CN109101505B - 一种推荐方法、推荐装置和用于推荐的装置 - Google Patents

Abstract

本发明实施例提供了一种推荐方法、推荐装置和用于推荐的装置，其中的方法具体包括：对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；获取所述纠正内容对应的第一推荐结果；输出所述第一推荐结果。本发明实施例可以提高推荐结果的合理性和准确性，进而可以提高推荐结果的点击率。

Description

一种推荐方法、推荐装置和用于推荐的装置

技术领域

本发明涉及信息技术领域，尤其涉及一种推荐方法、推荐装置和用于推荐的装置。

背景技术

随着信息技术的发展，越来越多的用户通过互联网获得信息。当用户希望获得某种信息时，通常需要借助搜索引擎等工具进行检索，或开启特定的网站进行查询。这种方法需要经过“点击网站—输入—查询”等多个步骤，且若检索得到的结果过多，还需要用户进行筛选，因此操作繁琐。

为了提高用户的信息获取效率，输入法程序可以提供推荐功能，具体地，输入法程序可以基于用户的输入内容的分析，获得相应的推荐结果并提供给用户。例如，在用户的输入内容为“小肥羊”的情况下，输入法程序可以向用户提供“小肥羊餐厅信息”的链接，以使用户通过触发“小肥羊餐厅信息”的链接获得“小肥羊餐厅信息”。

然而，在实际应用中，用户很有可能因为按错键或者点错屏幕位置等原因而导致输入内容存在错误，此种情况下，输入法程序将可能无法得到输入内容对应的推荐结果，进而导致推荐功能的不可用；或者，输入法程序将可能得到不合理的推荐结果，进而导致推荐结果的点击率较低。这样，用户需要通过传统的信息检索方式获得所需的信息，这无疑降低了用户的信息获取效率。例如，在用户误将“小肥羊”输入为“消费羊”的情况下，输入法程序将无法得到“小肥羊”对应的推荐结果。

发明内容

本发明实施例提供一种推荐方法、装置和用于推荐的装置，可以提高推荐结果的合理性和准确性，进而可以提高推荐结果的点击率。

为了解决上述问题，本发明公开了一种推荐方法，包括：

对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

获取所述纠正内容对应的第一推荐结果；

输出所述第一推荐结果。

另一方面，本发明公开了一种推荐装置，包括：

纠错模块，用于对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

第一推荐结果获取模块，用于获取所述纠正内容对应的第一推荐结果；以及

输出模块，用于输出所述第一推荐结果。

可选地，所述纠错模块包括：

分词子模块，用于对原始内容进行分词处理，以得到所述原始内容对应的分词结果；

错误确定模块，用于在所述分词结果符合预置条件时，确定所述原始内容中存在错误；

纠错子模块，用于在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容。

可选地，所述第一推荐结果获取模块包括：

第一获取子模块，用于从预置的关键词集合中获取所述纠正内容对应的目标关键词；

第二获取子模块，用于依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

可选地，所述第一推荐结果获取模块包括：

第一获取子模块，用于从预置的关键词集合中获取所述纠正内容对应的目标关键词；

第三获取子模块，用于从预置的上下文集合中获取所述纠正内容对应的目标上下文；

第四获取子模块，用于在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

可选地，所述装置还包括：

第一推荐结果获取模块，用于获取所述原始内容对应的第二推荐结果；

排序输出模块，用于对所述第一推荐结果和所述第二推荐结果进行排序并输出。

可选地，所述排序输出模块，包括：

第一确定子模块，用于根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；

第二确定子模块，用于根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；

排序输出子模块，用于根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

可选地，所述第一推荐结果的推荐得分为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到；

所述第二推荐结果的推荐得分为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

可选地，所述输出模块，包括：

映射展示子模块，用于展示所述原始内容到所述纠正内容和所述第一推荐结果的映射。

再一方面，本发明公开了一种用于推荐的装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

获取所述纠正内容对应的第一推荐结果；

输出所述第一推荐结果。

又一方面，本发明公开了一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行前述一个或多个所述的推荐方法。

本发明实施例包括以下优点：

本发明实施例可以在原始内容存在错误的情况下，获取该原始内容对应的纠正内容，并向用户提供纠正内容对应的第一推荐结果，这样，可以提高推荐结果的合理性和准确性，进而可以提高推荐结果的点击率，且可以提升用户体验。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的一种推荐方法的应用环境的示意图；

图2是本发明的一种推荐方法实施例一的步骤流程图；

图3是本发明的一种推荐方法实施例二的步骤流程图；

图4是本发明的一种推荐装置实施例的结构框图；

图5是本发明的一种用于推荐的装置800作为终端时的框图；及

图6是本发明的一些实施例中服务器的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种推荐方法，该方法可以对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，获取所述纠正内容对应的第一推荐结果，并输出所述第一推荐结果。本发明实施例可以在原始内容存在错误的情况下，获取该原始内容对应的纠正内容，并向用户提供该纠正内容对应的第一推荐结果，这样，可以提高推荐结果的合理性和准确性，进而可以提高推荐结果的点击率，且可以提升用户体验。

本发明实施例可以应用于推荐法APP(应用程序，Application)、搜索APP、浏览器APP、通讯APP、操作***APP等任意APP的应用环境中，以提高推荐结果的合理性和准确性。另外，本发明实施例可以应用于文字编辑、即时通讯、网页搜索等任意的推荐场景中，可以理解，本发明实施例对于具体的应用环境及具体的推荐场景不加以限制。

本发明实施例提供的推荐方法可应用于图1所示的应用环境中，如图1所示，客户端100与服务器200位于有线或无线网络中，通过该有线或无线网络，客户端100与服务器200进行数据交互。

本发明实施例的推荐流程可由客户端100和服务器200的任一执行：

例如，客户端100可以获取原始内容，并向服务器200发送该原始内容；服务器200在接收到该原始内容后，可以对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，获取所述纠正内容对应的第一推荐结果，进而向客户端100输出上述第一推荐结果。

或者，客户端100可以获取用户的原始内容，并对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，获取所述纠正内容对应的第一推荐结果，进而向用户输出上述目标语言内容。

