[发明专利]一种基于循环神经网络的手机app交互方式

说明书

技术领域

本发明涉及神经网络，尤其是涉及一种基于循环神经网络的手机app交互方式。

背景技术

如今，几乎人人手持一部智能手机，然而由于手机的屏幕尺寸较小，在移动端的交互方式并没有PC端来得流畅。例如，从一个app跳转到另一个app，移动端通常需要经过长按、选择、复制、返回主菜单、打开新app粘贴、确定搜索等一系列复杂的操作。

中国专利CN107231457A公开一种双屏智能终端的交互方式。该交互方式通过智能终端正面第一屏幕和第二屏幕共同实现。该交互存在三种模式：第一种是常规交互方式，第二屏幕仅仅实现智能终端的触控按键，包括返回，多任务，菜单，返回主页面等功能。第二种模式是开启了智能交互功方式，第二屏幕所显示的通知和控制按键随着应用和使用场景的变化而改变，第二屏幕的通知和控制按键由手机厂商和户自定义，并由用户来选择使用。第三种是高智能交互方式，在第二种智能交互方式的基础上，第二屏幕的界面通过算法根据用户的习惯自动生成，并结合用户选择的功能组共同工作。该交互方式强化了手机，系统，应用，人之间的连接，提升了双屏智能终端的交互体验。

发明内容

本发明的目的在于为了解决手机端app应用之间繁琐的跳转过程，提供一种基于循环神经网络的手机app交互方式。

本发明包括以下步骤：

1)采用循环神经网络，构建关键实体的识别模型；

在步骤1)中，所述采用循环神经网络，构建关键实体的识别模型的具体方法可为：采用端到端(seq2seq)的架构，分别包括Encoder(编码)和Decoder(解码)两个部分，Encoder 阶段，将源句子编码成context向量，Decoder阶段根据context向量解码成目标序列，其中，采用交叉熵作为神经网络的损失函数，模型参数的更新则是根据随机梯度下降(SGD)算法实现；所述Decoder阶段不仅融合context信息，而且引入词边界信息和keyword-match-feature 特征信息；所述词边界信息记为B、M、E、S；所述实验结果表明，对于地理位置、娱乐、电影等关键实体的识别准确率、召回率均可以达到84％以上；所述keyword-match-feature特征信息为构建一个大的字典库，若句子命中关键字，则把关键字的NER抽取出来，赋予神经网络先验的知识，以解决罕见和多重含义的实体的识别。

2)交互方式，具体操作如下：用户长按感兴趣的文本复制→点击悬浮球→根据菜单栏选择要跳转的app，根据神经网络模型抽取出用户感兴趣文本的关键实体名，若文本中包含实体名且被正确识别出来，点击悬浮球，即可弹出与关键实体名相对应的app菜单栏，此时，用户可以点击相对应的栏目，跳转到用户感兴趣的app上，完成信息的进一步搜索；为了使得悬浮球不影响用户的体验(如遮挡文本等)，可以拖拽悬浮球到右侧边栏或者左侧边栏，此时，悬浮球便会贴合在边栏，不会遮挡屏幕；若用户想要体验识别功能，则选中文本，点击复制，悬浮球出现；或者，用户从边栏处将贴合的悬浮球拖拽出来，悬浮球出现到屏幕中。

本发明解决了手机端app应用之间繁琐的跳转过程，提出了一种全新的便携式交互方式，采用神经网络技术识别用户文本的关键实体，并根据关键实体的意图弹出菜单，供用户选择想要跳转的app，真正赋予了手机智能的“大脑”，让手机更加懂得用户的需求。

为了简化繁琐的操作，本发明基于循环神经网络，探究并实现了一种新颖的手机端交互方式。该技术赋予了手机人工智能的能力，使其能够识别手机屏幕文本信息的关键实体，并根据当前文本的意图，弹出可供用户选择的菜单，跳转到用户感兴趣的app。以极简的操作，便捷地服务用户，新的交互方式，赋予了手机强大的大脑，使其真正懂得用户的需求。

附图说明

图1为本发明实施例的手机端app跳转流程图。

图2为双向LSTM作为Encoder的流程图。

图3为LSTM+Attention+Alignment作为Decoder的流程图。

具体实施方式

以下实施例将结合附图对本发明作进一步的说明。

本发明包括以下步骤：

(1)采用循环神经网络，构建关键实体的识别模型。