[发明专利]一种输入预测方法及装置

权利要求书

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；

将所述当前文本的状态参量保存在缓存中；

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；

其中，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；

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。

2.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参数作为所述循环神经网络作业时的网络参数。

3.根据权利要求1所述的方法，其特征在于，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。