可选地，客户端100可以运行在智能终端上，上述智能终端具体包括但不限：智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3，Moving PictureExperts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4，MovingPicture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等。

方法实施例一

参照图2，示出了本发明的一种推荐方法实施例一的步骤流程图，具体可以包括：

步骤201、对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

步骤202、获取所述纠正内容对应的第一推荐结果；

步骤203、输出所述第一推荐结果。

本发明实施例可以应用于推荐法APP、搜索APP、浏览器APP、通讯APP、操作***APP等任意APP的应用环境中。其中，在应用于推荐法APP的应用环境的情况下，可以利用输入法APP的寄宿特性，针对任意宿主APP的原始内容提供对应的第一推荐结果。本发明实施例主要以输入法APP为例对本发明实施例的推荐方法进行说明，其他应用环境对应的推荐方法相互参照即可。

对于例如中文、日文、韩文等语言的用户而言，一般都需要通过输入法APP与计算机进行交互。例如，用户可以通过键盘键入输入串，然后由输入法APP依据其预置的标准映射规则将该输入串转换为相应语言的候选项并展示，进而将用户选择的候选项上屏。

本发明实施例可应用于键盘符号输入、语音输入、手写输入等输入方式的输入法APP，为便于描述，本发明实施例将用户在上述输入方式下输入的编码字符串称为输入串。在输入法领域，对于例如中文、日文、韩文、或者其它语言的输入法APP，通常可以将用户输入的输入串转换成相应语言的候选项。以下主要以中文为例对本发明的输入过程进行说明，其它语言相互参照即可。可以理解，所述中文输入法可以包括但不限于全拼、简拼、笔画、五笔、手写、语音等，本发明实施例对于某种语言对应的具体输入法APP不加以限制。

本发明实施例中，原始内容可以为智能终端的界面上显示的任意内容。可选地，该原始内容可以为用户接收的通信内容等。其中，用户可以通过即时通讯APP、短消息APP、电子邮件APP、甚至网页APP等通讯APP，接收通信对端发送的通信内容。

除了接收到的通信内容之外，本发明实施例的原始内容还可以包括：用户的已输入内容。例如，所述用户的已输入内容具体可以包括：当前光标位置之前已上屏的文本、或者用户拷贝的文本等。可以理解，本发明实施例对于具体的原始内容不加以限制，例如所述原始内容还可以为网页、文档内已经存在的文本等。

本发明实施例可以对原始内容进行纠错处理，以在原始内容中存在错误的情况下，得到所述原始内容对应的纠正内容。

在本发明的一种可选实施例中，上述步骤201对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容的过程，具体可以包括：对原始内容进行分词处理，以得到所述原始内容对应的分词结果；若所述分词结果符合预置条件，则确定所述原始内容中存在错误；在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容

在本发明的一种应用示例中，假设原始内容为“消费羊”，则对该原始内容进行分词，得到对应的分词结果可以为“消费/羊”，其中，“/”表示分词结果中词汇之间的分割符号。

本发明实施例可以根据所述分词结果判断原始内容中是否存在存在错误。可选地，上述分词结果符号预置条件可以包括：分词结果对应的语言模型得分小于预设阈值。

本发明实施例中，语言模型是根据语言客观事实而进行的语言抽象数学建模，其可以在语言模型与语言客观事实之间建立某种映射关系，本发明实施例主要以统计语言模型为例进行说明，非统计语言模型相互参照即可。

可选地，统计语言模型可以概率分布的形式描述任意词序列S属于某种语言集合的可能性，这里并不要求词序列S在语法上是完备的，该统计语言模型可以对任意的词序列S可以给出一个概率参数值，相应的计算公式可以表示为：

p(S)＝p(w₁,w₂,w₃,w₄,w₅,…,w_n)

＝p(w₁)p(w₂|w₁)p(w₃|w₁,w₂)...p(w_n|w₁,w₂,...,w_n-1) (1)

公式(1)中，S包括n个词汇，公式(1)中w_i表示词序列中的第i个词汇。可选地，训练“语言模型”的过程，就是估计模型参数P(w_i|w_i-n+1,...,w_i-1)的过程，其中，P(w_i|w_i-n+1,...,w_i-1)可用于表示前n-1个词为w_i-n+1,...,w_i-1的情况下、后词为w_i的概率。

依据统计语言模型的概念，现有的统计语言模型可以基于统计算法对预置语料进行处理，以给出词序列的概率，或者，在给定上下文数据的情况下，预测下一个最可能出现的词汇。

在实际应用中，可以采用任意的统计语言模型来获得上述语言模型得分。例如，上述统计语言模型具体可以包括：上下文无关模型、N元文法模型(N-gram Model)、隐马尔科夫模型(HMM，Hidden Markov Model)、最大熵模型(Maximum Entropy Model)、循环神经网络模型(RNN，Recurrent Neural Networks Model)。其中，上下文无关模型可以不依赖于上下文环境，N元文法模型、HMM模型、最大熵模型、RMM模型等需要依赖于上下文环境，N元文法模型、HMM模型、最大熵模型、RMM模型使用的机器学习方法不同，HMM模型、最大熵模型、RMM模型所使用的机器学习方法不仅考虑了预置语料(也即训练文本)之间的联系，而且使用了训练文本的时序特性；而N元文法模型可以不考虑训练文本之间的联系，其中，N为大于等于2的正整数。

本发明实施例中，统计语言模型所需的预置语料可以来源于已有的语料库，如英文语料库、中文语料库等，或者，统计语言模型所需的预置语料还可以来源于著名书籍、互联网语料、输入法APP记录的至少一个用户的历史输入行为数据等。可以理解，任意的语料均在本发明实施例的预置语料的保护范围之内。

在本发明的一种可选实施例中，语言模型可以为二元语言模型，可用于描述相邻的两个词汇对应的语言模型得分，进而可以得知相邻词汇之间是否存在二元关系。具体地，可以设置预设阈值为一个较小的数值，如果相邻词汇对应的语言模型得分小于预设阈值，则说明相邻词汇之间不存在二元关系或者存在二元关系的概率非常低。例如，对于上述分词结“消费/羊”，通过二元语言模型计算得知分词“消费”和分词“羊”对应的语言模型得分(如0.05)小于预设阈值(如0.8)，则可以确定原始内容“消费羊”中存在错误文本。

