CN111178081B - 语义识别的方法、服务器、电子设备及计算机存储介质 - Google Patents
语义识别的方法、服务器、电子设备及计算机存储介质 Download PDFInfo
- Publication number
- CN111178081B CN111178081B CN201811329289.6A CN201811329289A CN111178081B CN 111178081 B CN111178081 B CN 111178081B CN 201811329289 A CN201811329289 A CN 201811329289A CN 111178081 B CN111178081 B CN 111178081B
- Authority
- CN
- China
- Prior art keywords
- sentence
- identified
- recognized
- word
- sentences
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/26—Speech to text systems
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Machine Translation (AREA)
Abstract
本发明公开了语义识别的方法、服务器、电子设备及计算机存储介质,用以解决现有技术中存在的对用户语音的语义的识别效率较低的技术问题。该方法包括:将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,待识别语句为文本信息;基于特征词集从待识别语句中识别出对应的特征词,并根据特征词确定待识别语句所属的垂直领域分组;其中,垂直领域分组是基于不同场景对词语进行的分组;基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。
Description
技术领域
本发明涉及人工智能领域,尤其是涉及语义识别的方法、服务器、电子设备及计算机存储介质。
背景技术
随着人工智能的发展,越来越多的智能设备都在向语音交互的方向发展。
然而,在智能设备与用户进行语音交互时,当智能设备接收到用户语音后,通常需要先对用户语音进行语音识别(Automatic Speech Recognition,ASR)并转化为文本信息,再对文本信息进行语义分析和反馈(Natural Language Processing,NLP),以理解用户语音对应的语义,并根据语义给出适当的反馈。但,由于各地的说话方式存在差异性,使得智能设备对许多口语化的用户语音无法进行正确理解与识别。
在现有技术中,对于智能设备无法识别语音的语义的问题,通常是在对语音中未识别语句进行收集后,由人工对这些未识别语句的语义进行理解后,将未识别语句进行垂直领域分组(如是属于旅游领域还是音乐领域),并确定对应的技能域(如是命令类的技能域,还是咨询类的技能域)。显然,这将降低对用户语音的语义的识别效率。
鉴于此,如何有效的提高对用户语音的语义的识别效率,成为一个亟待解决的技术问题。
发明内容
本发明提供一种语义识别的方法、服务器、电子设备及计算机存储介质,用以解决现有技术中存在的对用户语音的语义的识别效率较低的技术问题。
第一方面,为解决上述技术问题,本发明实施例提供的一种语义识别方法,应用于服务器,该方法的技术方案如下:
将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,所述待识别语句为文本信息;
基于特征词集从所述待识别语句中识别出对应的特征词,并根据所述特征词确定所述待识别语句所属的垂直领域分组;其中,所述垂直领域分组是基于不同场景对词语进行的分组;
基于所述待识别语句所属的垂直领域分组中的分词词典与预设句式,识别所述待识别语句的语义;其中,所述预设句式类型至少包括陈述句、疑问句、肯定句。
通过将采集到的用户语音用语音识别技术转换为对应的文本信息(即待识别语句);并基于特征词集从待识别语句中识别出对应的特征词后,根据特征词确定待识别语句所属的垂直领域分组,从而确定待识别语句所属的场景;之后,再基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。从而能够快速的识别出用户语音对应的语义。
可选的,基于特征词集从所述待识别语句中识别出对应的特征词,包括:
将所述特征词集中的动词与所述待识别语句中的每一个词进行比对;
若比对成功,则将比对成功的一个动词作为所述待识别语句的特征词;
若比对不成功,则进一步将所述特征词集中的名词与所述待识别语句中的每一个词进行比对;若比对成功,则将比对成功的名词作为所述待识别语句的特征词。
由于动词的数量非常少,且通常在一句话中只有一个动词,所以使用先识别动词,再识别名词的方式来确定待识别语句的特征词,能够有效的提高待识别语句的识别效率。
可选的,根据所述特征词识别确定所述待识别语句所属的垂直领域分组,包括:
基于预设的垂直领域分组与所述特征词集中的特征词的映射关系,确定所述待识别语句所属的垂直领域分组。
可选的,基于所述待识别语句所属的垂直领域分组中的分词词典与预设句式,识别所述待识别语句的语义,包括:
将所述预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域;其中,所述技能域用于区分用户的意图;
用所述分词词典分别对所述待识别语句的特征词前的分句、及所述待识别语句的特征词后的分句进行分词,获得所述待识别语句的前分词和后分词;
基于所述待识别语句所属的技能域,及所述前分词和所述后分词,以及所述特征词,识别所述待识别语句的语义。
可选的,将所述预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域,包括:
