一种输入补全方法、装置、电子设备及可读存储介质与流程

本发明实施例涉及计算机技术领域，尤其涉及一种输入补全方法、装置、电子设备及可读存储介质。

背景技术：

随着网络的发展，人们可以通过网络购买各种商品和服务。在上述过程中，网络需要根据用户输入的词句进行检索。为了提高用户输入效率，在用户输入词句过程中，客户端根据用户已经输入的词句联想出若干选项供用户选择。例如，用户可以在对商品和服务进行评论时，当用户输入“速度”时，客户端可以联想出“快”或“慢”供用户选择。

目前，输入联想方案均根据历史输入记录和用户当前输入词联想出候选词。这种方案将用户每次的输入词记录下来，根据当前输入词，通过关键词检索得到候选词推荐给用户。

但是，仅根据用户输入联想的候选词，不能完全体现用户的评论意图，降低用户的积极性和活跃度以及评论质量。

技术实现要素：

本发明提供一种输入补全方法、装置、电子设备及可读存储介质，以解决现有技术中输入补全相关的上述问题。

根据本发明的第一方面，提供了一种输入补全方法，所述方法包括：

如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；

根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；

将所述补全内容推荐给用户。

根据本发明的第二方面，提供了一种输入补全装置，所述装置包括：

信息获取模块，用于如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；

补全内容获取模块，用于根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；

推荐模块，用于将所述补全内容推荐给用户。

根据本发明的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现前述输入补全方法。

根据本发明的第四方面，提供了一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述输入补全方法。

本发明实施例提供了一种输入补全方法、装置、电子设备及可读存储介质，所述方法包括：如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；所述补全内容提推荐给用户。解决了在先技术中仅根据用户输入联想的候选词，不能体现用户意图，降低用户的积极性和活跃度以及评论质量的问题，能够通过包括设定页面的上下文信息等上下文信息，对用户在设定页面中的输入操作进行智能补全，提高了用户的积极性和活跃度以及评论质量。

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是本发明实施例提供的系统架构下的一种输入补全方法具体步骤流程图；

图1a是本发明实施例一种评论页面示例；

图1b是基于图1a的未经过本发明推荐过程的输入界面示例；

图1c是基于图1a的未经过本发明推荐过程的输入界面示例；

图1d是本发明实施例一种评论页面示例；

图1e是基于图1d的未经过本发明推荐过程的输入界面示例；

图1f是基于图1d的未经过本发明推荐过程的输入界面示例；

图2是本发明实施例提供的系统架构下的另一种输入补全方法具体步骤流程图；

图2a是本发明实施例的补全模型示训练过程意图；

图3是本发明实施例提供的一种输入补全装置的结构图；

图4是本发明实施例提供的另一种输入补全装置的结构图。

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。

实施例一

参照图1，其示出了一种移动输入补全方法的步骤流程图，包括：

步骤101，如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息。

本发明实施例适用于具有输入功能的应用，例如：搜索引擎、具有评论功能的应用、输入法等。

其中，设定页面可以为评论页面。比如图1a，其示出了一个烤鸭店的设定页面示例，其中有五颗星的打分项，用户最高打5颗星，最低颗可选0颗星；然后用户可以在评论输入框中输入评论。当然，对于该设定页面，还有其他项目的打分，比如速度、环境等。

检测在设定页面中的输入操作可以通过检测用户输入过程中的停顿时间或用户输入预设符号等方式。例如，检测到停顿时间大于预设时间阈值，或检测用户输入预设的空格键、逗号或其他指定符号。本发明实施例对其不加以限制。

需要说明的是，设定页面的上下文信息可以包括用户在设定页面中的对各项目的打分，比如前述总分、环境、速度等，可以为该设定页面针对的评论对象，比如图1a中的“***”烤鸭店，还可以包括推荐菜等非评论输入框里面输入的评论相关信息。当然，在输入过程中该上下文信息还可以包括用户在输入时，已经输入的内容，例如，用户已经输入了内容“速度”之后，当前要继续输入，该“速度”就是输入的上下文信息。也就是说，设定页面的上下文信息包括与所输入内容相关联的信息。