可以理解，上述二元语言模型仅作为本发明的一种应用示例，本发明实施例对应具体的语言模型不加以限制，例如三元、四元等多元语言模型可用于描述相邻的三个词汇、或者四个对应的语言模型得分，或者根据用户的输入习惯建立的用户语言模型等。

需要说明的是，在确定所述原始内容中存在错误后，还可以确定上述原始内容中的错误文本。例如，可以采用二元语言模型计算所述原始内容中相邻的两个词汇的语言模型得分，若所述原始内容中相邻的两个词汇的语言模型得分小于预设阈值，可以认为相邻的两个词汇为错误文本。

可以理解，上述分词结果对应的语言模型得分小于预设阈值只是作为分词结果符合预置条件的可选实施例，在本发明的其他实施例中，分词结果符合预置条件还可以包括：分词结果命中纠错用户词库。具体地，可以依据分词结果，查找纠错用户词库，若查找命中，则确定所述原始内容中存在错误。其中，所述纠错用户词库中记录有源词汇和目标词汇的映射关系，所述源词汇具体可以包括：历史纠错行为对应的纠错前词汇、及对应的上文和/或下文词汇；所述目标词汇具体可以包括：所述历史纠错行为对应的纠错后词汇、及对应的上文和/或下文词汇。

在实际应用中，可以依据用户的历史纠错行为，在上述纠错用户词库中建立源词汇和目标词汇的映射关系对应的数据记录，例如，用户的某次历史纠错行为将“结果”纠正为“结婚”，则本发明实施例可以将“结果”及对应的上文和/或下文词汇作为源词汇(如“结果礼物”)，以及将“结婚”及对应的上文和/或下文词汇作为目标词汇(如“结婚礼物”)；从而，在该用户的后续输入过程中，可以利用上述纠错用户词库识别所述文本内容中的误上屏内容。

例如，对于句子“送你的结果礼物收到了吗”，可以将其中的原始内容与上述纠错用户词库中源词汇进行匹配，其中，“结果礼物”与上述纠错用户词库中源词汇匹配成功，因此，可以确定“结果”为原始内容中存在的错误文本，以及，确定目标词汇为错误文本对应的目标纠错候选。

在实际应用中，可以尝试对原始内容的全部或者部分(如错误文本)包括的词汇进行纠错处理。例如，上述纠错处理可以获取得到与所述错误文本的拼音串相同或相似的输入串对应的词汇、或者与所述错误文本的字形相似的词汇作为纠错候选，并对纠错候选进行语言模型打分，通过比较语言模型得分来确定目标纠错候选，最后将原始内容中的错误文本替换为目标纠错候选，得到原始内容对应的纠正内容。

例如，对于原始内容“消费羊”，可以获取与错误文本“消费羊”的拼音串“xiaofeiyang”相同的输入串对应的词汇“消费羊”，作为原始内容对应的纠正内容。

例如，对于原始内容“你/结果/了/吗”，可以确定错误文本为“你/结果”，以分词“结果”为例，“结果”对应的拼音串为“jieguo”，查找得到与拼音串“jieguo”相似的拼音串包括：“lieguo”、“liehuo”、“jiehun”等，则可以得到相似的词汇包括：“列国”、“烈火”、“结婚”等。同样地，对于分词“你”，也可以找到相似的词汇如：“那”、“泥”等。将上述相似的词汇作为纠错候选，并且通过语言模型进行打分，假设最终得到“你/结婚”对应的语言模型得分最高，且高于“你/结果”对应的语言模型得分，则可以将“结婚”作为目标纠错候选，并且将原始内容中的错误文本“结果”替换为目标纠错候选“结婚”，得到原始内容对应的纠正内容“你结婚了吗”。

需要说明的是，上述通过所述分词结果对应的预置条件确定所述原始内容中存在错误的方式只是作为可选实施例，实际上，本领域技术人员还可以根据实际应用需求，采用其他确定所述原始内容中存在错误的方式，例如，还可以通过纠错用户词库识别所述文本内容中的误上屏内容，相应的识别过程可以包括：

依据所述原始内容中的词汇，在纠错用户词库中进行查找，以得到与所述词汇匹配的目标词汇序列；其中，所述纠错用户词库中记录有源词汇和目标词汇序列的映射关系，所述源词汇具体可以包括：历史纠错行为对应的纠错前词汇及对应的上文和/或下文词汇；所述目标词汇序列具体可以包括：所述历史纠错行为对应的纠错后词汇及对应的上文和/或下文词汇；依据所述词汇和其匹配的目标词汇序列中的上文和/或下文词汇，得到对应的误上屏内容。

在实际应用中，可以依据用户的历史纠错行为在上述纠错用户词库中建立源词汇和目标词汇序列的映射关系对应的数据记录，例如，用户的某次历史纠错行为将“结果”纠正为“结婚”，则本发明实施例可以将“结果”及对应的上文和/或下文词汇作为源词汇(如“结果礼物”)，以及将“结婚”及对应的上文和/或下文词汇作为目标词汇序列(如“结婚礼物”)；从而，在该用户的后续输入过程中，可以利用上述纠错用户词库识别所述文本内容中的误上屏内容。例如，对于通信内容“送你的结果礼物收到了吗”，可以将其中的词汇与上述纠错用户词库中源词汇进行匹配，其中，“结果礼物”与上述纠错用户词库中源词汇匹配成功，因此，可以确定“结果”为误上屏内容，以及，确定目标词汇序列为该误上屏内容对应的目标纠错候选。

本发明实施例对所述目标纠错候选的数目不加以限制，例如，可以根据语言模型得分确定多个目标纠错候选，并且根据语言模型得分的高低对多个目标纠错候选进行排序，从排序后的目标纠错候选中选择合理的目标纠错候选，作为原始内容对应的纠正内容。

可以理解，在实际应用中，可以利用任意的纠错算法对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，本发明实施例对于所述原始内容对应的纠正内容的具体获取方式不加以限制。

