CN111221424B - 用于生成信息的方法、装置、电子设备和计算机可读介质 - Google Patents

用于生成信息的方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN111221424B
CN111221424B CN202010003276.0A CN202010003276A CN111221424B CN 111221424 B CN111221424 B CN 111221424B CN 202010003276 A CN202010003276 A CN 202010003276A CN 111221424 B CN111221424 B CN 111221424B
Authority
CN
China
Prior art keywords
input information
error correction
information
input
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010003276.0A
Other languages
English (en)
Other versions
CN111221424A (zh
Inventor
刘正阳
黄训蓬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Douyin Vision Co Ltd
Douyin Vision Beijing Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010003276.0A priority Critical patent/CN111221424B/zh
Publication of CN111221424A publication Critical patent/CN111221424A/zh
Application granted granted Critical
Publication of CN111221424B publication Critical patent/CN111221424B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
    • G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
    • G06F3/0233—Character input methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开的实施例公开了用于生成信息的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获依次获取第一输入信息和第二输入信息；对该第一输入信息和第二输入信息进行分析，确定该第一输入信息是否需要纠错；响应于确定需要纠错，根据该第一输入信息和第二输入信息，生成纠错信息。该实施方式实现了生成正确的信息，进而可以避免过多的打扰用户。

Description

用于生成信息的方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于生成信息的方法、装置、电子设备和计算机可读介质。
背景技术
即时聊天工具作为互联网时代的产品，已经成为了最能体现科技进步带给人们便利的代表。目前的即时聊天工具都是以文字输入为主的。文字输入的一个特点是容易输入错误，传统的纠错方法会造成误召回和过多打扰用户的现象。
发明内容
本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例的目的在于提出一种改进的用于生成信息的方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种用于生成信息的方法，该方法包括：依次获取第一输入信息和第二输入信息；对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错；响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
第二方面，本公开的一些实施例提供了一种用于生成信息的装置，装置包括：获取单元，被配置成依次获取第一输入信息和第二输入信息；确定单元，被配置成对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错；生成单元，被配置成响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：通过对获取到的第一输入信息和第二输入信息进行分析，可以确定上述第一输入信息是否需要纠错。这可以减少错误召回信息的概率。然后根据上述第一输入信息和第二输入信息，生成纠错信息。实现了生成正确的信息，进而可以避免过多的打扰用户。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的用于生成信息的方法的一个应用场景的示意图；
图2是根据本公开的用于生成信息的方法的一些实施例的流程图；
图3是根据本公开的用于生成信息的方法的另一些实施例的流程图；
图4是根据本公开的用于生成信息的装置的一些实施例的结构示意图；
图5是适于用来实现本公开实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的用于生成信息的方法的一个应用场景的示意图。
在如图1的应用场景中，执行主体可以是服务器(例如，图1中所示服务器101)。首先，服务器101可以通过有线连接方式或者无线连接方式，依次获取第一输入信息102和第二输入信息103。例如，第一输入信息102可以是“早上号”。第二输入信息103可以是“好”。然后，服务器10可以对上述第一输入信息102和上述第二输入信息103进行分析，确定上述第一输入信息102是否需要纠错。例如，以上述例子为例，上述第一输入信息102确定需要纠错，根据上述第一输入信息102和上述第二输入信息103，生成纠错信息105。例如，上述纠错信息105可以是“早上好”。
