本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于控制页面的方法和装置。
背景技术：
随着语音识别技术的快速发展，语音控制已经逐渐应用在各种终端设备上，用户可以通过语音对终端设备进行控制，例如，用户可以通过语音控制智能电视、智能手机等智能终端上的展现内容。现阶段，要实现语音对智能终端上app(application，应用)的控制，受控app需要向外界提供被调用接口才能达到被控的目的，或者受控app需要预先集成一套通信sdk(softwaredevelopmentkit，软件开发工具包)机制，把需要被语音控制的功能按照sdk形式进行实现才可以被控制，这样极大的限制的语音控制所使用的范围。
技术实现要素：
本申请实施例提出了用于控制页面的方法和装置。
第一方面，本申请实施例提供了一种用于控制页面的方法，包括：接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息，其中，元素信息包括元素标识和元素内容信息；响应于确定上述语音信息用于控制上述所显示页面，对上述语音信息进行语音识别，得到语音识别结果；将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配；响应于确定上述语音识别结果与上述至少一个元素的元素内容信息匹配成功，生成页面控制信息并将上述页面控制信息发送到上述终端，以供上述终端根据上述页面控制信息控制上述所显示页面，其中，上述页面控制信息包括待执行操作和目标元素的元素标识，其中，上述目标元素为上述待执行操作所针对的元素。
在一些实施例中，上述将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配，包括：对于上述至少一个元素中的每一个元素的元素内容信息，计算上述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功。
在一些实施例中，上述计算上述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功，包括：计算上述语音识别结果与该元素的元素内容信息之间的第一编辑距离；确定上述第一编辑距离是否超过预先设定的第一阈值；响应于确定上述第一编辑距离不超过上述第一阈值，确定上述语音识别结果与该元素的元素内容信息匹配成功。
在一些实施例中，上述计算上述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功，还包括：响应于确定上述第一编辑距离超过上述第一阈值，计算上述语音识别结果对应的拼音与该元素的元素内容信息对应的拼音之间的第二编辑距离；确定上述第二编辑距离是否超过预先设定的第二阈值；响应于确定上述第二编辑距离不超过上述第二阈值，确定上述语音识别结果与该元素匹配成功；响应于确定上述第二编辑距离超过上述第二阈值，确定上述语音识别结果与该元素匹配不成功。
在一些实施例中，上述元素信息还包括以下至少一项：元素在上述所显示页面的位置信息、上述所显示页面对应的应用的应用名、上述所显示页面对应的应用的版本号。
在一些实施例中，上述至少一个元素的元素信息以树形结构存储；以及上述将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配，包括：遍历上述树形结构的各个子节点；将各个子节点所代表的元素的元素内容信息与上述语音识别结果进行匹配。
在一些实施例中，上述待执行操作为点击操作。
第二方面，本申请实施例提供了一种用于控制页面的方法，包括：响应于接收到用户发送的语音信息，将上述语音信息和所显示页面中的至少一个元素的元素信息发送到服务器，其中，元素信息包括元素标识和元素内容信息；接收上述服务器发送的页面控制信息，其中，上述页面控制信息是上述服务器确定上述语音信息用于控制上述所显示页面之后生成的，包括待执行操作和目标元素的元素标识，其中，上述目标元素为上述待执行操作所针对的元素；根据上述目标元素的元素标识确定上述目标元素在上述所显示页面上的位置，并在确定的位置上执行上述待执行操作。
第三方面，本申请实施例提供了一种用于控制页面的装置，包括：接收单元，用于接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息，其中，元素信息包括元素标识和元素内容信息；识别单元，用于响应于确定所述语音信息用于控制所述所显示页面，对所述语音信息进行语音识别，得到语音识别结果；匹配单元，用于将所述语音识别结果与所述至少一个元素的元素内容信息进行匹配；生成单元，用于响应于确定所述语音识别结果与所述至少一个元素的元素内容信息匹配成功，生成页面控制信息并将所述页面控制信息发送到所述终端，以供所述终端根据所述页面控制信息控制所述所显示页面，其中，所述页面控制信息包括待执行操作和目标元素的元素标识，其中，所述目标元素为所述待执行操作所针对的元素。