步骤202可以获取步骤101得到的纠正内容对应的第一推荐结果。可选地，该第一推荐结果可以与服务对象相关，该服务对象对应的服务类型可以包括：人物类型、餐饮类型、影视类型、地理位置类型等。例如，对于纠正内容“小肥羊”，其对应的第一推荐结果可以为餐饮类型的服务对象；又如，对于纠正内容“人民的名义”，其对应的第一推荐结果可以为影视类型的服务对象等。再如，对于纠正内容“我在五道口”，其对应的第一推荐结果可以为餐饮类型和/或地理位置类型的服务对象等。

本发明实施例可以提供获取所述纠正内容对应的第一推荐结果的如下技术方案：

方案1

方案1可以基于预置的关键词集合获取纠正内容对应的第一推荐结果，具体地，上述步骤202获取所述纠正内容对应的第一推荐结果的过程可以包括：从预置的关键词集合中获取所述纠正内容对应的目标关键词；依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

本发明实施例中，预置的关键词集合可用于存储服务对象对应的关键词。可选地，预置的关键词集合中的关键词可以为专名词，如明星姓名、餐饮品牌、影视剧名、地理位置名等。在实际应用中，可以依据上述纠正内容，在预置的关键词集合中进行查找，以得到与上述纠正内容相匹配的目标关键词。其中，可以将上述纠正内容的全部或部分与预置的关键词集合中的关键词进行匹配，例如，上述纠正内容的部分可以为对其分词得到的词汇等。将上述纠正内容的全部或部分与预置的关键词集合中的关键词进行匹配可以包括：字符串匹配和/或语义匹配等，这样，纠正内容与关键词匹配成功可以包括：上述纠正内容与关键词的字符串相同或相近，或者，上述纠正内容与关键词的语义相同或相近。

预置的关键词集合中的关键词还可以对应有服务类型，例如，明星姓名、餐饮品牌、影视剧名、地理位置名称对应的服务类型可以分别为人物类型、餐饮类型、影视类型、地理位置类型等。这样，可以依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象。

在本发明的一种可选实施例中，可以预先针对服务类型建立目标关键词与服务对象之间的映射关系，这样，可以依据目标关键词，在目标服务类型对应的目标关键词与服务对象之间的映射关系中进行查找，以得到目标关键词对应的服务对象。例如，目标关键词“小肥羊”对应的服务对象可以包括：名称包括“小肥羊”的餐厅，如“小肥羊(国贸店)”、“小肥羊(朝阳门店)”、“小肥羊涮烤自助”等。

在本发明的另一种可选实施例中，可以通过调用目标服务类型对应的接口，向目标服务类型对应的查询服务器发送查询请求，该查询请求中可以包括：上述目标关键词，以使目标服务类型对应的查询服务器发送获取该查询请求对应的查询结果。

需要说明的是，可以通过内容项携带目标关键词对应的服务对象的具体内容。可选地，上述内容项可以包括：名称、地址、推荐理由、商品信息、用户评论信息、优惠券信息或者团购信息等。例如，餐饮类型的服务对象的内容项可以包括：餐饮店名称、餐饮店地址、推荐菜品、菜品信息、用户评论信息、优惠券信息或者团购信息等。可以理解，本发明实施例对于服务对象的具体内容项不加以限制。

在实际应用中，可以将服务对象的关键词和/或名称等信息作为第一推荐结果的标题，并展示第一推荐结果的标题，其中，第一推荐结果的标题可以带有链接，用户可以触发该链接获得服务对象的内容项，其中，服务对象的内容项可以位于独立的窗口或者独立的页面中，本发明实施例对第一推荐结果的具体展示方式不加以限制。

方案2

方案2可以基于预置的关键词集合和上下文集合获取纠正内容对应的第一推荐结果，具体地，上述步骤202获取所述纠正内容对应的第一推荐结果的过程可以包括：从预置的关键词集合中获取所述纠正内容对应的目标关键词；从预置的上下文集合中获取所述纠正内容对应的目标上下文；在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

预置的上下文集合可用于存储服务对象对应关键词的上下文。在实际应用中，可以收集预置语料，并基于预置语料的分析，获取服务对象对应关键词的上下文。以关键词“人民的名义”为例，可以从“你感觉人民的名义好看吗”、“人民的名义怎么样”、“人民的名义观后感”、“大学生为啥爱看人民的名义”、“人民的名义什么时候大结局”等预置语料中获取关键词的上下文。以关键词“苹果”为例，可以从“苹果7价格多少”、“苹果8什么时候上市”、“苹果的结局是什么”等预置语料中获取关键词的上下文。

可选地，上述预置语料可以包括：基于网络爬虫技术获取的互联网语料库、云计算输入法积累的语料库；另外，所述互联网语料库可以为互联网博客语料库、互联网新闻语料库、互联网微博语料库、互联网论坛语料库等等。其中，上述云计算输入法积累的语料库可以源自全网用户的历史输入行为数据、历史搜索行为数据等，可以理解，本发明实施例对具体的预置语料不加以限制。

可选地，可以针对预置的上下文集合中的上下文建立关键词与上下文之间的映射关系，则上述从预置的上下文集合中获取所述纠正内容对应的目标上下文的过程可以包括：依据所述纠正内容对应的目标关键词和所述纠正内容、或者纠正内容及其上下文，查询关键词与上下文之间的映射关系，以得到所述纠正内容对应的目标上下文。可选地，所述纠正内容对应的目标上下文可以为：纠正内容、或者纠正内容及其上下文中除了目标关键词之外的内容。例如，原始内容为“人们的名义”，纠正内容为“人民的名义”，纠正内容的上下文为“你感觉”，假设纠正内容对应的目标关键词为“人民的名义”，则可以依据“人民的名义”和“你感觉”，查询关键词与上下文之间的映射关系，以得到所述纠正内容对应的目标上下文“你感觉”。

