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Kn出现的次数，记为Count(Kn)，然后计算查询意图Kn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Ks和Kt之间转换的频数，记为cnt(Ks,Kt)，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Eventsm发生的次数，记为Count(Eventsm)，并利用公式 1≤m≤M，计算发生手势交互事件

Eventsm的概率；

统计查询意图Kn在手势交互事件Eventsm中出现的次数，记为cnt(Kn,Eventsm)，然后利用公式 计算出查询意图Kn在手势交互事件Eventsm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Kn和手势交互事件Eventsm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＝{Kn|n∈[1,N]}和M个手势交互事件Events＝{Eventsh∪EventsM|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EventsM的最优查询意图，并描述如下：

1≤s≤N且0≤asn≤1

1≤n≤N且0≤bmn≤1

其中，PM(Kn)表示手势交互事件为EventsM时，所有查询意图Intents＝{Kn|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Kn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Ks的条件下，下一次手势交互的查询意图转移为Kn的所有可能的概率总和为1； 1≤n≤N保证当前查询意图为Kn的情况下，发生手势交互事件为Eventsm的所有可能的概率总和为1。

2.根据权利要求1所述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，还包括步骤G如下，所述执行完步骤F之后，进入步骤G；

步骤G.清空手势轨迹信息集合Gesture和手势交互上下文信息集合Context，并返回步骤B。

3.根据权利要求1或2所述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，所述步骤A中手势轨迹信息集合Gesture如下：Gesture＝{Pi,t(xi,t,yi,t,timei,t)|i∈[1,I],I∈[1,10]}，其中，Pi,t(xi,t,yi,t,timei,t)为手势操作检测板上各触摸点的位置信息，i∈[1,I]，I∈[1,10]，I表示触摸点的数量，i为整数，表示手势操作检测板上所有触摸点中第i个触摸点，xi,t、yi,t分别表示当前时刻t第i个触摸点在手势操作检测板上的水平和垂直坐标，timei,t表示手势操作检测板上所有触摸点中第i个触摸点产生的时间戳；

手势交互上下文信息集合Context如下：

Context＝{Contexti,t|i∈[1,I],I∈[1,10]}，其中，为各触摸点对应的手势交互上下文信

息，Ki,t为当前时刻第i个触摸点在手势操作检测板上对应的关键词， 表示当前时刻t各触摸点对应关键词Ki,t的第r条查询结果的标题，R为关键词Ki,t的查询结果总数，r为整数。

4.根据权利要求3所述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，所述步骤B包括如下步骤：步骤B1.将当前时刻t赋值给timestart，并进入步骤B2；

步骤B2.判断手势操作检测板上是否存在触摸点，是则进入步骤B3；否则令当前各触摸点位置信息和手势交互上下文信息均为空，并更新手势轨迹信息集合Gesture和手势交互上下文信息集合Context，然后进入步骤B4；

步骤B3.记录当前手势操作检测板上各触摸点位置信息和手势交互上下文信息，加入并更新手势轨迹信息集合Gesture和手势交互上下文信息集合Context，并返回步骤B2；

步骤B4.判断手势轨迹信息集合Gesture和手势交互上下文信息集合Context是否为空，是则返回步骤B1；否则将当前时刻t赋值给timeend，则[timestart,timeend]时间段内手势轨迹信息集合Gesture和手势交互上下文信息集合Context，即为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。

5.根据权利要求4所述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，所述步骤C具体包括如下：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，定义[timestart,timeend]时间段内的手势交互事件为Events＝{gb,dt,v,K,T}，即为当前用户待预测手势所对应的手势交互事件，其中，gb为基于手势轨迹信息识别出的手势；dt为手势交互事件Events的停留时间，dt＝timestart-timeend；v为手势操作的速度，并根据手势轨迹信息Gesture，按如下公式：计算出手势操作的速度v为；K＝{Ki,t|i∈[1,I],I∈[1,10],t∈[timestart,timeend]}为[timestart,timeend]时间段内手势选择的关键词集合；

为[timestart,timeend]时间段内手

势选择的关键词查询结果标题集合。

6.根据权利要求5所述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，所述步骤D具体包括如下：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如下：GQIM＝

其中，Intents为当前用户手势查询意图模型中的隐藏状态集合，由手势交互历史数据中用户选择的关键词集合组成，Intents＝{Kn|n∈[1,N]}，其中n为查询意图的序号，Kn为手势选择的第n个关键词，N为手势选择的关键词总数，即查询意图总数，1≤n≤N，且n为整数；

Events为当前用户手势查询意图模型中的可观测状态集合，由手势交互历史数据中手势交互事件和当前用户待预测手势对应的交互事件组成，Events＝{Eventsh∪EventsM|h∈[1,M-1]}，其中EventsM为步骤E中构建的当前用户待预测手势对应的交互事件，M为当前用户待预测手势对应的交互事件的序号，Eventsh为当前用户手势交互历史数据中的手势交互事件集合，Eventsh＝{gbh,dth,vh,Kh,Th|h∈[1,M-1]}，h为手势交互历史数据中手势交互事件的序号，1≤h≤M-1，且h为整数；

π为当前用户手势查询意图模型的初始概率矩阵，对应于隐马尔可夫模型中的隐含状态初始概率矩阵，π＝{πn|n∈[1,N]}，其中，πn＝P(Kn)表示发生查询意图Kn的初始概率；A为当前用户手势查询意图模型的查询意图转移概率矩阵，对应于隐马尔可夫模型中的隐含状态转移概率矩阵，A＝{ast|s,t∈[1,N]}，其中ast＝P(Kt,Ks)表示当前用户的手势交互事件为Ks时，下一次手势交互的查询意图转移为Kt的概率，其中对于任意的1≤s≤N，满足且0≤ast≤1；

B为手势查询意图和手势交互事件之间的转移概率矩阵，对应于隐马尔可夫模型中的观测状态转移概率矩阵，B＝{bmn|m∈[1,M],n∈[1,N]}，其中，bmn＝P(Eventsm|Kn)表示基于查询意图Kn，当前用户的手势交互事件转移为Eventm的概率，其中对于任意的1≤n≤N，满足且0≤bmn≤1。

7.根据权利要求6所述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，所述步骤F中，根据当前用户手势查询意图模型的初始化参数，以及当前用户手势查询意图模型，基于维特比理论，预测获得当前用户待预测手势所对应的最优查询意图，具体包括如下：步骤F01.利用公式P1(Kn)＝πnb1n,1≤n≤N计算手势交互事件为Events1的所有可能的查询意图的概率P1(Kn)，并进入步骤F02；

步骤F02.利用步骤F01得到的所有查询意图的概率P1(Kn),1≤n≤N,以及公式

1≤n≤N,计算手势交互事件为Events2的所有可能的查询意图的概

率P2(Kn),1≤n≤N，然后进入步骤F03；

步骤F03.利用步骤F02的结果，以及根据公式 1≤n≤N，依次

计算手势交互事件Events3,Events4,...,EventsM的所有可能的查询意图的概率P3(Kn)、P4(Kn)、…、PM(Kn)，然后进入步骤F04；

步骤F04.选取步骤F03得到的PM(Kn)中最大的概率值作为该问题的最优目标值，此时该值对应的查询意图Kn为预测的最优查询意图，将该查询意图提交执行。