在个体手写输入时，根据时间域和空间域为个体推荐句向量或词向量，可以提升手写输入的准确率，并大大提升手写输入的效率。2、本专利技术所述的基于语义模型的手写输入的优化系统，可以实现创建语义模型，并获取语音输入，并在获取后将应用场景与语音输入建立映射关系。3、本专利技术所述的基于语义模型的手写输入的优化介质，可以实现区分阈值区间，并在区分后执行相应区间的推荐策略。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例1所述的基于语义模型的手写输入的优化方法的示意图；图2是本专利技术实施例2所述的基于语义模型的手写输入的优化系统的示意图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在本专利技术的描述中，“个体”；“语义模型”；“语音输入”；“应用场景”；“分类操作”；“权重关系”；“句向量”；“词向量”；“关联推荐”；“数据特性解析”；“特本文档来自技高网...

【技术保护点】
1.一种基于语义模型的手写输入的优化方法，其特征在于，包括以下步骤：/n获取个体语音输入的数据和应用场景，根据个体语音输入的数据创建语义模型；/n将所述个体语音输入的应用场景与所述语义模型建立映射关系；/n根据所述映射关系对所述语义模型执行分类操作，根据所述分类操作结果提取若干句向量；/n配置权重关系，根据所述权重关系，对所述句向量拆分，生成若干词向量；/n获取个体手写操作，根据所述词向量与所述句向量的权重关系，对所述个体手写操作执行关联推荐。/n

【技术特征摘要】
1.一种基于语义模型的手写输入的优化方法，其特征在于，包括以下步骤：
获取个体语音输入的数据和应用场景，根据个体语音输入的数据创建语义模型；
将所述个体语音输入的应用场景与所述语义模型建立映射关系；
根据所述映射关系对所述语义模型执行分类操作，根据所述分类操作结果提取若干句向量；
配置权重关系，根据所述权重关系，对所述句向量拆分，生成若干词向量；
获取个体手写操作，根据所述词向量与所述句向量的权重关系，对所述个体手写操作执行关联推荐。


2.根据权利要求1所述的基于语义模型的手写输入的优化方法，其特征在于：所述获取个体语音输入的数据和应用场景，根据个体语音输入的数据创建语义模型的步骤进一步包括：
配置第一阈值和阈值区间，对所述个体语音输入的数据执行数据特性解析操作，将满足所述第一阈值的所述数据作为特性向量；
提取所述特性向量创建语义模型。


3.根据权利要求2所述的基于语义模型的手写输入的优化方法，其特征在于：所述将所述个体手写输入的应用场景与所述语义模型建立映射关系的步骤进一步包括：
获取所述应用场景的所述特性向量，将所述特性向量及对应的应用场景和语义模型建立映射关系。


4.根据权利要求2所述的基于语义模型的手写输入的优化方法，其特征在于：所述根据所述映射关系对所述语义模型执行分类操作，根据所述分类操作结果提取若干句向量的步骤进一步包括：
在时间域和空间域内计算所述句向量的使用次数，根据所述句向量的使用次数所在的阈值区间执行分类操作；
所述阈值区间包括第一区间、第二区间和第三区间，根据所述句向量的阈值区间所在的区间，分类执行句向量推荐策略、词向量推荐策略或者联想推荐策略操作。


5.根据权利要求4所述的基于语义模型的手写输入的优化方法，其特征在于：所述执行句向量推荐策略的步骤进一步包括：若所述句向量的阈值区间为第一区间，则将所述句向量作为高频句向量，标识所述高频句向量的句首的为高频词向量，当所述个体手写输入触发所述高频词向量时，为所述个体推荐所述句首对应的所述高频句向量。


6....

【专利技术属性】
技术研发人员：张涛，索春宝，胡焱，牛鹏，
申请(专利权)人：浪潮金融信息技术有限公司，
类型：发明
国别省市：江苏;32