CN110969420A - 场景、事件、人物与意图匹配的智能提醒机制 - Google Patents
场景、事件、人物与意图匹配的智能提醒机制 Download PDFInfo
- Publication number
- CN110969420A CN110969420A CN201911277319.8A CN201911277319A CN110969420A CN 110969420 A CN110969420 A CN 110969420A CN 201911277319 A CN201911277319 A CN 201911277319A CN 110969420 A CN110969420 A CN 110969420A
- Authority
- CN
- China
- Prior art keywords
- reminding
- user
- different
- dimension
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
Abstract
本发明提供一种场景、事件、人物与意图匹配的智能提醒机制。为实现提醒的自动调节和个性化，需要从多个维度分析提醒的影响因素，不同人物对应不同提醒，同一人物在不同场景和事件对应不同提醒，意图不同对应的提醒不同。结合初始设定和用户数据进行学习，同时兼顾用户数据的隐私保护；设计与提醒机制相对应的提醒调节的机制，提供满足多种需求的设置操作模式。
Description
技术领域
本发明是一种场景、事件、人物与意图匹配的智能提醒机制，属于通讯提醒机制与软件工程交叉领域。
背景技术
通讯工具已成为人们日常生活中必不可少的物品。从最初的单一语音通讯功能，逐步发展具有了文字通讯，即时通讯、办公及支付等功能。伴随着硬件的升级换代，各种提醒可以表现为更加复杂的音效和丰富的图形，常用的提醒方式包括声音、震动和弹窗，其中声音提醒仍然是主要的提醒方式。但在日常使用中，很多情形我们不希望被一些提醒打乱原有的节奏，如：通常人们希望有一段不被打扰的工作或休息时间，一些职业或职务要求保持24h可联系，教室、图书馆等公共场所或会议等特殊场合要求静音。在这些场景中产生了对更为智能的提醒机制的需求。简单的调整有声和无声，并不能彻底解决上述问题。需要构建一种新的提醒机制，实现根据需求智能调节提醒程度，并根据个人特点提供个性化的提醒方案，实现即时提醒与个性化需求的平衡。
发明内容
技术问题：
现有的提醒机制功能单一，不能实现智能化个性化的调节，针对特定场景、事件、人物、意图，无法提供良好的用户体验。能够影响提醒机制的因素较多，需要设计一种新的智能提醒机制实现不同场景下，根据事件、人物和意图实现自动调节和满足个性化需求。
技术方案：
为实现提醒的自动调节和个性化，需要从多个维度分析提醒的影响因素，设计一种提醒机制，结合初始设定和用户数据进行学习，同时兼顾用户数据的隐私保护；设计与提醒机制相对应的提醒调节的机制，提供满足多种需求的设置操作模式。
场景、事件、人物与意图匹配的智能提醒机制的实施步骤如下：
S1：场景判断：提醒的影响因素归纳为：时间、空间、事件、人物、意图5个维度。其中，时间、空间定义为场景因素，具有相对稳定的特点；事件、人员、内容属于参与因素，具有即时变动的特点。
从时间维度和空间维度定义场景因素二元组Scenario (Time, Position)，对提醒显著度的影响为:
SIG_SC = α * SC_T + β * SC_P
其中，α，β是比例系数，根据用户操作进行调整和修正，初始值需要引入大数据接口，从训练中获取预设参数；
（1）时间维度：预设是根据地理空间匹配时间与当地生活习惯，调整不同时间段的提醒的程度；时间维度与人的生活习惯直接相关，一般情况下优先级较高，其他维度的因素可根据时间维度做调整；
Time(S, F, t)→SC_T：时间维度分析函数，将设定时间T与参量SC_T进行匹配。将当前时间t与设定时间范围进（S, F）行匹配。如果F>t>S，得到相对应的背景参量SC_T。
（2）空间维度：定位用户所处的空间位置，匹配当前空间位置对应的提醒预设或用户设置，调整提醒的显著程度；
Place(X, Y, Z, x, y, z, λ)→SC_P：空间维度分析函数，将用户当前空间位置坐标和预设位置坐标进行对比，根据机器学习得到阈值λ，将当前空间位置坐标和预设空间位置坐标差值与λ进行对比，判断用户是否靠近或进入特定区域，得到相对应的背景参量SC_P；允许用户单独或批量的修改和增加坐标位置与背景参量SC_P的匹配。
从事件维度、人物维度、意图维度定义参与因素三元组PT(Event, Role,Intention)，在不同的场景因素下，参与因素对应的提醒显著度会发生变化,参与因素对提醒显著度的影响为:
SIG_PT = m * PT_E * SIG_SC + n * PT_I * SIG_SC + k * PT_I * SIG_SC
其中，m,n,k是比例系数，根据用户操作进行调整和修正，初始值需要引入大数据接口，从训练中获取预设参数；
S2事件判断：获取用户所参与事件的特点，判断匹配的提醒显著度。
