CN107621886B - 一种输入推荐方法、装置及电子设备 - Google Patents

Abstract

本发明涉及人机交互领域，公开了一种输入推荐方法、装置及电子设备，以解决现有技术中基于输入操作所提供的推荐候选项的数据量过少的技术问题。该方法包括：在获得用于确定推荐候选项的关键数据信息之后，可以通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；将所述M条候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。达到了增加基于关键数据信息所提供的推荐候选项的信息量的技术效果，由此提高输入效率。

Description

一种输入推荐方法、装置及电子设备

技术领域

本发明涉及人机交互领域，尤其涉及一种输入推荐方法、装置及电子设备。

背景技术

随着科学技术的不断发展，电子技术也得到了飞速的发展，电子产品的种类也越来越多，人们也享受到了科技发展带来的各种便利。现在人们可以通过各种类型的电子设备，享受随着科技发展带来的舒适生活。例如，笔记本电脑、台式电脑、智能手机、平板电脑等电子设备已经成为人们生活中一个重要的组成部分，用户可以使用手机、平板电脑等电子设备来听音乐、玩游戏等等，以减轻现代快节奏生活所带来的压力。

其中，在使用电子设备的过程中，往往需要用到电子设备的输入功能，以实现与电子设备的交互，输入法应用程序则是实现输入功能的一个重要手段。为了提供输入法应用程序的输入效率，在基于输入法应用程序选择输入的关键词之后，还可以提供与该关键词对应的推荐候选项，然而现有技术中往往只能够提供用户所上屏的关键词的下一个词，故而存在着所提供的推荐候选项的数据量过少的技术问题。

发明内容

本发明提供一种输入推荐方法、装置及电子设备，以解决现有技术中基于输入操作所提供的推荐候选项的数据量过少的技术问题。

第一方面，本发明实施例提供一种输入推荐方法，包括：

获得用于确定推荐候选项的关键数据信息；

通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

可选的，所述通过所述关键数据信息基于语言模型确定出M个候选语句，包括：

基于所述语言模型，确定出在所述关键数据信息出现的情况下出现概率满足第一预设概率条件的关键词作为所述第一级关键词。

可选的，所述通过所述关键数据信息基于语言模型确定出M个候选语句，包括：

基于所述语言模型，确定出在所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词；或者，

基于所述语言模型，确定在所述关键数据信息与所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词。

可选的，所述通过所述关键数据信息基于语言模型确定出M个候选语句，还包括：

在确定出L级关键词之后，基于所述关键数据信息与确定出第1至L级关键词组合获得N条语句，N为不小于M的整数，第i+1级关键词为在第i级关键词出现的情况下，满足第i预设概率条件的关键词，i为1至L-1的整数；