当所述预设句式为所述陈述句或肯定句的句式时,确定所述待识别语句所属的技能域为设置指令;
当所述预设句式为所述疑问句的句式时,确定所述待识别语句所属的技能域为咨询指令或闲聊指令;其中,所述咨询指令与闲聊指令通过预设的关键字进行区分。
可选的,基于特征词集从所述待识别语句中识别出对应的特征词之后,还包括:
若所述待识别语句的语义未能被识别出,则将所述待识别语句确定为未识别语句;并返回友好回复给电子设备,同时记录所述未识别语句;其中,所述友好答复为在不能识别所述待识别语句时使用的指定答复语;
用训练好的语句识别模型对所述未识别语句进行识别,获得纠正的语句;其中,所述训练好的语句识别模型是用历史未识别语句与对应纠正语句进行训练得到的,所述纠正语句是根据所述未识别语句未能被识别的原因对所述未识别语句进行纠正后得到的;
对所述纠正后的语句重新进行语义识别,获得所述待识别语句的语义。
可选的,获得所述待识别语句的语义之后,还包括:
若所述待识别语句属于所述设置指令,则控制所述电子设备执行对应的动作;
若所述待识别语句属于所述咨询指令或所述闲聊指令,则根据所述待识别语句的特征词及分词,查找对应的应答对,将所述应答对中的应答结果转换为语音返回给所述电子设备进行播放;其中,所述应答对为问题与对应应答的问答组。
可选的,还包括:
在接收到用户信息设置后,存储所述用户设置信息;
当所述电子设备请求下载所述用户设置信息后,将所述用户设置信息发送给所述电子设备;
所述根据所述特征词识别确定所述待识别语句所属的垂直领域分组包括:
在对所述待识别语句进行语义识别时,基于用户设置信息中设置的垂直领域分组的优先级,确定垂直领域分组。
第二方面,本发明实施例提供了一种语义识别的方法,应用于电子设备,该方法包括:
在采集用户语音时,当采集到的多个语音中相邻两个语音的时间间隔在设置的多轮对话时间间隔内时,将所述多个语音作为所述用户语音,并将所述用户语音发送给如第一方面所述的服务器;
接收并播放所述服务器返回的应答语音,以完成与用户的交互。
第三方面,本发明实施例提供了一种用于语义识别的服务器,包括:
转换单元,用于将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,所述待识别语句为文本信息;
确定单元,用于基于特征词集从所述待识别语句中识别出对应的特征词,并根据所述特征词确定所述待识别语句所属的垂直领域分组;其中,所述垂直领域分组是基于不同场景对词语进行的分组;
语义识别单元,用于基于所述待识别语句所属的垂直领域分组中的分词词典与预设句式,识别所述待识别语句的语义;其中,所述预设句式类型至少包括陈述句、疑问句、肯定句。
可选的,所述确定单元具体用于:
将所述特征词集中的动词与所述待识别语句中的每一个词进行比对;
若比对成功,则将比对成功的一个动词作为所述待识别语句的特征词;
若比对不成功,则进一步将所述特征词集中的名词与所述待识别语句中的每一个词进行比对;若比对成功,则将比对成功的名词作为所述待识别语句的特征词。
可选的,所述确定单元还用于:
基于预设的垂直领域分组与所述特征词集中的特征词的映射关系,确定所述待识别语句所属的垂直领域分组。
可选的,所述语义识别单元具体用于:
将所述预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域;其中,所述技能域用于区分用户的意图;
用所述分词词典分别对所述待识别语句的特征词前的分句、及所述待识别语句的特征词后的分句进行分词,获得所述待识别语句的前分词和后分词;
基于所述待识别语句所属的技能域,及所述前分词和所述后分词,以及所述特征词,识别所述待识别语句的语义。
可选的,所述语义识别单元还用于:
当所述预设句式为所述陈述句或肯定句的句式时,确定所述待识别语句所属的技能域为设置指令;
当所述预设句式为所述疑问句的句式时,确定所述待识别语句所属的技能域为咨询指令或闲聊指令;其中,所述咨询指令与闲聊指令通过预设的关键字进行区分。
可选的,所述语义识别单元还用于:
若所述待识别语句的语义未能被识别出,则将所述待识别语句确定为未识别语句;并返回友好回复给电子设备,同时记录所述未识别语句;其中,所述友好答复为在不能识别所述待识别语句时使用的指定答复语;
用训练好的语句识别模型对所述未识别语句进行识别,获得纠正的语句;其中,所述训练好的语句识别模型是用历史未识别语句与对应纠正语句进行训练得到的,所述纠正语句是根据所述未识别语句未能被识别的原因对所述未识别语句进行纠正后得到的;
对所述纠正后的语句重新进行语义识别,获得所述待识别语句的语义。
可选的,所述服务器还包括:
处理单元,用于若所述待识别语句属于所述设置指令,则控制所述电子设备执行对应的动作;若所述待识别语句属于所述咨询指令或所述闲聊指令,则根据所述待识别语句的特征词及分词,查找对应的应答对,将所述应答对中的应答结果转换为语音返回给所述电子设备进行播放;其中,所述应答对为问题与对应应答的问答组。
可选的,所述处理单元还用于:
在接收到用户信息设置后,存储所述用户设置信息;
当所述电子设备请求下载所述用户设置信息后,将所述用户设置信息发送给所述电子设备;
所述根据所述特征词识别确定所述待识别语句所属的垂直领域分组包括:
在对所述待识别语句进行语义识别时,基于用户设置信息中设置的垂直领域分组的优先级,确定垂直领域分组。
第四方面,本发明实施例提供了一种用于语义识别的电子设备,包括:
采集单元,用于在采集用户语音时,当采集到的多个语音中相邻两个语音的时间间隔在设置的多轮对话时间间隔内时,将所述多个语音作为所述用户语音,并将所述用户语音发送给如上进行语义识别的服务器;
播放单元,用于接收并播放所述服务器返回的应答语音,以完成与用户的交互。
第五方面,本发明实施例还提供一种用于语义识别的服务器,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如上述第一方面所述的方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如上述第一方面所述的方法。