Event(CHAR，char)→PT_E：空间维度分析函数，建立预设事件特征量CHAR与背景参量BG_E的函数关系，获取用户所处环境特征量char，对比CHAR与char得到函数对应的背景参量PT_E。
S3人物判断：将社交人员分类，建立不同类型人员与参与参量的对照表。
Role（p, SIG_SC）→PT_R：通过匹配人员的类型，得到相应的人员参量PT_R；允许用户在预设的基础上，增加或修改成员与参与参量PT_R的对应关系；
S4意图判断：建立内容意图与提醒的意图参量的对照表；
Intention（i, SIG_SC）→PT_I：分析自然语言，提取情感和意图，判断提醒的显著度；只进行倾向判断，不涉及细节内容，兼顾隐私保护；收集分析文本信息或用户语言情感和表达内容变化，调整提醒显著度。
S5参数和提醒设置：参数的初始设定，需要引入大数据接口，从训练中获取预设参数；提醒机制具备可学习性，通过收集用户操作的特点，修正参数，自动匹配用户的设置习惯；系统根据用户操作，临时变更特定人员重要性，如高频率或连续出现的提醒，根据用户操作，若多次拒绝就减弱提醒或自动屏蔽，如一直未操作，且其他维度重要性较高就增加提醒的显著度；允许用户设置特殊情况，优先级最高；对于用户的设定和临时变更，用户要选择是否计入学习数据中。
提醒机制中通过设定不同的编码，对应不同的提醒响应，用户根据习惯设定个性化的提醒；如不同的编码对应到声音提醒中，可对应不同响度或响度变化趋势；对应到显示提醒中，可对应不同的背景属性和字体属性。
操作界面提供简易、职业和专业三种模式。分别提供给普通用户、有特殊需求的用户、专业用户。简易模式提供提醒曲线的滑动调节，如声音设置中提供响度调节；职业模式额外提供特殊场景或人员的特殊预设选项；专业模式则提供参数调整权限，开源允许专业用户开发定制，如在声音设置中提供数字均衡器功能。
对应于时间-显著程度曲线，用户可以直接拖动曲线，调整不同时间段内提醒的显著度。
进一步，该提醒机制用于但不仅限于声音提醒，也可拓展到震动、显示颜色、显示次序、显示提示方式等。
进一步，获取用户所处环境的特点，在环境特点基础上，对提醒显著度进行调节。
本发明的有益效果：
1. 本发明给出了时间、空间、事件、人物、意图5个维度，解决提醒机制影响因素分析的问题；
2. 本发明分析了时间、空间、事件、人物、意图5个维度影响提醒机制的原理；
3. 本发明引入大数据接口，解决了机制中关键初始参数的来源；
4. 本发明采用不同操作模式，满足不同用户群体个性化需求。
附图说明
图1是提醒机制的影响因素图。
具体实施方式
提醒的影响因素归纳为：时间、空间、事件、人物、意图5个维度。其中，时间、空间定义为场景因素，具有相对稳定的特点；事件、人员、内容属于参与因素，具有即时变动的特点。
定义背景因素二元组Scenario (Time, Position),背景因素对提醒显著度的影响为:
SIG_SC = α * SC_T + β * SC_P
其中，α，β是比例系数，根据用户操作进行调整和修正，初始值需要引入大数据接口，从训练中获取预设参数；
（1）时间维度：预设是根据地理空间匹配时间与当地生活习惯，调整不同时间段的提醒的程度；时间维度与人的生活习惯直接相关，一般情况下优先级较高，其他维度的因素可根据时间维度做调整；
Time(S, F, t)→SC_T：时间维度分析函数，将设定时间T与参量SC_T进行匹配。将当前时间t与设定时间范围进（S, F）行匹配。如果F>t>S，得到相对应的背景参量BG_T。
预设分为工作时间、自由时间和睡眠时间3个类型,用户可调整时间范围或增加时
间类型的设置；采用人耳反应敏感的声音频率范围作为基准，通过在实验室环境中对测试
人群的测试结果统计得到预设的提醒声音响度的调整幅度α%，其中α的取值应在-100~+100
之间
工作时间，为避免错过重要提醒，提醒方式的辨识度适当提升，其中，特定人群的优先级和重要性提高；
休息时间，所有提醒的音量下降，音色柔和，音调低沉；
自由时间，优先级低于空间维度，空间维度来确定提醒方式的显著程度。
（2）空间维度：定位用户所处的空间位置，匹配当前空间位置对应的提醒预设或用户设置，调整提醒的显著程度；
Place(X, Y, Z, x, y, z, λ)→SC_P：空间维度分析函数，将用户当前空间位置坐标和预设位置坐标进行对比，根据机器学习得到阈值λ，将当前空间位置坐标和预设空间位置坐标差值与λ进行对比，判断用户是否靠近或进入特定区域，得到相对应的背景参量BG_P；允许用户单独或批量的修改和增加坐标位置与背景参量BG_P的匹配。
从事件维度、人物维度、意图维度定义参与因素三元组PT(Event, Role,Intention)，在不同的场景因素下，参与因素对应的提醒显著度会发生变化,参与因素对提醒显著度的影响为:
SIG_PT = m * PT_E * SIG_SC + n * PT_I * SIG_SC + k * PT_I * SIG_SC
其中，m,n,k是比例系数，根据用户操作进行调整和修正，初始值需要引入大数据接口，从训练中获取预设参数；
（3）事件维度：获取用户所参与事件的特点，判断匹配的提醒显著度。
