CN114229637A - 电梯楼层确定方法、装置、设备及计算机可读存储介质 - Google Patents
电梯楼层确定方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114229637A CN114229637A CN202111470538.5A CN202111470538A CN114229637A CN 114229637 A CN114229637 A CN 114229637A CN 202111470538 A CN202111470538 A CN 202111470538A CN 114229637 A CN114229637 A CN 114229637A
- Authority
- CN
- China
- Prior art keywords
- floor
- elevator
- riding
- candidate
- determining
- 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 64
- 230000000875 corresponding effect Effects 0.000 claims description 80
- 230000015654 memory Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 20
- 238000012549 training Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
- B66B1/46—Adaptations of switches or switchgear
- B66B1/52—Floor selectors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B1/00—Control systems of elevators in general
- B66B1/02—Control systems without regulation, i.e. without retroactive action
- B66B1/06—Control systems without regulation, i.e. without retroactive action electric
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- 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
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
- G10L2015/0631—Creating reference templates; Clustering
-
- 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
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (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)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
Abstract
本发明实施例提供了一种电梯楼层确定方法、装置、设备及计算机可读存储介质。该电梯楼层确定方法包括接收用户输入的电梯乘坐语音指令,将电梯乘坐语音指令输入至语音识别模型中,识别电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和候选楼层对应的第一概率值,根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重,权重是根据电梯的历史乘坐信息确定的;目标时间段为用户输入语音指令所属的时间段,根据候选楼层对应的第一概率值和候选楼层对应的权重确定目标乘坐电梯楼层。根据本申请实施例,能够在确定用户期望到达楼层的过程中,提高确定用户期望到达楼层的准确性,提高了用户的体验。
Description
技术领域
本发明属于智能电梯领域,尤其涉及一种电梯楼层确定方法、装置、设备及计算机可读存储介质。
背景技术
随着社会的进步,建筑高度逐渐增加,电梯已经成为人们生活中不可或缺的一部分。当前,已经有部分电梯采用了通过对用户的语音进行识别来确定用户期望到达的楼层的方式。但是由于当前对用户的语音识别的结果并不准确,所以使得用户无法到达期望到达的楼层,在用户使用电梯的过程中带来了很大的不便。
发明内容
本发明实施例提供了一种电梯楼层确定方法、装置、设备及计算机可读存储介质,能够在确定用户期望到达楼层的过程中,提高确定用户期望到达楼层的准确性,提高了用户的体验。
第一方面,本发明实施例提供一种电梯楼层确定方法,方法包括:
接收用户输入的电梯乘坐语音指令;