在实际应用中，一个关键词可能对应一种或者多种服务类型，例如，“苹果”对应的服务类型可以包括：电子产品、电影、水果等。方案2还可以从预置的上下文集合中获取所述纠正内容对应的目标上下文，这样，目标上下文对应的服务类型可以起到目标关键词对应的目标服务类型的筛选和过滤作用，具体地，在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。例如，在目标关键词为“苹果”的情况下，可以依据该目标关键词“苹果”和其目标上下文“7价格多少”共同对应的服务类型“电子产品”，获取所述目标关键词和所述目标上下文对应的服务对象，如“苹果7”对应的商品或者介绍等，作为所述纠正内容对应的第一推荐结果。

在方案1或者方案2的基础上，在本发明的一种可选实施例中，还可以利用当前的环境信息对方案1或者方案2得到的第一推荐结果进行筛选。

上述环境信息可以包括：地理位置信息。可选地，可以选择与当前的地理位置相匹配的第一推荐结果，例如，可以选择与当前的地理位置之间的距离不超过预设距离阈值的餐厅信息等。

上述环境信息可以包括：时间信息。可选地，可以选择与当前的时间信息相匹配的第一推荐结果，例如，在当前的时间信息处于预置夜晚时间段(如超过22:00)的情况下，可以选择与当前的时间信息相匹配的餐厅信息，以向用户提供当前的时间信息还营业的夜宵店等。

在本发明的另一种可选实施例中，可以依据用户的偏好信息获取所述纠正内容对应的第一推荐结果。用户的偏好信息可以为历史偏好信息，这样可以从用户使用过的服务对象中获取所述纠正内容对应的第一推荐结果等。当然，用户的偏好信息还可以为兴趣偏好、口味偏好、价位偏好等。

可以理解，本领域技术人员可以根据实际应用需求，可以利用方案1、方案2、当前的地理位置和用户的偏好信息中任一或者组合，获取所述纠正内容对应的第一推荐结果，本发明实施例对于获取所述纠正内容对应的第一推荐结果的具体过程不加以限制。

在步骤201对原始内容进行纠错处理得到对应的纠正内容，并且步骤2021获取纠正内容对应的第一推荐结果之后，步骤203可以向用户输出所述第一推荐结果。例如，用户接收到的原始内容为“消费羊”，通过对该原始内容纠错得到纠正内容“小肥羊”，并且获取纠正内容“小肥羊”对应的第一推荐结果，如包括“小肥羊”的餐厅，如“小肥羊(国贸店)”、“小肥羊(朝阳门店)”、“小肥羊涮烤自助”等，则可以向用户展示包括“小肥羊”的餐厅的链接，以供用户选择和触发。可选地，在接收到用户对于该第一推荐结果的触发操作之后，可以展示该第一推荐结果的详情信息，例如，可以进入第一推荐结果的页面，并在该第一推荐结果的页面中展示该第一推荐结果的详情信息，或者，可以在弹出的窗口中展示该第一推荐结果的详情信息。

在本发明的一种可选实施例中，上述展示所述第一推荐结果的过程可以包括：展示所述原始内容到所述纠正内容和所述第一推荐结果的映射；这样，可以使用户明确第一推荐结果是在完成纠错的情况下的推荐结果，若用户对第一推荐结果满意，则可以通过触发操作查看第一推荐结果的详情信息。例如，在用户误将“小肥羊”输入为“消费羊”的情况下，输入法APP针对“消费羊”得到的第一推荐结果可以包括：“消费羊—>小肥羊(国贸店)”，可选地，可以将“消费羊”和“小肥羊”进行标记(例如进行字体标红、加粗等)，以表明二者之间的纠错关系，其中，“—>”为映射符号。可选地，上述映射中的原始内容可以为原始内容的全部或者部分(例如错误文本)，上述映射中的纠正内容可以为纠正内容中的全部或者部分。

综上，本发明实施例的推荐方法可以在原始内容存在错误的情况下，获取该原始内容对应的纠正内容，并向用户提供纠正内容对应的第一推荐结果，这样，可以提高推荐结果的合理性和准确性，进而可以提高推荐结果的点击率，且可以提升用户体验。

并且，本发明实施例的原始内容可以包括：接收到的通信内容，例如，可以在通讯环境(如短信应用、即时通讯应用等环境)下接收通信对端发送的通信内容，这样，在该通信内容存在错误的情况下，本发明实施例可以对该通信内容进行纠错处理并获得对应的第一推荐结果，因此能够提高推荐结果的准确率。

方法实施例二

相对于图1所示方法实施例一，本发明实施例还可以获取所述原始内容对应的第二推荐结果，并且对原始内容对应的第二推荐结果以及纠正内容对应的第一推荐结果进行排序展示，以使用户可以从展示的推荐结果中选择正确的联想结果。参照图3，示出了本发明的一种推荐方法实施例二的步骤流程图，具体可以包括：

步骤301、对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

步骤302、获取所述纠正内容对应的第一推荐结果；

步骤303、获取所述原始内容对应的第二推荐结果；

对于获取原始内容对应的第二推荐结果的过程而言，由于其与获取纠正内容对应的第一推荐结果的过程类似，故在此不作赘述，相互参照即可。例如，可以在将方案1至方案2中的纠正内容替换为原始内容的情况下，采用前述获取纠正内容对应的第一推荐结果的两种方案中的任一，获取所述原始内容对应的第二推荐结果。

需要说明的是，本发明实施例对于获取原始内容对应的第二推荐结果和获取纠正内容对应的第一推荐结果的先后顺序不加以限制，也即，本发明实施例对于步骤301至步骤302与步骤303之间的执行顺序不加以限制。

步骤304、对所述第一推荐结果和所述第二推荐结果进行排序并输出。

在本发明的一种可选实施例中，所述对所述第一推荐结果和所述第二推荐结果进行排序并输出，具体可以包括如下：

步骤S1、根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；

步骤S2、根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；

步骤S3、根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

具体地，所述第一推荐结果的综合得分P_A可以为纠正内容的语言模型得分P_A1、以及所述第一推荐结果的推荐得分P_A2的融合，可选地，P_A1和P_A2的融合方式可以包括：乘积、相加等，其中，相加的方式可以包括：加权平均等。

在本发明的一种可选实施例中，第一推荐结果的综合得分P_A可以通过如下公式得到：

P_A＝P_A1×P_A2 (1)

在本发明的一种可选实施例中，第一推荐结果的推荐得分P_A2可以为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到。

