CN113808582A - 语音识别方法、装置、设备及存储介质 - Google Patents
语音识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113808582A CN113808582A CN202010554161.0A CN202010554161A CN113808582A CN 113808582 A CN113808582 A CN 113808582A CN 202010554161 A CN202010554161 A CN 202010554161A CN 113808582 A CN113808582 A CN 113808582A
- Authority
- CN
- China
- Prior art keywords
- list
- name list
- name
- global
- names
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000008520 organization Effects 0.000 claims description 53
- 230000008859 change Effects 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/57—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for processing of video signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L2015/088—Word spotting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
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)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开实施例公开了一种语音识别方法、装置、设备及存储介质。包括：获取目标关键词列表；其中，所述目标关键词列表由全局关键词列表和相关关键词列表融合获得；所述相关关键词列表根据音视频会议的内容生成；基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。本公开实施例提供的语音识别方法，基于全局关键词列表和相关关键词列表融合而成的目标关键词列表，对语音信息中的关键词进行识别时，可以基于目标关键词列表进行识别，从而提高关键词识别的准确性。
Description
技术领域
本公开实施例涉及语音识别技术领域，尤其涉及一种语音识别方法、装置、设备及存储介质。
背景技术
语音识别技术(Automatic Speech Recognition，ASR)是一项广泛应用于音视频领域的音频识别技术，主要目的是将声音信息转成文本信息。
目前，在互联网音视频会议场景中，使用ASR技术将会议中的音频转成文本信息，如：将视频会议中的语音转换成字幕进行显示。由于ASR是一个通用的技术模型，在识别含有一些关键词(如人名、或者专业术语)的语音时，通常将关键词识别为常用的文字，而多数情况下，关键词对应的文字并不是常用语中的，因此，现有的语音识别技术对关键词识别的准确率较低。
发明内容
本公开实施例提供一种语音信息识别方法、装置、设备及存储介质，可以提高对语音中关键词识别的准确率。
第一方面，本公开实施例提供了一种语音识别方法，包括：
获取目标关键词列表；其中，所述目标关键词列表由全局关键词列表和相关关键词列表融合获得；所述相关关键词列表根据音视频会议的内容生成；
基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。
第二方面，本公开实施例还提供了一种语音识别装置，包括：
目标关键词列表获取模块，用于获取目标关键词列表；其中，所述目标关键词列表由全局关键词列表和相关关键词列表融合获得；所述相关关键词列表根据音视频会议的内容生成；
语音识别模块，用于基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个指令；
当所述一个或多个指令被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如本公开实施例所述的语音识别方法。
第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理装置执行时实现如本公开实施例所述的语音识别方法。
本公开实施例，获取目标关键词列表；其中，目标关键词列表由全局关键词列表和相关关键词列表融合获得；相关关键词列表根据音视频会议的内容生成；基于目标关键词列表对音视频会议的语音信息中的关键词进行识别。本公开实施例提供的语音识别方法，基于全局关键词列表和相关关键词列表融合而成的目标关键词列表，对语音信息中的关键词进行识别时，可以基于目标关键词列表进行识别，提高关键词识别的准确性。
附图说明
图1是本公开实施例中的一种语音识别方法的流程图；
图2是本公开实施例中的一种语音识别方法的流程图；
图3是本公开实施例中的一种语音识别方法的流程图
图4是本公开实施例中的一种树形组织结构的示例图；
图5是本公开实施例中的一种语音识别方法的流程图；
图6是本公开实施例中的一种语音识别装置的结构示意图；