在一些实施例中，所述匹配单元包括计算单元，所述计算单元用于：对于所述至少一个元素中的每一个元素的元素内容信息，计算所述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定所述语音识别结果与该元素是否匹配成功。
在一些实施例中，所述计算单元包括第一计算子单元，所述第一计算子单元用于：计算所述语音识别结果与该元素的元素内容信息之间的第一编辑距离；确定所述第一编辑距离是否超过预先设定的第一阈值；响应于确定所述第一编辑距离不超过所述第一阈值，确定所述语音识别结果与该元素的元素内容信息匹配成功。
在一些实施例中，所述计算单元还包括第二计算子单元，所述第二计算子单元用于：响应于确定所述第一编辑距离超过所述第一阈值，计算所述语音识别结果对应的拼音与该元素的元素内容信息对应的拼音之间的第二编辑距离；确定所述第二编辑距离是否超过预先设定的第二阈值；响应于确定所述第二编辑距离不超过所述第二阈值，确定所述语音识别结果与该元素匹配成功；响应于确定所述第二编辑距离超过所述第二阈值，确定所述语音识别结果与该元素匹配不成功。
在一些实施例中，所述元素信息还包括以下至少一项：元素在所述所显示页面的位置信息、所述所显示页面对应的应用的应用名、所述所显示页面对应的应用的版本号。
在一些实施例中，所述至少一个元素的元素信息以树形结构存储；以及匹配单元进一步用于：遍历所述树形结构的各个子节点；将各个子节点所代表的元素的元素内容信息与所述语音识别结果进行匹配。
在一些实施例中，所述待执行操作为点击操作。
第四方面，本申请实施例提供了一种用于控制页面的装置，包括：发送单元，用于响应于接收到用户发送的语音信息，将所述语音信息和所显示页面中的至少一个元素的元素信息发送到服务器，其中，元素信息包括元素标识和元素内容信息；信息接收单元，用于接收所述服务器发送的页面控制信息，其中，所述页面控制信息是所述服务器确定所述语音信息用于控制所述所显示页面之后生成的，包括待执行操作和目标元素的元素标识，其中，所述目标元素为所述待执行操作所针对的元素；执行单元，用于根据所述目标元素的元素标识确定所述目标元素在所述所显示页面上的位置，并在确定的位置上执行所述待执行操作。
第五方面，本申请实施例提供了一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
第七方面，本申请实施例提供了一种终端，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如第二方面中描述的方法。
第八方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第二方面中描述的方法。
本申请实施例提供的用于控制页面的方法和装置，首先接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息，其次响应于确定上述语音信息用于控制上述所显示页面，对上述语音信息进行语音识别，得到语音识别结果，然后，将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配，最后，响应于确定上述语音识别结果与上述至少一个元素的元素内容信息匹配成功，生成页面控制信息并将上述页面控制信息发送到上述终端，以供上述终端根据上述页面控制信息控制上述所显示页面，从而有效利用了所显示页面中元素的元素信息，实现了对所显示页面的语音控制。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于控制页面的方法的一个实施例的流程图；
图3a和图3b是根据本申请的用于控制页面的方法的一个应用场景的示意图；
图4是根据本申请的用于控制页面的方法的又一个实施例的流程图；
图5是根据本申请的用于控制页面的装置的一个实施例的结构示意图；
图6是根据本申请的用于控制页面的装置的又一个实施例的结构示意图；
图7是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于控制页面的方法或用于控制页面的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。终端设备101、102、103上还可以安装有语音应用程序，例如语音助手等，用户可以通过语音助手进行语音输入。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、智能电视、电子书阅读器等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。后台服务器可以对接收到的语音信息和终端设备所显示页面中的至少一个元素的元素信息进行分析等处理，并将处理结果(例如页面控制信息)反馈给终端设备。