步骤102，根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容。

在本发明实施例中，补全模型可以根据样本内容训练得到，该样本内容包括各个用户在设定页面的历史输入内容和设定页面的上下文信息。

在一可选地方案中，补全模型可以包括生成器、判断器，生成器可以生成模拟的样本内容，判断器对模拟的样本内容进行判断。当判断器无法区分模拟和真实的样本内容时，训练结束，表明生成器可以生成近乎真实的样本内容；否则，调整生成器和判断器的参数，继续训练直至判断器无法区分模拟和真实的样本内容。

如此，根据输入内容和上下文信息，输入该补全模型，可以获得符合用户意图的补全内容。比如用户打了总分一星，其输入了“环境”两字，可以基于一星的差评，给预测“嘈杂”两字。

步骤103，将所述补全内容推荐给用户。

具体地，将补全内容在屏幕上显示，以供用户选择。例如，将补全内容显示在当前设定界面指定位置、或者显示在输入法的候选项中。当补全内容包括多个项时，需要按照一定顺序显示。可以理解，本发明实施例对显示位置和大小、格式等均不加以限制。

下面具几个示例说明本发明实施例的推荐过程。

如图1b，其是在图1a的基础上未进行本发明所述实施例的推荐过程的输入法候选项界面示例。

用户点击图1a的评论输入框，进入图1b的评论输入界面，然后用户输入了“环境”。未采用本发明实施例的推荐过程则首选项推荐的是“好多了”。

如图1c，其是在图1a的基础上使用本发明实施例的推荐过程后的输入法候选项界面示例。

用户点击图1a的评论输入框，进入图1c的评论输入界面，然后用户输入了“环境”。本发明实施例步骤110则检测到该输入操作，则获取其上下文信息，如“总分一星”、“环境差”等评论页面的上下文信息，还可以包括用户已经输入的“环境”，然后经过步骤120的推荐过程，可以推荐出“嘈杂”。然后步骤130将“嘈杂”放到输入法首选项。

当然，其推荐的补全内容也可以展示在评论页面的指定位置。比如评论框侧边等位置。

再例举另外一个示例：

图1d示出了另一评论页面示例。用对总分给出了5星的打分。选择了推荐菜烤鸭。

如图1e，其是在图1d的基础上未进行本发明所述实施例的推荐过程的输入法候选项界面示例。

用户点击图1d的评论输入框，进入图1e的评论输入界面，然后用户输入了“味道很好，尤其是”。未采用本发明实施例的推荐过程则首选项推荐的是“你”。

如图1f，其是在图1a的基础上使用本发明实施例的推荐过程后的输入法候选项界面示例。

用户点击图1a的评论输入框，进入图1f的评论输入界面，然后用户输入了“环境”。本发明实施例步骤110则检测到该输入操作，则获取其上下文信息，如“总分五星”、“服务好”、“推荐菜：烤鸭”等评论页面的上下文信息，还可以包括用户已经输入的“味道很好，尤其是”，然后经过步骤120的推荐过程，可以推荐“烤鸭”。然后步骤130将“烤鸭”放到输入法首选项。

综上所述，本发明实施例提供了一种输入补全方法，所述方法包括：如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；所述补全内容提推荐给用户。解决了在先技术中仅根据用户输入联想的候选词，不能体现用户意图，降低用户的积极性和活跃度以及评论质量的问题，能够通过包括设定页面的上下文信息等上下文信息，对用户在设定页面中的输入操作进行智能补全，提高了用户的积极性和活跃度以及评论质量。

实施例二

本申请实施例从系统架构的层级对可选地输入补全方法进行了描述。

参照图2，其示出了另一种输入补全方法的具体步骤流程图。

步骤201，根据用户样本数据训练补全模型；所述用户样本数据包括：输入内容、与输入内容所属设定页面的上下文信息。

本发明实施例通过大量用户样本数据训练补全模型，具体地训练补全模型中的生成器和判断器，从而使得补全模型可以生成在语句通顺度、主题准确度、评分准确度方面均符合条件的语句。

可以理解，用户样本数据可以包括：输入内容、与输入内容所属设定页面的上下文信息。以评论的用户样本数据为例，其为用户的历史评论记录，包括用户评论内容、评论主题、对各项目的评分等。其中，输入内容为用户评论内容，评论主题和评分为与输入内容所属设定页面的上下文信息。例如，对于一条关于饺子的五星评论“今天的饺子好美味”，评论主题为“饺子”，评分为“五星”，评论内容为“今天的饺子很美味”。