图7是本公开实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1为本公开实施例提供的一种语音识别方法的流程图，本实施例可适用于音视频会议中语音中的关键词进行识别的情况，该方法可以由语音识别装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有语音识别功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：
步骤110，获取目标关键词列表。
其中，目标关键词列表由全局关键词列表和相关关键词列表融合获得；相关关键词列表根据音视频会议的内容生成。
其中，关键词可以是人名或者与学术相关的专业词汇，例如：与直播技术相关的专业词汇等。全局关键词列表可以是已经存储于数据库中的关键词列表。音视频会议可以理解为多个用户通过移动终端连线的且当前正在进行的音视频会议。
本实施例中，若关键词为与某一学术领域相关的专业词汇，则相关关键词列表的获取方式可以是：提取当前音视频会议使用的文本内容中的关键词，并查找与文本内容关键属于同一技术领域的其他关键词，基于文本内容的关键词与其他关键词获得相关关键词列表。全局关键词列表的获取方式可以是：提取历史音视频会议相关内容的关键词，将使用频率超过设定值的关键词组成全局关键词列表。历史音视频相关内容可以包括历史音视频会议使用的文本内容(如主讲人共享或演示的文档等)以及由历史音视频会议过程中产生的音频转换成的文本内容。
本实施例中，若关键词为人名，则相关关键词列表的获取方式可以是：首先获取由预约参加音视频会议的人名及实际参加音视频会议的人名组成的基础人名，然后获取与基础人名间满足如下至少一个条件的相关人名：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议、在设定时段内存在联系信息，最后将基础人名和相关人名取并集形成相关关键词列表。全局关键词列表的获取方式可以是，根据上述基础人名所在的所处树形组织结构中等级满足第一设定条件的人名获得全局关键词列表。其中，组织标识信息可以理解为用户所在部门的ID，可以表征用户所在的部门。
步骤120，基于目标关键词列表对音视频会议的语音信息中的关键词进行识别。
实施例中，获得目标关键词列表后，可以将目标关键词传给语音识别模块，使得语音识别基于关键人名列表对当前音视频会议产生的语音进行识别。具体的，当语音识别模块识别到与关键词同音的语音时，查找目标关键词列表中与该语音匹配的词语，将匹配到的词语确定为该语音对应的文本内容。
本实施例的技术方案，获取目标关键词列表，基于目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。对语音信息中的关键词进行识别时，可以基于目标关键词列表进行识别，从而提高关键词识别的准确性。
图2为本公开实施例提供的一种语音识别方法的流程图，本实施例可适用于音视频会议中语音中的人名进行识别的情况。以上述实施例为基础，如图2所示，该方法具体包括如下步骤：
步骤210，获取目标人名列表。
其中，目标人名列表由全局人名列表和相关人名列表融合获得；相关人名列表根据所述音视频会议的参会人信息生成。
其中，参会人信息可以包括预约参会人信息及实际参会人信息。本实施例中，参会人信息为参会人的人名，人名可以是用户在企业数据库中的唯一标识码。其中，企业数据库可以用于存储同一个企业的员工信息，员工信息可以包括：员工人名、员工所属组织(如部门)、等级及职位等。
相关人名列表的获取方式可以是：首先获取由预约参加音视频会议的人名及实际参加音视频会议的人名组成的基础人名，然后获取与基础人名间满足如下至少一个条件的相关人名：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议、在设定时段内存在联系信息，最后将基础人名和相关人名取并集形成相关人名列表。全局关键词列表的获取方式可以是，根据上述基础人名所在的所处树形组织结构中等级满足第一设定条件的人名获得全局人名列表。
全局人名列表和相关人名列表融合的过程可以理解为将全局人名列表和相关人名列表取并集。
步骤220，基于目标人名列表对所述音视频会议的语音进行识别。
本实施例中，获得目标人名列表后，将目标人名传给语音识别模块，使得语音识别基于目标人名列表对语音进行识别。
本实施例的技术方案，获取目标人名列表，基于所述目标人名列表对所述音视频会议的语音进行识别，对语音信息中的关键词进行识别时，可以基于目标人名列表进行识别，从而提高人名识别的准确性。
图3为本公开实施例提供的一种语音识别方法的流程图，作为对上述实施例的进一步解释，目标人名列表通过如下方式生成：根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表；根据基础人名列表确定全局人名列表和相关人名列表；对全局人名列表和相关人名列表进行融合，获得目标人名列表。如图3所述，该方法包括如下步骤：
步骤310，根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表。
具体的，根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表的过程可以是，根据预约参会人信息生成预约参会人列表，根据实际参会人信息生成实际参会人列表，将预约参会人列表和实际参会人列表取并集，获得基础人名列表。
步骤320，根据所述基础人名列表确定全局人名列表和相关人名列表。
其中，全局人名列表包括基础人名列表中的人名所处树形组织结构中等级满足第一设定条件的人名；相关人名列表包括与基础人名相关的人名及基础人名。
具体的，全局人名列表的可以通过如下方式生成：获取基础人名列表中各人名在数据库中所处的树形组织结构；提取树形组织结构中等级满足第一设定条件的人名，获得全局人名列表。