将电梯乘坐语音指令输入至语音识别模型中,识别电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和候选楼层对应的第一概率值;
根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重;权重是根据电梯的历史乘坐信息确定的;目标时间段为用户输入语音指令所属的时间段;
根据候选楼层对应的第一概率值和候选楼层对应的权重确定目标乘坐电梯楼层。
在一些实施方式中,在根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重之前,方法还包括:
获取电梯在不同时间段内的乘坐信息,乘坐信息包括不同楼层的乘坐参数;乘坐参数包括乘坐人数和/或乘坐频次;
根据乘坐参数,确定电梯楼层在不同时间段内的权重。
在一些实施方式中,不同时间段表征预设时长内每个周期中的各个时间段,所述周期是按照预设周期长度确定的。
在一些实施方式中,根据乘坐参数,确定电梯楼层在不同时间段内的权重,具体包括:
针对多个周期,计算不同时间段中不同楼层乘坐参数的均值;以及计算目标周期内不同时间段中不同楼层乘坐参数的总值;
在不同楼层乘坐参数的总值大于或等于第一预设阈值时,基于不同楼层乘坐参数的均值,确定电梯楼层在不同时间段内的权重,其中,权重与均值呈正相关;
在不同楼层乘坐参数的总值小于第一预设阈值时,将预设权重作为不同电梯楼层在不同时间段内的权重。
在一些实施方式中,根据候选楼层对应的第一概率值和候选楼层对应的权重确定目标乘坐电梯楼层,具体包括:
根据候选楼层对应的第一概率值和对应权重,计算候选楼层对应的第二概率值;
将第二概率值最大的候选楼层确定为目标乘坐电梯楼层。
在一些实施方式中,根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重,具体包括:
根据至少一个候选楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重。
第二方面,本发明实施例提供了一种电梯楼层确定装置,装置包括:
接收模块,用于接收用户输入的电梯乘坐语音指令;
输入模块,用于将电梯乘坐语音指令输入至语音识别模型中,识别电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和候选楼层对应的第一概率值;
第一确定模块,用于根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重;权重是根据电梯的历史乘坐信息确定的;目标时间段为用户输入语音指令所属的时间段;
第二确定模块,用于根据候选楼层对应的第一概率值和候选楼层对应的权重确定目标乘坐电梯楼层。
在一些实施方式中,获取模块,在根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重之前,用于获取电梯在不同时间段内的乘坐信息,乘坐信息包括不同楼层的乘坐参数;乘坐参数包括乘坐人数和/或乘坐频次;
第三确定模块,用于根据乘坐参数,确定电梯楼层在不同时间段内的权重;其中,不同时间段表征预设时长内每个周期中的各个时间段,周期是按照预设周期长度确定的。
在一些实施方式中,第三确定模块,具体包括:
第一计算单元,用于针对多个周期,计算不同时间段中不同楼层乘坐参数的均值;以及计算目标周期内不同时间段中不同楼层乘坐参数的总值;
第一确定单元,用于在不同楼层乘坐参数的总值大于或等于第一预设阈值时,基于不同楼层乘坐参数的均值,确定电梯楼层在不同时间段内的权重,其中,权重与均值呈正相关;
第二确定单元,用于在不同楼层乘坐参数的总值小于第一预设阈值时,将预设权重作为不同电梯楼层在不同时间段内的权重。
在一些实施方式中,第二确定模块,包括:
第二计算单元,用于根据候选楼层对应的第一概率值和对应权重,计算候选楼层对应的第二概率值;
第三确定单元,用于将第二概率值最大的候选楼层确定为目标乘坐电梯楼层。
在一些实施方式中,第一确定模块还包括:
第四确定单元,用于根据至少一个候选楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重。
第三方面,本发明实施例提供了一种电子设备,该电子设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面的任一项实施例中的电梯楼层确定方法的步骤。
第四方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面的任一项实施例中的电梯楼层确定方法的步骤。
第五方面,本发明实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面任一项实施例中的电梯楼层确定方法。
