一种基于上下文的输入方法、装置、存储介质及终端与流程

本发明涉及通信技术领域，特别涉及一种基于上下文的输入方法、装置、存储介质及终端。

背景技术

输入法是一种输入编辑工具，用户可以利用输入法进行信息的编辑，从而实现人与人或者人与机器之间的交互。目前的输入法一般均设有词语联想输入功能，可以根据用户最后输入的词语预测下一个词并提供给用户选择，或者根据拼音首字母缩写获取对应的词语提供给用户选择，或者采用模糊音联想匹配词语给用户选择。而目前输入法的词语联想输入功能均是基于用户输入的，在用户未输入任何信息或字符之前，输入法只是根据历史统计方式统计出高频词汇(例如“我”，“你”，“好”等)并显示出来以供用户选择，但是该高频词汇并不一定适用于本次的输入场景，此时需要用户主动输入相应内容才可以，用户操作繁琐，且费时费力、输入效率较低。

技术实现要素：

本发明提供一种基于上下文的输入方法、装置、存储介质及终端，用以解决现有输入方式效率低的缺陷。

本发明实施例提供的一种基于上下文的输入方法，包括：

当接收到本地用户在目标对话界面触发的信息输入指令时，获取所述目标对话界面中非本地用户发送的目标对话信息；

对所述目标对话信息进行自然语言理解处理，根据处理结果确定与所述目标对话信息相对应的一个或多个回复信息并展示，所述处理结果包括与所述目标对话信息对应的特征词的有序序列；

当接收到所述本地用户针对目标回复信息的选择指令时，将所述目标回复信息添加至所述目标对话界面的文本输入栏中。

在一种可能的实现方式中，所述获取所述目标对话界面中非本地用户发送的目标对话信息包括：

将本地用户最新提交信息的时间点作为起始时间点；

确定在所述起始时间点与所述当前时间点之间所接收的非本地用户发送的所有对话信息，并确定每条对话信息对应的信息参数，所述信息参数包括信息内容、获取时间和其他用户的用户标识；

根据所述信息参数确定相应对话信息的权重系数，将权重系数最大或权重系数大于预设阈值的对话信息作为目标对话信息。

在一种可能的实现方式中，所述根据所述信息参数确定相应对话信息的权重系数包括：

将在所述起始时间点与所述当前时间点之间所获取的一个对话信息作为第一对话信息；

确定所述第一对话信息的信息内容与第二对话信息的信息内容之间的相似度，根据所有的相似度确定所述第一对话信息的相似度系数；所述第二对话信息为除所述第一对话信息以外的第二对话信息；

确定所述第一对话信息的获取时间与所述当前时间点之间的时间差，并根据所述第一对话信息的获取时间确定所述第一对话信息的接收顺位；

根据所述第一对话信息的用户标识确定相对应的非本地用户与所述本地用户之间的亲密度，并确定所述第一对话信息的用户标识在所述起始时间点与所述当前时间点之间提交对话信息的提交数量；

根据所述相似度系数、时间差、接收顺位、亲密度和提交数量确定所述第一对话信息的权重系数；所述权重系数与所述相似度系数、所述亲密度和所述提交数量呈正相关关系，所述权重系数与所述时间差和所述接收顺位的倒数呈正相关关系或负相关关系。

在一种可能的实现方式中，所述根据处理结果确定与所述目标对话信息相对应的一个或多个回复信息包括：

将所述目标对话信息的处理结果输入至预设的信息匹配模型中，将所述信息匹配模型的输出结果作为与所述目标对话信息对应的临时回复信息；所述信息匹配模型为多个经自然语言理解处理的目标对话信息和对应的回复信息作为样本输入神经网络模型后训练得到的模型；

判断所述临时回复信息中是否存在用于调用第三方数据库的调用标识，所述第三方数据库包括气象数据库、路况数据库、航班数据库、本地数据库中的一项或多项；

在所述临时回复信息中不存在调用标识时，将所述临时回复信息作为与所述目标对话信息相对应的回复信息；

在所述临时回复信息中存在调用标识时，查询与所述调用标识相应的第三方数据库，并根据查询结果补充所述临时回复信息，将补充后的临时回复信息作为与所述目标对话信息相对应的回复信息。