通过本发明实施例的上述一个或多个实施例中的技术方案,本发明实施例至少具有如下技术效果:
在本发明提供的实施例中,通过将采集到的用户语音用语音识别技术转换为对应的文本信息(即待识别语句);并基于特征词集从待识别语句中识别出对应的特征词后,根据特征词确定待识别语句所属的垂直领域分组,从而确定待识别语句所属的场景;之后,再基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。从而能够快速的识别出用户语音对应的语义。
进一步的,由于服务器可以自动收集未识别出的用户语音对应的未识别语句,并根据未识别语句的句式和关键词进行垂直领域的自动分类。这样随着用户使用语音识别的次数越多,服务器能识别该用户的语句也越多,从而能够提高用户体验。
在本发明提供的实施例中,电子设备通过使用具有本发明实施例提供的语义识别功能的服务器,在进行多轮对话时,可以灵活地对多轮对话的时间间隔进行设置,使电子设备在多轮对话期间,不会被重复唤醒。
附图说明
图1为本发明实施例提供的一种语义识别方法的流程图;
图2为本发明实施例提供的另一种语义识别方法的流程图;
图3为本发明实施例提供的一种服务器的结构示意图;
图4为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
本发明实施列提供一种语义识别的方法、服务器、电子设备及计算机存储介质,以解决现有技术中存在的对用户语音的语义的识别效率较低的技术问题。
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:
提供一种语义识别的方法,应用于服务器,包括:将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,待识别语句为文本信息;基于特征词集从待识别语句中识别出对应的特征词,并根据特征词确定待识别语句所属的垂直领域分组;其中,垂直领域分组是基于不同场景对词语进行的分组;基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。
由于在上述方案中,通过将采集到的用户语音用语音识别技术转换为对应的文本信息(即待识别语句);并基于特征词集从待识别语句中识别出对应的特征词后,根据特征词确定待识别语句所属的垂直领域分组,从而确定待识别语句所属的场景;之后,再基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。从而能够快速的识别出用户语音对应的语义。
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。
请参考图1,本发明实施例提供一种语义识别的方法,应用于服务器,该方法的处理过程如下。
步骤101:将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,待识别语句为文本信息。
在用户使用电子设备,尤其是可以进行语音交互的智能终端,可以根据用户表达的不同内容进行相应的回复或执行相应动作。
当用户对电子设备发出用户语音,电子设备采集用户语音,并将采集到的用户语音发送给服务器。
当用户需要与电子设备进行多轮对话时,可以通过特定的操作或语音指令让电子设备进入多轮对话模式,按照预先设置好的多轮对话时间间隔,将采集到的多个语音作为一条用户语音发送给服务器,其中这多个语音是指相邻两个语音的时间间隔不大于多轮对话时间间隔的至少2个语音。当然,如果这个语音中的每个语音的数据量都较大,则还可以按采集的顺序为每个语音打上序号标签或时间标签后,逐个发送给服务器。
例如,在非多轮对话时,用户说“今天天气怎么样”,电子设备采集到该用户语音后,发送给服务器。
当用户通过语音指令,如“多轮对话”,选择进入多轮对话模式(也可以通过在手机APP上选择多轮对话模式,或者按电子设备上的特定按键进入多轮对话模式)后,用户说“周杰伦的演唱会在哪里”(语音1)、“还有票吗”(语音2)、“怎么去”(语音3)。电子设备在采集到语音1的5秒后又采集到语音2,并在采集完语音2的8秒后又采集到语音3,在采集完语音3后的10秒内未采集到新的语音,假设多轮对话时间间隔为10秒,则电子设备确定语音1-语音3属于一条用户语音。
若语音1-语音3的每条语音都小于设定阈值1MB,则将这3条语音进行组合得到一条用户语音,若语音1-语音3中有一条的用户语音大于设定阈值1MB,则为每条语音打上序号(如1语音1、2语音2、3语音3),或者将这3条语音各自的采集时间作为时间标签打到对应语音上,并将打好序号标签或语音标签的语音发送给服务器。
服务器通过语音识别技术将采集到的用户语音转换为对应的文本信息,即待识别语句。
若服务器接收到的是多轮对话采集的语音,若接收到的是具有序号标签或时间标签的多个语音,则可以按序号标签或时间标签的顺序将多个语音组合为一条用户语音后进行识别转换为待识别语句,或者对单个语音进行识别后,按序号标签或时间标签的顺序将单个语音对应的文本信息组合为待识别语句。
例如,依然以前述的多轮对话模式下采集到的语音1-语音3为例,若服务器接收到的是将这3条语音组合到一起后的用户语音,则对用户语音进行语音识别,转换为待识别语句“周杰伦的演唱会在哪里,还有票吗,怎么去”;或者若服务器是分别接收到的语音1-语音3,则服务器可以根据他们的序号标签或时间便签将它们组合为一条用户语音后,进行识别得到待识别语句,或对语音1-语音3进行分别识别后组合为待识别语句。
之后,通过对待识别语句的语义进行识别后返回相应的回复或执行相应动作。具体请参见步骤102-步骤103。
步骤102:基于特征词集从待识别语句中识别出对应的特征词,并根据特征词确定待识别语句所属的垂直领域分组;其中,垂直领域分组是基于不同场景对词语进行的分组。
具体的,基于特征词集从所待识别语句中识别出对应的特征词,可以是将特征词集中的动词与待识别语句中的每一个词进行比对;若比对成功,则将比对成功的一个动词作为待识别语句的特征词。