其中，数据库为基础人名列表中的人名所在的数据库。本应用场景下，所述的数据库用于存储同一个企业的员工信息，员工信息可以包括：员工人名、员工所属组织(如部门)、等级及职位等。全局人名列表中的人名在企业中的等级满足第一设定条件，示例性的，假设整个企业按照职位划分为5个等级，则第一设定条件可以是处于前三个等级。
其中，树形组织结构可以是根据企业员工的等级建立的结构，包括：根节点、父节点、子节点和叶子节点。根节点表示处于最高等级，叶子节点表示处于最低等级，父节点与其子节点的关系为上下级的关系。由于数据库中存储了企业中各员工的员工人名、员工所属组织(如部门)、等级及职位等，基于基础人名列表的人名，确定该人名所处的树形组织结构。
本实施例中，提取树形组织结构中等级满足第一设定条件的人名的过程可以是，首先确定该树形组织结构的根节点，然后从根节点开始下行查找该树形结构包含的人名，将等级满足第一设定条件的人名提取出来。示例性的，图4是本公开实施例中的一种树形组织结构，如图4所示，假设人名A3在基础人名列表中，从数据库查找获得人名A3属于部门A，其所在的树形组织结构如图4所示，该树形组织结构的根节点为A1，从A1开始下行查找，获得人名A1-A19，其中，A1-A4满足第一设定条件，则将A1-A4放入全局人名列表中。对于基础人名列表中的每个人名，均按照上述方式查找，获得在树形结构中等级满足第一设定条件的人名，组成全局人名列表。
可选的，在获得全局人名列表中后，可以将全局人名列表存入缓存中，以备下次进行音视频会议时使用。这样做的好处是，将全局人名列表作为高频人名供每次音视频会议使用，可以提高人名识别的精度。
可选的，全局人名列表还通过如下方式生成：判断是否存储有历史全局人名列表；若存储，则对全局人名列表和历史全局人名列表取并集，获得最终的全局人名列表。
其中，历史全局人名列表可以理解为上次音视频会议时生成的全局人名列表。示例性的，假设当前全局人名列表包含的人名有：A1、A2、A3、B1、B2、C1、C2、C3、C4，历史全局人名列表包含的人名有：B1、B2、D1、D2、D3、D4，取并集后的全局人名列表为：A1、A2、A3、B1、B2、C1、C2、C3、C4、D1、D2、D3、D4。
具体的，相关人名列表通过如下方式生成：获取基础人名列表中各人名对应的第一用户的属性信息和/或在设定时间段内的行为数据；根据属性信息和/或行为数据获取与第一用户的相关度满足第二设定条件的第二用户；基于第二用户的人名和基础人名列表中的人名生成相关人名列表。
其中，属性信息包括第一用户所在组织的组织标识信息，行为数据包括参加的音视频会议信息及与数据库内其他用户的联系信息。相关人名列表包含基础人名列表中的人名和第二用户的人名。
本实施例中，与第一用户的相关度满足第二设定条件的第二用户可以理解为：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议或者在设定时段内存在联系信息。
可选的，根据属性信息和/或行为数据获取与第一用户的相关度满足第二设定条件的第二用户的方式还可以是：对属性信息和行为数据预先设置相关系数，并根据第二用户与第二用户间关系及行为数据对各相关相关系数设置权重，最后对各相关系数进行加权求和，获得第二用户与第一用户的相关度。若相关度超过设定值，则相关度满足第二设定条件。示例性的，所在组织的组织标识信息相同的相关系数为a，在设定时段内参加相同的音视频会议的相关系数为b，在设定时段内存在联系信息的相关系数为c，假设第二用户与第一用户属于不同的部门，但是在设定时间段内与第一用户联系过，且参加过同一视频会议，则a的权重为0，b的权重设置为0.6，c的权重设置为0.4，那么相关度的计算公式为：0.6a+0.4c。本实施只是示例性的介绍了一种两个用户相关度的计算方式，关于两用户相关度的计算方式，还可以采用现有的相关度算法进行计算，此处不做限定。可选的，若与第一用户的相关度满足第二设定条件的第二用户的数量超过设定阈值，则选择相关度靠前的设定数量的第二用户的人名。对于基础人名列表中每个人名，均按照上述方式获取相关的人名。
步骤330，对所述全局人名列表和相关人名列表进行融合，获得目标人名列表。
其中，融合的过程可以理解为求取并集的过程，包括合并和去重两个步骤。
步骤340，基于目标人名列表对语音进行识别。
本实施例中，获得目标人名列表后，将目标人名传给语音识别模块，使得语音识别基于目标人名列表对语音进行识别。
本实施例的技术方案，首先根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表，然后根据基础人名列表确定全局人名列表和相关人名列表，再然后对全局人名列表和相关人名列表进行融合，获得目标人名列表，最后基于目标人名列表对语音进行识别。本公开实施例提供的语音识别方法，基于全局人名列表和相关人名列表融合而成的目标人名列表，使得目标人名列表包含丰富的人名，在对音视频会议中的语音中的人名进行识别时，可以提高对语音中人名识别的准确率及泛化性。
图5为本公开实施例提供的一种语音识别方法的流程图，作为对上述实施例的进一步解释，在对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表之后，还包括如下步骤：
步骤510，若检测到音视频会议预约参会人信息和/或实际参会人信息发生变更，则获取变更人名对应的第一变更列表，并根据所述第一变更列表对所述全局人名列表进行更新。
其中，变更人名为音视频会议新增的参会人人名，第一变更列表为变更人名对应的全局人名列表。人名的变更可以理解为新增了人名，例如：在音视频会议过程中，有新的用户加入了会议；或者在当前音视频会议房间中，用户要切换会议内容，音视频会议的预约参会人人名和/或实际参会人人名随着变更。
本实施例中，获取变更人名对应的第一变更列表的过程可以是：获取变更人名在数据库中所处的树形组织结构，提取树形组织结构中等级满足第一设定条件的人名，获得第一变更列表。其中，提取树形组织结构中等级满足第一设定条件的人名的过程参见上述实施例，此处不再赘述。