本发明实施例的电梯楼层确定方法、装置、设备及计算机可读存储介质,在用户乘坐电梯的过程中,通过接收用户输入的电梯乘坐语音指令,并将接收的电梯乘坐语音指令输入到语音识别模型中,识别出多个候选楼层与候选楼层对应的第一概率值。然后通过根据电梯的历史乘坐信息确定目标时间段内,候选楼层对应的权重。最后,通过获得的楼层对应的权重与候选楼层对应的第一概率值,确定目标乘坐电梯楼层。如此,由于是在通过语音识别模型确定候选楼层的第一概率值之后,通过候选楼层的权重与候选楼层的第一概率值确定的目标乘坐电梯楼层,能够在确定用户期望到达楼层的过程中,提高确定用户期望到达楼层的准确性,提高了用户的体验。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的电梯楼层确定方法的一实施例的流程示意图;
图2是本发明实施例提供的电梯楼层确定装置的一实施例的结构示意图;
图3是本发明实施例提供的电子设备的一实施例的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本发明,而不是限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术问题,本发明实施例提供了一种电梯楼层确定方法、装置、设备及计算机可读存储介质。
下面首先对本发明实施例所提供的电梯楼层确定方法进行介绍。
图1示出了本发明一个实施例提供的电梯楼层确定方法的流程示意图。如图1所示,该方法可以包括以下步骤:
S110、接收用户输入的电梯乘坐语音指令;
S120、将电梯乘坐语音指令输入至语音识别模型中,识别电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和候选楼层对应的第一概率值;
S130、根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重;权重是根据电梯的历史乘坐信息确定的;目标时间段为用户输入语音指令所属的时间段;
S140、根据候选楼层对应的第一概率值和候选楼层对应的权重确定目标乘坐电梯楼层。
由此,在用户乘坐电梯的过程中,通过接收用户输入的电梯乘坐语音指令,并将接收的电梯乘坐语音指令输入到语音识别模型中,识别出多个候选楼层与候选楼层对应的第一概率值。然后通过根据电梯的历史乘坐信息确定目标时间段内,候选楼层对应的权重。最后,通过获得的楼层对应的权重与候选楼层对应的第一概率值,确定目标乘坐电梯楼层。如此,由于是在通过语音识别模型确定候选楼层的第一概率值之后,通过候选楼层的权重与候选楼层的第一概率值确定的目标乘坐电梯楼层,能够在确定用户期望到达楼层的过程中,提高确定用户期望到达楼层的准确性,提高了用户的体验。
在一些实施方式中,在S110中,电梯乘坐语音指令可以包括用户发出的包含电梯楼层标识的语音信息。接收用户输入的电梯乘坐语音指令可以包括通过设置在电梯上或设置在每个楼层电梯入口处的语音传感器对用户输入的电梯乘坐语音指令进行接收。
示例性的,S110具体可以包括:设置在电梯上或设置在每个楼层电梯入口处的语音传感器对包含电梯乘坐语音指令的信息进行接收,然后将接收的信息发送至电梯楼层确定装置。
在一些实施方式中,在S120中,语音识别模型可包括已经训练完成的声学模型、语言模型或发音词典。识别电梯乘坐语音指令中的楼层信息可以包括在用户输入的包括用户发出的包含电梯楼层标识的语音信息中将楼层标识识别出来。候选楼层可以包括语音识别模型通过对电梯乘坐语音指令进行识别,识别出来电梯乘坐语音指令可能对应的多个楼层。并且,每个上述楼层均对应一个第一概率值。
示例性的,S120具体可以包括:电梯楼层确定装置在通过语音传感器对用户输入的电梯乘坐语音指令进行接收之后,将接收的电梯乘坐语音指令输入到训练完成的语音识别模型中,然后得到训练完成的语音识别模型输出的上述电梯乘坐语音指令可能对应的多个楼层与多个楼层分别对应的第一概率值,其中,每个第一概率值均表示上述电梯乘坐语音指令可能对应的这个楼层的可能性,若其中一个候选楼层对应的第一概率值越大,则这个候选楼层的可能性越大。
在一些具体例子中,训练完成的语音识别模型对电梯乘坐语音指令识别的结果如下表1所示,需要说明的是,本申请中语音识别模型输出的结果,并不限定为以表格形式表示的结果。
表1
候选楼层 | 7楼 | 1楼 |
第一概率值 | 30% | 70% |
在一些实施例中,在S120之前,电梯楼层确定方法还可以包括:
基于多组训练样本对进行训练,得到训练后的语音识别模型。其中每组训练样本可以包括:历史电梯乘坐语音指令和历史电梯乘坐语音指令对应的历史候选楼层。
在一些实施方式中,基于多组训练样本对语音识别模型进行训练可以包括:
对每组训练样本,分别执行如下步骤:
被每组训练样本输入至语言识别模型中,得到历史电梯乘坐语音指令对应的预测候选楼层;
根据历史候选楼层和预测候选楼层,确定语音识别模型的损失函数值;
在损失函数值不满足训练停止条件的情况下,调整语音识别模型的模型参数,并利用训练样本训练参数调整后的语音识别模型,直至满足训练停止条件,得到训练后的语音识别模型。
这里,训练停止条件可以包括用户自定义设定的条件,示例性的,训练停止条件可以包括损失函数值小于某个阈值或训练的迭代次数达到某一个具体数值。
由此,通过预先对语音识别模型进行训练可以使得训练后的语言识别模型在之后对电梯乘坐语音指令的识别中,识别出的候选楼层更加准确。
在S130中,不同时间段可以包括预设时长内每个周期中的各个时间段,周期是按照预设周期长度确定的。