Event(CHAR，char)→PT_E：空间维度分析函数，建立预设事件特征量CHAR与背景参量BG_E的函数关系，获取用户所处环境特征量char，对比CHAR与char得到函数对应的背景参量PT_E。如用户设定事件为会议或上课，事件特征包括通讯设备静音，智能提醒将降低显著度。
（4）人物维度：将社交人员分类，建立不同类型人员与参与参量的对照表。
通过匹配人员的类型，得到相应的人员参量PT_R；允许用户在预设的基础上，增加或修改成员与参与参量PT_R的对应关系；
Role（p, SIG_SC）→PT_R
例如：在时间维度为（工作时间，休息时间，自由时间），空间维度为（工作地点，居住地
点，其他地点），人员维度为（家庭成员，工作人员，社交人员，虚拟服务），提醒声音的响度
为：
；
家人、需要特殊照顾或重点关注的人，需要调整提示音到更显著的程度。如果出现紧急事件，需要调整提示音到更显著的程度。
人员的重要性，在不同维度下会发生变动；如工作时间内工作人员的重要度自动提高，除家庭人员和特殊人员外，其他人员的重要度下降；如果非工作时间，则工作人员的重要度下降；休息时间，除特殊人员外，其余人员重要度均下降；
（5）意图维度：建立内容意图与提醒的意图参量的对照表；
分析自然语言，提取情感和意图，判断提醒的显著度；只进行倾向判断，不涉及细节内容，兼顾隐私保护；收集分析文本信息或用户语言情感和表达内容变化，调整提醒显著度。
Intention（i, SIG_SC）→PT_I
提醒的内容为紧急信息，调整提醒为更显著的程度；如果用户操作多次拒绝提醒，就减弱提醒显著度或自动屏蔽提醒；如用户一直未操作，且其他维度重要性较高就增加提醒的显著度。
参数的初始设定，需要引入大数据接口，从训练中获取预设参数；提醒机制具备可学习性，通过收集用户操作的特点，修正参数，自动匹配用户的设置习惯；系统根据用户操作，临时变更特定人员重要性，如高频率或连续出现的提醒，根据用户操作，若多次拒绝就减弱提醒或自动屏蔽，如一直未操作，且其他维度重要性较高就增加提醒的显著度；允许用户设置特殊情况，优先级最高；对于用户的设定和临时变更，用户要选择是否计入学习数据中。
提醒机制中通过设定不同的编码，对应不同的提醒响应，用户根据习惯设定个性化的提醒；如不同的编码对应到声音提醒中，可对应不同响度或响度变化趋势；对应到显示提醒中，可对应不同的背景属性和字体属性。
声音提醒中，声音的客观特征包括振幅、频率、谐波；声音的主观特征包括音量、音调、音色；此外，可作为提醒调整的参数，还包括提醒的频率、声音的长短、声音的内容；其中，声音的内容和长短的设置已经是领域内的常见手段；提醒的频率，主要取决于重要性和时间间隔，重要性越高提醒频率越高，时间间隔越久未处理，提醒的频率越高；但提醒的频率也会随时间维度进行相应调整，休息时间段内提醒的频率有明显下降；
人耳判别声音的强度等级通常采用响度概念，主要由声音的强度、频率和波形来决定。因为响度具有可加性，选择响度作为提醒调整的衡量单位。
声音的强度在声学上定义为声压级，人耳对声音大小的感知呈对数关系；20微帕斯卡被认为是人类对声音感知的阈值下限，声压级（分贝值）以20μPa为参考值，计算公式为：
LP=log10(P/P0)
其中，P是声压，单位Pa，声压决定了声音的穿透力，并不等于音量；
其中，P_0是标准参考声压值20μPa；
考虑到环境维度，需要对声压级公式进行改进，采集当前环境中的声压作为P_E，以当前声压为基数，计算提醒的相对声压级：
LP_Env=log10(P/PE)
人耳直观上感觉的“响”与“不响”与声波强度的对数近于成正比，与声波的频率也有关。通过实验室数据，青少年可听声音的频率极限为20~20KHz，中年人可听声音的频率极限为30~15KHz，老年人可听声音的频率极限为100~10KHz；其中人耳对300~6KHz的频段敏感，将这一频段作为主要的调整频段；如果声压级超出调整范围，通过分析环境噪音的频率，进一步调整提醒频率，将声音的响度维持在设定的范围。
参数和提醒设置方面，提供简易、职业和专业三种模式。简易模式提供声音响度大小的滑动调节；职业模式额外提供特殊场景或人员的特殊设置选项；专业模式则提供声音设置参数调整权限，提供数字均衡器功能，开源允许专业用户开发定制。
Claims (10)
1.一种场景、事件、人物与意图匹配的智能提醒机制，其特征在于从多个维度分析提醒的影响因素，实现提醒的自动调节和个性化；不同人物对应不同提醒，同一人物在不同场景和事件对应不同提醒，意图不同对应的提醒不同。
2.根据权利要求1所述的智能提醒机制，还包括结合初始设定和用户数据进行学习，同时兼顾用户数据的隐私保护。
3.根据权利要求1所述的智能提醒机制，还包括设计与智能提醒机制相对应的提醒调节的机制，提供满足不同用户需求的操作模式。
4.根据权利要求1所述的智能提醒机制，还包括从时间维度和空间维度定义场景，场景因素二元组Scenario (Time, Position)对提醒显著度的影响为:
SIG_SC = α * SC_T + β * SC_P；
其中，α，β是比例系数，根据用户操作进行调整和修正，初始值需要引入大数据接口，从训练中获取预设参数；