其中，根据第一变更列表对全局人名列表进行更新的过程可以理解为对第一变更列表和全局人名列表进行融合的过程，即对第一变更列表和全局人名列表求取并集，融合的过程参加上述实施例，此处不再赘述。
步骤520，获取与变更人名相关的第二人名列表，生成第二变更列表，并根据第二变更列表对相关人名列表进行更新。
其中，第二变更列表为变更人名对应的相关人名列表。第二人名的用户与变更人名的用户之间满足如下至少一项条件：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议、在设定时段内存在联系信息。具体的，获取与变更人名相关的第二人名列表的过程可以是，获取变更人名对应的第一用户的属性信息及在设定时间段内的行为数据；根据属性信息及行为数据获取与第一用户的相关度满足第二设定条件的第二用户，将第二人名和变更人名融合获得第二变更列表。
本实施例中，根据第二变更列表对相关人名列表进行更新的过程可以理解为对第二变更列表和先关人名列表取并集的过程。
步骤530，对更新的全局人名列表和更新的相关人名列表取并集，获得更新的目标人名列表。
步骤540，基于更新的目标人名列表对语音进行识别。
本实施例的技术方案，若检测到音视频会议基本信息中的人名或者实际参会人的人名发生变更，则获取变更人名对应的第一变更列表，并根据第一变更列表对全局人名列表进行更新；获取与变更人名相关的第二人名列表，生成第二变更列表，并根据第二变更列表对相关人名列表进行更新；对更新的全局人名列表和更新的相关人名列表进行融合，获得更新的目标人名列表。实现对目标人名列表的实时更新，可以提高对语音中人名识别的准确性。
图6为本公开实施例提供的一种语音识别装置的结构示意图。如图6所示，该装置包括：目标关键词列表获取模块610和语音识别模块620。
目标关键词列表获取模块610，用于获取目标关键词列表；其中，目标关键词列表由全局关键词列表和相关关键词列表融合获得；相关关键词列表根据音视频会议的内容生成；
语音识别模块620，用于基于目标关键词列表对音视频会议的语音信息中的关键词进行识别。
可选的，关键词包括人名；目标关键词列表获取模块610，包括：
目标人名获取单元，用于获取目标人名列表；目标人名列表由全局人名列表和相关人名列表融合获得；相关人名列表根据音视频会议的参会人信息生成；
语音识别模块620，包括语音识别单元，用于：
基于目标人名列表对音视频会议的语音进行识别。
可选的，目标人名获取单元，还用于：
根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表；
根据基础人名列表确定全局人名列表和相关人名列表；其中，全局人名列表包括基础人名列表中的人名所处树形组织结构中等级满足第一设定条件的人名；相关人名列表包括与基础人名相关的人名及基础人名；
对全局人名列表和相关人名列表进行融合，获得目标人名列表。
可选的，目标人名获取单元包括基础人名列表获取子单元，用于：
对预约参会人信息和实际参会人信息取并集，获得基础人名列表。
目标人名获取单元包括全局人名列表生成子单元，用于：
获取基础人名列表中各人名在数据库中所处的树形组织结构；
提取树形组织结构中等级满足第一设定条件的人名，组成全局人名列表。
可选的，全局人名列表生成子单元，还用于：
判断是否存储有历史全局人名列表；
若是，则对全局人名列表和历史全局人名列表取并集，获得最终的全局人名列表。
目标人名获取单元包括相关人名列表生成子单元，用于：
获取基础人名列表中各人名对应的第一用户的属性信息和/或在设定时间段内的行为数据；
根据属性信息和/或行为数据获取与第一用户的相关度满足第二设定条件的第二用户；属性信息包括第一用户所在组织的组织标识信息；行为数据包括参加的音视频会议信息及与数据库内其他用户的联系信息；
基于第二用户的人名和基础人名列表中的人名生成相关人名列表。
可选的，目标人名获取单元，还用于：
将全局人名列表和相关人名列表的并集作为目标人名列表。
可选的，还包括：更新单元，用于：
若检测到音视频会议预约参会人信息和/或实际参会人信息发生变更，则获取变更人名对应的第一变更列表，并根据第一变更列表对全局人名列表进行更新；变更人名为音视频会议新增的参会人人名；第一变更列表为变更人名对应的全局人名列表；
获取与变更人名相关的第二人名列表，生成第二变更列表，并根据第二变更列表对相关人名列表进行更新；第二变更列表为变更人名对应的相关人名列表；第二人名的用户与变更人名的用户之间满足如下至少一项条件：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议、在设定时段内存在联系信息；
对更新的全局人名列表和更新的相关人名列表取并集，获得更新的目标人名列表。
上述装置可执行本公开前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本公开前述所有实施例所提供的方法。
下面参考图7，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端，或者各种形式的服务器，如独立服务器或者服务器集群。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置305被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收用户输入的源文本，将所述源文本翻译为目标语种对应的目标文本；获取所述用户的历史纠正行为；根据所述历史纠正行为对所述目标文本进行纠正，获得翻译结果，并将所述翻译结果推送至所述用户所在的客户端。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开实施例的一个或多个实施例，本公开实施例公开一种语音识别方法，包括：