基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值；

从所述N条语句中筛选获得综合评分值满足预设评分值条件的语句作为所述M个候选语句。

可选的，所述基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值，包括：

基于所述语言模型，针对所述N条语句中的每条语句基于所包含的关键词分别进行2至k元打分，k不大于预设值，所述预设值为L与所述关键数据信息所包含的关键词数量之和；

针对每条语句，对其所包含的2至k元打分基于权值进行加和，从而获得对应语句的综合评分值。

可选的，所述方法还包括：

确定获得所述关键数据信息时电子设备所处的输入环境；

基于所述输入环境确定出所述预设值。

可选的，所述方法还包括：

获得用户在各个输入环境下每进行一次搜索操作所输入的关键词数量；

通过在对应环境下，每次搜索所输入的关键词数量确定出对应输入环境下的所述预设值。

可选的，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，

当前所输入的字符串对应的首选关键词。

可选的，所述将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项，包括：

将每条候选语句中去除所述关键数据信息的部分作为所述关键数据信息的推荐候选项。

第二方面，本发明实施例提供一种输入推荐方法，包括：

获得用于确定推荐候选项的关键数据信息；

将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收所述网络服务器发送的所述推荐候选项。

可选的，在所述将所述关键数据信息发送至网络服务器之前，所述方法还包括：

通过所述关键数据信息在所述电子设备的历史操作记录中搜索包含所述关键数据信息的候选语句；

其中，如果没有搜索结果，将所述关键数据信息发送至所述网络服务器。

可选的，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，

当前所输入的字符串对应的首选关键词。

第三方面，本发明实施例提供一种输入推荐装置，包括：

第一获得模块，用于获得用于确定推荐候选项的关键数据信息；

第一确定模块，用于通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

第二确定模块，用于将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

第四方面，本发明实施例提供一种输入推荐装置，包括：

第三获得模块，用于获得用于确定推荐候选项的关键数据信息；

发送模块，用于将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收模块，用于接收所述网络服务器发送的所述推荐候选项。

第五方面，本发明实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获得用于确定推荐候选项的关键数据信息；

通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

第六方面，本发明实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获得用于确定推荐候选项的关键数据信息；

将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收所述网络服务器发送的所述推荐候选项。

本发明有益效果如下：

由于在本发明实施例中，在获得用于确定推荐候选项的关键数据信息之后，可以通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。也就是说确定的推荐候选项包括基于关键数据信息所确定出的第一级关键词，以及通过第一级关键词所确定出的第二级关键词，由此实现通过关键数据信息的层层联想，达到了增加基于关键数据信息所提供的推荐候选项的信息量的技术效果，由此提高输入效率。

附图说明

图1为本发明实施例第一方面的输入推荐方法的流程图；

图2为本发明实施例第一方面的输入推荐方法中确定出M个候选语句的流程图；

图3为本发明实施例第二方面的输入推荐方法的流程图；

图4为本发明实施例第三方面的输入推荐装置的结构图；

图5为本发明实施例第四方面的输入推荐装置的结构图；

图6是根据一示例性实施例示出的一种输入推荐的方法的电子设备的框图；

图7是本发明实施例中服务器的结构示意图。

具体实施方式

本发明提供一种输入推荐方法、装置及电子设备，以解决现有技术中基于输入操作所提供的推荐候选项的数据量过少的技术问题。

本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：

在获得用于确定推荐候选项的关键数据信息之后，可以通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。也就是说确定的推荐候选项包括用关键数据信息所确定出的第一级关键词，以及通过第一级关键词所确定出的第二级关键词，由此实现通过关键数据信息的层层联想，达到了增加基于关键数据信息所提供的推荐候选项的信息量的技术效果，由此提高输入效率。

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。

第一方面，本发明实施例提供一种输入推荐方法，请参考图1，包括：

步骤S101：获得用于确定推荐候选项的关键数据信息；

步骤S102：通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

步骤S103：将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

举例来说，该方案可以应用于客户端设备，客户端设备例如为：手机、平板电脑、笔记本电脑、PC等等，也可以应用于网络服务器，本发明实施例不作限制。其中，如果该方案应用于客户端设备，则客户端设备直接获得客户端设备上的关键数据信息，并基于此确定出推荐候选项；如果该方案应用于网络服务器，则网络服务器可以接收客户端设备发送的关键数据信息，然后通过该关键数据信息确定出推荐候选项，并且网络服务器在确定出推荐候选项之后，还可以将其发送客户端设备，以提供给客户端设备的用户进行输入。该方案可以应用于输入法应用程序进行输入的过程中，所获得推荐候选项为输入法应用程序所提供的推荐候选项。

步骤S101中，该关键数据信息可以包含多种信息，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况，另外，在不冲突的情况下，以下两种情况可以组合使用。

第一种，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词。

举例来说，该预设数量可以为默认设置的数量，例如：1、2等等，例如：假设当前输入区域包含以下输入内容“昨天看了北京”，如果预设数量为1，则可以确定关键数据信息包括“北京”，如果预设数量为2，则可以确定关键数据信息包括“看了”+″北京”等等；该预设数量也可以通过对当前输入光标之前的多个字符分析确定，例如：确定出与当前输入光标最临近的预设类别的词，然后将该预设类别的词之后的内容作为关键数据信息，该预设类别的词例如包括：助词、动词等等，还是以“昨天看了北京”为例，最后一个动词为“看”，最后一个助词为“了”，从而确定出“了”之后的内容“北京”为关键数据信息，当然，还可以通过其他方式确定出关键数据信息，本发明实施例不再详细列举，并且不作限制。