当然，上下文信息的划分还需要根据实际应用场景设定，本发明实施例对其不加以限制。

可选地，在本发明的另一实施例中，步骤201包括子步骤2011至2014：

子步骤2011，从用户样本数据中选择符合预设条件的真实输入内容。

预设条件为用户已输入内容；例如，当用户输入“黄焖鸡”时，从样本数据中选择主题为“黄焖鸡”的真实输入内容。又例如，用户输入了“一星”评价时，从样本数据中选择评分为“一星”的真实输入内容。当然，预设条件可以同时包括主题和评分两种。在实际应用中，预设条件还可以包括其他形式，本发明实施例对其不加以限制。

可以理解，不同的主题和情感可以对应相应的预设条件，相应选择样本进行训练。在本发明实施例中，对每组预设条件都进行训练。

子步骤2012，利用所述补全模型的生成器根据所述预设条件生成对应的模拟输入内容。

具体地，生成器根据预设条件随机生成模拟输入内容，将黄焖鸡和各词进行随机组合。例如，用户输入“黄焖鸡时”，生成器根据黄焖鸡生成一系列关于黄焖鸡的模拟输入内容，包括：黄焖鸡味道美味，黄焖鸡辣，黄焖鸡快等。当然，可以理解，模拟输入内容包括了一些不符合逻辑的内容，可以通过语句通顺度、主题精确度、评分精确度来判断。

其预设条件可以根据需求设置。

可以理解，在使用生成器之前需要对生成器进行初始化，使用初始权重初始化生成器。

子步骤2013，针对所述真实输入内容和模拟输入内容的每个输入内容，利用所述补全模型的判断器进行初次判断，获得相应中间状态输入内容。

具体地，如图2a所示，虚线左边的判断器对真实输入内容和模拟输入内容的每个输入内容进行概率计算，得到中间状态输入内容以及该输入内容为真实输入内容的概率，当概率达到百分之五十时，认为判别器无法区分真实和模拟输入内容，从而训练结束；否则，继续强化训练。可以理解，中间状态输入内容是第一阶段对生成器针对真实输入内容所生成的一个模拟输入内容后，由第一阶段的判别器对该模拟输入内容进行判别后的模拟输入内容，可以理解中间状态输入内容还是一个语句，该语句是作为第二阶段训练的输入。

子步骤2014，利用所述中间状态输入内容再对所述生成器和所述判别器进行强化训练，获得所述补全模型。

在本发明实施例中，训练补全模型包括两个阶段，第一阶段为初始处理，对应子步骤2013，如图2a中虚线左边部分，第二阶段为强化训练，对应子步骤2014，如图2a中虚线右边部分。其中，在第二阶段进行强化训练时，需要不断修改模型参数。其中，图2a的第一阶段中：g表示生成器，d表示判别器，realword表示真实的用户样本数据；truedata表示用户样本数据中的真实输入内容；generate表示针对该truedata生成的模拟输入内容；在该阶段g针对一个真实输入内容只生成一次完整的模拟语句。第二阶段中：g表示生成器，d表示判别器，意味着第一阶段和第二阶段的生成器和判别器参数一样；对于第一阶段的d输出的语句，其算做第二阶段的一个状态(state)，然后第二阶段的g执行多次，生成多个完整的模拟语句；然后对各个模拟语句输入d中进行判别，进而利用策略提升算法(policygradient)修正g和d的模型参数。循环对truedata和generate进行上述过程，直到对g生成的符合前述条件的语句，d识别不出来真假，补全模型即建立完毕。

可选地，在本发明的另一种实施例中，子步骤2014包括子步骤20141至20144：

子步骤20141，基于所述中间状态输入内容和对应的真实输入内容的上下文信息，利用所述生成器生成多个第一候选输入内容。

具体地，按照一定预设条件，基于中间状态输入内容和对应的真实输入内容的上下文信息随机组合，生成多个第一候选输入内容。

例如，当中间状态输入内容为“今天的饺子”，对应真实输入内容的上下文信息为评价“一星”，主题为“饺子”，则第一候选输入内容可以为“今天的饺子很好吃”、“今天的饺子很难吃”、“饺子很多”，“饺子很少”。