获取目标关键词列表；其中，所述目标关键词列表由全局关键词列表和相关关键词列表融合获得；所述相关关键词列表根据音视频会议的内容生成；
基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。
进一步地，所述关键词包括人名；获取目标关键词列表，包括：
获取目标人名列表；所述目标人名列表由全局人名列表和相关人名列表融合获得；所述相关人名列表根据所述音视频会议的参会人信息生成；
相应的，基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别，包括：
基于所述目标人名列表对所述音视频会议的语音进行识别。
进一步地，所述目标人名列表通过如下方式生成：
根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表；
根据所述基础人名列表确定全局人名列表和相关人名列表；其中，所述全局人名列表包括所述基础人名列表中的人名所处树形组织结构中等级满足第一设定条件的人名；所述相关人名列表包括与基础人名相关的人名及所述基础人名；
对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表。
进一步地，根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表，包括：
对所述预约参会人信息和所述实际参会人信息取并集，获得基础人名列表。
进一步地，所述全局人名列表通过如下方式生成：
获取所述基础人名列表中各人名在数据库中所处的树形组织结构；
提取所述树形组织结构中等级满足第一设定条件的人名，获得全局人名列表。
进一步地，所述全局人名列表还通过如下方式生成：
判断是否存储有历史全局人名列表；
若是，则对所述全局人名列表和所述历史全局人名列表取并集，获得最终的全局人名列表。
进一步地，所述相关人名列表通过如下方式生成：
获取所述基础人名列表中各人名对应的第一用户的属性信息和/或在设定时间段内的行为数据；
根据所述属性信息和/或所述行为数据获取与所述第一用户的相关度满足第二设定条件的第二用户；所述属性信息包括所述第一用户所在组织的组织标识信息；所述行为数据包括参加的音视频会议信息及与数据库内其他用户的联系信息；
基于所述第二用户的人名和所述基础人名列表中的人名生成相关人名列表。
进一步地，对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表，包括：
将所述全局人名列表和所述相关人名列表的并集作为所述目标人名列表。
进一步地，在对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表之后，还包括：
若检测到音视频会议预约参会人信息和/或实际参会人信息发生变更，则获取变更人名对应的第一变更列表，并根据所述第一变更列表对所述全局人名列表进行更新；所述变更人名为所述音视频会议新增的参会人人名；所述第一变更列表为所述变更人名对应的全局人名列表；
获取与所述变更人名相关的第二人名列表，生成第二变更列表，并根据所述第二变更列表对所述相关人名列表进行更新；所述第二变更列表为所述变更人名对应的相关人名列表；所述第二人名的用户与所述变更人名的用户之间满足如下至少一项条件：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议、在设定时段内存在联系信息；
对更新的全局人名列表和更新的相关人名列表取并集，获得更新的目标人名列表。
注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。
Claims (12)
1.一种语音识别方法，其特征在于，包括：
获取目标关键词列表；其中，所述目标关键词列表由全局关键词列表和相关关键词列表融合获得；所述相关关键词列表根据音视频会议的内容生成；
基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。
2.根据权利要求1所述的方法，其特征在于，所述关键词包括人名；获取目标关键词列表，包括：
获取目标人名列表；所述目标人名列表由全局人名列表和相关人名列表融合获得；所述相关人名列表根据所述音视频会议的参会人信息生成；
相应的，基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别，包括：
基于所述目标人名列表对所述音视频会议的语音进行识别。
3.根据权利要求2所述的方法，其特征在于，所述目标人名列表通过如下方式生成：
根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表；
根据所述基础人名列表确定全局人名列表和相关人名列表；其中，所述全局人名列表包括所述基础人名列表中的人名所处树形组织结构中等级满足第一设定条件的人名；所述相关人名列表包括与基础人名相关的人名及所述基础人名；
对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表。
4.根据权利要求3所述的方法，其特征在于，根据音视频会议的预约参会人信息及实际参会人信息确定基础人名列表，包括：
对所述预约参会人信息和所述实际参会人信息取并集，获得基础人名列表。
5.根据权利要求3所述的方法，其特征在于，所述全局人名列表通过如下方式生成：
获取所述基础人名列表中各人名在数据库中所处的树形组织结构；
提取所述树形组织结构中等级满足第一设定条件的人名，获得全局人名列表。