在一种可能的实现方式中，在所述将所述目标回复信息添加至所述目标对话界面的文本输入栏中之后，该方法还包括：

当接收到本地用户输入的修改指令时，根据所述修改指令修改所述目标回复信息，将修改后的目标回复信息作为有效回复信息并发送。

在一种可能的实现方式中，在所述将修改后的目标回复信息作为有效回复信息之后，该方法还包括：

将所述目标对话信息作为输入、所述有效回复信息作为输出，训练并更新预设的信息匹配模型，所述信息匹配模型为多个经自然语言理解处理的目标对话信息和对应的回复信息作为样本输入神经网络模型后训练得到的模型。

在一种可能的实现方式中，所述获取所述目标对话界面中非本地用户发送的目标对话信息包括：

将所述目标对话界面内最后一条非本地用户发送的对话信息作为目标对话信息。

基于同样的发明构思，本发明实施例还提供一种基于上下文的输入装置，包括：

获取模块，用于当接收到本地用户在目标对话界面触发的信息输入指令时，获取所述目标对话界面中非本地用户发送的目标对话信息；

处理模块，用于对所述目标对话信息进行自然语言理解处理，根据处理结果确定与所述目标对话信息相对应的一个或多个回复信息并展示，所述处理结果包括与所述目标对话信息对应的特征词的有序序列；

输入模块，用于当接收到所述本地用户针对目标回复信息的选择指令时，将所述目标回复信息添加至所述目标对话界面的文本输入栏中。

本发明实施例还提供一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行任意一项上述的基于上下文的输入方法。

本发明实施例还提供一种终端，包括：

处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行任意一项上述的基于上下文的输入方法。

本发明实施例提供的一种基于上下文的输入方法、装置、存储介质及终端，在本地用户未执行任何输入操作之前即可自动获取非本地用户发送的目标对话信息，进而确定相应的回复消息并将其中的目标回复消息添加至输入栏，方便本地用户直接发送该目标回复消息或编辑目标回复消息。该方法在本地用户未执行任何输入操作之前即可自动生成目标回复消息，简化了用户操作，节省了操作时间，可以实现快速回复，提高了用户操作效率。基于对话信息的权重系数来选定对本地用户比较重要的对话信息，从而方便后续优先对该重要的对话信息进行自动回复。基于多维参数共同确定对话信息的权重系数，可以使得最终确定的权重系数更加精确。通过神经网络模型可以快速确定回复信息，同时在适当的情况下调用第三方数据库，能够提供更加完善精确的回复信息；且基于本地用户修改后的有效回复信息训练神将网络模型，可以使得神经网络模型更加符合本地用户的需求。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中基于上下文的输入方法的流程图；

图2为本发明实施例中获取目标对话信息的流程图；

图3为本发明实施例中确定与对话信息相对应的回复信息的流程图；

图4为本发明实施例中基于上下文的输入装置的第一结构图；

图5为本发明实施例中获取模块的结构图；

图6为本发明实施例中处理模块的结构图；

图7为本发明实施例中基于上下文的输入装置的第二结构图；

图8为本发明实施例中终端的结构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供的一种基于上下文的输入方法，其执行主体具体可以为本地用户的终端，参见图1所示，该方法包括步骤101-103：

步骤101：当接收到本地用户在目标对话界面触发的信息输入指令时，获取目标对话界面中非本地用户发送的目标对话信息。

本发明实施例中，目标对话界面为本地用户与其他用户进行对话的界面，例如某聊天工具的聊天界面等；本地用户可通过多种方式触发该信息输入指令，例如本地用户打开该目标对话界面时自动触发该信息输入指令、或者本地用户操作(例如单击、双击、长按、滑动等操作)目标对话界面中用于输入文本的输入栏等。非本地用户为与本地用户不同的一个或多个其他用户，本地用户和非本地用户均可以在某一时间点提交信息，终端每获取到一个用户(包括本地的用户和非本地用户)提交的对话信息，则可以确定一个时间点，即一条对话信息对应一个时间点。