第二种，所述关键数据信息包括：当前所输入的字符串对应的首选关键词。

举例来说，假设当前所输入的字符串为“aiqing”，其提供以下四个推荐关键词①爱情②爱卿③艾青④爱清，则其中的首选关键词为“爱情”，从而可以将关键词“爱情”作为首选关键词。

另外，上述两种方式可以组合使用，例如：将位于当前位置前的预设数量的关键词+首选关键词共同作为关键数据信息，例如如果位于当前位置前的预设数量的关键词为“北京”，首选关键词为“爱情”，从而可以确定出关键数据信息为“北京爱情”。

步骤S102中，语言模型指的是基于自然语言的上下文相关特征所建立的模型，通过该语言模型能够描述给定词序列在语言中的出现的概率的分布。语言模型例如为n-gram语言模型、神经网络语言模型等等。

在具体实施过程中，可以通过以下方式确定出第一级关键词：基于所述语言模型，确定出在所述关键数据信息出现的情况下出现概率满足第一预设概率条件的关键词作为所述第一级关键词。

其中，第一预设概率条件例如为：出现概率位于前几位(例如：3、5等等)、出现次数大于预设次数(例如：1000次、2000次等等)等等，其中，如果关键数据信息只包含一个关键词，则可以直接确定出在关键词出现的情况下，出现概率满足第一预设概率条件的关键词作为第一级关键词，以关键词为“北京”为例，可以获取在关键词“北京”出现的情况下，出现次数位于前4位的关键词作为第一级关键词，第一级关键词例如包括：爱情、时间、地铁、公交；如果关键数据信息包含多个关键词，则可以确定出在所有关键词都出现的情况下，出现概率满足第一预设概率条件的关键词作为第一级关键词，以关键数据信息为“北京爱情”为例，可以获取在关键词“北京”+“爱情”出现的情况下，出现次数位于前3位的关键词作为第一级关键词，第一级关键词例如包括：故事、电影、电视剧；也可以选取关键数据信息中的部分关键词确定出第一级关键词，本发明实施例不再详细列举，并且不作限制。

在另一种可选的实施例中，还可以通过以下方式获得第一级关键词：获得至少一个采样文本；提取所述至少一个采样文本中出现次数大于预设次数的语句作为预设语句；基于关键数据信息在预设语句中查询获得关键语句；提取关键语句中关键数据信息之后所包含的第一个关键词作为第一级关键词。

举例来说，采样文本例如为：网络上各个网络文本、同样可以通过关键数据信息中的部分关键词或者关键词在预设语句中进行匹配从而获得关键语句。假设通过关键数据信息“北京”匹配出如下的关键语句“北京爱情故事#电视剧”，则“北京”之后的第一个关键词为“爱情”，从而确定出“爱情”为第一级关键词。当然，基于关键数据信息不同，所匹配出的第一级关键词也不同，本发明实施例不作限制。

在具体实施过程中，可以通过多种方式确定出第二级关键词，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

第一种，基于所述语言模型，确定出在所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词。

举例来说，假设第一级关键词包括：B₁、B₂，则可以确定出在关键词B₁出现的情况下，满足第二预设概率条件的关键词C₁、C₂，还可以确定出在关键词B₂出现的情况下，满足第二预设概率条件的关键词C₃、C₄，从而可以确定出第二级关键词包括：C₁、C₂、C₃、C₄，满足第二预设概率条件例如为：在第一级关键词出现的情况下，出现次数大于预设次数、出行次数排序位于前几位等等，其中，第二预设概率条件与第一预设概率条件所对应的预设次数可以相同，也可以不同，第二预设概率条件与第二预设概率条件所对应的前几位同样可以相同或者不同，本发明实施例不作限制。