6.根据权利要求3或5所述的方法，其特征在于，所述全局人名列表还通过如下方式生成：
判断是否存储有历史全局人名列表；
若是，则对所述全局人名列表和所述历史全局人名列表取并集，获得最终的全局人名列表。
7.根据权利要求3所述的方法，其特征在于，所述相关人名列表通过如下方式生成：
获取所述基础人名列表中各人名对应的第一用户的属性信息和/或在设定时间段内的行为数据；
根据所述属性信息和/或所述行为数据获取与所述第一用户的相关度满足第二设定条件的第二用户；所述属性信息包括所述第一用户所在组织的组织标识信息；所述行为数据包括参加的音视频会议信息及与数据库内其他用户的联系信息；
基于所述第二用户的人名和所述基础人名列表中的人名生成相关人名列表。
8.根据权利要求3所述的方法，其特征在于，对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表，包括：
将所述全局人名列表和所述相关人名列表的并集作为所述目标人名列表。
9.根据权利要求3所述的方法，其特征在于，在对所述全局人名列表和所述相关人名列表进行融合，获得目标人名列表之后，还包括：
若检测到音视频会议预约参会人信息和/或实际参会人信息发生变更，则获取变更人名对应的第一变更列表，并根据所述第一变更列表对所述全局人名列表进行更新；所述变更人名为所述音视频会议新增的参会人人名；所述第一变更列表为所述变更人名对应的全局人名列表；
获取与所述变更人名相关的第二人名列表，生成第二变更列表，并根据所述第二变更列表对所述相关人名列表进行更新；所述第二变更列表为所述变更人名对应的相关人名列表；所述第二人名的用户与所述变更人名的用户之间满足如下至少一项条件：所在组织的组织标识信息相同、在设定时段内参加相同的音视频会议、在设定时段内存在联系信息；
对更新的全局人名列表和更新的相关人名列表取并集，获得更新的目标人名列表。
10.一种语音识别装置，其特征在于，包括：
目标关键词列表获取模块，用于获取目标关键词列表；其中，所述目标关键词列表由全局关键词列表和相关关键词列表融合获得；所述相关关键词列表根据音视频会议的内容生成；
语音识别模块，用于基于所述目标关键词列表对所述音视频会议的语音信息中的关键词进行识别。
11.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理装置；
存储装置，用于存储一个或多个指令；
当所述一个或多个指令被所述一个或多个处理装置执行，使得所述一个或多个处理装置实现如权利要求1-9中任一所述的语音识别方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现如权利要求1-9中任一所述的语音识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010554161.0A CN113808582B (zh) | 2020-06-17 | 2020-06-17 | 语音识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010554161.0A CN113808582B (zh) | 2020-06-17 | 2020-06-17 | 语音识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113808582A true CN113808582A (zh) | 2021-12-17 |
| CN113808582B CN113808582B (zh) | 2024-04-09 |
Family
ID=78943191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010554161.0A Active CN113808582B (zh) | 2020-06-17 | 2020-06-17 | 语音识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113808582B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117558270A (zh) * | 2024-01-11 | 2024-02-13 | 腾讯科技（深圳）有限公司 | 语音识别方法、装置、关键词检测模型的训练方法和装置 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329867A (zh) * | 2007-06-21 | 2008-12-24 | 西门子（中国）有限公司 | 一种语音点播方法及装置 |
| JP2011065322A (ja) * | 2009-09-16 | 2011-03-31 | Konica Minolta Holdings Inc | 文字認識システム及び文字認識プログラム、並びに音声認識システム及び音声認識プログラム |
| KR20120000755A (ko) * | 2010-06-28 | 2012-01-04 | 엘지전자 주식회사 | 음성인식에 의한 정보를 제공하는 화상회의 장치 및 방법 |
| CN102945074A (zh) * | 2011-10-12 | 2013-02-27 | 微软公司 | 根据所捕捉的语音和音频内容来填充列表和任务 |
| US20130346069A1 (en) * | 2012-06-15 | 2013-12-26 | Canon Kabushiki Kaisha | Method and apparatus for identifying a mentioned person in a dialog |