本发明实施例中，当本地用户需要在当前时间点自动回复其他用户(即非本地用户)发送的对话信息时，在目标对话界面触发一个信息输入指令，进而确定目标对话信息，该目标对话信息为非本地用户发送的一个对话信息。具体的，可以首先确定一个目标时间点，该目标时间点即为该目标对话信息对应的时间点。目标时间点可以是与当前时间点相邻的上一个时间点，即将目标对话界面内最后一条非本地用户发送的对话信息作为目标对话信息，此时获取的对话信息是终端最新接收到的消息；同时，可以获取多个目标时间点提交的多个对话信息；或者，根据预设的规则来确定哪一时间点为目标时间点。

具体的，在聊天场景下，用户输入的每条信息对应一个时间点，若本地用户为a，与本地用户聊天的其他用户为b，用户b在时间点c给用户a发送了一条消息d，且用户a暂时并未回复该消息d，则目标时间点可以是时间点c，用户b提交的对话信息即为消息d。若当前时间点的上一个时间点是本地用户自己发送消息的时间点，说明本地用户可能已经回复了其他用户发送的消息，此时可以执行本发明实施例提供的方法，也可以继续寻找本地用户还未回复的第二对话信息，进而确定相对应的目标时间点，并执行本发明实施例提供的后续流程。

可选的，当一个用户连续发送多条消息、或者处于群聊环境时，可以根据本地用户输入的选择用户指令来确定目标时间点。例如，在本地用户a回复消息之前，有三个其他用户b、c、d均发了消息(或者一个用户发送了多条消息等)，用户可以通过长按(或单击、双击等)某一条消息来将该消息对应的时间点作为目标时间点。或者，当一个用户连续发送多条消息时，基于每条消息的语义确定疑问句式的消息，优先自动回复疑问句式的消息；在存在多个疑问句式的消息时，根据语义或者关键词数量来确定哪一个疑问句式的消息与用户之前聊天的内容更加相关，优先回复最相关的疑问句式消息。此外，在群聊时，可以同时自动回复一个用户发送的多条消息。例如，若其他用户c连续发送了多个消息，此时可以同时自动回复用户c发送的多个消息，即本地用户a可以以一条消息的形式回复用户c发送的多条消息。

步骤102：对目标对话信息进行自然语言理解处理，根据处理结果确定与目标对话信息相对应的一个或多个回复信息并展示；其中，该处理结果包括与目标对话信息对应的特征词的有序序列。

本发明实施例中，自然语言理解处理可以包含分词、去停用词等预处理过程；可以采用现有的自然语言理解处理(naturallanguageunderstanding，nlu)技术对对话信息进行自然语言处理，可以确定对话信息的语义；具体的，对目标对话信息进行预处理后，基于对目标对话信息中词语的词性分析以及句法分析可以确定该目标对话信息的自然语言理解处理的处理结果，该处理结果为与该目标对话信息对应的特征词的有序序列；其中，特征词可以是对目标对话信息进行预处理后确定的词语；可以根据目标对话信息中特征词的顺序确定有序序列，也可以根据标准语法生成特征词的有序序列。确定处理结果之后，通过检索知识库的方式或者其他方式(例如利用神经网络模型)等可以确定与该对话信息相对应的回复信息，该知识库中保存有特征词的有序序列与回复信息之间的映射关系，且可实时更新该知识库中保存的映射关系。例如，目标对话信息为“今晚想吃什么？”、“晚上打算吃什么？”、或“今晚有什么想吃的？”，基于自然语言理解处理可以确定上述三者表示的是同一种含义“今晚吃什么？”，特征词包括三个，分别是“今晚”、“吃”、“什么”，特征词的有序序列可以为“今晚—吃—什么”，也可为“吃—什么—今晚”；此时根据知识库中保存的映射关系即可以确定特征词的有序序列所对应的回复信息；该回复信息可以有一个，也可以多个，例如“今晚吃面条”、“今晚吃水果”、“今晚吃烤肉”等；该回复信息具体可以基于本地用户的历史行为来确定，也可通过调用本地用户日程表、备忘录等的方式来确定。

