[发明专利]手写输入的识别方法、装置、电子设备及介质

说明书

本发明实施例公开了一种手写输入的识别方法，实时获取用户手写输入的笔划数据；使用偏旁部首模型对实时获取的所述笔划数据进行识别，得到识别结果；若所述识别结果表征所述笔划数据对应目标偏旁部首，则根据预先建立的部首映射字表中获取与所述目标偏旁部首对应的关联字集；以及根据深度神经网络模型对所述笔划数据进行补全预测，得到所述笔划数据对应的补全字集；根据所述关联字集和所述补全字集，确定出待展示的候选字，并将所述候选字进行展示；如此，将关联字和补全字集相融合，使得展示的候选字与用户想要输入的字匹配度更高，从而能够提高对手写输入进行预测推荐的候选字的准确度。

技术领域

本发明实施例涉及手写输入技术领域，尤其涉及一种手写输入的识别方法、装置、电子设备及介质。

背景技术

随着科学技术的不断发展，便携式触控设备得到了快速的发展和普及，人机交互也变得越来越频繁，使得手写输入的应用场景也越来越多，例如在各种电子文件的签名和输入文字等方面。

现有技术中在触控设备上进行手写输入时，由于每个字通常会有多个笔划，使得手写输入速度较慢，为了解决手写输入速度慢的问题，通常是按照用户输入的笔划顺序进行预测推荐，但用户书写的笔迹可能是一笔完成书写的，没有一笔一划的顺序信息，以及用户书写过程中可能存在倒插笔现象，例如左右结构字体，先写右半部分再写左半部分，笔划顺序完全乱掉后，基于笔划顺序的推荐会失效，如此，使得现有技术中对手写输入进行预测推荐的候选字准确度较低的问题。

发明内容

本发明实施例提供了一种手写输入的识别方法、装置、电子设备及介质，能够提高对手写输入进行预测推荐的候选字的准确度。

本发明实施例第一方面提供了一种手写输入的识别方法，包括：

实时获取用户手写输入的笔划数据；

使用偏旁部首模型对实时获取的所述笔划数据进行识别，得到识别结果；

若所述识别结果表征所述笔划数据对应目标偏旁部首，则根据预先建立的部首映射字表中获取与所述目标偏旁部首对应的关联字集；以及根据深度神经网络模型对所述笔划数据进行补全预测，得到所述笔划数据对应的补全字集；根据所述关联字集和所述补全字集，确定出待展示的候选字，并将所述候选字进行展示。

可选的，所述部首映射字表的创建步骤，包括：

根据历史输入数据，获取高频字表和非高频字表，其中，所述书写高频字表中的每个字的频率不小于第一预设频率，所述非高频字表中的每个字的频率不小于所述第一预设频率；

根据所述高频字表、所述非高频字表和偏旁部首，创建所述部首映射字表。

可选的，在所述使用偏旁部首模型对实时获取的所述笔划数据进行识别，得到识别结果之后，所述方法还包括：若所述识别结果表征所述笔划数据对应非偏旁部首，则根据深度神经网络模型对所述笔划数据进行补全预测，得到所述笔划数据对应的补全字集；根据所述补全字集，确定待展示的候选字，并将所述候选字进行展示。

可选的，所述深度神经网络模型是基于DropStroke技术创建的。

可选的，所述深度神经网络模型的训练样本集包括完整字集和非完整字集，其中，针对所述完整字集中每个字，组成该字的笔划为完整笔划，以及，针对所述非完整字集中每个字，组成该字的笔划与该字的完整笔划相比缺少至少一个笔划。

可选的，所述根据预先建立的部首映射字表中获取与所述目标偏旁部首对应的关联字集，包括：

从所述部首映射字表中，获取偏旁部首为所述目标偏旁部首的映射字集；

根据第二预设频率，从所述映射字集中获取所述关联字集，其中，所述关联字集的频率大于所述第二预设频率。

本发明实施例第二方面提供了一种手写输入的识别装置，包括：