第二种，基于所述语言模型，确定在所述关键数据信息与所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词。

举例来说，假设关键数据信息为A，第一级关键词包括：B₁、B₂，则可以确定出在AB₁同时出现的情况下，满足第二预设概率条件的关键词C₅、C₆，还可以确定出AB₂同时出现的情况下，满足第二预设概率条件的关键词C₇、C₈，从而第二级关键词包括：C₅、C₆、C₇、C₈等等。

另外，在具体实施过程中，在确定出第二级关键词之后，还可以通过第二级关键词确定出下一级关键词，总体而言，可以通过第i级关键词基于语言模型确定出第i+1级关键词，直至确定出L级关键词。

举例来说，该L值可以为预设的任意值，例如：2、3等等，也可以通过预设值减去关键数据信息所包含的关键词数量而获得，该预设值可以为设定的预设值，例如：4、5等等，作为一种可选的实施例，可以通过以下方式确定出预设值：确定获得所述关键数据信息时电子设备所处的输入环境；基于所述输入环境确定出所述预设值。

举例来说，该输入环境例如包括：视频搜索环境、音频搜索环境、网页搜索环境、商品搜索环境等等，其中，在视频搜索环境下用于搜索视频数据，在音频搜索环境下用于搜索音频数据，在网页搜索环境下用于搜索网页数据，在商品搜索环境下用于搜索商品，其中，可以通过输入框的类型或者当前页面类型来确定出输入环境，例如：如果该输入框用于搜索视频数据，则可以确定出输入环境为视频搜索环境，如果该输入框用于搜索音频数据，则可以确定出输入环境为音频搜索环境等等；又例如，如果当前页面为搜索引擎，则可以确定出输入环境为网页搜索环境，如果当前页面为购物网站，则可以确定出输入环境为商品搜索环境等等。其中，用户在不同的输入环境下，由于输入目的不同，从而导致其输入的关键词的数量也不同，基于该方案能够确定出更加精确的候选语句的长度。

作为一种可选的实施例，可以通过以下方式确定出各个输入环境下的L值：获得用户在各个输入环境下每进行一次搜索操作所输入的关键词数量；通过在对应环境下，每次搜索所输入的关键词数量确定出对应输入环境下的所述L值。

举例来说，这里的用户可以为当前客户端设备的用户，也可以为系统的至少一个采样用户，如果为当前客户端设备的用户，则可以确定出更加精确的L值，如果为至少一个采样用户，则由于值只需要针对部分采样用户确定出预设值，而不需要针对每个用户都确定出其预设值，由此能够降低设备(客户端设备或者服务器)的处理负担。

其中，在获得各个输入环境下，每次搜索所输入的关键词数量之后，可以计算关键词数量的平均值作为对应输入环境下的预设值，则可以获得最大的关键词数量作为对应输入环境下的预设值等等，本发明实施例不作限制。

在具体实施过程中，在确定出各级关键词之后，将关键数据信息与确定出第1至L级关键词组合就可以获得N条语句。

举例来说，假设关键词数据信息为A，第一级关键词包括：B₁、B₂，通过第一级关键词B₁确定出的第二级关键词包括C₁、C₂，通过第一级关键词B₂确定出的第二级关键词包括：C₃、C₄，从而可以确定出以下四条语句：

①A→B₁→C₁

②A→B₁→C₂

③A→B₂→C₃

①A→B₂→C₄

其中，在确定出N条语句之后，可以直接将N条语句作为M个候选语句，而作为一种可选的实施例，则可以从N条语句中筛选出部分语句作为M个候选语句，在这种情况下，请参考图2，可以通过以下方式确定出M个候选语句：

步骤S201：在确定出L级关键词之后，基于所述关键数据信息与确定出第1至L级关键词组合获得N条语句，N为不小于M的整数，第i+1级关键词为在第i级关键词出现的情况下，满足第i预设概率条件的关键词，i为1至L-1的整数；

步骤S202：基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值；

步骤S203：从所述N条语句中筛选获得综合评分值满足预设评分值条件的语句作为所述M个候选语句。

步骤S201中，对于具体如何确定出N条语句，由于前面已作介绍，故而在此不再赘述。

步骤S202中，可以通过多种方式确定出N条语句中每条语句的综合评分值，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

第一种，所述基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值，包括：

基于所述语言模型，针对所述N条语句中的每条语句基于所包含的关键词分别进行2至k元打分，k不大于预设值，所述预设值为L与所述关键数据信息所包含的关键词数量之和；

针对每条语句，对其所包含的2至k元打分基于权值进行加和，从而获得对应语句的综合评分值。

举例来说，假设预设值为5，则表示对应语句所包含的关键词数量为5，如何预设值为3，则表示对应语句所包含的关键词数量为3等等，其中，假设语句为AB₁C₁，则其2元打分为：L₂＝P(AB₁)+P(B₁C₁)，其中P(A₁B₁)表示在关键词A出现的情况下，关键词B₁的出现概率，可以确定出在关键词A出现的情况下，关键词B₁的出现次数，并且确定出在关键词A出现的情况下，所有关键词的出现次数，然后通过关键词B₁的出现次数除以所有关键词的出现次数，从而可以获得P(AB₁)，P(B₁C₁)的计算方式与之类似，在此不再赘述；其3元打分为L₃＝P(AB₁C₁)，其表示在关键词A、B₁同时出现的情况下，关键词C₁的出现概率，其中，可以确定出在关键词A、B₁同时出现的情况下，关键词C₁的出现次数，并且确定出在关键词A、B₁同时出现的情况下所有关键词的出现次数，然后通过关键词C₁的出现次数除以所有关键词的出现次数，就可以确定出P(AB₁C₁)。从而所获得的语句AB₁C₁的综合评分值为：L＝x₁*L₂+x₂*L₃，其中x₁表示二元打分的权重，x₂表示3元打分的权重，x₁+x₂＝1，其中，针对语句长度为其他预设值，其计算综合评分值的方式与之类似，故而不再一一赘述。其中，为了降低计算复杂度，可以选择集束搜索算法(beam search)，即预测下一联想词时只选取与上一词的二元排在前几位(例如：3、5等等)的词作为候选以降低复杂度。

其中，在具体实施过程中，可以获得整个语句之后，才计算对应语句的综合评分值，例如：如果预设值为5，则在语句长度达到5时才计算其综合评分值，如果预设值为3，则在语句长度达到3时才计算其综合评分值等等；也可以在每获得一级关键词，就计算一次语句的综合评分值，如果综合评分值小于预设评分值，则可以停止获得下一级关键词，由此能够降低设备的处理负担。预设评分值可以根据实际需求进行设定，例如：0.1、0.01等等，本发明实施例不作限制。

第二种，基于所述语言模型，确定出在上一级关键词出现的情况下，下一级关键词的出现次数；将每条语句中各级关键词的出现次数进行加和获得综合评分值。

举例来说，假设语句为AB₁C₁，则可以确定出在关键词A出现的情况下关键词B₁的出现次数，然后确定出在关键词B₁出现的情况下关键词C₁的出现次数，然后对其进行加和，从而获得语句AB₁C₁的综合评分值。

步骤S203中，可以从N条语句中筛选出排序位于前几位(例如：3、5等等)、或者综合评分值大于预设评分值(例如：0.3、0.15等等)的语句作为综合评分值满足预设评分值条件的语句，从而获得M个候选语句。

步骤S103中，可以基于多种原则确定出推荐候选项，下面列举其中的两种进行介绍，当然，在具体实施过程中，不限于以下两种情况。

第一种，所述将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项，包括：

将每条候选语句中去除所述关键数据信息的部分作为所述关键数据信息的推荐候选项。

举例来说，假设关键数据信息为“北京”，共获得3条候选语句，分别如下：

①北京#爱情故事#电影版#结局

②北京#爱情故事#电视剧#结局

③北京#爱情故事#电视剧#第一集

则可以将每条候选语句中去除关键词“北京”从而获得以下3条推荐候选项：

①爱情故事#电影版#结局

②爱情故事#电视剧#结局

③爱情故事#电视剧#第一集

基于上述方案，能够降低显示推荐候选项的显示区域。

第二种，所述将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项，包括：将每条候选语句的全部内容作为关键数据信息的推荐候选项。