需要说明的是，本申请图2对应实施例所提供的用于控制页面的方法一般由服务器105执行，相应地，图5中的用于控制页面的装置一般设置于服务器105中；图4对应实施例所提供的用于控制页面的方法一般由终端设备101、102、103执行，相应地，图6中的用于控制页面的装置一般设置于终端设备101、102、103中。本申请对此不做限定。
应该理解，图1中的终端设备、网络和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终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于控制页面的方法的一个实施例的流程200。该用于控制页面的方法，包括以下步骤：
步骤201，接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息。
在本实施例中，用于控制页面的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行页面展示的终端接收语音信息和所显示页面中的至少一个元素的元素信息，其中，上述所显示页面可以是指用户发送上述语音信息时上述终端所显示的页面，上述所显示页面中可以包括至少一个元素(例如，文本、图像等等)，其中，各个元素的元素信息可以包括元素标识和元素内容信息，其中，元素标识可以用于唯一标识一个页面上的元素。元素内容信息可以用于对元素内容进行描述，例如，当元素为文本时，元素内容信息可以是该文本本身，又例如，当元素为图像时，元素内容信息可以是对该图像所显示对象的描述信息，比如，一张图像中显示的对象为电影胶片、电影放映机等，那么这张图像的元素内容信息可以是电影、影片等等。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(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
在本实施例的一些可选的实现方式中，上述元素信息还可以包括以下至少一项：元素在上述所显示页面的位置信息、上述所显示页面对应的应用的应用名、上述所显示页面对应的应用的版本号。
步骤202，响应于确定语音信息用于控制所显示页面，对语音信息进行语音识别，得到语音识别结果。
在本实施例中，上述电子设备可以对步骤201中接收到的语音信息进行各种(例如自然语言处理、意图识别等)处理分析，从而确定上述语音信息是否用于控制上述所显示页面。响应于确定上述语音信息用于控制上述所显示页面，对上述语音信息进行语音识别，得到语音识别结果。
需要说明的是，上述语音识别的各种方法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤203，将语音识别结果与至少一个元素的元素内容信息进行匹配。
在本实施例中，上述电子设备可以将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配。作为示例，对于上述至少一个元素中的每一个元素的元素内容信息，上述电子设备可以将上述语音识别结果与该元素的元素内容信息进行对比，如果上述语音识别结果与该元素的元素内容信息相同，或者上述语音识别结果中包含该元素的元素内容信息，则可以确定上述语音识别结果与该元素的元素内容信息相匹配。
在本实施例的一些可选的实现方式中，上述至少一个元素的元素信息以树形结构存储；以及步骤203，将语音识别结果与至少一个元素的元素内容信息进行匹配，具体可以包括：遍历上述树形结构的各个子节点，然后，将各个子节点所代表的元素的元素内容信息与上述语音识别结果进行匹配。
在本实施例的一些可选的实现方式中，上述步骤203可以具体包括：对于上述至少一个元素中的每一个元素的元素内容信息，上述电子设备可以计算上述语音识别结果与该元素的元素内容信息之间的相似度(例如，余弦相似度、杰卡德相似系数、欧氏距离等等)，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功。作为示例，可以选取上述至少一个元素中的、与上述语音识别结果的相似度最大的元素作为匹配成功的元素。
在一些可选的实现方式中，上述计算上述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功，可以具体包括：上述电子设备首先可以计算上述语音识别结果与该元素的元素内容信息之间的第一编辑距离；然后，可以确定上述第一编辑距离是否超过预先设定的第一阈值，在这里，上述第一阈值可以是根据实际需要预先设定的阈值；最后，响应于确定上述第一编辑距离不超过上述第一阈值，确定上述语音识别结果与该元素的元素内容信息匹配成功，作为示例，当上述语音识别结果与上述至少一个元素中的两个或两个以上的元素的元素内容信息匹配成功时，选取与上述语音识别结果的第一编辑距离最小的元素作为匹配成功的元素。