需要说明的是，上述执行主体可以是硬件，也可以是软件。当执行主体为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当执行主体体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。还可以是一个线程或进程。在此不做具体限定。
应该理解，图1中的服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的服务器。
继续参考图2，示出了根据本公开的用于生成信息的方法的一些实施例的流程200。该用于生成信息的方法，包括以下步骤：
步骤201，依次获取第一输入信息和第二输入信息。
在一些实施例中，用于生成信息的方法的执行主体(例如，图1所示的服务器101)可以通过有线连接方式或者无线连接方式，依次获取第一输入信息和第二输入信息。上述第一输入信息和上述第二输入信息可以是存储在本地的信息，还可以是从网上下载的信息。作为示例，上述第一输入信息和上述第二输入信息可以是同一用户连续发送的两条信息，也可以是两个互相通信的用户连续发送的两条信息。例如，上述第一输入信息和上述第二输入信息可以是用户a发送的两条连续的信息可以是“早上号”和“好”。也可以是用户a向用户b发送“今天下午会开”，用户b回复“开会？”。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202，对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错。
在一些实施例中，上述执行主体可以对基于步骤201得到的第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错。作为示例，首先，上述执行主体可以对上述第一输入信息进行分词处理，得到至少一个词。然后，将上述第二输入信息输入指针网络(Pointer Networks)，以及将上述得到至少一个词按照在上述第一输入信息中出现的顺序依次输入上述指针网络，可以得到至少一个概率值。之后，上述执行主体可以将得到的至少一个概率值分别与预设阈值作比较。最后，当概率值达到上述预设阈值时，确定上述第一输入信息需要纠错。上述预设阈值可以是预先设定的。
在一些实施例的一些可选的实现方式中，响应于上述第二输入信息包括预定义字符，确定上述第一输入信息需要纠错。上述预定义字符可以是预先设定的中文或英文符号，例如，“*”、“->”等。作为示例，上述第二输入信息可以是“会开->开会”。
在一些实施例的一些可选的实现方式中，根据预定义正则表达式对上述第二输入信息进行正则匹配，确定是否相符；响应于确定相符，确定上述第一输入信息需要纠错。作为示例，上述预定义正则表达式可以是预先设定的。正则表达式是对字符串(包括普通字符(例如，a到z之间的字母)和特殊字符(称为“元字符”))操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，该模式描述在搜索文本时要匹配的一个或多个字符串。
步骤203，响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
在一些实施例中，响应于确定需要纠错，上述执行主体可以根据上述第一输入信息和第二输入信息，生成纠错信息。作为示例，当上述第一输入信息是“早上号”，上述第二输入信息是“好”，纠错信息可以是“早上好”。当上述第一输入信息是“今天下午会开”，上述第二输入信息是“会开->开会”，上述执行主体可以将上述第一输入信息中的“会开”用上述第二输入信息中的“开会”进行替换，从而得到纠错信息可以是“今天下午开会”。
在一些实施例的一些可选的实现方式中，上述方法还包括：将上述纠错信息发送给上述第一输入信息的输入终端；例如，上述纠错信息可以是“早上好”。上述输入终端可以是手机，电脑等电子设备。检测针对上述输入终端上显示的上述纠错信息的用户确认操作；作为示例，执行主体可以控制上述纠错信息以提示框的形式在上述输入终端上显示。上述用户确认操作可以是用于针对上述提示框上用于触发确认信息的控件的点击操作。响应于检测到上述用户确认操作，将上述纠错信息发送给上述第一输入信息的接收终端。上述接收终端可以是手机，电脑等电子设备。
本公开的一些实施例公开的用于生成信息的方法，通过确定上述第二输入信息中是否包括预定义字符，或者根据预定义正则表达式对上述第二输入信息进行正则匹配，可以更加准确的确定上述第一输入信息是否需要纠错，从而提高了确定第一输入信息是否需要纠错的准确率。
继续参考图3，示出了根据本公开的用于生成信息的方法的另一些实施例的流程300。该用于生成信息的方法，包括以下步骤：
步骤301，依次获取第一输入信息和第二输入信息。
在一些实施例中，步骤301的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201，在此不再赘述。
步骤302，将上述第一输入信息和第二输入信息输入机器学习模型，得到纠错值。
在一些实施例中，用于展示信息的方法的执行主体(例如，图1中的服务器101)可以将上述第一输入信息和第二输入信息输入机器学习模型，得到纠错值，其中，上述机器学习模型已通过训练样本集合进行了训练。
作为示例，机器学习模型可以是基于训练样本集合执行以下训练步骤得到的。基于训练样本集合执行以下训练步骤：将训练样本集合中的至少一个训练样本的样本信息对分别输入至初始机器学习模型，得到上述至少一个训练样本中的每个样本信息对所对应的纠错值；将上述至少一个训练样本中的每个样本信息对对应的纠错值与对应的样本纠错值进行比较；根据比较结果确定上述初始机器学习模型的预测准确率；确定上述预测准确率是否大于预设准确率阈值；响应于确定上述准确率大于上述预设准确率阈值，则将上述初始机器学习模型作为训练完成的机器学习模型；响应于确定上述准确率不大于上述预设准确率阈值，调整上述初始机器学习模型的参数，以及使用未使用过的训练样本组成训练样本集合，使用调整后的初始机器学习模型作为初始机器学习模型，再次执行上述训练步骤。