可选的，处理结果中每个特征词设有特征属性，该特征属性包括分类属性和语法属性，其中，分类属性表示该特征词在当前环境下所述的类别，比如餐厅、位置、音乐等；语法属性表示该特征词在该目标对话信息中的词性(比如名词、动词等)和所属成分(比如主语、谓语等)。如上例中的有序序列“今晚—吃—什么”，其中特征词“今晚”的语法属性可以为“副词-时间状语”，“吃”的语法属性为“动词-谓语”。同时，若分类属性不存在，可以标记为空(null)；分类属性用于对特征词的含义进行区分。例如，“你觉得江南怎么样？”其中的特征词“江南”可以表示地理位置，也可以表示一首歌，此时只单靠语法属性并不能区分，而通过分类属性“位置”或“音乐”可以对其进行区分。

步骤103：当接收到本地用户针对目标回复信息的选择指令时，将目标回复信息添加至目标对话界面的文本输入栏中。

本发明实施例中，该选择指令可以为自动生成的指令或自动触发的指令；例如，在步骤102确定回复信息之后，直接选定该回复信息作为目标回复信息(相当于自动生成一个选择指令，用户感知不到)；或者在确定回复信息之后基于某种触发条件(例如用户长时间不操作、或者终端又接收到其他用户发来的信息等)来触发选择指令。

或者，该选择指令也可以为本地用户主动输入的指令。具体的，在步骤102中显示该回复信息时，该回复信息可以显示在目标对话界面的文本输入栏中，也可以显示在文本输入栏周围或其他的预设位置，只要可以使得本地用户看到即可。当只有一个回复信息时，直接显示即可；当有多个回复信息时，可以并排(或并列)显示多个回复信息；或者对多个回复信息排序后再按照顺序依次显示回复信息。同时，显示回复消息可以需要一个触发指令；例如，当本地用户点击文本输入栏时才会显示该目标回复消息。之后本地用户通过操作终端即可选择一个回复消息作为目标回复消息；具体的，用户可以通过单击、双击、长按或滑动回复消息的方式来选择该回复消息；且在本地用户发送某一消息之前，该回复消息一直处于显示状态，即本地用户可以随时选择所需的回复消息。同时，不立刻发送以避免用户选择错误，还可以使得本地用户在文本输入栏中编辑该回复消息，之后发送编辑后的回复消息。

本发明实施例提供的一种基于上下文的输入方法，在本地用户未执行任何输入操作之前即可自动获取非本地用户发送的目标对话信息，进而确定相应的回复消息并将其中的目标回复消息添加至输入栏，方便本地用户直接发送该目标回复消息或编辑目标回复消息。该方法在本地用户未执行任何输入操作之前即可自动生成目标回复消息，简化了用户操作，节省了操作时间，可以实现快速回复，提高了用户操作效率。

本发明另一实施例提供一种基于上下文的输入方法，该方法包括上述实施例中的步骤101-103，其实现原理以及技术效果参见图1对应的实施例。同时，本发明实施例中，参见图2所示，步骤101中“获取目标对话界面中非本地用户发送的目标对话信息”包括步骤1011-1013：

步骤1011：将本地用户最新提交信息的时间点作为起始时间点。

本发明实施例中，为了提高处理效率，将本地用户曾经发送信息之前所接收到的信息均默认为已经回复了的信息，即不自动回复之前所接收到的信息。具体的，确定本地用户最后一次发送信息的时间点，即起始时间点，将该起始时间点作为一个分割点。

步骤1012：确定在起始时间点与当前时间点之间所接收的非本地用户发送的所有对话信息，并确定每条对话信息对应的信息参数，信息参数包括信息内容、获取时间和其他用户的用户标识。

本发明实施例中，若在起始时间点与当前时间点之间仅存在一条消息，则可以直接将该对话信息的时间点作为目标时间点。此外，在起始时间点之后，可能其他用户会发送多条消息(即对话信息)，或者在群聊时多个其他用户均发送了对话信息，则此时在起始时间点与当前时间点之间存在多条消息，此时根据对话信息的权重系数确定哪条对话信息才是需要自动回复的信息；即当起始时间点与当前时间点之间存在多条对话信息时，才执行步骤1011-1013。

具体的，当起始时间点与当前时间点之间存在多条对话信息时，确定每条对话信息的信息参数，其中的信息内容即为该对话信息所含的文本内容，获取时间为本地终端获取到该对话信息的时间，用户标识用于区分不同的用户，一个用户对应一个唯一的用户标识。

步骤1013：根据信息参数确定相应对话信息的权重系数，将权重系数最大或权重系数大于预设阈值的对话信息作为目标对话信息，目标对话信息对应的时间点为目标时间点。

本发明实施例中，对话信息的权重系数表示该对话信息对本地用户的重要程度，权重系数越大，说明该对话信息对本地用户越重要。在确定所有对话信息的权重系数后，将权重系数最大的对话信息作为最终确定的目标对话信息，或者将权重系数大于某个预设阈值的对话信息作为最终确定的目标对话信息，具体可以根据实际情况或本地用户的设置而定。基于对话信息的权重系数来选定对本地用户比较重要的对话信息，从而方便后续对该重要的对话信息进行自动回复。

本发明实施例中可以基于多种方式来确定权重系数，可选的，上述步骤1013“根据信息参数确定相应对话信息的权重系数”可以包括步骤a1-a5：

步骤a1：将在起始时间点与当前时间点之间所获取的一个对话信息作为第一对话信息。

本发明实施例中，在起始时间点与当前时间点之间的每个对话信息均按照步骤a1-a5来确定权重系数，第一对话信息只是其中的一个对话信息，可以分别将不同的对话信息作为第一对话信息，进而根据步骤a2-a5来确定相应的权重系数。

步骤a2：确定第一对话信息的信息内容与第二对话信息的信息内容之间的相似度，根据所有的相似度确定第一对话信息的相似度系数；第二对话信息为除第一对话信息以外的第二对话信息。

本发明实施例中，首先根据第一对话信息的信息内容来确定第一对话信息的相似度系数。具体的，设在起始时间点与当前时间点之间共n条对话信息，ci表示第i条对话信息的信息内容，且i∈[1,n]，即n表示在起始时间点与当前时间点之间对话信息的条数；第i条与第j条对话信息的信息内容之间的相似度为sij，j∈[1,n]，且i≠j；其中，具体可以根据两个信息内容之间相同字符数占总字符数的比值作为二者之间的相似度，也可以其他方式确定相似度，两个完全相同的对话信息之间的相似度为1。此时，假设第i条对话信息为第一对话信息，此时可以将第一对话信息的信息内容与其他所有的第二对话信息的信息内容之间的相似度的平均值作为第一对话信息的相似度系数si，即：其中i≠j。相似度系数越大，说明第一对话信息与其他的对话信息(即第二对话信息)之间的相关度越高，可以优先回复。

步骤a3：确定第一对话信息的获取时间与当前时间点之间的时间差，并根据第一对话信息的获取时间确定第一对话信息的接收顺位。

本发明实施例中，该时间差表示获取到第一对话信息的时长，时间差越大，表示时长越长，一般情况下更应该优先回复；同样的，接收顺位表示该第一对话信息在所有的对话信息中是第几个被本地终端获取的，接收顺位越小，表示获取的越早，一般情况下应该优先回复。需要说明的是，部分用户更加习惯回复刚收到的信息，此时时间差小的或者接收顺位大的则更优先回复，具体可以根据本地用户的习惯或设置而定。

步骤a4：根据第一对话信息的用户标识确定相对应的非本地用户与本地用户之间的亲密度，并确定第一对话信息的用户标识在起始时间点与当前时间点之间提交对话信息的提交数量。