（1）时间维度：预设是根据地理空间匹配时间与当地生活习惯，调整不同时间段的提醒的程度；Time(S, F, t)→SC_T：时间维度分析函数，将设定时间T与参量SC_T进行匹配；将当前时间t与设定时间范围进（S, F）行匹配；
（2）空间维度：定位用户所处的空间位置，匹配当前空间位置对应的提醒预设或用户设置，调整提醒的显著程度；Place(X, Y, Z, x, y, z, λ)→SC_P：空间维度分析函数，将用户当前空间位置坐标和预设位置坐标进行对比，根据机器学习得到阈值λ，将当前空间位置坐标和预设空间位置坐标差值与λ进行对比，判断用户是否靠近或进入特定区域，得到相对应的背景参量BG_P；允许用户单独或批量的修改和增加坐标位置与背景参量BG_P的匹配。
5.根据权利要求1所述的智能提醒机制，还包括从事件维度、人物维度、意图维度定义参与因素三元组PT(Event, Role, Intention)，在不同的场景因素下，参与因素对应的提醒显著度会发生变化,参与因素对提醒显著度的影响为:
SIG_PT = m * PT_E * SIG_SC + n * PT_I * SIG_SC + k * PT_I * SIG_SC
其中，m,n,k是比例系数，根据用户操作进行调整和修正，初始值需要引入大数据接口，从训练中获取预设参数；
（1）事件维度：获取用户所参与事件的特点，判断匹配的提醒显著度；
Event(CHAR，char)→PT_E：空间维度分析函数，建立预设事件特征量CHAR与背景参量BG_E的函数关系，获取用户所处环境特征量char，对比CHAR与char得到函数对应的背景参量PT_E；
（2）人物维度：将社交人员分类，建立不同类型人员与参与参量的对照表；
Role（p, SIG_SC）→PT_R：通过匹配人员的类型，得到相应的人员参量PT_R；允许用户在预设的基础上，增加或修改成员与参与参量PT_R的对应关系；
（3）意图维度：建立内容意图与提醒的意图参量的对照表；
Intention（i, SIG_SC）→PT_I：分析自然语言，提取情感和意图，判断提醒的显著度；只进行倾向判断，不涉及细节内容，兼顾隐私保护；收集分析文本信息或用户语言情感和表达内容变化，调整提醒显著度。
6.根据权利要求1所述的智能提醒机制，还包括引入大数据接口，从训练中获取预设参数；提醒机制具备可学习性，通过收集用户操作的特点，修正参数，自动匹配用户的设置习惯。
7.根据权利要求1所述的智能提醒机制，还包括提醒机制中通过设定不同的编码，对应不同的提醒响应，用户根据习惯设定个性化的提醒；如不同的编码对应到声音提醒中，可对应不同响度或响度变化趋势；对应到显示提醒中，可对应不同的背景属性和字体属性。
8.操作界面提供简易、职业和专业三种模式；分别提供给普通用户、有特殊需求的用户、专业用户；简易模式提供提醒曲线的滑动调节，如声音设置中提供响度调节；职业模式额外提供特殊场景或人员的特殊预设选项；专业模式则提供参数调整权限，开源允许专业用户开发定制，如在声音设置中提供数字均衡器功能；对应于时间-显著程度曲线，用户可以直接拖动曲线，调整不同时间段内提醒的显著度。
9.进一步，该提醒机制用于但不仅限于声音提醒，也可拓展到震动、显示颜色、显示次序、显示提示方式等。
10.进一步，获取用户所处环境的特点，在环境特点基础上，对提醒显著度进行调节。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911277319.8A CN110969420B (zh) | 2019-12-13 | 2019-12-13 | 场景、事件、人物与意图匹配的智能提醒机制 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911277319.8A CN110969420B (zh) | 2019-12-13 | 2019-12-13 | 场景、事件、人物与意图匹配的智能提醒机制 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110969420A true CN110969420A (zh) | 2020-04-07 |
| CN110969420B CN110969420B (zh) | 2020-11-20 |
Family
ID=70034012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911277319.8A Active CN110969420B (zh) | 2019-12-13 | 2019-12-13 | 场景、事件、人物与意图匹配的智能提醒机制 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969420B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768375A (zh) * | 2020-06-24 | 2020-10-13 | 海南大学 | 一种基于cwam的非对称gm多模态融合显著性检测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103390194A (zh) * | 2012-05-07 | 2013-11-13 | 北京三星通信技术研究有限公司 | 用户意图预测及推荐建议的方法、设备和系统 |