还是以前面所举的关键数据信息为“北京”为例，则可以不对所获得候选语句进行处理，而是直接将候选语句作为推荐候选项。

在具体实施过程中，在获得推荐候选项之后，可以将推荐候选项提供给用户，以供用户从这些推荐候选项中直接选择推荐候选项进行输入，例如：用户希望搜索北京爱情故事的电影版结局，则可以直接将选择第①条推荐候选项进行上屏，以提高输入效率。另外，在基于候选语句所确定的推荐候选项提供给用户时，为了防止其遮挡基于输入的字符串所提供的推荐候选项，可以将基于候选语句所确定的推荐候选项显示于基于字符串所提供的推荐候选项的底部或者顶部，当然，也可以显示于其它区域，本发明实施例不作限制。

第二方面，基于同一发明构思，本发明实施例提供一种输入推荐方法，请参考图3，包括：

步骤S301：获得用于确定推荐候选项的关键数据信息；

步骤S302：将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

步骤S303：接收所述网络服务器发送的所述推荐候选项。

作为一种可选的实施例，在所述将所述关键数据信息发送至网络服务器之前，所述方法还包括：通过所述关键数据信息在所述电子设备的历史操作记录中搜索包含所述关键数据信息的候选语句；其中，如果没有搜索结果，将所述关键数据信息发送至所述网络服务器。

举例来说，该历史操作记录例如为历史输入记录、历史搜索记录等等，历史输入记录指的是用户历史输入的内容，历史搜索记录指的是用户进行网络搜索所对应的历史搜索记录，该历史搜索记录中可以包含很多文字内容，可以从历史操作记录中提取出至少一条语句；然后通过关键数据信息在至少一条语句中进行搜索，如果能够获得搜索结果，则直接将该搜索结果作为候选语句；如果不能够获得搜索结果，才将关键数据信息发送至网络服务器，从而通过网络服务器查询获得对应的候选语句。

另外，除了可以将关键数据信息发送至网络服务器之外，还可以将输入环境发送至网络服务器，以通过关键数据信息和输入环境获得更加精确的推荐候选项。

作为一种可选的实施例，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词。

由于本发明第二方面所介绍的输入推荐方法与本发明实施例第一方面所介绍的输入推荐方法相对应，基于本发明实施例第一方面所介绍的输入推荐方法，本领域所属技术人员能够了解本发明第二方面所介绍的输入推荐方法的具体实施方式，故而在此不再赘述。

第三方面，基于同一发明构思，本发明实施例提供一种输入推荐装置，请参考图4，包括：

第一获得模块40，用于获得用于确定推荐候选项的关键数据信息；

第一确定模块41，用于通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

第二确定模块42，用于将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

可选的，所述第一确定模块41，用于：

基于所述语言模型，确定出在所述关键数据信息出现的情况下出现概率满足第一预设概率条件的关键词作为所述第一级关键词。

可选的，所述第一确定模块41，包括：

第一确定单元，用于基于所述语言模型，确定出在所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词；或者，

基于所述语言模型，确定在所述关键数据信息与所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词。

可选的，所述第一确定模块41，还包括：

第二确定单元，用于在确定出L级关键词之后，基于所述关键数据信息与确定出第1至L级关键词组合获得N条语句，N为不小于M的整数，第i+1级关键词为在第i级关键词出现的情况下，满足第i预设概率条件的关键词，i为1至L-1的整数；

打分单元，用于基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值；

筛选单元，用于从所述N条语句中筛选获得综合评分值满足预设评分值条件的语句作为所述M个候选语句。

可选的，所述打分单元，包括：

打分子单元，用于基于所述语言模型，针对所述N条语句中的每条语句基于所包含的关键词分别进行2至k元打分，k不大于预设值，所述预设值为L与所述关键数据信息所包含的关键词数量之和；