| WO2014048113A1 (zh) * | 2012-09-26 | 2014-04-03 | 华为技术有限公司 | 一种语音识别方法和设备 |
| WO2016126816A2 (en) * | 2015-02-03 | 2016-08-11 | Dolby Laboratories Licensing Corporation | Post-conference playback system having higher perceived quality than originally heard in the conference |
| WO2017036290A1 (zh) * | 2015-08-28 | 2017-03-09 | 华为技术有限公司 | 进行语音会议的方法、会议客户端和系统 |
| CN106570180A (zh) * | 2016-11-10 | 2017-04-19 | 北京百度网讯科技有限公司 | 基于人工智能的语音搜索方法及装置 |
| CN107342086A (zh) * | 2017-06-16 | 2017-11-10 | 北京云知声信息技术有限公司 | 语音处理方法及装置 |
| CN109065045A (zh) * | 2018-08-30 | 2018-12-21 | 出门问问信息科技有限公司 | 语音识别方法、装置、电子设备及计算机可读存储介质 |
| US20190243916A1 (en) * | 2018-02-05 | 2019-08-08 | International Business Machines Corporation | Cognitive Ranking of Terms Used During a Conversation |
| CN110211592A (zh) * | 2019-05-17 | 2019-09-06 | 北京华控创为南京信息技术有限公司 | 智能语音数据处理装置及方法 |
| US20200027445A1 (en) * | 2018-07-20 | 2020-01-23 | Cisco Technology, Inc. | Automatic speech recognition correction |
-
2020
- 2020-06-17 CN CN202010554161.0A patent/CN113808582B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329867A (zh) * | 2007-06-21 | 2008-12-24 | 西门子（中国）有限公司 | 一种语音点播方法及装置 |
| JP2011065322A (ja) * | 2009-09-16 | 2011-03-31 | Konica Minolta Holdings Inc | 文字認識システム及び文字認識プログラム、並びに音声認識システム及び音声認識プログラム |
| KR20120000755A (ko) * | 2010-06-28 | 2012-01-04 | 엘지전자 주식회사 | 음성인식에 의한 정보를 제공하는 화상회의 장치 및 방법 |
| CN102945074A (zh) * | 2011-10-12 | 2013-02-27 | 微软公司 | 根据所捕捉的语音和音频内容来填充列表和任务 |
| US20130346069A1 (en) * | 2012-06-15 | 2013-12-26 | Canon Kabushiki Kaisha | Method and apparatus for identifying a mentioned person in a dialog |
| WO2014048113A1 (zh) * | 2012-09-26 | 2014-04-03 | 华为技术有限公司 | 一种语音识别方法和设备 |
| WO2016126816A2 (en) * | 2015-02-03 | 2016-08-11 | Dolby Laboratories Licensing Corporation | Post-conference playback system having higher perceived quality than originally heard in the conference |
| WO2017036290A1 (zh) * | 2015-08-28 | 2017-03-09 | 华为技术有限公司 | 进行语音会议的方法、会议客户端和系统 |
| CN106570180A (zh) * | 2016-11-10 | 2017-04-19 | 北京百度网讯科技有限公司 | 基于人工智能的语音搜索方法及装置 |
| CN107342086A (zh) * | 2017-06-16 | 2017-11-10 | 北京云知声信息技术有限公司 | 语音处理方法及装置 |
| US20190243916A1 (en) * | 2018-02-05 | 2019-08-08 | International Business Machines Corporation | Cognitive Ranking of Terms Used During a Conversation |
| US20200027445A1 (en) * | 2018-07-20 | 2020-01-23 | Cisco Technology, Inc. | Automatic speech recognition correction |
| CN109065045A (zh) * | 2018-08-30 | 2018-12-21 | 出门问问信息科技有限公司 | 语音识别方法、装置、电子设备及计算机可读存储介质 |