例如,待识别语句为“我要听周杰伦的歌”,“听”为特征词集中的一个动词,将特征词集中的每个动词与待识别语句“我要听周杰伦的歌”中的词进行逐一比对,当比对出待识别语句中有动词“听”时,确定比对成功,将“听”作为待识别语句的特征词。
若特征词集中的动词与待识别语句中的每一个词进行比对后,比对不成功,则进一步将特征词集中的名词与待识别语句中的每一个词进行比对;若比对成功,则将比对成功的名词作为待识别语句的特征词。
例如,若待识别语句为“今天天气怎么样”,将特征词集中的每个动词与待识别语句“今天天气怎么样”进行比对,未比对出待识别语句“今天天气怎么样”中有一个词与特征词集中的一个动词相匹配,于是确定比对不成功,则进一步将特征词集中的名词与待识别语句中的每一个词进行比对,比对出待识别语句中的名称有“今天”、“天气”、但“今天”不仅可以为名词,还可以为副词,所以将“天气”作为特征词。
在识别出待识别语句中的特征词之后,便可根据特征词确定待识别语句所属的垂直领域分组,具体可以基于预设的垂直领域分组与特征词集中的特征词的映射关系,确定待识别语句所属的垂直领域分组。其中,垂直领域分组是基于不同场景对词语进行的分组。
例如,预设的垂直领域分组“音乐”与特征词集中的特征词“听”的建立了映射关系,则可以根据待识别语句中的特征词“听”与预设的垂直领域分组与特征词集中的特征词的映射关系,确定特征词“听”属于垂直领域分组“音乐”。
在确定出待识别语句的特征词所属的垂直领域分组之后,便可执行步骤103。
步骤103:基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。
具体的,基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义,是通过以下方式实现的:
首先,将预设句式中的每个句式与待识别语句进行比对,当比对成功后获得待识别语句所属的技能域;其中,技能域用于区分用户的意图。
将预设句式中的每个句式与待识别语句进行比对,当比对成功后获得待识别语句所属的技能域,具体是:当预设句式为陈述句或肯定句的句式时,确定待识别语句所属的技能域为设置指令;当预设句式为疑问句的句式时,确定待识别语句所属的技能域为咨询指令或闲聊指令;其中,咨询指令与闲聊指令通过预设的关键字进行区分。
例如,若待识别语句为“我要听周杰伦的歌”确定其句式为主语+谓语+宾语,属于陈述句的句式,则确定待识别语句所属的技能域为设置指令;若待识别语句为“今天天气怎么样”其句式中有关键词“怎么样”,与疑问语句的句式相同,确定待识别语句为咨询指令获闲聊指令。
之后,用分词词典分别对待识别语句的特征词前的分句、及待识别语句的特征词后的分句进行分词,获得待识别语句的前分词和后分词。
例如,待识别语句“我要听周杰伦的歌”中特征词为“听”,则将特征词“听”之前的“我要”作为前分词,将特征词“听”之前的“周杰伦的歌”作为后分词。
最后,基于待识别语句所属的技能域,及前分词和后分词,以及特征词,识别待识别语句的语义。
例如,待识别语句“我要听周杰伦的歌”根据前面的分析可知,它所属的技能域为“设置指令”,目标是“周杰伦的歌”,这样服务器根据特征词“听”、前分词和后分词及确定的技能域“音乐”,可以识别出待识别语句的语义时为用户播放周杰伦的各,此时服务器便在音乐里为用户搜索周杰伦,并随机播放搜索出的歌曲。
在基于特征词集从待识别语句中识别出对应的特征词之后,若待识别语句的语义未能被识别出,则将待识别语句确定为未识别语句;并返回友好回复给电子设备,同时记录未识别语句;其中,友好答复为在不能识别待识别语句时使用的指定答复语;之后,用训练好的语句识别模型对未识别语句进行识别,获得纠正的语句;其中,训练好的语句识别模型是用历史未识别语句与对应纠正语句进行训练得到的,纠正语句是根据未识别语句未能被识别的原因对未识别语句进行纠正后得到的;最后,对纠正后的语句重新进行语义识别,获得待识别语句的语义。
例如,待识别语句为“我要听三国”,在搜索“三国”后,得到的有音乐的三国、有戏剧的三国,还有听书的三国,此时服务器无法确定用户是要听音乐的三国、有戏剧的三国,还是评书的三国,于是服务器无法识别待识别语句“我要听三国”,将待识别语句“我要听三国”记录为未识别语句,并进行友好回复,如将指定答复语“对不起,XX听懂不懂,请换一个好吗”转换为语音后发送给电子设备,让电子设备进行播放。
在服务器空闲时,可以用训练好的语句识别模型对未识别语句进行识别,获得纠正语句,如未识别语句“周杰伦的演唱会在哪里,还有票吗,怎么去”,这当中有3个特征词“在”、“有”、“去”,并且后面的“还有票吗”、“怎么去”缺乏主语,让服务器无法理解用户的真实意思,在技术人员对此未识别语句进行分析后,可以通过设置一种规则,像这样的多轮对话得到的待识别语句,可以将第一个语音对应的特征词前的前分词补入后面的语音对应的特征词前或后,如补入后面得到纠正语句:“周杰伦的演唱会在哪里”、“还有周杰伦的演唱会票吗”、“怎么去周杰伦的演唱会”,服务器据此可以识别出用户的语义,然后为用户搜索周杰伦演唱会的地址、票务信息、规划到周杰伦演唱会的交通线路,并将这些结果转化为语音信息发送给电子设备,以便电子设备可以播放给用户知道,完成与用户的交互。
在设置好纠正未识别语句的纠正规则之后,可以通过使用未识别语句与对应的纠正语句一起输入语句识别模型对其进行训练,当训练的准确率达到设定阈值时,则训练完成,以后在服务器对待识别语句进行识别时,遇到无法识别的语句后,可以用训练好的语句识别模型进行再识别。从而能够进一步的提高语义识别率,提高识别速度。
其中,纠正规则,可以是为未识别语句补充主语、宾语等,还可以是根据未识别语句确定出的新的句式、关键词等,也可以是在目标涉及多个对象时将这多个对象播放出来请用户进行再选择,还可以是将相邻的两个语音对应的文本进行合并后再重新分词等,在此不做限定。