本发明实施例中，根据本地用户与该第一对话信息对应的其他用户之间的亲密度来确定是否优先回复该条信息。具体的，可以根据本地用户与该其他用户之间的聊天记录、聊天频率等来确定二者之间的亲密度；本地用户也可自行设置某个其他用户对自己的亲密度。同时，该其他用户在起始时间点与当前时间点之间提交对话信息的数量越多，越说明该其他用户更需要被优先回复。

步骤a5：根据相似度系数、时间差、接收顺位、亲密度和提交数量确定第一对话信息的权重系数；权重系数与相似度系数、亲密度和提交数量呈正相关关系，权重系数与时间差和接收顺位的倒数呈正相关关系或负相关关系。

本发明实施例中，权重系数与相似度系数之间呈正相关关系表示相似度系数越大，权重系数越大；同时，权重系数与时间差和接收顺位之间的关系需要根据本地用户的实际情况而定。本发明实施例基于相似度系数、时间差、接收顺位、亲密度和提交数量等多维参数共同确定对话信息的权重系数，可以使得最终确定的权重系数更加精确。

在上述实施例的基础上，参见图3所示，步骤102中“根据处理结果确定与目标对话信息相对应的一个或多个回复信息”包括步骤1021-1024：

步骤1021：将目标对话信息的处理结果输入至预设的信息匹配模型中，将信息匹配模型的输出结果作为与目标对话信息对应的临时回复信息；信息匹配模型为多个经自然语言理解处理的目标对话信息和对应的回复信息作为样本输入神经网络模型后训练得到的模型。

本发明实施例中，预设神经网络模型，预先将多个经自然语言理解处理的目标对话信息作为输入、将用户回复该目标对话信息的回复信息作为输出训练神经网络模型，并得到神经网络模型的具体参数，将训练后的神经网络模型作为信息匹配模型。在获得本地用户需要回复的目标对话信息的处理结果之后，将该处理结果作为信息匹配模型的输入即可得到相应的用于回复该处理结果的信息，即临时回复信息。

步骤1022：判断临时回复信息中是否存在用于调用第三方数据库的调用标识，在临时回复信息中不存在调用标识时时，将临时回复信息作为与对话信息相对应的回复信息。

步骤1023：在临时回复信息中存在调用标识时时，查询与调用标识相应的第三方数据库，并根据查询结果补充临时回复信息，将补充后的临时回复信息作为与目标对话信息相对应的回复信息。

本发明实施例中，在确定回复信息时还可借助第三方数据库，该第三方数据库为需要实时更新的数据库，具体可以包括气象数据库、路况数据库、航班数据库、本地数据库等；本地数据库中存储有与本地用户相关的数据，如本地用户的行程表、备忘录等。该调用标识用于表示是否需要调用第三方数据库，当不需要调用第三方数据库时，该调用标识可以为null；当需要调用第三方数据库时，该调用标识与所需的第三方数据库相一致；一个回复信息可别包含多个调用标识。具体的，例如，其他用户提交的对话信息为“你那天气如何？”，此时除了依靠神经网络模型确定需要回复的信息外，还需要确定调用标识是否存在以及存在时是哪一调用标识，若调用标识存在且与气象数据库相对应，则此时借助气象数据库来确定当前的天气信息；或者先借助终端的定位信息确定本地用户的当前位置，进而借助气象数据库来确定当前位置当前时间的天气信息。当根据神经网络模型可以直接确定回复信息时，则可不需要调用第三方数据库。本发明实施例通过神经网络模型可以快速确定回复信息，同时在适当的情况下调用第三方数据库，能够提供更加完善精确的回复信息。

在上述实施例的基础上，在步骤103“将目标回复信息添加至目标对话界面的文本输入栏中”之后，该方法还包括后续处理的过程，该过程具体包括步骤b1-b2：

步骤b1：当接收到本地用户输入的修改指令时，根据修改指令修改回复信息，将修改后的回复信息作为有效回复信息并发送。

步骤b2：将目标对话信息作为输入、有效回复信息作为输出，训练并更新预设的信息匹配模型。

本发明实施例中，信息匹配模型为多个经自然语言理解处理的目标对话信息和对应的回复信息作为样本输入神经网络模型后训练得到的模型，在将目标回复信息添加至文本输入栏中之后，本地用户可以直接发送该目标回复信息，也可以编辑该目标回复信息；具体的，本地用户可以输入修改指令来编辑该目标回复信息。当存在用户编辑目标回复信息的情况时，说明基于信息匹配模型确定的目标回复信息并不是完全适合该本地用户的，此时可以将本地用户修改后的回复信息(即有效回复信息)作为样本，继续训练神经网络模型，调整神经网络模型的参数，使得训练后的神经网络模型(即信息匹配模型)更加符合本地用户的需求。

本发明实施例提供的一种基于上下文的输入方法，在本地用户未执行任何输入操作之前即可自动获取非本地用户发送的目标对话信息，进而确定相应的回复消息并将其中的目标回复消息添加至输入栏，方便本地用户直接发送该目标回复消息或编辑目标回复消息。该方法在本地用户未执行任何输入操作之前即可自动生成目标回复消息，简化了用户操作，节省了操作时间，可以实现快速回复，提高了用户操作效率。基于对话信息的权重系数来选定对本地用户比较重要的对话信息，从而方便后续优先对该重要的对话信息进行自动回复。基于多维参数共同确定对话信息的权重系数，可以使得最终确定的权重系数更加精确。通过神经网络模型可以快速确定回复信息，同时在适当的情况下调用第三方数据库，能够提供更加完善精确的回复信息；且基于本地用户修改后的有效回复信息训练神将网络模型，可以使得神经网络模型更加符合本地用户的需求。

以上详细介绍了基于上下文的输入的方法流程，该方法也可以通过相应的装置实现，下面详细介绍该装置的结构和功能。

本发明实施例提供一种基于上下文的输入装置，参见图4所示，包括：

获取模块41，用于当接收到本地用户在目标对话界面触发的信息输入指令时，获取目标对话界面中非本地用户发送的目标对话信息；

处理模块42，用于对目标对话信息进行自然语言理解处理，根据处理结果确定与目标对话信息相对应的一个或多个回复信息并展示，所述处理结果包括与所述目标对话信息对应的特征词的有序序列；

输入模块43，用于当接收到本地用户针对目标回复信息的选择指令时，将目标回复信息添加至目标对话界面的文本输入栏中。

在一种可能的实现方式中，参见图5所示，获取模块41包括：

时间确定单元411，用于将本地用户最新提交信息的时间点作为起始时间点；

获取单元412，用于确定在起始时间点与当前时间点之间所接收的非本地用户发送的所有对话信息，并确定每条对话信息对应的信息参数，信息参数包括信息内容、获取时间和其他用户的用户标识；

处理单元413，用于根据信息参数确定相应对话信息的权重系数，将权重系数最大或权重系数大于预设阈值的对话信息作为目标对话信息，目标对话信息对应的时间点为目标时间点。

在一种可能的实现方式中，处理单元413包括：

预处理子单元，用于将在起始时间点与当前时间点之间所获取的一个对话信息作为第一对话信息；

第一确定子单元，用于确定第一对话信息的信息内容与第二对话信息的信息内容之间的相似度，根据所有的相似度确定第一对话信息的相似度系数；第二对话信息为除第一对话信息以外的第二对话信息；

第二确定子单元，用于确定第一对话信息的获取时间与当前时间点之间的时间差，并根据第一对话信息的获取时间确定第一对话信息的接收顺位；

第三确定子单元，用于根据第一对话信息的用户标识确定相对应的非本地用户与本地用户之间的亲密度，并确定第一对话信息的用户标识在起始时间点与当前时间点之间提交对话信息的提交数量；

处理子单元，用于根据相似度系数、时间差、接收顺位、亲密度和提交数量确定第一对话信息的权重系数；权重系数与相似度系数、亲密度和提交数量呈正相关关系，权重系数与时间差和接收顺位的倒数呈正相关关系或负相关关系。