| CN105427089A (zh) * | 2015-11-13 | 2016-03-23 | Tcl集团股份有限公司 | 一种智能日程、设置、检测方法与日程系统 |
| CN106921794A (zh) * | 2017-02-09 | 2017-07-04 | 歌尔股份有限公司 | 一种智能设备上的闹钟实现方法和装置 |
| CN106933807A (zh) * | 2017-03-20 | 2017-07-07 | 北京光年无限科技有限公司 | 备忘录事件提醒方法及系统 |
| CN107360329A (zh) * | 2017-08-21 | 2017-11-17 | 深圳市迈迪加科技发展有限公司 | 一种智能提醒方法及装置 |
| CN107748659A (zh) * | 2017-10-30 | 2018-03-02 | 江西博瑞彤芸科技有限公司 | 一种提醒方法 |
| WO2018058978A1 (zh) * | 2016-09-30 | 2018-04-05 | 西安中兴新软件有限责任公司 | 提醒方法和装置、电子设备及计算机存储介质 |
| CN108399526A (zh) * | 2018-01-31 | 2018-08-14 | 上海思愚智能科技有限公司 | 日程安排提醒方法和装置 |
-
2019
- 2019-12-13 CN CN201911277319.8A patent/CN110969420B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103390194A (zh) * | 2012-05-07 | 2013-11-13 | 北京三星通信技术研究有限公司 | 用户意图预测及推荐建议的方法、设备和系统 |
| CN105427089A (zh) * | 2015-11-13 | 2016-03-23 | Tcl集团股份有限公司 | 一种智能日程、设置、检测方法与日程系统 |
| WO2018058978A1 (zh) * | 2016-09-30 | 2018-04-05 | 西安中兴新软件有限责任公司 | 提醒方法和装置、电子设备及计算机存储介质 |
| CN106921794A (zh) * | 2017-02-09 | 2017-07-04 | 歌尔股份有限公司 | 一种智能设备上的闹钟实现方法和装置 |
| CN106933807A (zh) * | 2017-03-20 | 2017-07-07 | 北京光年无限科技有限公司 | 备忘录事件提醒方法及系统 |
| CN107360329A (zh) * | 2017-08-21 | 2017-11-17 | 深圳市迈迪加科技发展有限公司 | 一种智能提醒方法及装置 |
| CN107748659A (zh) * | 2017-10-30 | 2018-03-02 | 江西博瑞彤芸科技有限公司 | 一种提醒方法 |
| CN108399526A (zh) * | 2018-01-31 | 2018-08-14 | 上海思愚智能科技有限公司 | 日程安排提醒方法和装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111768375A (zh) * | 2020-06-24 | 2020-10-13 | 海南大学 | 一种基于cwam的非对称gm多模态融合显著性检测方法及系统 |
| CN111768375B (zh) * | 2020-06-24 | 2022-07-26 | 海南大学 | 一种基于cwam的非对称gm多模态融合显著性检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110969420B (zh) | 2020-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Toscano et al. | Effects of face masks on speech recognition in multi-talker babble noise | |
| TWI584272B (zh) | 用於自我管理的聲音增強的方法和系統 | |
| Bentler et al. | Digital noise reduction: An overview | |
| Moore | Development and current status of the “Cambridge” loudness models | |
| Stone et al. | On the near non-existence of “pure” energetic masking release for speech | |
| US10652674B2 (en) | Hearing enhancement and augmentation via a mobile compute device | |