在获得待识别语句的语义之后,若待识别语句属于设置指令,则控制电子设备执行对应的动作;若待识别语句属于咨询指令或闲聊指令技能域,则根据待识别语句的特征词及分词,查找对应的应答对,将应答对中的应答结果转换为语音返回给电子设备进行播放;其中,应答对为问题与对应应答的问答组。
例如,在服务器识别出待识别语句“我要听周杰伦的歌”的语义后,直接为用户搜索周杰伦的歌,并进行播放,则服务器在搜索到周杰伦的歌后,便将歌曲数据发送给电子设备进行播放。
在服务器识别出待识别语句“今天天气怎么样”的语义后,便为用户搜索今天的天气情况“阴天,20℃,微风”便将搜索结果转换为语音信息发送给电子设备进行播放。
可选的,服务器还可以接收用户设置信息,并进行存储;当电子设备请求下载用户设置信息后,服务器将用户设置信息发送给电子设备,以便电子设备能及时更新用户设置信息;
而服务器在根据特征词识别确定待识别语句所属的垂直领域分组,对待识别语句进行语义识别时,可以基于用户设置信息中设置的垂直领域分组的优先级,确定垂直领域分组。这样可以有效的提高对用于语音的语义识别效率。
例如,用户通过手机中的APP,对用户信息进行设置,将其爱好设置为“喜欢听周杰伦的歌”,则在下次对进行语义识别时属于音乐的垂直领域分组时优先选周杰伦,或者在用户说“听三国”这类可能涉及到垂直领域分组中的多个分支时,优先选择“音乐”这个分支。
可选的,服务器还可以定期对用户的语义的正确率进行统计,当正确率低于一定阈值时,可以向用户的手机APP推送调查问卷,询问用户的个人爱好等用户设置信息,在用户完成问卷调查后,更新服务器中的用户个人设置信息,并同步更新到与服务器建立网络连接的电子设备中。
需要理解的是,尽管在本发明提供的实施例中,对用户语义进行识别的过程都是在服务器侧进行识别的,但也可以用在其它与用户直接进行交互的电子设备上,例如机器人、智能家电等。
基于同一发明构思,本发明一实施例中提供另一种语义识别的方法,应用于电子设备,具体实施方式可参见服务器侧的语义识别方法实施例部分的描述,重复之处不再赘述,请参见图2,该方法包括:
步骤201:在采集用户语音时,当采集到的多个语音中相邻两个语音的时间间隔在设置的多轮对话时间间隔内时,将所述多个语音作为所述用户语音,并将所述用户语音发送给如步骤101-步骤103中的服务器。
步骤202:接收并播放所述服务器返回的应答语音,以完成与用户的交互。
可选的,在采集用户语音之前,包括:
在开机时,向所述服务器发送下载用户设置信息的请求;
基于所述用户设置信息,更新用户设置。
需要理解的是,本发明实施例中提供的电子设备可以是智能音箱、智能电视、智能空调等家电设备,也可以是智能机器人,如银行中的服务机器人、车站中的引导机器人等,在此不做限定。
基于同一发明构思,本发明一实施例中提供一种用于语义识别的服务器,该服务器的语义识别方法的具体实施方式可参见方法实施例部分的描述,重复之处不再赘述,请参见图3,该服务器包括:
转换单元301,用于将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,所述待识别语句为文本信息;
确定单元302,用于基于特征词集从所述待识别语句中识别出对应的特征词,并根据所述特征词确定所述待识别语句所属的垂直领域分组;其中,所述垂直领域分组是基于不同场景对词语进行的分组;
语义识别单元303,用于基于所述待识别语句所属的垂直领域分组中的分词词典与预设句式,识别所述待识别语句的语义;其中,所述预设句式类型至少包括陈述句、疑问句、肯定句。
可选的,所述确定单元302具体用于:
将所述特征词集中的动词与所述待识别语句中的每一个词进行比对;
若比对成功,则将比对成功的一个动词作为所述待识别语句的特征词;
若比对不成功,则进一步将所述特征词集中的名词与所述待识别语句中的每一个词进行比对;若比对成功,则将比对成功的名词作为所述待识别语句的特征词。
可选的,所述确定单元302还用于:
基于预设的垂直领域分组与所述特征词集中的特征词的映射关系,确定所述待识别语句所属的垂直领域分组。
可选的,所述语义识别单元303具体用于:
将所述预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域;其中,所述技能域用于区分用户的意图;
用所述分词词典分别对所述待识别语句的特征词前的分句、及所述待识别语句的特征词后的分句进行分词,获得所述待识别语句的前分词和后分词;
基于所述待识别语句所属的技能域,及所述前分词和所述后分词,以及所述特征词,识别所述待识别语句的语义。
可选的,所述语义识别单元303还用于:
当所述预设句式为所述陈述句或肯定句的句式时,确定所述待识别语句所属的技能域为设置指令;
当所述预设句式为所述疑问句的句式时,确定所述待识别语句所属的技能域为咨询指令或闲聊指令;其中,所述咨询指令与闲聊指令通过预设的关键字进行区分。
可选的,所述语义识别单元303还用于:
若所述待识别语句的语义未能被识别出,则将所述待识别语句确定为未识别语句;并返回友好回复给电子设备,同时记录所述未识别语句;其中,所述友好答复为在不能识别所述待识别语句时使用的指定答复语;
用训练好的语句识别模型对所述未识别语句进行识别,获得纠正的语句;其中,所述训练好的语句识别模型是用历史未识别语句与对应纠正语句进行训练得到的,所述纠正语句是根据所述未识别语句未能被识别的原因对所述未识别语句进行纠正后得到的;
对所述纠正后的语句重新进行语义识别,获得所述待识别语句的语义。
可选的,所述服务器还包括:
处理单元304,用于若所述待识别语句属于所述设置指令,则控制所述电子设备执行对应的动作;若所述待识别语句属于所述咨询指令或所述闲聊指令,则根据所述待识别语句的特征词及分词,查找对应的应答对,将所述应答对中的应答结果转换为语音返回给所述电子设备进行播放;其中,所述应答对为问题与对应应答的问答组。
可选的,所述处理单元304还用于:
在接收到用户信息设置后,存储所述用户设置信息;
当所述电子设备请求下载所述用户设置信息后,将所述用户设置信息发送给所述电子设备;
