[发明专利]一种输入的方法及相关装置在审

专利信息
申请号: 202010059940.3 申请日: 2020-01-19
公开(公告)号: CN113138674A 公开(公告)日: 2021-07-20
发明(设计)人: 龚良泉;叶祺 申请(专利权)人: 北京搜狗科技发展有限公司
主分类号: G06F3/023 分类号: G06F3/023;G06F3/041;G10L15/26
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 柳欣
地址: 100084 北京市海淀区中关*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 输入 方法 相关 装置
【说明书】:

本申请公开了一种输入的方法及相关装置,该方法包括:获取多模态输入信息,多模态输入信息包括用户输入信息和辅助输入信息;基于用户输入信息、辅助输入信息和对应的特征提取器,获得用户输入特征和辅助输入特征;基于用户输入特征、辅助输入特征和特征交互网络,获得用户输入信息对应的目标输入内容。可见,在用户输入信息的基础上,结合辅助输入信息实现多模态输入,输入不再依赖于单模态的用户输入信息,而是感知更多输入来源,通过用户输入特征和辅助输入特征的特征交互实现多模态交互,联合获得准确性更高的用户输入信息对应的目标输入内容,该输入方式适用于复杂输入环境,使得用户输入更加高效、更加智能,从而提高用户输入体验。

技术领域

本申请涉及输入法技术领域,尤其涉及一种输入的方法及相关装置。

背景技术

近年来,输入法作为人机交互的关键环节得到快速发展,智能终端设备中大多数输入法主要集中于键盘输入、手写输入和语音输入等。

发明人经过研究发现,目前输入法一般是接收用户预先确定的单模态的用户输入信息,上述键盘输入、手写输入和语音输入只有在安静环境下输入准确率较高,当在嘈杂、混乱场景下键盘输入、手写输入和语音输入的输入错误率会由于周围环境以及用户自身因素的影响大大降低;而且上述键盘输入、手写输入和语音输入等也不能完全反映用户与智能终端设备之间真正的人机交互,真正的人机交互不仅仅包括语言交互还包括非语言交互,比如面部表情或者手势姿态等。即,上述键盘输入、手写输入或语音输入在复杂输入环境中输入效率低、输入效果差,导致用户输入体验差。

发明内容

本申请所要解决的技术问题是,提供一种输入的方法及相关装置,获得准确性更高的用户输入信息对应的目标输入内容,该输入方式适用于复杂输入环境,使得用户输入更加高效、更加智能,从而提高用户输入体验。

第一方面,本申请实施例提供了一种输入的方法,该方法包括:

获取多模态输入信息,所述多模态输入信息包括用户输入信息和辅助输入信息;

基于所述用户输入信息、所述辅助输入信息和对应的特征提取器,获得用户输入特征和辅助输入特征;

基于所述用户输入特征、所述辅助输入特征和特征交互网络,获得所述用户输入信息对应的目标输入内容。

可选的,所述用户输入信息包括键盘输入信息、手写输入信息或语音输入信息;当所述用户输入信息包括键盘输入信息时,所述用户输入特征包括键盘输入特征;当所述用户输入信息包括手写输入信息时,所述用户输入特征包括手写特征;当所述用户输入信息包括语音输入信息时,所述用户输入特征包括语音特征。

可选的,所述辅助输入信息包括传感器输入信息和/或视觉输入信息;当所述辅助输入信息包括传感器输入信息时,所述辅助输入特征包括传感器特征;当所述辅助输入信息包括视觉输入信息时,所述辅助输入特征包括视觉特征;当所述辅助输入信息包括传感器输入信息和视觉输入信息时,所述辅助输入特征包括传感器特征和视觉特征。

可选的,所述特征提取器包括可训练特征提取器、不可训练特征提取器或混合特征提取器;其中,所述可训练特征提取器是基于输入信息样本训练浅层网络或者深层网络获得的。

可选的,所述特征交互网络是基于多模态输入特征样本训练浅层网络或者深层网络获得的。

可选的,所述方法还包括:

获得用户个性化特征;

对应地,所述基于所述用户输入特征、所述辅助输入特征和特征交互网络,获得所述用户输入信息对应的目标输入内容,具体为:

基于所述用户个性化特征、所述用户输入特征、所述辅助输入特征和特征交互网络,获得所述用户输入信息对应的目标输入内容。

可选的,所述用户个性化特征包括用户个性化生理特征和/或用户个性化行为特征。

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北京搜狗科技发展有限公司,未经北京搜狗科技发展有限公司许可,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/202010059940.3/2.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