[发明专利]功能导航方法及装置

权利要求书

1.一种功能导航方法，其特征在于，包括：

接收用户的输入信息；

对所述输入信息进行切词，得到输入词集；

对所述输入词集进行向量化，得到向量化后的输入词集；

将所述向量化后的输入词集输入预先训练完成的导航模型中，得到目标功能的定位信息；

根据所述目标功能的定位信息控制显示界面跳转到目标功能的页面；

根据预先训练完成的目标属性抽取模型，抽取所述输入词集中的属性词，并将所述属性词填入所述目标功能的页面中，与所述属性词的目标属性相同的栏位中，其中，所述目标功能的页面基于所述属性词实现所述目标功能；

所述目标属性抽取模型的训练过程，包括：

对用户的历史输入信息进行切词，得到历史输入词集；

以所述历史输入词集作为输入，进行目标属性抽取模型训练，得到所述目标属性抽取模型，其中，若所述历史输入词集的数据量大于或等于第二预设阈值，根据中文名称条件随机场算法CRF进行目标属性抽取模型训练；若所述历史输入词集的数据量小于第二预设阈值，则通过人工定义语法句式模板的方法建立目标属性抽取模型；

通过所述历史输入信息的已知输出结果的历史输入信息作为已训练的目标属性抽取模型的输入，根据所述已训练的目标属性抽取模型输出结果判断规则校验是否通过，若所述输出结果与所述已知输出结果相同，则规则校验通过，若所述输出结果与所述已知输出结果不同，则规则校验不通过，并重新训练所述已训练的目标属性抽取模型；

所述导航模型的训练过程包括：

对用户的历史输入信息进行切词，得到历史输入词集；

对所述历史输入词集进行向量化，得到向量化后的历史输入词集；

以所述向量化后的历史输入词集作为输入，进行导航模型训练，得到所述导航模型，其中，若所述向量化后的历史输入词集数据量小于第一预设阈值，则根据支持向量机SVM进行导航模型训练；若所述向量化后的历史输入词集数据量大于或等于第一预设阈值，则根据循环神经网络RNN进行导航模型训练。

2.根据权利要求1所述的功能导航方法，其特征在于，所述对所述输入信息进行切词，得到输入词集，包括：

对所述输入信息进行切词，得到第一词集；

根据预先定义的领域词表，还原所述第一词集中错切的词，剔除所述第一词集中无意义的词，以及对所述第一词集中有意义的词进行去重，得到第二词集；

计算所述第二词集中每个词与所述显示界面对应的各个功能之间的信息增益，并从所述第二词集中剔除信息增益小于预设阈值的词，得到所述输入词集。

3.根据权利要求1所述的功能导航方法，其特征在于，所述对所述输入词集进行向量化，得到向量化后的输入词集，包括：

统计所述输入词集中每个词的词频和文件频率，根据每个词的词频和文件频率对每个词进行向量化，得到向量化后的输入词集。