所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率的例子可以包括：“海底捞”为餐饮类型的概率、“海底捞”为影视类型的概率。

本发明实施例可以提供第一关联概率的如下获取方式：

获取方式1

获取方式1可以对用户的历史输入行为数据进行统计，以得到关键词在应用环境下的输入概率，作为关键词与服务类型之间的第一关联概率。其中，应用环境可以对应有服务类型，例如，餐饮类APP或网站、点评类APP或网站等餐饮相关的应用环境对应有餐饮类型，视频类APP或者网站等影视相关的应用环境对应有影视类型等。获取方式1可以基于用户的历史输入行为数据的统计，得到关键词在某种应用环境下的输入概率，可选地，该输入概率可以为关键词在某种应用环境下的出现次数与关键词的总出现次数的比值，可以理解，本发明实施例对于关键词在应用环境下的输入概率的具体统计方式不加以限制。

获取方式2

获取方式2可以依据用户对于关键词对应推荐结果的使用情况，获得关键词与服务类型之间的第一关联概率。例如，输入法APP针对例如“海底捞”的关键词提供了对应的推荐结果，其中的推荐结果可以对应有服务类型，则可以依据用户选择的推荐结果对应的服务类型的出现次数以及关键词对应的推荐结果的提供次数，确定关键词与服务类型之间的第一关联概率，例如，可以将用户选择的推荐结果对应的服务类型的出现次数与关键词对应的推荐结果的提供次数的比值，作为关键词与服务类型之间的第一关联概率，可以理解，本发明实施例对于用户对于关键词对应推荐结果的使用情况的具体统计方式不加以限制。

可以理解，本领域技术人员可以根据实际应用需求，采用上述获取方式1和获取方式2中的任一或者组合，确定关键词与服务类型之间的第一关联概率。例如，在用户对于关键词对应推荐结果的使用情况数据为空或者少于一定数量的情况下，采用获取方式1获取关键词与服务类型之间的第一关联概率；在用户对于关键词对应推荐结果的使用情况数据超过一定数量的情况下，采用获取方式2对关键词与服务类型之间的第一关联概率进行更新和调整。当然，还可以采用人工方式对采用获取方式1和获取方式2获取的第一关联概率进行修正，或者，还可以采用机器学习模型确定关键词与服务类型之间的第一关联概率，该机器学习模型的输入可以为关键词，输出可以为关键词与服务类型之间的第一关联概率，该机器学习模型的训练数据可以为：关键词语料及人工标注得到的第一关联概率。

可选地，所述第一推荐结果的推荐得分P_A2可以为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率、以及所述得到纠正内容对应的目标上下文与所述第一推荐结果对应的服务类型之间的第三关联概率得到。

对于纠正内容对应的目标上下文与所述第一推荐结果对应的服务类型之间的第三关联概率的获取过程而言，由于其与第一关联概率的获取过程类似，故在此不作赘述，相互参照即可。具体地，可以采用前述获取方式1、获取方式2、或者机器学习模型的方式获取上下文与服务类型之间的第二关联概率。

具体地，所述第二推荐结果的综合得分P_B可以为原始内容的语言模型得分P_B1、以及所述第二推荐结果的推荐得分P_B2的融合，可选地，P_B1和P_B2的融合方式可以包括：乘积、相加等，其中，相加的方式可以包括：加权平均等。

在本发明的一种可选实施例中，第二推荐结果的综合得分P_B可以通过如下公式得到：

P_B＝P_B1×P_B2 (2)

在本发明的一种可选实施例中，所述第二推荐结果的推荐得分P_B2可以为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

可选地，所述第二推荐结果的推荐得分P_B2可以为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率、以及所述得到原始内容对应的目标上下文与所述第二推荐结果对应的服务类型之间的第四关联概率得到

第二关联概率的获取过程可以参照第一关联概率的获取过程，第四关联概率的获取过程可以参照第三关联概率的获取过程，故在此不作赘述，相互参照即可。

可以理解，依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到第一推荐结果的推荐得分P_A2，或者，依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率、以及所述得到纠正内容对应的目标上下文与所述第一推荐结果对应的服务类型之间的第三关联概率得到第一推荐结果的推荐得分P_A2的方式只是作为可选实施例，实际上，第一推荐结果的推荐得分P_A2的确定因素还可以包括：第一推荐结果与当前的地理位置之间的匹配度、第一推荐结果与用户的偏好信息之间的匹配度等。同理，也可以依据第二推荐结果与当前的地理位置之间的匹配度、第二推荐结果与用户的偏好信息之间的匹配度等，确定第二推荐结果的推荐得分P_B2。

应用示例1

应用示例1以原始内容为接收到的通信内容为例，假设用户在即时通信应用中接收到对端发送的即时消息为“你感觉人们的名义好看吗”，则原始内容可以为“你感觉人们的名义好看吗”，本发明实施例的推荐方法具体可以包括：

步骤A1、对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

例如，对原始内容“你感觉人们的名义好看吗”进行分词处理，得到所述原始内容对应的分词结果“你/感觉/人们/的/名义/好看/吗”，对分词结果“你/感觉/人们/的/名义/好看/吗”进行语言模型打分，可以得知原始内容“你/感觉/人们/的/名义/好看/吗”中存在错误，错误文本为“人们的名义”并且得到纠错后的纠正内容为“你感觉人民的名义好看吗”。

步骤A2、获取所述纠正内容对应的第一推荐结果；

具体地，可以从预置的关键词集合中获取所述纠正内容对应的目标关键词“人民的名义”；依据所述目标关键词“人民的名义”对应的目标服务类型“影视类型”，获取所述目标关键词对应的服务对象(如“人民的名义”对应的播放地址链接)，作为所述纠正内容对应的第一推荐结果。“人民的名义”的播放地址链接可以源自一个或者多个视频平台，在实际应用中，可以针对各个视频平台生成对应的第一推荐列表。可选地，所述纠正内容对应的第一推荐结果除了包括：“人民的名义”对应的播放地址链接，还可以包括：“人民的名义”对应的影评、热门片段、剧照、精彩剧情等信息。