| Moore et al. | Development of a fast method for determining sensitivity to temporal fine structure | |
| CN107454536B (zh) | 用于自动化地确定助听设备的参数值的方法 | |
| US20030078515A1 (en) | System and method for remotely calibrating a system for administering interactive hearing tests | |
| Hu et al. | A new sound coding strategy for suppressing noise in cochlear implants | |
| Schvartz et al. | Gender identification in younger and older adults: Use of spectral and temporal cues in noise-vocoded speech | |
| Crew et al. | Perception of sung speech in bimodal cochlear implant users | |
| Dillon et al. | Development of Telscreen: a telephone-based speech-in-noise hearing screening test with a novel masking noise and scoring procedure | |
| EP2380170B1 (en) | Method and system for adapting communications | |
| CN110969420B (zh) | 场景、事件、人物与意图匹配的智能提醒机制 | |
| Sinex | Recognition of speech in noise after application of time-frequency masks: Dependence on frequency and threshold parameters | |
| Croghan et al. | Speech understanding with various maskers in cochlear-implant and simulated cochlear-implant hearing: Effects of spectral resolution and implications for masking release | |
| Coelho et al. | An initial study of voice characteristics of children using two different sound coding strategies in comparison to normal hearing children | |
| Demany et al. | Tuning properties of the auditory frequency-shift detectors | |
| Molis | Evaluating models of vowel perception | |
| Biberger et al. | Instrumental quality predictions and analysis of auditory cues for algorithms in modern headphone technology | |
| Souza et al. | Does the speech cue profile affect response to amplitude envelope distortion? | |
| Steinmetzger et al. | The role of envelope periodicity in the perception of masked speech with simulated and real cochlear implants | |
| DE102019111365A1 (de) | Verfahren, Computerprogrammprodukt, System und Vorrichtung zum Modifizieren von akustischen Interaktionssignalen, die von mindestens einem Interaktionspartner erzeugt werden, hinsichtlich eines Interaktionsziels | |
| Schum | Adaptation management for amplification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |