[发明专利]用于手写文本的自动语言检测的系统和方法

说明书

用于手写文本的自动语言检测的方法由系统和设备执行。在将手写文本的表示发送给语言识别引擎之前，这种自动语言检测被执行。包括一个或多个书写笔画的手写输入从输入接口被接收，并且被与输入的坐标和做出输入的时间相关联。手写输入基于坐标和时间被分组为单词。书写笔画被规范化，并且然后单词单独地被变换以生成语言向量，诸如通过递归神经网络。语言向量被用于针对手写输入确定语言概率。基于语言概率，手写输入被提供给特定语言识别引擎，以在转换或转录之前确定其语言。

背景技术

手写识别系统允许用户输入手写文本，然后该手写文本可以被变换或转换成键入文本。当前的手写输入系统要求用户明确下载并且启用语言包以执行这些功能。在操作过程期间，用户将输入的语言明确告知系统。当前一些在线转换系统将手写文本的笔画(stroke)同时提供给所有可用的语言识别器。然后，每个语言识别器生成候选和针对输入的对应置信度得分列表。在这种情况下，可能结果的建议面板包括来自不同语言的结果，这些结果在被提供给用户时被混合在一起。同时调用所有语言识别器会浪费资源(例如，处理器、存储器、功率等)，并且不适合客户端侧应用。此外，以有意义地挑选正确结果的方式来校准每个识别器的置信度得分既复杂又困难，并且这种方法无法随所涉及语言的数目而扩展。通常，这样的语言识别器会在建议面板中以混合在一起的多种不同语言产生结果/建议。

发明内容

提供本发明内容以便以简化的形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本发明内容既不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在被用于限制所要求保护的主题的范围。

用于手写文本的自动语言检测的方法由系统和设备执行。在将手写文本的表示发送到语言识别引擎之前，自动语言检测可以被执行。自动语言检测通过确定用于转换的特定语言识别引擎，而不是使用多个用于转换的引擎来转换文本，来减少针对文本转换的性能损失。因此，本文中提供了用于高效执行手写文本的自动语言检测及其转换或转录(transcription)的技术。

例如，包括一个或多个书写笔画的手写文本输入可以从输入接口被接收。手写文本输入被与输入的坐标和做出输入的时间相关联。手写输入至少基于坐标和时间而被分组为单词。书写笔画被规范化(normalize)，并且然后单词单独地被变换以生成语言向量，诸如通过递归神经网络(recurrent neural network,RNN)或双向RNN。语言向量被用于针对手写输入确定语言概率。至少基于语言概率，手写输入被提供给特定语言识别引擎，以在尝试进行其转换或转录之前针对手写输入确定语言。在语言确定中也可以使用以某些语言中呈现的符号。

下面参考附图详细描述其他特征和优点以及各种示例的结构和操作。注意，想法和技术不限于本文中描述的特定示例。本文中提出这样的示例仅出于说明性目的。基于本文中包含的教导，附加示例对(多个)相关领域的技术人员将是很清楚的。

附图说明

包含在本文中并且构成说明书的一部分的附图示出了本申请的实施例，并且与说明书一起进一步用于解释实施例的原理并且使得相关领域的技术人员能够制造和使用实施例。

图1示出了根据示例实施例的包括用于针对手写文本执行自动语言检测的语言检测器的联网系统的框图。

图2示出了根据示例实施例的用于针对手写文本执行自动语言检测的语言检测系统的框图。

图3示出了根据示例实施例的用于针对手写文本执行自动语言检测的流程图。

图4示出了根据示例实施例的用于手写文本的基于符号的自动语言检测的流程图。

图5示出了根据示例实施例的用于接受手写笔画的输入接口的图。

图6示出了根据示例实施例的递归神经网络的框图。

图7示出了根据示例实施例的软判决功能的图。

图8示出了根据示例实施例的双向递归神经网络的框图。