可选的，上述计算上述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功，还可以具体包括：首先，响应于确定上述第一编辑距离超过上述第一阈值，上述电子设备可以计算上述语音识别结果对应的拼音与该元素的元素内容信息对应的拼音之间的第二编辑距离。其次，可以确定上述第二编辑距离是否超过预先设定的第二阈值，在这里，上述第二阈值可以是根据实际需要预先设定的阈值。然后，响应于确定上述第二编辑距离不超过上述第二阈值，上述电子设备可以确定上述语音识别结果与该元素匹配成功。最后，响应于确定上述第二编辑距离超过上述第二阈值，上述电子设备可以确定上述语音识别结果与该元素匹配不成功。本实现方式中，通过计算语音识别结果对应的拼音与该元素的元素内容信息对应的拼音之间的第二编辑距离，可以减少语音识别结果中多音字、或同音不同字等现象的干扰，使匹配结果更加准确。
需要说明的是，获取语音识别结果和元素内容信息对应的拼音的方法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤204，响应于确定语音识别结果与至少一个元素的元素内容信息匹配成功，生成页面控制信息并将页面控制信息发送到终端，以供终端根据页面控制信息控制所显示页面。
在本实施例中，响应于确定上述语音识别结果与上述至少一个元素的元素内容信息中的一个元素的元素内容信息匹配成功，上述电子设备可以生成页面控制信息，并将生成的页面控制信息发送到上述终端，以供上述终端根据上述页面控制信息控制上述所显示页面。在这里，上述页面控制信息可以包括待执行操作和目标元素的元素标识，其中，上述目标元素可以为上述待执行操作所针对的元素。
在本实施例的一些可选的实现方式中，上述待执行操作可以为点击操作。
继续参见图3a和图3b，图3a和图3b是根据本实施例的用于控制页面的方法的应用场景的一个示意图。在图3a和图3b的应用场景中，智能终端当前时刻所显示页面如图3a所示，此时，元素“热门推荐”处于被选中状态，所显示页面中显示了“热门推荐”对应的内容，用户向该智能终端发送语音信息“影视分类”，该智能终端将该语音信息和图3a所显示页面中的至少一个元素的元素信息发送到服务器；之后，服务器响应于确定该语音信息用于控制图3a所显示页面，对该语音信息进行语音识别，得到语音识别文本“影视分类”；然后，服务器将语音识别文本“影视分类”与图3a所显示页面中的至少一个元素的元素内容信息进行匹配；最后，响应于确定语音识别文本“影视分类”与图3a所显示页面中的元素“影视分类”的元素内容信息匹配成功，服务器可以生成页面控制信息，并将生成的页面控制信息发送到上述智能终端，其中，上述页面控制信息可以包括待执行操作和目标元素的元素标识，在本应用场景中，上述待执行操作为点击操作，上述目标元素为元素“影视分类”，上述智能终端可以根据接收到的页面控制信息，对图3a所显示页面上的元素“影视分类”执行模拟点击操作，从而控制页面发生变化，就会如图3b所示，在图3b中元素“影视分类”处于被选中状态，页面显示了“影视分类”对应的内容。
本申请的上述实施例提供的方法有效利用了所显示页面中元素的元素信息，实现了对所显示页面的语音控制。另外，上述实施例提供的方法不需要所显示页面对应的app做额外的开发工作就可以实现对所显示页面的语音控制，因此，可以极大的扩展语音控制所使用的范围。
进一步参考图4，其示出了用于控制页面的方法的又一个实施例的流程400。该用于控制页面的方法的流程400，包括以下步骤：
步骤401，响应于接收到用户发送的语音信息，将语音信息和所显示页面中的至少一个元素的元素信息发送到服务器。
在本实施例中，用于控制页面的方法运行于其上的电子设备(例如图1所示的终端设备101、102、103)可以直接或者通过其它语音接收设备(例如，麦克风、智能遥控器等等)接收用户发送的语音信息，并将接收的语音信息和所显示页面中的至少一个元素的元素信息发送到服务器，其中，上述所显示页面可以是指用户发送上述语音信息的时刻，上述电子设备所显示的页面，上述所显示页面中可以包括至少一个元素(例如，文本、图像等等)，其中，各个元素的元素信息可以包括元素标识和元素内容信息，其中，元素标识可以用于唯一标识一个页面上的元素。元素内容信息可以用于对元素内容进行描述,例如，当元素为文本时，元素内容信息可以是该文本本身，又例如，当元素为图像时，元素内容信息可以是对该图像所显示对象的描述信息，比如，一张图像中显示的对象为电影胶片、电影放映机等，那么这张图像的元素内容信息可以是电影、影片等等。可选的，上述所显示页面中的至少一个元素的元素信息可以在上述电子设备中以树形结构存储。此外，元素的元素信息还可以包括以下至少一项：元素在上述所显示页面的位置信息、上述所显示页面对应的应用的应用名、上述所显示页面对应的应用的版本号等等。
步骤402，接收服务器发送的页面控制信息。
在本实施例中，上述电子设备还可以接收上述服务器发送的页面控制信息，其中，上述页面控制信息可以是上述服务器确定上述语音信息用于控制上述所显示页面之后生成的，上述页面控制信息可以包括待执行操作和目标元素的元素标识，其中，上述目标元素为上述待执行操作所针对的元素。
步骤403，根据目标元素的元素标识确定目标元素在所显示页面上的位置，并在确定的位置上执行待执行操作。
在本实施例中，上述电子设备可以根据上述目标元素的元素标识确定上述目标元素在所显示页面上的位置，并在确定的位置执行上述待执行操作。作为示例，当上述待执行操作为点击操作时，上述电子设备可以在根据上述目标元素的元素标识确定的位置上执行模拟点击操作，从而控制上述所显示页面。
本实施例中的用于控制页面的方法首先向服务器发送语音信息和所显示页面中的至少一个元素的元素信息，之后接收服务器发送的页面控制信息，并根据页面控制信息在所显示页面执行待执行操作，从而有效利用了所显示页面中元素的元素信息，实现了对所显示页面的语音控制。
进一步参考图5，本申请提供了一种用于控制页面的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于控制页面的装置500包括：接收单元501、识别单元502、匹配单元503和生成单元504。其中，接收单元501用于接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息，其中，元素信息包括元素标识和元素内容信息；识别单元502用于响应于确定上述语音信息用于控制上述所显示页面，对上述语音信息进行语音识别，得到语音识别结果；匹配单元503用于将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配；生成单元504用于响应于确定上述语音识别结果与上述至少一个元素的元素内容信息匹配成功，生成页面控制信息并将上述页面控制信息发送到上述终端，以供上述终端根据上述页面控制信息控制上述所显示页面，其中，上述页面控制信息包括待执行操作和目标元素的元素标识，其中，上述目标元素为上述待执行操作所针对的元素。
在本实施例中，用于控制页面的装置500的接收单元501、识别单元502、匹配单元503和生成单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述匹配单元503可以包括计算单元(图中未示出)，上述计算单元用于：对于上述至少一个元素中的每一个元素的元素内容信息，计算上述语音识别结果与该元素的元素内容信息之间的相似度，根据计算得到的相似度确定上述语音识别结果与该元素是否匹配成功。
在本实施例的一些可选的实现方式中，上述计算单元还可以包括第一计算子单元(图中未示出)，上述第一计算子单元可以用于：计算上述语音识别结果与该元素的元素内容信息之间的第一编辑距离；确定上述第一编辑距离是否超过预先设定的第一阈值；响应于确定上述第一编辑距离不超过上述第一阈值，确定上述语音识别结果与该元素的元素内容信息匹配成功。
在本实施例的一些可选的实现方式中，上述计算单元还可以包括第二计算子单元，上述第二计算子单元(图中未示出)可以用于：响应于确定上述第一编辑距离超过上述第一阈值，计算上述语音识别结果对应的拼音与该元素的元素内容信息对应的拼音之间的第二编辑距离；确定上述第二编辑距离是否超过预先设定的第二阈值；响应于确定上述第二编辑距离不超过上述第二阈值，确定上述语音识别结果与该元素匹配成功；响应于确定上述第二编辑距离超过上述第二阈值，确定上述语音识别结果与该元素匹配不成功。
在本实施例的一些可选的实现方式中，上述元素信息还可以包括以下至少一项：元素在上述所显示页面的位置信息、上述所显示页面对应的应用的应用名、上述所显示页面对应的应用的版本号。
在本实施例的一些可选的实现方式中，上述至少一个元素的元素信息以树形结构存储；以及匹配单元503还可以进一步用于：遍历上述树形结构的各个子节点；将各个子节点所代表的元素的元素内容信息与上述语音识别结果进行匹配。
在本实施例的一些可选的实现方式中，上述待执行操作可以为点击操作。
进一步参考图6，本申请又提供了一种用于控制页面的装置的一个实施例，该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于控制页面的装置600包括：发送单元601、信息接收单元602和执行单元603。其中，发送单元601用于响应于接收到用户发送的语音信息，将上述语音信息和所显示页面中的至少一个元素的元素信息发送到服务器，其中，元素信息包括元素标识和元素内容信息；信息接收单元602用于接收上述服务器发送的页面控制信息，其中，上述页面控制信息是上述服务器确定上述语音信息用于控制上述所显示页面之后生成的，包括待执行操作和目标元素的元素标识，其中，上述目标元素为上述待执行操作所针对的元素；执行单元603用于根据上述目标元素的元素标识确定上述目标元素在上述所显示页面上的位置，并在确定的位置上执行上述待执行操作。
在本实施例中，用于控制页面的装置600的发送单元601、信息接收单元602和执行单元603的具体处理及其所带来的技术效果可分别参考图4对应实施例中步骤401、步骤402和步骤403的相关说明，在此不再赘述。
下面参考图7，其示出了适于用来实现本申请实施例的服务器的计算机系统700的结构示意图。图7示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(cpu，centralprocessingunit)701，其可以根据存储在只读存储器(rom，readonlymemory)702中的程序或者从存储部分706加载到随机访问存储器(ram，randomaccessmemory)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o，input/output)接口705也连接至总线704。
以下部件连接至i/o接口705：包括硬盘等的存储部分706；以及包括诸如lan(局域网，localareanetwork)卡、调制解调器等的网络接口卡的通信部分707。通信部分707经由诸如因特网的网络执行通信处理。驱动器708也根据需要连接至i/o接口705。可拆卸介质709，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器708上，以便于从其上读出的计算机程序根据需要被安装入存储部分706。
特别地，根据本公开的实施例，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。在这样的实施例中，该计算机程序可以通过通信部分707从网络上被下载和安装，和/或从可拆卸介质709被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所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、或半导体的系统、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。在本申请中，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系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的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。计算机可读的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，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、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：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到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：一种处理器包括接收单元、识别单元、匹配单元和生成单元。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，接收单元还可以被描述为“接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：接收终端发送的语音信息和所显示页面中的至少一个元素的元素信息，其中，元素信息包括元素标识和元素内容信息；响应于确定上述语音信息用于控制上述所显示页面，对上述语音信息进行语音识别，得到语音识别结果；将上述语音识别结果与上述至少一个元素的元素内容信息进行匹配；响应于确定上述语音识别结果与上述至少一个元素的元素内容信息匹配成功，生成页面控制信息并将上述页面控制信息发送到上述终端，以供上述终端根据上述页面控制信息控制上述所显示页面，其中，上述页面控制信息包括待执行操作和目标元素的元素标识，其中，上述目标元素为上述待执行操作所针对的元素。
以上描述仅为本申请的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，本申请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。例如上述特征与本申请中公开的(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。