可以理解的是，经过上述训练之后，机器学习模型可以用于表征样本信息对与纠错值之间的对应关系。上述提及的机器学习模型可以是卷积神经网络模型。
在一些实施例的一些可选的实现方式中，上述训练样本集合包括样本信息对和上述样本信息对的纠错值，上述机器学习模型是以上述样本信息对作为输入并以上述样本信息对的纠错值作为期望输出进行训练的。
步骤303，基于上述纠错值与预设阈值的比较结果，确定上述第一输入信息是否需要纠错。
在一些实施例中，上述执行主体可以将基于步骤302得到的纠错值与预设阈值作比较，根据比较结果，确定上述第一输入信息是否需要纠错。上述预设阈值可以是是预先设定的。当上述纠错值达到预设阈值时，确定上述第一输入信息需要纠错。
步骤304，响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
在一些实施例中，步骤304的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤203，在此不再赘述。
由上述示例可以看出，通过将上述获取到的第一输入信息和第二输入信息输入至预先训练的机器学习模型，得到纠错值。然后，基于上述纠错值与预设阈值的比较结果，确定上述第一输入信息是否需要纠错。可以提高确定上述第一输入信息是否需要纠错的速度。
进一步参考图4，作为对上述各图上述方法的实现，本公开提供了用于生成信息的装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的用于生成信息装置400包括：获取单元401、确定单元402和生成单元403。其中，获取单元401，被配置成依次获取第一输入信息和第二输入信息；确定单元402，被配置成对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错；生成单元403，被配置成响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
在一些实施例中，用于生成信息的装置400中的确定单元402包括：得到子单元，被配置成将上述第一输入信息和第二输入信息输入机器学习模型，得到纠错值，其中，上述机器学习模型已通过训练样本集合进行了训练；确定子单元，被配置成基于上述纠错值与预设阈值的比较结果，确定上述第一输入信息是否需要纠错。
在一些实施例中，用于生成信息的装置400中的确定单元402中的得到子单元中的训练样本集合包括样本信息对和上述样本信息对的纠错值，上述机器学习模型是以上述样本信息对作为输入并以上述样本信息对的纠错值作为期望输出进行训练的。
在一些实施例中，用于生成信息的装置400的确定单元402被进一步配置成：响应于上述第二输入信息包括预定义字符，确定上述第一输入信息需要纠错。
在一些实施例中，用于生成信息的装置400的确定单元402被进一步配置成：根据预定义正则表达式对上述第二输入信息进行正则匹配，确定是否相符；响应于确定相符，确定上述第一输入信息需要纠错。
在一些实施例中，用于生成信息的装置400被进一步配置成：将上述纠错信息发送给上述第一输入信息的输入终端；检测针对上述输入终端上显示的上述纠错信息的用户确认操作；响应于检测到上述用户确认操作，将上述纠错信息发送给上述第一输入信息的接收终端。
本公开的一些实施例公开的用于生成信息的装置，通过确定上述第二输入信息中是否包括预定义字符，或者根据预定义正则表达式对上述第二输入信息进行正则匹配，可以更加准确的确定上述第一输入信息是否需要纠错。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)500的结构示意图。本公开的一些实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如存储卡等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：依次获取第一输入信息和第二输入信息；对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错；响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、确定单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“依次获取第一输入信息和第二输入信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例，提供了一种用于生成信息的方法，包括：依次获取第一输入信息和第二输入信息；对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错；响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
根据本公开的一个或多个实施例，上述对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错，包括：将上述第一输入信息和第二输入信息输入机器学习模型，得到纠错值，其中，上述机器学习模型已通过训练样本集合进行了训练；基于上述纠错值与预设阈值的比较结果，确定上述第一输入信息是否需要纠错
根据本公开的一个或多个实施例，上述训练样本集合包括样本信息对和上述样本信息对的纠错值，上述机器学习模型是以上述样本信息对作为输入并以上述样本信息对的纠错值作为期望输出进行训练的。
根据本公开的一个或多个实施例，上述对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错，包括：响应于上述第二输入信息包括预定义字符，确定上述第一输入信息需要纠错。
根据本公开的一个或多个实施例，上述对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错，包括：根据预定义正则表达式对上述第二输入信息进行正则匹配，确定是否相符；响应于确定相符，确定上述第一输入信息需要纠错。