子步骤20142，利用所述判断器对各个第一候选输入内容样本数据进行判断，获得各第二候选输入内容样本数据及相应真实值。

其中，判断器为一二分器，通过对各候选输入内容样本数据不断进行二分类，可以得到其为真实输入内容的概率，即真实值。

当真实值越接近百分之五十，表明候选输入内容样本数据在语句通顺度、主题准确度、评分准确度上均符合真实条件。

子步骤20143，利用各第二候选输入内容样本数据的真实值，确定对应各第二候选输入内容的奖励值。

在实际应用中，为了方便计算梯度，将真实值转换为奖励值。具体地，首先计算真实值与0.5之间的差值的绝对值，然后取倒数得到对应的奖励值。可以理解，当真实值越接近0.5，奖励值越大；反之，当真实值越远离0.5，奖励值越小。

子步骤20144，当根据所述奖励值确定所述补全模型未收敛时，对所述补全模型的模型参数进行修改以获取补全模型。

在实际应用中，可以根据阈值范围判断补全模型是否收敛。当奖励值的平均值达到阈值范围时，补全模型收敛，结束训练，获得最终的补全模型；否则补全模型未收敛，修改模型参数继续训练，直到补全模型收敛。例如，若奖励值为真实值与0.5的差值的绝对值取倒数，则当奖励值的平均值达到100以上时，即认为补全模型收敛。当然，可以理解，阈值范围需要根据奖励值和真实值的关系以及实际应用场景设定，本发明实施例对其不加以限制。

具体地，通过梯度策略修改奖励值修改模型参数，使得下次生成内容对应的真实值更加接近0.5，从而生成的模拟输入内容更加真实。如图2a中所示，将奖励值reward修改之后再次进入强化训练阶段。

在本发明实施例中，由生成器和判别器组成的条件生成对抗网络(conditionalgenerativeadversarialnetwork，简称cgan)模型，由于在本发明实施例中是对文本进行处理，传统的cgan生成的是离散的结果，梯度不好计算，从而不容易修正模型参数。而本申请在一个处理过程中添加了强化训练过程，以强化学习的奖励值去对模型参数进行修正，计算过程简单、方便。

当然，本申请实施例中的补全模型还以采用其他机器模型，本申请实施例不对其加以限制。

在补全模型构建完毕之后，则可以进入后续的使用过程。

步骤202，如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息。

该步骤可以参照步骤101的详细说明，在此不再赘述。

步骤203，根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；

该步骤可以参照步骤102的详细说明，在此不再赘述。

可选地，步骤203包括：

步骤2031，根据所述输入内容和所述上下文信息设置所述预设条件。

具体地，将输入内容和上下文信息共同设置预设条件。例如，若输入内容为“味道”，由上下文判断当前评论针对菜品的评论，且打了一星评论，从而预设条件包括：主题“菜品”、情感“一星”、涉及评论内容“味道”。

步骤2032，根据所述预设条件采用所述补全模型的生成模型生成模拟输入内容。

具体地，将预设条件作为生成模拟输入内容的限制条件。例如，主题为“菜品”、情感“一星”、涉及评论内容“味道”，则模拟输入内容为包括菜品味道的一星评论。

步骤2033，利用所述补全模型的判断器进行初次判断，获得中间状态输入内容。

该步骤可以参照子步骤2013的详细说明，在此不再赘述。

步骤2034，基于所述中间状态输入内容和所述上下文信息，利用所述生成器生成多个第一候选输入内容。

该步骤可以参照子步骤20141的详细说明，在此不再赘述。

步骤2035，利用所述判断器对各个第一候选输入内容样本数据进行判断，获得各第二候选输入内容样本数据及相应真实值。

该步骤可以参照子步骤20142的详细说明，在此不再赘述。

步骤2036，利用真实值排序靠前的至少一个第二候选输入内容，生成与所述输入内容对应的补全内容。

在实际应用中，当存在多个输入内容时，将对应的补全内容按照真实值降序排列，选择排序靠前的至少一个进行推荐。

通过本发明实施例生成的补全内容，与上下文相关，提高了推荐准确度。如图1c所示，对于“一星”评论，负面评论的概率较大，从而根据用户已输入内容“环境”生成补全内容为“嘈杂”，而不是“好多了”。

当然，需要说明的是，补全模型的d首先得到的第二候选输入内容是一个完整的句子，比如是“环境嘈杂”，那么本发明实施例则根据已输入的词去选择未输入的词进行推荐，则可以将“嘈杂”进行推荐。

步骤204，将所述补全内容推荐给用户。

该步骤可以参照步骤103的详细说明，在此不再赘述。

可选地，步骤204包括：

步骤2041，将所述补全内容展示在所述设定页面的指定位置。

在本发明实施例中，通过展示补全内容实现补全内容的推荐。其中，设定页面为用户当前的输入框，指定位置可以为不影响功能的任意位置。例如，对于在用户对某产品或服务进行评论时，将补全内容展示在评论输入框的右下角，或左下角。

可以理解，指定位置可以为不影响设定页面正常功能的任意位置，本发明实施例对其不加以限制。

可选地，当所述设定页面为评论输入框时，子步骤2041包括子步骤20411：

子步骤20411，将所述补全内容展示在所述评论输入框邻接的候选词推荐栏中。

具体地，由于候选词会存在多个，所以在实际应用中，候选词推荐栏需要按照实际场景和具体需求设定大小和格式。

当补全内容存在多个词时，以上下页的形式显示，可以节约空间。当用户点击上下页对应按钮时，切换至对应页面的补全词。

可选地，步骤204包括：

子步骤2042，将所述补全内容作为输入法的上屏候选项显示在所述输入法的候选栏中。

如图1c、图1f的描述，当补全内容只有一项时可以将补全内容作为输入法的首选项显示。

需要说明的是，当补全内容有多项时，可以从首选项开始按序往后排。

当然，实际应用中，本发明实施例具体可以将补全内容加入输入的词库，然后给其高于传统候选项的排序权重，那么在推荐是就可以将该补全内容可以排序在传统候选项之前。

步骤205，当接收到针对补全内容的选择操作，则将所述补全内容输入所述评论页面的评论输入框中。

在补全内容展示之后，可以在相应的展示位置接收用户对补全内容的选择操作，从而将补全内容输入评论页面的评论输入框中。

可选地，步骤205包括：

步骤2051，当接收到对所述候选词推荐栏中的一补全内容的选择操作，则将所述补全内容输入所述评论输入框中。

其中，选择操作可以为点击或双击等操作，本发明对选择操作的具体实现形式不加以限制。

本发明实施例可以在一个或多个候选词时提供用户选择的功能，并将用户选择的候选词作为最终补全内容，显示在输入框中。

当然，在另一优选的实施例中，步骤205包括：

子步骤2052，接收对输入法中针对补全内容的上屏候选项的选择操作，将所述补全内容输入所述评论输入框中。如图1c、图1f所示，与输入法其他上屏候选项相同，用户可以通过点击选择显示在输入法候选栏中的上屏候选项，从而将上屏候选项输入评论输入框中。

综上所述，本发明实施例提供了一种输入补全方法，所述方法包括：如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；所述补全内容提推荐给用户。解决了在先技术中仅根据用户输入联想的候选词，不能体现用户意图，降低用户的积极性和活跃度以及评论质量的问题，能够通过包括设定页面的上下文信息等上下文信息，对用户在设定页面中的输入操作进行智能补全，提高了用户的积极性和活跃度以及评论质量。

实施例三

参照图3，其示出了一种输入补全装置的结构图，具体如下。

信息获取模块301，用于如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息。

补全内容获取模块302，用于根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容。

推荐模块303，用于将所述补全内容推荐给用户。

综上所述，本发明实施例提供了一种输入补全装置，所述装置包括：信息获取模块，用于如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；补全内容获取模块，用于根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；推荐模块，用于将所述补全内容推荐给用户。解决了在先技术中仅根据用户输入联想的候选词，不能体现用户意图，降低用户的积极性和活跃度以及评论质量的问题，能够通过包括设定页面的上下文信息等上下文信息，对用户在设定页面中的输入操作进行智能补全，提高了用户的积极性和活跃度以及评论质量。