所述根据所述特征词识别确定所述待识别语句所属的垂直领域分组包括:
在对所述待识别语句进行语义识别时,基于用户设置信息中设置的垂直领域分组的优先级,确定垂直领域分组。
基于同一发明构思,本发明一实施例中提供一种用于语义识别的电子设备,该服务器的语义识别方法的具体实施方式可参见方法实施例部分的描述,重复之处不再赘述,请参见图4,该电子设备包括:
采集单元401,用于在采集用户语音时,当采集到的多个语音中相邻两个语音的时间间隔在设置的多轮对话时间间隔内时,将所述多个语音作为所述用户语音,并将所述用户语音发送给如上进行语义识别的服务器;
播放单元402,用于接收并播放所述服务器返回的应答语音,以完成与用户的交互。
基于同一发明构思,本发明实施例中提供了一种用于语义识别的服务器,包括:至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如上所述的在服务器侧的语义识别方法。
基于同一发明构思,本发明实施例还提一种计算机可读存储介质,包括:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如上所述的在服务器侧的语义识别方法。
在本发明提供的实施例中,通过将采集到的用户语音用语音识别技术转换为对应的文本信息(即待识别语句);并基于特征词集从待识别语句中识别出对应的特征词后,根据特征词确定待识别语句所属的垂直领域分组,从而确定待识别语句所属的场景;之后,再基于待识别语句所属的垂直领域分组中的分词词典与预设句式,识别待识别语句的语义;其中,预设句式类型至少包括陈述句、疑问句、肯定句。从而能够快速的识别出用户语音对应的语义。
进一步的,由于服务器可以自动收集未识别出的用户语音对应的未识别语句,并根据未识别语句的句式和关键词进行垂直领域的自动分类。这样随着用户使用语音识别的次数越多,服务器能识别该用户的语句也越多,从而能够提高用户体验。
在本发明提供的实施例中,电子设备通过使用具有本发明实施例提供的语义识别功能的服务器,在进行多轮对话时,可以灵活地对多轮对话的时间间隔进行设置,使电子设备在多轮对话期间,不会被重复唤醒。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例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装置。
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装置的制造品,该指令装置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。
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 (12)
1.一种语义识别的方法,应用于服务器,其特征在于,包括:
将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,所述待识别语句为文本信息;
基于特征词集从所述待识别语句中识别出对应的特征词,并根据所述特征词确定所述待识别语句所属的垂直领域分组;其中,所述垂直领域分组是基于不同场景对词语进行的分组;
基于所述待识别语句所属的垂直领域分组中的分词词典与预设句式,识别所述待识别语句的语义;其中,所述预设句式类型至少包括陈述句、疑问句、肯定句;
其中,基于所述待识别语句所属的垂直领域分组中的分词词典与预设句式,识别所述待识别语句的语义,包括:
将所述预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域;其中,所述技能域用于区分用户的意图;
用所述分词词典分别对所述待识别语句的特征词前的分句、及所述待识别语句的特征词后的分句进行分词,获得所述待识别语句的前分词和后分词;
基于所述待识别语句所属的技能域,及所述前分词和所述后分词,以及所述特征词,识别所述待识别语句的语义。
2.如权利要求1所述的方法,其特征在于,基于特征词集从所述待识别语句中识别出对应的特征词,包括:
将所述特征词集中的动词与所述待识别语句中的每一个词进行比对;
若比对成功,则将比对成功的一个动词作为所述待识别语句的特征词;
若比对不成功,则进一步将所述特征词集中的名词与所述待识别语句中的每一个词进行比对;若比对成功,则将比对成功的名词作为所述待识别语句的特征词。
3.如权利要求1所述的方法,其特征在于,根据所述特征词识别确定所述待识别语句所属的垂直领域分组,包括:
基于预设的垂直领域分组与所述特征词集中的特征词的映射关系,确定所述待识别语句所属的垂直领域分组。
4.如权利要求1所述的方法,其特征在于,将所述预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域,包括:
当所述预设句式为所述陈述句或肯定句的句式时,确定所述待识别语句所属的技能域为设置指令;
当所述预设句式为所述疑问句的句式时,确定所述待识别语句所属的技能域为咨询指令或闲聊指令;其中,所述咨询指令与闲聊指令通过预设的关键字进行区分。
5.如权利要求1-4任一权项所述的方法,其特征在于,基于特征词集从所述待识别语句中识别出对应的特征词之后,还包括:
若所述待识别语句的语义未能被识别出,则将所述待识别语句确定为未识别语句;并返回友好回复给电子设备,同时记录所述未识别语句;其中,所述友好答复为在不能识别所述待识别语句时使用的指定答复语;
用训练好的语句识别模型对所述未识别语句进行识别,获得纠正的语句;其中,所述训练好的语句识别模型是用历史未识别语句与对应纠正语句进行训练得到的,所述纠正语句是根据所述未识别语句未能被识别的原因对所述未识别语句进行纠正后得到的;
对所述纠正后的语句重新进行语义识别,获得所述待识别语句的语义。
6.如权利要求4所述的方法,其特征在于,获得所述待识别语句的语义之后,还包括:
