[发明专利]一种基于隐马尔可夫模型的手势查询意图预测方法

说明书

本发明涉及一种基于隐马尔可夫模型的手势查询意图预测方法，从用户手势交互过程入手，分析手势搜索中常用的手势类别及其对应的特征属性，然后基于隐马尔可夫特性构建手势查询意图模型，在此基础上利用手势交互特征计算出手势查询意图模型的参数，并利用维特比理论预测出手势交互事件对应的最优查询意图。本发明基于手势交互过程符合隐马尔可夫过程的特性，利用手势操作特征捕获用户的查询意图，为用户手势交互过程提供一定的引导。本发明可应用于面向手势交互的探索式搜索场景下，使得用户在手势交互过程中获取符合意图的信息，提高手势交互的流畅性和满意度。

技术领域

本发明涉及一种基于隐马尔可夫模型的手势查询意图预测方法，属于人机交互、信息检索技术领域。

背景技术

随着触摸交互技术的快速发展，据统计，至2017年，87％的全球智能联网设备是平板电脑和智能手机，PC份额则低于13％，这说明多点触摸交互设备将成为人机交互的主流产品，手势交互逐渐成为人机交互的主导方式之一。因而用户在信息搜索过程中使用向上滑动、向下滑动、放大、缩小和点击等手势来进行信息查找，为了加深对所查内容的理解，用户反复执行上述手势，不断重复迭代地试错，然而实际手势交互过程中，大多数用户希望通过较少的手势操作获取最有效的信息，如果系统不能准确提供符合用户意图的信息，那么用户会反复执行手势操作，这种反复迭代的过程将会产生大量无用的手势操作，加重系统的查询负担，导致系统响应延迟，用户搜索效率大大降低，因而需要为用户手势交互提供引导，其中如何根据用户的手势交互过程和交互事件推断出用户的查询意图是重点关注的问题。

目前，查询意图建模方法主要基于查询日志数据，从不同的方面解决查询意图不明确的问题，可以分为两类：基于强化学习的查询意图建模方法和基于概率的查询意图建模方法。其中基于强化学习的查询意图建模方法利用强化学习的试探性评价过程来分析用户的搜索行为，根据可视化界面上提供的交互细节建立用户交互意图模型以推断探索的状态，该方法比较注重利用用户的在线反馈来建立查询意图模型，但是收集用户的在线反馈花费的代价较高，大多数情况下用户不乐意花费太多的时间参与评价过程，参与的积极度不高，因而导致收集的用户反馈信息较少。

基于概率的查询意图建模方法中主要根据用户意图分布相关的先验知识和搜索结果中意图的概率分布情况来建立查询和意图之间的联系，并利用这种联系来定义查询意图模型以此预测用户的查询需求情况。例如一篇发明专利《基于人工智能的查询意图预测方法和装置》(申请号：201610728086.9，授权号：CN 106372132 A)，根据原始检索语句与查询意图的对应关系训练意图分类模型，通过意图分类模型的输出层对所述隐层值进行概率分析，获取所述检索语句的查询意图。这种预测方法基于用户与搜索引擎交互的日志信息分析用户对原始检索语句对应搜索结果的点击行为，主要考虑的是常见的点击行为，没有考虑手势交互的应用需求。而另一篇发明专利《触摸以搜索》(申请号：201380072159.8，授权号：CN 104969164 A)中用户可以通过使用手势而不是向搜索接口键入搜索查询来选择触摸屏上所显示的内容，基于手势数据标识的内容子集来选择候选搜索查询集合，并对每个候选搜索查询计算可能性得分，最终选择出一个或多个候选搜索查询，该发明虽然充分利用了手势数据，但是并没有将手势数据与用户查询意图结合起来。

综上，大部分方法没有重点考虑手势操作特征与用户查询意图之间的关系，从中提取符合用户意图的信息。

发明内容

本发明所要解决的技术问题是提供一种基于隐马尔可夫模型的手势查询意图预测方法，考虑手势交互的实际操作过程，利用手势交互特征与用户查询意图的关系，基于隐马尔可夫特性构建手势查询意图模型，并在此基础上基于维特比理论预测出手势交互事件对应的最优查询意图。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于隐马尔可夫模型的手势查询意图预测方法，包括如下步骤：

步骤A.初始化手势轨迹信息集合Gesture和手势交互上下文信息集合Context为空，并进入步骤B；