步骤A3、对获取的第一推荐结果进行展示。

具体地，可以按照第一推荐结果的综合得分的高低向用户展示第一推荐结果，供用户进行选择。

应用示例2

应用示例2以原始内容为用户输入的上文为例，假设原始内容为“想去吃消费羊”，则本发明实施例的推荐方法可以包括：

步骤B1、对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

例如，对原始内容“想去吃消费羊”进行分词处理，得到所述原始内容对应的分词结果“想/去/吃/消费/羊”；通过语言模型计算得知分词“消费”和分词“羊”对应的语言模型得分小于预设阈值，则可以确定原始内容“想去吃消费羊”中存在错误文本。查找得到与所述错误文本“消费”的拼音串“xiaofei”相同的拼音串对应的纠错候选“小肥”，并且“消费羊”的语言模型得分高于“消费羊”的语言模型得分，故可以得到纠正内容“想去吃小肥羊”。

步骤B2、获取所述纠正内容对应的第一推荐结果；

具体地，可以从预置的关键词集合中获取所述纠正内容对应的目标关键词“小肥羊”；依据所述目标关键词“小肥羊”对应的目标服务类型“餐饮类型”，获取目标关键词“小肥羊”对应的服务对象，如“小肥羊(国贸店)”、“小肥羊(朝阳门店)”、“小肥羊涮烤自助”等；进一步，可以依据当前的地理位置对目标关键词“小肥羊”对应的服务对象进行筛选，假设当前的地理位置为“国贸”，则可以得到筛选后的“小肥羊(国贸店)”，并将“小肥羊(国贸店)”的链接作为第一推荐结果。

步骤A3、对获取的第一推荐结果进行展示。

具体地，可以按照第一推荐结果的综合得分的高低向用户展示第一推荐结果，供用户进行选择。

综上，本发明实施例在对用户的原始内容进行联想之前，先对原始内容进行纠错处理，以获取纠正文本对应的第一推荐结果，可以解决原始内容出现错误时导致联想结果偏离用户意图的问题。此外，本发明实施例还获取原始内容对应的第二推荐结果，并且对原始内容对应的第二推荐结果以及纠正内容对应的第一推荐结果进行排序展示，可以防止出现对原始内容进行了误纠错的情况，使得用户可以选择正确的联想结果，进一步提高联想的准确率。

装置实施例

参照图4，示出了本发明的一种推荐装置实施例的结构框图，具体可以包括：

纠错模块401，用于对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；

第一推荐结果获取模块402，用于获取所述纠正内容对应的第一推荐结果；以及

输出模块403，用于输出所述第一推荐结果。

可选地，所述纠错模块401可以包括：

分词子模块，用于对原始内容进行分词处理，以得到所述原始内容对应的分词结果；

错误确定模块，用于在所述分词结果符合预置条件时，确定所述原始内容中存在错误；

纠错子模块，用于在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容。

可选地，所述第一推荐结果获取模块402可以包括：

第一获取子模块，用于从预置的关键词集合中获取所述纠正内容对应的目标关键词；

第二获取子模块，用于依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

可选地，所述第一推荐结果获取模块402可以包括：

第一获取子模块，用于从预置的关键词集合中获取所述纠正内容对应的目标关键词；

第三获取子模块，用于从预置的上下文集合中获取所述纠正内容对应的目标上下文；

第四获取子模块，用于在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

可选地，所述装置还可以包括：

第一推荐结果获取模块，用于获取所述原始内容对应的第二推荐结果；

排序输出模块，用于对所述第一推荐结果和所述第二推荐结果进行排序并输出。

可选地，所述排序输出模块403可以包括：

第一确定子模块，用于根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；

第二确定子模块，用于根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；

排序输出子模块，用于根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

可选地，所述第一推荐结果的推荐得分可以为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到；

所述第二推荐结果的推荐得分可以为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

可选地，所述输出模块403可以包括：

映射展示子模块，用于展示所述原始内容到所述纠正内容和所述第一推荐结果的映射。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本发明实施例还提供了一种用于推荐的装置，该装置可以包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；获取所述纠正内容对应的第一推荐结果；输出所述第一推荐结果。

可选地，所述对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，包括：对原始内容进行分词处理，以得到所述原始内容对应的分词结果；若所述分词结果符合预置条件，则确定所述原始内容中存在错误；在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容。

可选地，所述获取所述纠正内容对应的第一推荐结果，包括：从预置的关键词集合中获取所述纠正内容对应的目标关键词；依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

可选地，所述获取所述纠正内容对应的第一推荐结果，包括：从预置的关键词集合中获取所述纠正内容对应的目标关键词；从预置的上下文集合中获取所述纠正内容对应的目标上下文；在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

可选地，所述装置还经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取所述原始内容对应的第二推荐结果；对所述第一推荐结果和所述第二推荐结果进行排序并输出。

可选地，所述对所述第一推荐结果和所述第二推荐结果进行排序并输出，包括：根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

可选地，所述第一推荐结果的推荐得分为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到；所述第二推荐结果的推荐得分为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

可选地，所述输出所述第一推荐结果，包括：展示所述原始内容到所述纠正内容和所述第一推荐结果的映射。

图5是根据一示例性实施例示出的一种用于推荐的装置800作为终端时的框图。例如，装置800可以是智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备、移动电话、数字广播终端、消息收发设备、游戏控制台、医疗设备、健身设备、个人数字助理等。

参照图5，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理***，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

图6是本发明的一些实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以***处理器(central processingunits，CPU)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。

服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作***1941，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

一种机器可读介质，例如该机器可读介质可以为非临时性计算机可读存储介质，当所述介质中的指令由装置(终端或者服务器)的处理器执行时，使得装置能够执行一种推荐方法，所述方法包括：对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；获取所述纠正内容对应的第一推荐结果；输出所述第一推荐结果。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

以上对本发明所提供的一种推荐方法、一种推荐装置和一种用于推荐的装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (19)

1.一种推荐方法，其特征在于，所述方法包括：

若相邻词汇对应的语言模型得分小于预设阈值，则对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；所述相邻词汇为所述原始内容中相邻的至少两个词汇；