根据本公开的一个或多个实施例，上述方法还包括：将上述纠错信息发送给上述第一输入信息的输入终端；检测针对上述输入终端上显示的上述纠错信息的用户确认操作；响应于检测到上述用户确认操作，将上述纠错信息发送给上述第一输入信息的接收终端。
根据本公开的一个或多个实施例，提供了一种用于生成信息的装置，包括：获取单元，被配置成依次获取第一输入信息和第二输入信息；确定单元，被配置成对上述第一输入信息和第二输入信息进行分析，确定上述第一输入信息是否需要纠错；生成单元，被配置成响应于确定需要纠错，根据上述第一输入信息和第二输入信息，生成纠错信息。
根据本公开的一个或多个实施例，确定单元包括：得到子单元，被配置成将上述第一输入信息和第二输入信息输入机器学习模型，得到纠错值，其中，上述机器学习模型已通过训练样本集合进行了训练；确定子单元，被配置成基于上述纠错值与预设阈值的比较结果，确定上述第一输入信息是否需要纠错。
根据本公开的一个或多个实施例，确定单元中的得到子单元中的训练样本集合包括样本信息对和上述样本信息对的纠错值，上述机器学习模型是以上述样本信息对作为输入并以上述样本信息对的纠错值作为期望输出进行训练的。
根据本公开的一个或多个实施例，确定单元被进一步配置成：响应于上述第二输入信息包括预定义字符，确定上述第一输入信息需要纠错。
根据本公开的一个或多个实施例，确定单元被进一步配置成：根据预定义正则表达式对上述第二输入信息进行正则匹配，确定是否相符；响应于确定相符，确定上述第一输入信息需要纠错。
根据本公开的一个或多个实施例，用于生成信息的装置被进一步配置成：将上述纠错信息发送给上述第一输入信息的输入终端；检测针对上述输入终端上显示的上述纠错信息的用户确认操作；响应于检测到上述用户确认操作，将上述纠错信息发送给上述第一输入信息的接收终端。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种用于生成信息的方法，包括：
依次获取第一输入信息和第二输入信息；
对所述第一输入信息和第二输入信息进行分析，确定所述第一输入信息是否需要纠错；
响应于确定需要纠错，根据所述第一输入信息和第二输入信息，生成纠错信息；
所述对所述第一输入信息和第二输入信息进行分析，确定所述第一输入信息是否需要纠错包括：对所述第一输入信息进行分词处理，得到至少一个词；将所述至少一个词和所述第二输入信息输入指针网络，得到至少一个概率值；将所述至少一个概率值与预设阈值进行比较，当概率值达到所述预设阈值时，确定所述第一输入信息需要纠错，其中，所述至少一个词按照在第一输入信息中出现的顺序依次输入所述指针网络。
2.根据权利要求1所述的方法，其中，所述对所述第一输入信息和第二输入信息进行分析，确定所述第一输入信息是否需要纠错，包括：
将所述第一输入信息和第二输入信息输入机器学习模型，得到纠错值，其中，所述机器学习模型已通过训练样本集合进行了训练；
基于所述纠错值与预设阈值的比较结果，确定所述第一输入信息是否需要纠错。
3.根据权利要求2所述的方法，其特征在于，所述训练样本集合包括样本信息对和所述样本信息对的纠错值，所述机器学习模型是以所述样本信息对作为输入并以所述样本信息对的纠错值作为期望输出进行训练的。
4.根据权利要求1所述的方法，其中，所述对所述第一输入信息和第二输入信息进行分析，确定所述第一输入信息是否需要纠错，包括：
响应于所述第二输入信息包括预定义字符，确定所述第一输入信息需要纠错。
5.根据权利要求1所述的方法，其中，所述对所述第一输入信息和第二输入信息进行分析，确定所述第一输入信息是否需要纠错，包括：
根据预定义正则表达式对所述第二输入信息进行正则匹配，确定是否相符；
响应于确定相符，确定所述第一输入信息需要纠错。
6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：
将所述纠错信息发送给所述第一输入信息的输入终端；
检测针对所述输入终端上显示的所述纠错信息的用户确认操作；
响应于检测到所述用户确认操作，将所述纠错信息发送给所述第一输入信息的接收终端。
7.一种用于生成信息的装置，包括：
获取单元，被配置成依次获取第一输入信息和第二输入信息；
确定单元，被配置成对所述第一输入信息和第二输入信息进行分析，确定所述第一输入信息是否需要纠错；
生成单元，被配置成响应于确定需要纠错，根据所述第一输入信息和第二输入信息，生成纠错信息；
所述确定单元，被进一步配置成对所述第一输入信息进行分词处理，得到至少一个词；将所述至少一个词和所述第二输入信息输入指针网络，得到至少一个概率值；将所述至少一个概率值与预设阈值进行比较，当概率值达到所述预设阈值时，确定所述第一输入信息需要纠错，其中，所述至少一个词按照在第一输入信息中出现的顺序依次输入所述指针网络。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202010003276.0A 2020-01-02 2020-01-02 用于生成信息的方法、装置、电子设备和计算机可读介质 Active CN111221424B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010003276.0A CN111221424B (zh) 2020-01-02 2020-01-02 用于生成信息的方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010003276.0A CN111221424B (zh) 2020-01-02 2020-01-02 用于生成信息的方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN111221424A CN111221424A (zh) 2020-06-02
CN111221424B true CN111221424B (zh) 2021-04-27

