[发明专利]一种语义识别推荐图形方法

说明书

技术领域

本发明涉及终端通信设备输入的语义识别及图形匹配的技术领域，具体是一种语义识别推荐图形方法。

背景技术

现有终端通信设备中，用户只能在移动终端的浏览器或移动设备的存储器去搜索图片文件。当用户需要将图片文件发送到社交软件的时候，用户需要频繁地在当前应用和浏览器之前来回跳转，需要经常中断用户的当前操作。这样需要重复无用操作次数多，操作效率极低，浪费大量的操作时间。

发明内容

本发明的目的是针对以上所述现有技术存在的不足，提供一种操作简便、无需离开当前应用就能进行搜索图形文件，执行效率高的语义识别推荐图形方法。

为了实现本发明目的，本发明采取的技术方案是：一种语义识别推荐图形方法，其包括移动设备的输入法模块和云服务器，所述云服务器内设置数据组织模块、实时分析模块和实时语义识别模块，其包括的步骤如下：

(1)收集用户属性：通过输入法模块的输入框确定用户属性，并将用户属性发送到云服务器；

(2)获取当前上下文：输入法模块在用户开始输入的时候，输入法将获得当前输入框的上下文内容；

(3)断句：输入法模块根据当前用户的语言进行断句；

(4)触发语义识别：用户使用输入法模块每输入一个完整的单词，输入法模块就会触发实时分析模块进行分析；

(5)开始语义分析：触发语义识别后，输入法模块将对用户正在输入的内容提交到云服务器进行智能推荐；其中，输入法模块将对用户正在输入的内容可以是使用用户秘钥通过AES加密后提交到云服务器进行智能推荐；

(6)推荐的图形文件：完成分析后生成推荐的图形文件返回到输入法模块的候选模块中，让用户判断是否需要插入到输入框中。

在所述(1)步骤中，输入法模块先向云服务器请求用户秘钥；然后输入法模块收集当前用户的输入语言、所在地区、当前输入框所在的软件以及输入框的属性等，输入法模块使用用户秘钥将上述属性进行AES加密，并发送到云服务器；云服务器收到这些属性后，使用AES解密，并存储在用户变量中。

所述(3)步骤中，断句的方法是以一个内容的结束符(如中文用户以全角句号“。”英文用户以半角句号“.”)开始，以当前光标为结束；断句只会分析当前用户正在输入的内容；而语义分析功能在云服务器实现。

由于图形文件是存在于网络，并且语义对应的图形文件的映射数据是不断演进的，所以语义识别核心逻辑是在云服务器。云服务器主要分为数据组织模块和实时语义识别模块。简单来说每个图形文件至少对应一个标签，每个标签又至少对应一个属性。

所述数据组织模块的处理方法包括的步骤如下：

(1)语言分析师会先将世界各地主流社交网站里面包含文字和图形文件的文章收集起来，将文字和图形文件没有关联或违法当地法规的文章过滤掉，并按地区进行切分数据；

(2)将上述数据录入到数据组织模块后，并将这些数据进行分析。具体流程是：将每个内容按文法语序(如主谓宾)分解后识别各个单词对应的词性(名词、代词、形容词等等)；

(3)数据组织模块先将内容分类为感叹句、疑问句、祈使句和陈述句；

(4)对于感叹句和疑问句，整个内容将成为一个标签。(例如What happen？)

(5)对于祈使句，除了整句是一个标签外，如果内容包含名词，则该名词也成为一个标签。(例如“Go to School.”的标签是“Go to School.”和“school”)

(6)对于陈述句：

1.数据组织模块提取每个内容的实词。

2.如果上述内容能分割为祈使句，则祈使句部分为一个标签，该其他部分如代词和名词，则成为该标签的属性。例如“we go to school.”的标签是“Go to school”，we则成为该图形文件标签的属性。

3.如果一个内容里面包含副词和名词，则副词和名词联合成为一个标签。例如“He is a real hero.”的标签是real hero。而“He is not a hero.”的标签是not hero.

4.如果只包含名词，则图形文件的标签将是该名词(例如An apple，标签是apple)。

5.如果该名词有量词或形容词，则量词或形容词将成为该名词的属性(例如“Two green apples”的标签是apple，图形文件标签的属性是two和green)。

6.如果内容没有名词，但包含形容词，则形容词将成为该内容的标签。(例如“I am happy.”标签是happy)