在一些实施例中,S130具体可以包括:获取电梯在不同时间段内的乘坐信息,乘坐信息包括不同楼层的乘坐参数;乘坐参数包括乘坐人数和/或乘坐频次;
根据乘坐参数,确定电梯楼层在不同时间段内的权重。
这里,乘坐人数可以包括由设置在电梯或每个楼层电梯入口处的摄像设备获取包含乘坐人数的图像,然后通过人工或智能识别模型对图像进行识别得到的乘坐人数。乘坐频次可以包括在不同时间段电梯停靠记录中获取的电梯停靠每个楼层的停靠次数与时间段的比值。
这里,预设时长可以包括在接收用户输入的电梯乘坐语音指令之前的一段时间。预设周期可以包括用户自定义设定的周期,此处不做具体限定。
示例性的,预设时长可以包括在接收用户输入的电梯乘坐语音指令之前的一周,预设周期可以包括在接收用户输入的电梯乘坐语音指令之前一周的任意一天,不同时间段可以包括一天内的不同小时。
在一些具体例子中,电梯楼层确定装置在接收用户输入的电梯乘坐语音指令之前的任意一周内,获取每天中每个小时中不同楼层乘坐电梯的人数和/或不同楼层电梯停靠的频次。
由此,在根据电梯乘坐参数获取不同楼层的权重的过程中,由于是获取的当前接收用户输入的电梯乘坐语音指令之前的一段时间的电梯乘坐参数,所以使得获取的上述的电梯乘坐参数与当前的电梯乘坐参数之间不会因为时间间隔较长而存在较大差异。并且,由于是获取的预设周期内不同时间段的电梯乘坐参数,预设周期可以包括多个时间段。避免了某个时间段的电梯乘坐参数异常,而使得获取的上述电梯乘坐参数具有较大的偶然性的问题。进而,能够在通过上述电梯乘坐参数确定不同楼层权重的过程中,使得确定的不同楼层的权重更加准确。
在一些实施例中,根据乘坐参数,确定电梯楼层在不同时间段内的权重,具体包括:
针对多个周期,计算不同时间段中不同楼层乘坐参数的均值;以及计算目标周期内不同时间段中不同楼层乘坐参数的总值;
在不同楼层乘坐参数的总值大于或等于第一预设阈值时,基于不同楼层乘坐参数的均值,确定电梯楼层在不同时间段内的权重,其中,权重与所述均值呈正相关;
在不同楼层乘坐参数的总值小于第一预设阈值时,将预设权重作为不同电梯楼层在不同时间段内的权重。
在一些实施方式中,乘坐参数可以包括乘坐人数和/或乘坐频次。乘坐参数的均值可以包括乘坐人数的均值、乘坐频次的均值或包括乘坐人数的均值和乘坐频次的均值的总的均值中的至少一个。
在一些实施方式中,针对多个周期,计算不同时间段中每个楼层乘坐参数的均值可以包括:获取多个周期中每个周期不同时间段的楼层乘坐参数总值,然后将乘坐参数总值除以周期数,得到每个周期中每个时间段的楼层乘坐参数的均值。
在一些实施方式中,计算目标周期内不同时间段中不同楼层乘坐参数的总值可以包括:获取目标周期内全部时间段中所有楼层乘坐参数的和。目标周期可以是任意一个周期,比如,当以天为周期时,多个周期表征多天,比如当天的前七天,那么目标周期可以是当天,从而通过前七天内每天不同时间段不同楼层乘坐参数的均值和总值,去确定当天电梯楼层在不同时间段内的权重。
在得到均值之后,可以将得到的均值按照正相关的预设比例确定电梯楼层在不同时间段内的权重。
在一些具体的例子中,电梯楼层确定装置可以获取当前时间点之前的七天内的每一天的每个小时的乘坐参数,然后将任意一个小时在七天内的乘坐参数的和与天数的比值作为这个时间段不同楼层乘坐参数的均值。
在一些实施例中,在不同楼层乘坐参数的总值大于或等于第一预设阈值时,基于不同楼层乘坐参数的均值,确定电梯楼层在不同时间段内的权重,其中,权重与所述均值呈正相关。
这里,预设权重可以包括用户自定义设置的权重。
在一些实施方式中,不同楼层乘坐参数的总值小于第一预设阈值可以包括一个周期内所有时间段的乘坐参数的总值小于第一预设阈值。
在一些具体的例子中,在周末时,由于不同楼层的电梯乘坐频次和电梯乘坐人数均较少。在周末当天,不同楼层的乘坐参数的总值小于第一预设阈值时,可以根据用户自定义设置的权重确定电梯楼层在这个时间段内的权重值。示例性的,自定义设置的权重可以包括将不同电梯楼层设置为相同的权重。
由此,在根据电梯乘坐参数获取不同楼层的权重的过程中,由于是获取了多个周期内不同时间段不同楼层乘坐参数的均值,然后通过上述均值确定不同时间段不同楼层的权重。所以避免了某个周期或某个时间段出现异常数据时导致的确定的权重值不够精确的问题。并且,在多个周期内不同时间段不同楼层乘坐参数的总值小于预设阈值时,根据预设权重值确定不同楼层的权重,使得在电梯使用人数较少时,不同楼层的权重分配更加人性化。进而,能够在通过上述电梯乘坐参数确定不同楼层权重的过程中,使得确定的不同楼层的权重更加准确。
在一些实施例中,S140具体可以包括:根据候选楼层对应的第一概率值和对应权重,计算候选楼层对应的第二概率值;
将第二概率值最大的候选楼层确定为目标乘坐电梯楼层。
这里,计算候选楼层对应的第二概率值可以包括将第一概率值与对应权重的乘积作为第二概率值。目标乘坐电梯楼层可以包括由电梯楼层确定的用户想到到达的楼层。
示例性的,在电梯楼层确定装置获取到候选楼层对应的第一概率值和楼层对应的权重之后,将候选楼层对应的第一概率值和权重相乘,将乘积作为第二概率值。