加和子单元，用于针对每条语句，对其所包含的2至k元打分基于权值进行加和，从而获得对应语句的综合评分值。

可选的，所述装置还包括：

第三确定模块，用于确定获得所述关键数据信息时电子设备所处的输入环境；

第四确定模块，用于基于所述输入环境确定出所述预设值。

可选的，所述装置还包括：

第二获得模块，用于获得用户在各个输入环境下每进行一次搜索操作所输入的关键词数量；

第五确定模块，用于通过在对应环境下，每次搜索所输入的关键词数量确定出对应输入环境下的所述预设值。

可选的，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，

当前所输入的字符串对应的首选关键词。

可选的，所述第二确定模块42，用于：

将每条候选语句中去除所述关键数据信息的部分作为所述关键数据信息的推荐候选项。

由于本发明第三方面所介绍的输入推荐装置，为实施本发明实施例第二方面所介绍的输入推荐方法所采用的装置，基于本发明实施例第一方面所介绍的输入推荐方法，本领域所属技术人员能够了解本发明实施例第三方面所介绍的输入推荐装置的具体结构及变形，凡是实施例本发明实施例第一方面的输入推荐方法所采用的装置，都属于本发明实施例所欲保护的范围。

第四方面，基于同一发明构思，本发明实施例提供一种输入推荐装置，请参考图5，包括：

第三获得模块50，用于获得用于确定推荐候选项的关键数据信息；

发送模块51，用于将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收模块52，用于接收所述网络服务器发送的所述推荐候选项。

可选的，所述装置还包括：

搜索模块，用于通过所述关键数据信息在所述电子设备的历史操作记录中搜索包含所述关键数据信息的候选语句；

其中，如果没有搜索结果，将所述关键数据信息发送至所述网络服务器。

可选的，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，

当前所输入的字符串对应的首选关键词。

由于本发明第四方面所介绍的输入推荐装置，为实施本发明实施例第二方面所介绍的输入推荐方法所采用的装置，基于本发明实施例第二方面所介绍的输入推荐方法，本领域所属技术人员能够了解本发明实施例第四方面所介绍的输入推荐装置的具体结构及变形，凡是实施例本发明实施例第二方面的输入推荐方法所采用的装置，都属于本发明实施例所欲保护的范围。

第五方面，本发明实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获得用于确定推荐候选项的关键数据信息；

通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

第六方面，本发明实施例提供一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获得用于确定推荐候选项的关键数据信息；

将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收所述网络服务器发送的所述推荐候选项。

图6是根据一示例性实施例示出的一种输入推荐方法的电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理部件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由电子设备800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，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一种输入推荐方法，所述方法包括：

获得用于确定推荐候选项的关键数据信息；

通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

一种非临时性计算机可读存储介质，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一种输入推荐方法，所述方法包括：

获得用于确定推荐候选项的关键数据信息；

将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收所述网络服务器发送的所述推荐候选项。

图7是本发明实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)1922(例如，一个或一个以上处理器)和存储器1932，一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中，存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器1922可以设置为与存储介质1930通信，在服务器1900上执行存储介质1930中的一系列指令操作。

服务器1900还可以包括一个或一个以上电源1926，一个或一个以上有线或无线网络接口1950，一个或一个以上输入输出接口1958，一个或一个以上键盘1956，和/或，一个或一个以上操作系统1941，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。

本发明一个或多个实施例，至少具有以下有益效果：

由于在本发明实施例中，在获得用于确定推荐候选项的关键数据信息之后，可以通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。也就是说确定的推荐候选项包括用关键数据信息所确定出的第一级关键词，以及通过第一级关键词所确定出的第二级关键词，由此实现通过关键数据信息的层层联想，达到了增加基于关键数据信息所提供的推荐候选项的信息量的技术效果，由此提高输入效率。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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。

Claims (14)

1.一种输入推荐方法，其特征在于，包括：

获得用于确定推荐候选项的关键数据信息，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词；

通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

2.如权利要求1所述的方法，其特征在于，所述通过所述关键数据信息基于语言模型确定出M个候选语句，包括：

基于所述语言模型，确定出在所述关键数据信息出现的情况下出现概率满足第一预设概率条件的关键词作为所述第一级关键词。

3.如权利要求2所述的方法，其特征在于，所述通过所述关键数据信息基于语言模型确定出M个候选语句，包括：

基于所述语言模型，确定出在所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词；或者，

基于所述语言模型，确定在所述关键数据信息与所述第一级关键词中的任意关键词出现的情况下，满足第二预设概率条件的关键词作为第二级关键词。

4.如权利要求3所述的方法，其特征在于，所述通过所述关键数据信息基于语言模型确定出M个候选语句，还包括：

在确定出L级关键词之后，基于所述关键数据信息与确定出第1至L级关键词组合获得N条语句，N为不小于M的整数，第i+1级关键词为在第i级关键词出现的情况下，满足第i预设概率条件的关键词，i为1至L-1的整数；

基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值；

从所述N条语句中筛选获得综合评分值满足预设评分值条件的语句作为所述M个候选语句。

5.如权利要求4所述的方法，其特征在于，所述基于所述语言模型对所述N条语句进行打分，获得每条语句的综合评分值，包括：

基于所述语言模型，针对所述N条语句中的每条语句基于所包含的关键词分别进行2至k元打分，k不大于预设值，所述预设值为L与所述关键数据信息所包含的关键词数量之和；

针对每条语句，对其所包含的2至k元打分基于权值进行加和，从而获得对应语句的综合评分值。

6.如权利要求5所述的方法，其特征在于，所述方法还包括：

确定获得所述关键数据信息时电子设备所处的输入环境；

基于所述输入环境确定出所述预设值。

7.如权利要求6所述的方法，其特征在于，所述方法还包括：

获得用户在各个输入环境下每进行一次搜索操作所输入的关键词数量；

通过在对应环境下，每次搜索所输入的关键词数量确定出对应输入环境下的所述预设值。

8.如权利要求1-7任一所述的方法，其特征在于，所述将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项，包括：

将每条候选语句中去除所述关键数据信息的部分作为所述关键数据信息的推荐候选项。

9.一种输入推荐方法，其特征在于，包括：

获得用于确定推荐候选项的关键数据信息，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词；

将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收所述网络服务器发送的所述推荐候选项。

10.如权利要求9所述的方法，其特征在于，在所述将所述关键数据信息发送至网络服务器之前，所述方法还包括：

通过所述关键数据信息在电子设备的历史操作记录中搜索包含所述关键数据信息的候选语句；

其中，如果没有搜索结果，将所述关键数据信息发送至所述网络服务器。

11.一种输入推荐装置，其特征在于，包括：

第一获得模块，用于获得用于确定推荐候选项的关键数据信息，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词；

第一确定模块，用于通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

第二确定模块，用于将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

12.一种输入推荐装置，其特征在于，包括：

第三获得模块，用于获得用于确定推荐候选项的关键数据信息，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词；

发送模块，用于将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收模块，用于接收所述网络服务器发送的所述推荐候选项。

13.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获得用于确定推荐候选项的关键数据信息，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词；

通过所述关键数据信息基于语言模型确定出M个候选语句，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项。

14.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获得用于确定推荐候选项的关键数据信息，所述关键数据信息包括：位于当前输入光标前的预设数量的关键词；和/或，当前所输入的字符串对应的首选关键词；

将所述关键数据信息发送至网络服务器，以供所述网络服务器通过所述关键数据信息基于语言模型确定出M个候选语句，并将所述M个候选语句中每条候选语句的至少一部分内容作为所述关键数据信息的推荐候选项；其中，所述M个候选语句中至少包含第一级关键词和第二级关键词，所述第一级关键词基于所述关键数据信息确定，所述第二级关键词至少基于所述第一级关键词确定；

接收所述网络服务器发送的所述推荐候选项。

Images