[发明专利]输入法中的人名推荐方法、装置、设备及存储介质在审

专利信息
申请号: 201911129231.1 申请日: 2019-11-18
公开(公告)号: CN110888539A 公开(公告)日: 2020-03-17
发明(设计)人: 田植良 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F3/023 分类号: G06F3/023
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 邢惠童
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 输入法 中的 人名 推荐 方法 装置 设备 存储 介质
【权利要求书】:

1.一种输入法中的人名推荐方法,其特征在于,所述方法包括:

获取基于当前用户账号在文字输入界面中输入的文字内容;

以所述文字内容作为上文内容对下文内容类型进行预测;

当预测到所述下文内容类型为人名类型时,根据所述上文内容以及所述当前用户账号的社交关系信息确定推荐人名;

将所述推荐人名显示在输入法界面中进行推荐。

2.根据权利要求1所述的方法,其特征在于,所述根据所述上文内容以及所述当前用户账号的社交关系信息确定推荐人名,包括:

将所述上文内容以及目标用户画像输入人名预测模型,得到所述人名预测模型输出的所述推荐人名的选取概率,所述目标用户画像用于表示所述当前用户账号在所述社交应用中的社交关系信息;

所述将所述推荐人名显示在输入法界面中进行推荐,包括:

根据所述选取概率将所述推荐人名显示在输入法界面中进行推荐。

3.根据权利要求2所述的方法,其特征在于,所述将所述上文内容以及目标用户画像输入人名预测模型,得到所述人名预测模型输出的所述推荐人名的选取概率,包括:

将所述上文内容转化为文本特征向量;

获取所述当前用户账号对应的目标用户特征向量,所述目标用户特征向量由所述目标用户画像向量化得到;

将所述文本特征向量和所述目标用户特征向量输入所述人名预测模型,得到所述人名预测模型输出的所述推荐人名的所述选取概率。

4.根据权利要求3所述的方法,其特征在于,所述获取基于当前用户账号在文字输入界面中输入的文字内容之前,所述方法还包括:

获取所述当前用户账号的社交信息,所述社交信息包括各个社交用户账号的用户信息以及所述当前用户账号与所述社交用户账号之间的社交记录,所述社交用户账号与所述当前用户账号在所述社交应用中具备社交关系;

根据所述社交信息构建所述目标用户画像,其中,不同用户画像的画像构建维度相同;

将所述目标用户画像转化为所述目标用户特征向量,并对所述目标用户特征向量与所述当前用户账号进行关联存储。

5.根据权利要求2所述的方法,其特征在于,所述获取基于当前用户账号在文字输入界面中输入的文字内容之前,所述方法还包括:

获取样本用户账号的历史输入记录,所述历史输入记录中包括样本上文内容和样本人名;

根据所述样本上文内容、所述样本人名以及所述样本用户账号对应的样本用户画像,训练所述人名预测模型,其中,所述样本上文内容和所述样本用户画像为样本输入,所述样本人名为样本输出。

6.根据权利要求2所述的方法,其特征在于,所述将所述推荐人名显示在输入法界面中进行推荐之后,所述方法还包括:

获取对所述推荐人名中目标人名的选取指令;

若所述目标人名对应的所述选取概率低于第一概率阈值,则根据所述目标人名、所述上文内容以及所述目标用户画像,对所述人名预测模型进行训练。

7.根据权利要求1至6任一所述的方法,其特征在于,所述以所述文字内容作为上文内容对下文内容类型进行预测,包括:

将所述上文内容转化为文本特征向量;

将所述文本特征向量输入下文预测模型,得到所述下文预测模型输出的人名概率,所述下文预测模型根据包含人名标注的文本训练得到;

若所述人名概率大于第二概率阈值,则确定所述下文内容类型为所述人名类型。

8.一种输入法中的人名推荐装置,其特征在于,所述装置包括:

第一获取模块,用于获取基于当前用户账号在文字输入界面中输入的文字内容;

第一预测模块,用于以所述文字内容作为上文内容对下文内容类型进行预测;

第二预测模块,用于当预测到所述下文内容类型为人名类型时,根据所述上文内容以及所述当前用户账号的社交关系信息确定推荐人名;

推荐模块,用于将所述推荐人名显示在输入法界面中进行推荐。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911129231.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top