示例性的,在电梯楼层确定装置得到候选楼层对应的第二概率值之后,可以按照第二概率值的大小关系将第二概率值对应的候选楼层进行排序。然后将第二概率值最大的候选楼层确定为目标乘坐电梯楼层。
由此,由于是通过语音识别模型对用户语音进行识别得到多个候选楼层,并根据电梯历史乘坐信息确定楼层的权重,然后根据多个候选楼层对应的概率值与权重值确定最终的目标乘坐电梯楼层。能够避免在对用户语音的识别结果包括多个结果的情况下,无法确定最终的目标乘坐电梯楼层的问题。并且,由于通过楼层的权重与语音识别模型识别出的候选楼层的概率两个方面的因素确定的目标乘坐电梯楼层,所以能够使得确定出的目标乘坐电梯楼层更加准确。
需要说明的是,上述公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案,并不构成本公开实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。
基于相同的发明构思,本申请实施例还提供了一种电梯楼层确定装置,下面结合图2对本申请实施例提供的电梯楼层确定装置进行详细说明。
图2示出了本申请提供的电梯楼层确定装置200的一实施例的结构示意图。
如图2所示,电梯楼层确定装置200可以包括:
接收模块201,用于接收用户输入的电梯乘坐语音指令;
输入模块202,用于将电梯乘坐语音指令输入至语音识别模型中,识别电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和候选楼层对应的第一概率值;
第一确定模块203,用于根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重;权重是根据电梯的历史乘坐信息确定的;目标时间段为用户输入语音指令所属的时间段;
第二确定模块204,用于根据候选楼层对应的第一概率值和候选楼层对应的权重确定目标乘坐电梯楼层。
由此,在用户乘坐电梯的过程中,通过接收用户输入的电梯乘坐语音指令,并将接收的电梯乘坐语音指令输入到语音识别模型中,识别出多个候选楼层与候选楼层对应的第一概率值。然后通过根据电梯的历史乘坐信息确定目标时间段内,候选楼层对应的权重。最后,通过获得的楼层对应的权重与候选楼层对应的第一概率值,确定目标乘坐电梯楼层。如此,由于是在通过语音识别模型确定候选楼层的第一概率值之后,通过候选楼层的权重与候选楼层的第一概率值确定的目标乘坐电梯楼层,能够在确定用户期望到达楼层的过程中,提高确定用户期望到达楼层的准确性,提高了用户的体验。
在一些实施方式中,电梯楼层确定装置还包括:
获取模块,用于在根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内候选楼层对应的权重之前,获取电梯在不同时间段内的乘坐信息,乘坐信息包括不同楼层的乘坐参数;乘坐参数包括乘坐人数和/或乘坐频次;
第三确定模块,用于根据乘坐参数,确定电梯楼层在不同时间段内的权重;其中,不同时间段表征预设时长内每个周期中的各个时间段,周期是按照预设周期长度确定的。
由此,在根据电梯乘坐参数获取不同楼层的权重的过程中,由于是获取的当前接收用户输入的电梯乘坐语音指令之前的一段时间的电梯乘坐参数,所以使得获取的上述的电梯乘坐参数与当前的电梯乘坐参数之间不会因为时间间隔较长而存在较大差异。并且,由于是获取的预设周期内不同时间段的电梯乘坐参数,预设周期可以包括多个时间段。避免了某个时间段的电梯乘坐参数异常,而使得获取的上述电梯乘坐参数具有较大的偶然性的问题。进而,能够在通过上述电梯乘坐参数确定不同楼层权重的过程中,使得确定的不同楼层的权重更加准确
在一些实施方式中,第三确定模块,具体包括:
第一计算单元,用于针对多个周期,计算不同时间段中不同楼层乘坐参数的均值;以及计算目标周期内不同时间段中不同楼层乘坐参数的总值;
第一确定单元,用于在不同楼层乘坐参数的总值大于或等于第一预设阈值时,基于不同楼层乘坐参数的均值,确定电梯楼层在不同时间段内的权重,其中,权重与所述均值呈正相关;
第二确定单元,用于在不同楼层乘坐参数的总值小于第一预设阈值时,将预设权重作为不同电梯楼层在不同时间段内的权重。
由此,在根据电梯乘坐参数获取不同楼层的权重的过程中,由于是获取了多个周期内不同时间段不同楼层乘坐参数的均值,然后通过上述均值确定不同时间段不同楼层的权重。所以避免了某个周期或某个时间段出现异常数据时导致的确定的权重值不够精确的问题。并且,在多个周期内不同时间段不同楼层乘坐参数的总值小于预设阈值时,根据预设权重值确定不同楼层的权重,使得在电梯使用人数较少时,不同楼层的权重分配更加人性化。进而,能够在通过上述电梯乘坐参数确定不同楼层权重的过程中,使得确定的不同楼层的权重更加准确。
在一些实施方式中,第二确定模块,具体包括:
第二计算单元,用于分别根据候选楼层对应的第一概率值和对应权重,计算候选楼层对应的第二概率值;
第三确定单元,用于将第二概率值最大的候选楼层确定为目标乘坐电梯楼层。
在一些实施方式中,第一确定模块还包括:
第四确定单元,用于根据至少一个候选楼层在不同时间段的权重,确定在目标时间段内,候选楼层对应的权重。
由此,由于是通过语音识别模型对用户语音进行识别得到多个候选楼层,并根据电梯历史乘坐信息确定楼层的权重,然后根据多个候选楼层对应的概率值与权重值确定最终的目标乘坐电梯楼层。能够避免在对用户语音的识别结果包括多个结果的情况下,无法确定最终的目标乘坐电梯楼层的问题。并且,由于通过楼层的权重与语音识别模型识别出的候选楼层的概率两个方面的因素确定的目标乘坐电梯楼层,所以能够使得确定出的目标乘坐电梯楼层更加准确。
图3示出了本申请提供的电子设备的一实施例的硬件结构示意图。
该电子设备300可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器302可以包括可以用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现上述实施例中的任意一种电梯楼层确定方法。
在一些示例中,电子设备300还可包括通信接口303和总线310。其中,如图3所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303主要可以用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线310可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
示例性的,作为支付终端,电子设备300可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等。作为扫码终端,电子设备300可以为POS机(Point of sales terminal,POS)、扫码器等。
该电子设备可以执行本申请实施例中的电梯楼层确定方法,从而实现结合图1至图2描述的电梯楼层确定方法和装置。
另外,结合上述实施例中的电梯楼层确定方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种电梯楼层确定方法。计算机可读存储介质的示例包括非暂态计算机可读存储介质,如便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件等。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被可以用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,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,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种电梯楼层确定方法,其特征在于,所述方法包括:
接收用户输入的电梯乘坐语音指令;
将所述电梯乘坐语音指令输入至语音识别模型中,识别所述电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和所述候选楼层对应的第一概率值;
根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,所述候选楼层对应的权重;所述权重是根据电梯的历史乘坐信息确定的;所述目标时间段为用户输入语音指令所属的时间段;
根据所述候选楼层对应的第一概率值和所述候选楼层对应的权重确定目标乘坐电梯楼层。
2.根据权利要求1所述的方法,其特征在于,在所述根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,所述候选楼层对应的权重之前,所述方法还包括:
获取电梯在不同时间段内的乘坐信息,所述乘坐信息包括不同楼层的乘坐参数;所述乘坐参数包括乘坐人数和/或乘坐频次;
根据所述乘坐参数,确定电梯楼层在不同时间段内的权重。
3.根据权利要求2所述的方法,其特征在于,所述不同时间段表征预设时长内每个周期中的各个时间段,所述周期是按照预设周期长度确定的。
4.根据权利要求3所述的方法,其特征在于,所述根据所述乘坐参数,确定电梯楼层在不同时间段内的权重,具体包括:
针对多个周期,计算不同时间段中不同楼层乘坐参数的均值;以及计算目标周期内不同时间段中不同楼层乘坐参数的总值;
在所述不同楼层乘坐参数的总值大于或等于第一预设阈值时,基于所述不同楼层乘坐参数的均值,确定所述电梯楼层在不同时间段内的权重,其中,所述权重与所述均值呈正相关;
在所述不同楼层乘坐参数的总值小于第一预设阈值时,将预设权重作为不同电梯楼层在不同时间段内的权重。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述候选楼层分别对应的第一概率值和所述候选楼层对应的权重确定目标乘坐电梯楼层,具体包括:
根据所述候选楼层对应的第一概率值和对应权重,计算所述候选楼层对应的第二概率值;
将所述第二概率值最大的候选楼层确定为目标乘坐电梯楼层。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,所述候选楼层对应的权重,具体包括:
根据所述至少一个候选楼层在不同时间段的权重,确定在目标时间段内,所述候选楼层对应的权重。