| CN110211592A (zh) * | 2019-05-17 | 2019-09-06 | 北京华控创为南京信息技术有限公司 | 智能语音数据处理装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李小林;许春冬;杜燕;: "非特定人语音识别关键技术研究", 物联网技术, no. 10 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117558270A (zh) * | 2024-01-11 | 2024-02-13 | 腾讯科技（深圳）有限公司 | 语音识别方法、装置、关键词检测模型的训练方法和装置 |
| CN117558270B (zh) * | 2024-01-11 | 2024-04-02 | 腾讯科技（深圳）有限公司 | 语音识别方法、装置、关键词检测模型的训练方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113808582B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10958598B2 (en) | Method and apparatus for generating candidate reply message | |
| US10771575B2 (en) | Method and apparatus for identifying common interest between social network users | |
| CN109145104B (zh) | 用于对话交互的方法和装置 | |
| US20180349469A1 (en) | Event extraction systems and methods | |
| US20100100371A1 (en) | Method, System, and Apparatus for Message Generation | |
| Andryani et al. | Social media analytics: data utilization of social media for research | |
| US9992291B2 (en) | Updating time-related information in post to make it more relevant for the requester on subsequent retrieval of post | |
| CN111400504A (zh) | 企业关键人的识别方法和装置 | |
| CN110990598B (zh) | 资源检索方法、装置、电子设备及计算机可读存储介质 | |
| CN111935111B (zh) | 交互方法、装置和电子设备 | |
| US20180365319A1 (en) | Identifying relationships from communication content | |
| CN111555960A (zh) | 信息生成的方法 | |
| CN110852720A (zh) | 文档的处理方法、装置、设备及存储介质 | |
| CN111008213A (zh) | 用于生成语言转换模型的方法和装置 | |
| CN113111658B (zh) | 校验信息的方法、装置、设备和存储介质 | |
| US20240070171A1 (en) | Systems and methods for predicting where conversations are heading and identifying associated content | |
| CN113808582B (zh) | 语音识别方法、装置、设备及存储介质 | |
| CN111382365B (zh) | 用于输出信息的方法和装置 | |
| JP6251637B2 (ja) | 情報検索方法、装置およびプログラム | |
| CN111597441B (zh) | 信息处理方法、装置和电子设备 | |
| CN112148847B (zh) | 一种语音信息的处理方法及装置 | |
| JP6709709B2 (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
| CN114925680A (zh) | 物流兴趣点信息生成方法、装置、设备和计算机可读介质 | |
| CN110852043B (zh) | 一种文本转写方法、装置、设备及存储介质 | |
| CN114239501A (zh) | 合同生成方法、装置、设备及介质 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant after: Douyin Vision Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant before: Tiktok vision (Beijing) Co.,Ltd. Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant after: Tiktok vision (Beijing) Co.,Ltd. Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing. Applicant before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |