[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

摘要

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。

主权项

1.一种基于隐马尔可夫模型的手势查询意图预测方法，其特征在于，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；步骤B.检测获得当前用户待预测手势所对应的手势轨迹信息集合Gesture和手势交互上下文信息集合Context，然后进入步骤C；步骤C.根据当前用户待预测手势所对应的手势轨迹信息集合Gesture和手势交互上下文信息集合Context，构建当前用户待预测手势所对应的手势交互事件，然后进入步骤D；步骤D.提取搜索引擎中当前用户的手势交互历史数据，并结合当前用户待预测手势对应的交互事件，基于隐马尔可夫特性构建当前用户手势查询意图模型，然后进入步骤E；步骤E.根据当前用户的手势交互历史数据，计算获得当前用户手势查询意图模型的初始化参数，然后进入步骤F；步骤E具体包括如下：步骤E01.计算当前用户手势查询意图模型的初始概率矩阵π，统计手势交互历史数据中每个查询意图K_n出现的次数，记为Count(K_n)，然后计算查询意图K_n的初始概率1≤n≤N，并进入步骤E02；步骤E02.计算当前用户手势查询意图模型的查询意图转移概率矩阵A，统计出手势交互历史数据中用户查询意图K_s和K_t之间转换的频数，记为cnt(K_s,K_t)，然后计算查询意图之间的转移概率1≤s,t≤N，并进入步骤E03；步骤E03.计算查询意图与手势交互事件之间的转移概率矩阵B：统计手势交互历史数据中每个手势交互事件Events_m发生的次数，记为Count(Events_m)，并利用公式1≤m≤M，计算发生手势交互事件Events_m的概率；统计查询意图K_n在手势交互事件Events_m中出现的次数，记为cnt(K_n,Events_m)，然后利用公式计算出查询意图K_n在手势交互事件Events_m前提下发生的条件概率，其中利用公式计算出使用滑动类手势的交互事件的权重大小，利用公式计算出点击类和缩放类手势的交互事件的权重大小；利用贝叶斯公式计算出查询意图K_n和手势交互事件Events_m之间的转移概率1≤n≤N,1≤m≤M，并进入步骤F；步骤F.将基于隐马尔可夫模型的维特比理论预测获得当前用户待预测手势所对应的最优查询意图，转化为已知N个查询意图Intents＝{K_n|n∈[1,N]}和M个手势交互事件Events＝{Events_h∪Events_M|h∈[1,M‑1]}，以及计算的模型参数λ＝(π,A,B)，求当前用户待预测手势对应的交互事件Events_M的最优查询意图，并描述如下：1≤s≤N且0≤a_sn≤11≤n≤N且0≤b_mn≤1其中，P_M(K_n)表示手势交互事件为Events_M时，所有查询意图Intents＝{K_n|n∈[1,N]}可能出现的概率，为这些概率中最大的值，此时对应的K_n为预测的最优查询意图；1≤s≤N保证当前手势交互的查询意图为K_s的条件下，下一次手势交互的查询意图转移为K_n的所有可能的概率总和为1；1≤n≤N保证当前查询意图为K_n的情况下，发生手势交互事件为Events_m的所有可能的概率总和为1。