若所述待识别语句属于所述设置指令,则控制电子设备执行对应的动作;
若所述待识别语句属于所述咨询指令或所述闲聊指令,则根据所述待识别语句的特征词及分词,查找对应的应答对,将所述应答对中的应答结果转换为语音返回给所述电子设备进行播放;其中,所述应答对为问题与对应应答的问答组。
7.如权利要求5所述的方法,其特征在于,还包括:
在接收到用户信息设置后,存储所述用户设置信息;
当所述电子设备请求下载所述用户设置信息后,将所述用户设置信息发送给所述电子设备;
所述根据所述特征词识别确定所述待识别语句所属的垂直领域分组包括:
在对所述待识别语句进行语义识别时,基于用户设置信息中设置的垂直领域分组的优先级,确定垂直领域分组。
8.一种语义识别的方法,应用于电子设备,其特征在于,包括:
在采集用户语音时,当采集到的多个语音中相邻两个语音的时间间隔在设置的多轮对话时间间隔内时,将所述多个语音作为所述用户语音,并将所述用户语音发送给如权利要求1-7任一权项所述的服务器;
接收并播放所述服务器返回的应答语音,以完成与用户的交互。
9.一种服务器,其特征在于,包括:
转换单元,用于将采集到的用户语音通过语音识别技术转换为对应的待识别语句;其中,所述待识别语句为文本信息;
确定单元,用于基于特征词集从所述待识别语句中识别出对应的特征词,并根据所述特征词识别确定所述待识别语句所属的垂直领域分组;其中,所述垂直领域分组是对不同场景进行的分组;
语义识别单元,用于将预设句式中的每个句式与所述待识别语句进行比对,当比对成功后获得所述待识别语句所属的技能域;其中,所述技能域用于区分用户的意图;用分词词典分别对所述待识别语句的特征词前的分句、及所述待识别语句的特征词后的分句进行分词,获得所述待识别语句的前分词和后分词;基于所述待识别语句所属的技能域,及所述前分词和所述后分词,以及所述特征词,识别所述待识别语句的语义;其中,所述预设句式类型至少包括陈述句、疑问句、肯定句。
10.一种电子设备,其特征在于,包括:
采集单元,用于采集用户语音,并将所述用户语音发送给如权利要求9所述的服务器;
播放单元,用于接收并播放所述服务器返回的应答语音,以完成与用户的交互。
11.一种服务器,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,执行如权利要求1-7任一项所述的方法。
12.一种计算机可读存储介质,其特征在于:
所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811329289.6A CN111178081B (zh) | 2018-11-09 | 2018-11-09 | 语义识别的方法、服务器、电子设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811329289.6A CN111178081B (zh) | 2018-11-09 | 2018-11-09 | 语义识别的方法、服务器、电子设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111178081A CN111178081A (zh) | 2020-05-19 |
CN111178081B true CN111178081B (zh) | 2023-07-21 |
Family
ID=70651693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811329289.6A Active CN111178081B (zh) | 2018-11-09 | 2018-11-09 | 语义识别的方法、服务器、电子设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111178081B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111933135A (zh) * | 2020-07-31 | 2020-11-13 | 深圳Tcl新技术有限公司 | 终端控制方法、装置、智能终端及计算机可读存储介质 |
CN113076397A (zh) * | 2021-03-29 | 2021-07-06 | Oppo广东移动通信有限公司 | 意图识别方法、装置、电子设备及存储介质 |
CN115658891B (zh) * | 2022-10-18 | 2023-07-25 | 支付宝(杭州)信息技术有限公司 | 一种意图识别的方法、装置、存储介质及电子设备 |
CN115374793B (zh) * | 2022-10-25 | 2023-01-20 | 深圳市人马互动科技有限公司 | 基于服务场景识别的语音数据处理方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106844741A (zh) * | 2017-02-13 | 2017-06-13 | 哈尔滨工业大学 | 一种面向特定领域的问题解答方法 |
CN107193973A (zh) * | 2017-05-25 | 2017-09-22 | 百度在线网络技术(北京)有限公司 | 语义解析信息的领域识别方法及装置、设备及可读介质 |
CN108132952A (zh) * | 2016-12-01 | 2018-06-08 | 百度在线网络技术(北京)有限公司 | 一种基于语音识别的主动型搜索方法和装置 |
CN108446286A (zh) * | 2017-02-16 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN108446278A (zh) * | 2018-07-17 | 2018-08-24 | 弗徕威智能机器人科技(上海)有限公司 | 一种基于自然语言的语义理解系统及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9087236B2 (en) * | 2010-09-13 | 2015-07-21 | International Business Machines Corporation | Automated recognition of process modeling semantics in flow diagrams |
CN104516986B (zh) * | 2015-01-16 | 2018-01-16 | 青岛理工大学 | 一种语句识别方法及装置 |
CN106528531B (zh) * | 2016-10-31 | 2019-09-03 | 北京百度网讯科技有限公司 | 基于人工智能的意图分析方法及装置 |
CN108399919A (zh) * | 2017-02-06 | 2018-08-14 | 中兴通讯股份有限公司 | 一种语义识别方法和装置 |
CN107832286B (zh) * | 2017-09-11 | 2021-09-14 | 远光软件股份有限公司 | 智能交互方法、设备及存储介质 |
CN107644642B (zh) * | 2017-09-20 | 2021-01-15 | Oppo广东移动通信有限公司 | 语义识别方法、装置、存储介质及电子设备 |
CN108427722A (zh) * | 2018-02-09 | 2018-08-21 | 卫盈联信息技术(深圳)有限公司 | 智能交互方法、电子装置及存储介质 |
-
2018
- 2018-11-09 CN CN201811329289.6A patent/CN111178081B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108132952A (zh) * | 2016-12-01 | 2018-06-08 | 百度在线网络技术(北京)有限公司 | 一种基于语音识别的主动型搜索方法和装置 |
CN106844741A (zh) * | 2017-02-13 | 2017-06-13 | 哈尔滨工业大学 | 一种面向特定领域的问题解答方法 |
CN108446286A (zh) * | 2017-02-16 | 2018-08-24 | 阿里巴巴集团控股有限公司 | 一种自然语言问句答案的生成方法、装置及服务器 |
CN107193973A (zh) * | 2017-05-25 | 2017-09-22 | 百度在线网络技术(北京)有限公司 | 语义解析信息的领域识别方法及装置、设备及可读介质 |
CN108446278A (zh) * | 2018-07-17 | 2018-08-24 | 弗徕威智能机器人科技(上海)有限公司 | 一种基于自然语言的语义理解系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111178081A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111178081B (zh) | 语义识别的方法、服务器、电子设备及计算机存储介质 | |
CN108509619B (zh) | 一种语音交互方法及设备 | |
KR102315732B1 (ko) | 음성 인식 방법, 디바이스, 장치, 및 저장 매체 | |
WO2021073298A1 (zh) | 一种语音信息的处理方法、装置、智能终端以及存储介质 | |
US11823678B2 (en) | Proactive command framework | |
CN108197282B (zh) | 文件数据的分类方法、装置及终端、服务器、存储介质 | |
US10236017B1 (en) | Goal segmentation in speech dialogs | |
WO2018000278A1 (zh) | 一种基于状态机上下文敏感多轮对话管理系统及方法 | |
CN111651609A (zh) | 一种融合知识图谱和情感监督的多轮对话方法及系统 | |
WO2020253064A1 (zh) | 语音的识别方法及装置、计算机设备、存储介质 | |
CN111090727B (zh) | 语言转换处理方法、装置及方言语音交互系统 | |
CN107146612A (zh) | 语音引导方法、装置、智能设备及服务器 | |
CN108364650B (zh) | 语音识别结果的调整装置及方法 | |
CN111737987B (zh) | 意图识别方法、装置、设备及存储介质 | |
CN105336324A (zh) | 一种语种识别方法及装置 | |
CN111161726B (zh) | 一种智能语音交互方法、设备、介质及系统 | |
US11276403B2 (en) | Natural language speech processing application selection | |
CN108710653B (zh) | 一种绘本朗读点播方法、装置及系统 | |
CN116821290A (zh) | 面向多任务对话的大语言模型训练方法和交互方法 | |
CN109492126B (zh) | 一种智能交互方法及装置 | |
US20220399013A1 (en) | Response method, terminal, and storage medium | |
CN110570838B (zh) | 语音流处理方法和装置 | |
CN111427444B (zh) | 一种智能设备的控制方法和设备 | |
CN113593565B (zh) | 一种智能家庭设备管控方法和系统 | |
CN110517672A (zh) | 用户意图识别方法、用户指令执行方法、系统及设备 |
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 |