在一种可能的实现方式中，参见图6所示，处理模块42包括：

预设单元421，用于预设神经网络模型，神经网络模型的输入为经自然语言理解处理的目标对话信息，输出为用于回复该目标对话信息的回复信息；

信息确定单元422，用于将目标对话信息的处理结果输入至预设的信息匹配模型中，将信息匹配模型的输出结果作为与目标对话信息对应的临时回复信息；信息匹配模型为多个经自然语言理解处理的目标对话信息和对应的回复信息作为样本输入神经网络模型后训练得到的模型；

处理单元423，用于判断临时回复信息中是否存在用于调用第三方数据库的调用标识，第三方数据库包括气象数据库、路况数据库、航班数据库、本地数据库中的一项或多项；在临时回复信息中不存在调用标识时，将临时回复信息作为与目标对话信息相对应的回复信息；在临时回复信息中存在调用标识时，查询与调用标识相应的第三方数据库，并根据查询结果补充临时回复信息，将补充后的临时回复信息作为与目标对话信息相对应的回复信息。

在一种可能的实现方式中，参见图7所示，该装置还包括修改模块44和训练模块45；

在输入模块43将目标回复信息添加至文本输入栏中之后，修改模块44用于当接收到本地用户输入的修改指令时，根据修改指令修改目标回复信息，将修改后的目标回复信息作为有效回复信息并发送；

训练模块45用于将目标对话信息作为输入、有效回复信息作为输出，训练并更新预设的信息匹配模型，信息匹配模型为多个经自然语言理解处理的目标对话信息和对应的回复信息作为样本输入神经网络模型后训练得到的模型。

在一种可能的实现方式中，获取模块41具体用于：将目标对话界面内最后一条非本地用户发送的对话信息作为目标对话信息

本发明实施例提供的一种基于上下文的输入装置，在本地用户未执行任何输入操作之前即可自动获取非本地用户发送的目标对话信息，进而确定相应的回复消息并将其中的目标回复消息添加至输入栏，方便本地用户直接发送该目标回复消息或编辑目标回复消息。该装置在本地用户未执行任何输入操作之前即可自动生成目标回复消息，简化了用户操作，节省了操作时间，可以实现快速回复，提高了用户操作效率。基于对话信息的权重系数来选定对本地用户比较重要的对话信息，从而方便后续优先对该重要的对话信息进行自动回复。基于多维参数共同确定对话信息的权重系数，可以使得最终确定的权重系数更加精确。通过神经网络模型可以快速确定回复信息，同时在适当的情况下调用第三方数据库，能够提供更加完善精确的回复信息；且基于本地用户修改后的有效回复信息训练神将网络模型，可以使得神经网络模型更加符合本地用户的需求。

本申请实施例还提供了一种计算机存储介质，计算机存储介质存储有计算机可执行指令，其包含用于执行上述基于上下文的输入方法的程序，该计算机可执行指令可执行上述任意方法实施例中的方法。

其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。

图8示出了本发明的另一个实施例的一种终端的结构框图。所述终端1100可以是具备计算能力的主机服务器、个人计算机pc、或者可携带的便携式计算机或终端等。本发明具体实施例并不对终端的具体实现做限定。

该终端1100包括至少一个处理器(processor)1110、通信接口(communicationsinterface)1120、存储器(memoryarray)1130和总线1140。其中，处理器1110、通信接口1120、以及存储器1130通过总线1140完成相互间的通信。

通信接口1120用于与网元通信，其中网元包括例如虚拟机管理中心、共享存储等。

处理器1110用于执行程序。处理器1110可能是一个中央处理器cpu，或者是专用集成电路asic(applicationspecificintegratedcircuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器1130用于可执行的指令。存储器1130可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器1130也可以是存储器阵列。存储器1130还可能被分块，并且所述块可按一定的规则组合成虚拟卷。存储器1130存储的指令可被处理器1110执行，以使处理器1110能够执行上述任意方法实施例中的方法。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。