Family

ID=70830999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010003276.0A Active CN111221424B (zh) 2020-01-02 2020-01-02 用于生成信息的方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN111221424B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113676394B (zh) * 2021-08-19 2023-04-07 维沃移动通信（杭州）有限公司 信息处理方法和信息处理装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550173A (zh) * 2016-02-06 2016-05-04 北京京东尚科信息技术有限公司 文本校正方法和装置
CN106921561A (zh) * 2017-03-01 2017-07-04 维沃移动通信有限公司 一种信息处理方法及装置
CN110427625A (zh) * 2019-07-31 2019-11-08 腾讯科技（深圳）有限公司 语句补全方法、装置、介质及对话处理***

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019200657A (ja) * 2018-05-17 2019-11-21 東芝メモリ株式会社 演算装置及び演算装置の制御方法
US20190354839A1 (en) * 2018-05-18 2019-11-21 Google Llc Systems and Methods for Slate Optimization with Recurrent Neural Networks
US10770066B2 (en) * 2018-05-31 2020-09-08 Robert Bosch Gmbh Slot filling in spoken language understanding with joint pointer and attention

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550173A (zh) * 2016-02-06 2016-05-04 北京京东尚科信息技术有限公司 文本校正方法和装置
CN106921561A (zh) * 2017-03-01 2017-07-04 维沃移动通信有限公司 一种信息处理方法及装置
CN110427625A (zh) * 2019-07-31 2019-11-08 腾讯科技（深圳）有限公司 语句补全方法、装置、介质及对话处理***

Also Published As

Publication number Publication date
CN111221424A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN110969012B (zh) 文本纠错方法、装置、存储介质及电子设备
CN111597825B (zh) 语音翻译方法、装置、可读介质及电子设备
CN112650841A (zh) 信息处理方法、装置和电子设备
CN112883966B (zh) 图像字符识别方法、装置、介质及电子设备
WO2021088790A1 (zh) 用于目标设备的显示样式调整方法和装置
CN113760674A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN113204977A (zh) 信息翻译方法、装置、设备和存储介质
CN112270200A (zh) 一种文本信息的翻译方法、装置、电子设备和存储介质
CN111209432A (zh) 信息获取的方法、装置、电子设备及计算机可读介质
CN112257459B (zh) 语言翻译模型的训练方法、翻译方法、装置和电子设备
CN112309384A (zh) 一种语音识别方法、装置、电子设备及介质
CN111221424B (zh) 用于生成信息的方法、装置、电子设备和计算机可读介质
CN113468344A (zh) 实体关系抽取方法、装置、电子设备和计算机可读介质
CN113191257A (zh) 笔顺检测方法、装置和电子设备
CN113220281A (zh) 一种信息生成方法、装置、终端设备及存储介质
CN112464039A (zh) 树形结构的数据显示方法、装置、电子设备和介质
CN111797822A (zh) 文字对象评价方法、装置和电子设备
CN110750994A (zh) 一种实体关系抽取方法、装置、电子设备及存储介质
CN111339790B (zh) 文本翻译方法、装置、设备及计算机可读存储介质
CN113488050B (zh) 语音唤醒方法、装置、存储介质及电子设备
CN111399725B (zh) 用于呈现信息的方法、装置、电子设备和介质
CN113807056A (zh) 一种文档名称序号纠错方法、装置和设备
CN114429629A (zh) 图像处理方法、装置、可读存储介质及电子设备
CN110209851B (zh) 模型训练方法、装置、电子设备及存储介质
CN112669816A (zh) 模型的训练方法、语音识别方法、装置、介质及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: Tiktok vision (Beijing) Co.,Ltd.

CP01 Change in the name or title of a patent holder