实施例四

参照图4，其示出了另一种输入补全装置的结构图，具体如下。

补全模型训练模块401，用于根据用户样本数据训练补全模型；所述用户样本数据包括：输入内容、与输入内容所属设定页面的上下文信息。

可选地，在本发明的另一种实施例中，上述补全模型训练模块401包括：

真实内容选择子模块，用于从用户样本数据中选择符合预设条件的真实输入内容。

模拟内容生成子模块，用于利用所述补全模型的生成器根据所述预设条件生成对应的模拟输入内容。

中间状态获取子模块，用于针对所述真实输入内容和模拟输入内容的每个输入内容，利用所述补全模型的判断器进行初次判断，获得相应中间状态输入内容。

补全模型获取子模块，用于利用所述中间状态输入内容再对所述生成器和所述判别器进行强化训练，获得所述补全模型。

可选地，在本发明的另一种实施例中，上述补全模型获取子模块，包括：

第一候选生成单元，用于基于所述中间状态输入内容和对应的真实输入内容的上下文信息，利用所述生成器生成多个第一候选输入内容。

第二候选生成单元，用于利用所述判断器对各个第一候选输入内容样本数据进行判断，获得各第二候选输入内容样本数据及相应真实值。

奖励值确定单元，用于利用各第二候选输入内容样本数据的真实值，确定对应各第二候选输入内容的奖励值。

继续训练单元，用于当根据所述奖励值确定所述补全模型未收敛时，对所述补全模型的模型参数进行修改以获取补全模型。

信息获取模块402，用于如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息。

补全内容获取模块403，用于根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；

可选地，补全内容获取模块403包括：

预设条件设置子模块，用于根据所述输入内容和所述上下文信息设置所述预设条件。

模拟内容生成子模块，用于根据所述预设条件采用所述补全模型的生成模型生成模拟输入内容。

中间内容获取子模块，用于利用所述补全模型的判断器进行初次判断，获得中间状态输入内容。

第一候选内容生成子模块，用于基于所述中间状态输入内容和所述上下文信息，利用所述生成器生成多个第一候选输入内容。

第二候选内容获取子模块，用于利用所述判断器对各个第一候选输入内容样本数据进行判断，获得各第二候选输入内容样本数据及相应真实值。

补全内容生成子模块，用于利用真实值排序靠前的至少一个第二候选输入内容，生成与所述输入内容对应的补全内容。

推荐模块404，用于将所述补全内容推荐给用户。

可选地，在本发明的另一种实施例中，上述推荐模块404，包括：

第一展示子模块，用于将所述补全内容展示在所述设定页面的指定位置。

可选地，在本发明的另一种实施例中，上述第一展示子模块，包括：

展示单元，用于将所述补全内容展示在所述评论输入框邻接的候选词推荐栏中。

可选地，在本发明的另一种实施例中，上述推荐模块404，包括：

第二展示子模块，用于将所述补全内容作为输入法的上屏候选项显示在所述输入法的候选栏中。

输入模块405，用于当接收到针对补全内容的选择操作，则将所述补全内容输入所述评论页面的评论输入框中。

可选地，输入模块405包括:

第一候选栏子模块，用于当接收到对所述候选词推荐栏中的一补全内容的选择操作，则将所述补全内容输入所述评论输入框中。

可选地，输入模块405包括:

第二候选栏子模块，用于接收对输入法中针对补全内容的上屏候选项的选择操作，将所述补全内容输入所述评论输入框中。

综上所述，本发明实施例提供了一种输入补全装置，所述装置包括：信息获取模块，用于如果检测到用户在设定页面中的输入操作，则获取所述输入操作对应的输入内容上下文信息；所述上下文信息包括所述设定页面的上下文信息；补全内容获取模块，用于根据所述输入内容和所述上下文信息，利用预设的补全模型，获取符合用户意图的补全内容；推荐模块，用于将所述补全内容推荐给用户。解决了在先技术中仅根据用户输入联想的候选词，不能体现用户意图，降低用户的积极性和活跃度以及评论质量的问题，能够通过包括设定页面的上下文信息等上下文信息，对用户在设定页面中的输入操作进行智能补全，提高了用户的积极性和活跃度以及评论质量。

本发明实施例还提供了一种电子设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现前述实施例的输入补全方法。

本发明实施例还提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述实施例的输入补全方法。

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。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的输入补全设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。