获取所述纠正内容对应的第一推荐结果；所述第一推荐结果包括：服务对象对应信息的链接；

输出所述第一推荐结果；

所述方法还包括：

获取所述原始内容对应的第二推荐结果；

对所述第一推荐结果和所述第二推荐结果进行排序并输出；

所述对所述第一推荐结果和所述第二推荐结果进行排序并输出，包括：

根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；

根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；

根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

2.根据权利要求1所述的方法，其特征在于，所述对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，包括：

对原始内容进行分词处理，以得到所述原始内容对应的分词结果；

若所述分词结果符合预置条件，则确定所述原始内容中存在错误；

在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容。

3.根据权利要求1所述的方法，其特征在于，所述获取所述纠正内容对应的第一推荐结果，包括：

从预置的关键词集合中获取所述纠正内容对应的目标关键词；

依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

4.根据权利要求1所述的方法，其特征在于，所述获取所述纠正内容对应的第一推荐结果，包括：

从预置的关键词集合中获取所述纠正内容对应的目标关键词；

从预置的上下文集合中获取所述纠正内容对应的目标上下文；

在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

5.根据权利要求1所述的方法，其特征在于，所述第一推荐结果的推荐得分为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到；

所述第二推荐结果的推荐得分为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

6.根据权利要求1至4中任一所述的方法，其特征在于，所述输出所述第一推荐结果，包括：

展示所述原始内容到所述纠正内容和所述第一推荐结果的映射。

7.一种推荐装置，其特征在于，包括：

纠错模块，用于若相邻词汇对应的语言模型得分小于预设阈值，则对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；所述相邻词汇为所述原始内容中相邻的至少两个词汇；

第一推荐结果获取模块，用于获取所述纠正内容对应的第一推荐结果；所述第一推荐结果包括：服务对象对应信息的链接；以及

输出模块，用于输出所述第一推荐结果；

所述装置还包括：

第一推荐结果获取模块，用于获取所述原始内容对应的第二推荐结果；

排序输出模块，用于对所述第一推荐结果和所述第二推荐结果进行排序并输出；

所述排序输出模块，包括：

第一确定子模块，用于根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；

第二确定子模块，用于根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；

排序输出子模块，用于根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

8.根据权利要求7所述的装置，其特征在于，所述纠错模块包括：

分词子模块，用于对原始内容进行分词处理，以得到所述原始内容对应的分词结果；

错误确定模块，用于在所述分词结果符合预置条件时，确定所述原始内容中存在错误；

纠错子模块，用于在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容。

9.根据权利要求7所述的装置，其特征在于，所述第一推荐结果获取模块包括：

第一获取子模块，用于从预置的关键词集合中获取所述纠正内容对应的目标关键词；

第二获取子模块，用于依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

10.根据权利要求7所述的装置，其特征在于，所述第一推荐结果获取模块包括：

第一获取子模块，用于从预置的关键词集合中获取所述纠正内容对应的目标关键词；

第三获取子模块，用于从预置的上下文集合中获取所述纠正内容对应的目标上下文；

第四获取子模块，用于在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

11.根据权利要求7所述的装置，其特征在于，所述第一推荐结果的推荐得分为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到；

所述第二推荐结果的推荐得分为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

12.根据权利要求7至10中任一所述的装置，其特征在于，所述输出模块，包括：

映射展示子模块，用于展示所述原始内容到所述纠正内容和所述第一推荐结果的映射。

13.一种用于推荐的装置，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

若相邻词汇对应的语言模型得分小于预设阈值，则对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容；所述相邻词汇为所述原始内容中相邻的至少两个词汇；

获取所述纠正内容对应的第一推荐结果；所述第一推荐结果包括：服务对象对应信息的链接；

输出所述第一推荐结果；

获取所述原始内容对应的第二推荐结果；对所述第一推荐结果和所述第二推荐结果进行排序并输出；

所述对所述第一推荐结果和所述第二推荐结果进行排序并输出，包括：

根据所述纠正内容的语言模型得分、以及所述第一推荐结果的推荐得分，确定所述第一推荐结果的综合得分；

根据所述原始内容的语言模型得分、以及所述第二推荐结果的推荐得分，确定所述第二推荐结果的综合得分；

根据所述第一推荐结果的综合得分和所述第二推荐结果的综合得分，对所述第一推荐结果和所述第二推荐结果进行排序并输出。

14.根据权利要求13所述的装置，其特征在于，所述对原始内容进行纠错处理，以得到所述原始内容对应的纠正内容，包括：

对原始内容进行分词处理，以得到所述原始内容对应的分词结果；

若所述分词结果符合预置条件，则确定所述原始内容中存在错误；

在确定所述原始内容中存在错误时，对所述原始内容进行纠错处理，得到所述原始内容对应的纠正内容。

15.根据权利要求13所述的装置，其特征在于，所述获取所述纠正内容对应的第一推荐结果，包括：

从预置的关键词集合中获取所述纠正内容对应的目标关键词；

依据所述目标关键词对应的目标服务类型，获取所述目标关键词对应的服务对象，作为所述纠正内容对应的第一推荐结果。

16.根据权利要求13所述的装置，其特征在于，所述获取所述纠正内容对应的第一推荐结果，包括：

从预置的关键词集合中获取所述纠正内容对应的目标关键词；

从预置的上下文集合中获取所述纠正内容对应的目标上下文；

在所述目标关键词对应的目标服务类型和所述目标上下文对应的服务类型一致时，依据所述目标关键词和所述目标上下文共同对应的服务类型，获取所述目标关键词和所述目标上下文对应的服务对象，作为所述纠正内容对应的第一推荐结果。

17.根据权利要求13所述的装置，其特征在于，所述第一推荐结果的推荐得分为依据所述纠正内容对应的目标关键词与所述第一推荐结果对应的服务类型之间的第一关联概率得到；

所述第二推荐结果的推荐得分为依据所述原始内容对应的目标关键词与所述第二推荐结果对应的服务类型之间的第二关联概率得到。

18.根据权利要求13至16中任一所述的装置，其特征在于，所述输出所述第一推荐结果，包括：展示所述原始内容到所述纠正内容和所述第一推荐结果的映射。

19.一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如权利要求1至6中任一项 所述的推荐方法。

Images