[发明专利]一种中文深度学习输入法、装置及电子设备

说明书

本发明的实施例公开一种中文深度学习输入法、装置及电子设备，涉及输入法领域，为用户提供更加准确的结果而发明。所述方法，包括：将当前输入的拼音序列，转化为整数编码；将所述整数编码经过嵌入层处理，得到初始编码矩阵；所述拼音序列中的每个字的拼音，对应所述初始编码矩阵中的一行向量；将所述初始编码矩阵经过卷积网络处理后得到第一向量；将第一向量作为第一门控循环单元网络的输入，经过深度学习得到语义编码向量；将所述语义编码向量，以及第二门控循环单元网络在上一时刻的输出，作为第二门控循环单元网络当前时刻的输入，经过深度学习后经过输出层输出预测结果。所述装置及电子设备包括用于执行所述方法的模块。本发明适用于基于拼音得到汉字。

技术领域

本发明涉及输入法领域，尤其涉及一种中文深度学习输入法、装置、电子设备、计算机可读存储介质及应用程序。

背景技术

随着计算机通信以及互联网技术的不断发展，电子设备，例如，智能移动电话、个人数字助理、掌上电脑、笔记本电脑等应用越来越普及，人们在利用电子设备过程中，实现交互的方式很多，其中一种方式是为用户提供键盘，用户在键盘上输入拼音字符串，将其转化为对应的汉字输出。当用户按长句或者短句的方式输入拼音串，现有的在中文输入法，采用枚举的方式将可能的字或词组成句子，然后用语言模型对候选句子进行打分排序，当用户输入的拼音串越长，对应的汉字越多，使得输出的句子前、后语义不连贯，最终导致为用户提供的结果不准确。

发明内容

有鉴于此，本发明实施例提供一种中文深度学习输入法、装置、电子设备、计算机可读存储介质及应用程序，能够为用户提供更加准确的结果。

第一方面，本发明实施例提供一种中文深度学习输入法，包括：将当前输入的拼音序列，转化为整数编码；将所述整数编码经过嵌入层处理，得到初始编码矩阵；所述拼音序列中的每个字的拼音，对应所述初始编码矩阵中的一行向量；将所述初始编码矩阵经过卷积网络处理后得到第一向量；将第一向量作为第一门控循环单元网络的输入，经过深度学习得到语义编码向量；将所述语义编码向量，以及第二门控循环单元网络在上一时刻的输出，作为第二门控循环单元网络当前时刻的输入，经过深度学习后经过输出层输出预测结果。

根据本发明实施例的一种具体实现方式，所述将所述初始编码矩阵经过卷积网络处理后得到第一向量，包括：将所述初始编码矩阵经过卷积层处理，得到第一中间向量；将所述第一中间向量经过池化层处理，得到第二中间向量；第二中间向量的维数低于第一中间向量的维数；将所述第二中间向量进行扁平化处理，得到一维的所述第一向量。

根据本发明实施例的一种具体实现方式，在将第一向量输入第一门控循环单元网络，所述方法还包括：将所述第一向量，以及所述初始编码矩阵，作为残差函数的输入，进行残差处理；将所述残差函数的输出，作为所述第一门控循环单元网络的输入。

根据本发明实施例的一种具体实现方式，在将所述残差函数的输出，输入所述第一门控循环单元网络，所述方法还包括：在将残差函数的输出，输入高速路网络层，将高速路网络层的输出作为所述第一门控循环单元网络的输入。

根据本发明实施例的一种具体实现方式，所述将所述语义编码向量，以及第二门控循环单元网络在上一时刻的输出，作为第二门控循环单元网络当前时刻的输入，经过深度学习后经过输出层输出预测结果，包括：将所述语义编码向量经过注意力机制处理，得到含有注意力权重的语义编码向量；将所述含有注意力权重的语义编码向量，以及第二门控循环单元网络在上一时刻的输出，作为第二门控循环单元网络当前时刻的输入，经过深度学习后经过归一化指数函数输出预测结果。

第二方面，本发明实施例提供一种中文深度学习输入装置，包括：转化模块，初始编码矩阵得到模块，第一向量得到模块，语义编码向量得到模块，预测模块，其中，

转化模块，用于将当前输入的拼音序列，转化为整数编码；

初始编码矩阵得到模块，用于将所述整数编码经过嵌入层处理，得到初始编码矩阵；所述拼音序列中的每个字的拼音，对应所述初始编码矩阵中的一行向量；