7.一种电梯楼层确定装置,其特征在于,所述装置包括:
接收模块,用于接收用户输入的电梯乘坐语音指令;
输入模块,用于将所述电梯乘坐语音指令输入至语音识别模型中,识别所述电梯乘坐语音指令中的楼层信息,得到至少一个候选楼层和所述候选楼层对应的第一概率值;
第一确定模块,用于根据电梯乘坐楼层在不同时间段的权重,确定在目标时间段内,所述候选楼层对应的权重;所述权重是根据电梯的历史乘坐信息确定的;所述目标时间段为用户输入语音指令所属的时间段;
第二确定模块,用于根据所述候选楼层对应的第一概率值和所述候选楼层对应的权重确定目标乘坐电梯楼层。
8.一种电子设备,其特征在于,所述设备包括:处理器,以及存储有计算机程序指令的存储器;所述处理器读取并执行所述计算机程序指令,以实现如权利要求1-6任意一项所述的电梯楼层确定方法。
9.一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上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的电梯楼层确定方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-6任意一项所述的电梯楼层确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470538.5A CN114229637B (zh) | 2021-12-03 | 2021-12-03 | 电梯楼层确定方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470538.5A CN114229637B (zh) | 2021-12-03 | 2021-12-03 | 电梯楼层确定方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114229637A true CN114229637A (zh) | 2022-03-25 |
CN114229637B CN114229637B (zh) | 2024-02-27 |
Family
ID=80753155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111470538.5A Active CN114229637B (zh) | 2021-12-03 | 2021-12-03 | 电梯楼层确定方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114229637B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117842806A (zh) * | 2024-03-08 | 2024-04-09 | 杭州宇泛智能科技有限公司 | 基于人工智能的用户乘梯控制方法及装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05119798A (ja) * | 1991-10-29 | 1993-05-18 | Sekisui Chem Co Ltd | 単語認識方式 |
KR20110010179A (ko) * | 2009-07-24 | 2011-02-01 | 조정권 | 음성 인식을 이용한 엘리베이터 내의 자동 보안 시스템 및 그 방법 |
JP2011144034A (ja) * | 2010-01-18 | 2011-07-28 | Mitsubishi Electric Building Techno Service Co Ltd | 音声認識によるエレベータの操作装置 |
JP2019139010A (ja) * | 2018-02-08 | 2019-08-22 | 日本電信電話株式会社 | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム |
CN110892730A (zh) * | 2017-08-01 | 2020-03-17 | 三星电子株式会社 | 电子设备及其控制方法 |
JP2020126141A (ja) * | 2019-02-05 | 2020-08-20 | 日本電信電話株式会社 | 音響モデル学習装置、音響モデル学習方法、プログラム |
CN111627443A (zh) * | 2020-07-27 | 2020-09-04 | 北京声智科技有限公司 | 电梯推荐方法、装置、设备及介质 |
CN111776900A (zh) * | 2020-07-10 | 2020-10-16 | 张玉红 | 一种基于大数据的楼宇电梯运行智能安全监控管理系统 |
WO2020238661A1 (zh) * | 2019-05-24 | 2020-12-03 | 深圳壹账通智能科技有限公司 | 一种电梯调度方法、装置、计算机设备和存储介质 |
CN112233662A (zh) * | 2019-06-28 | 2021-01-15 | 百度在线网络技术(北京)有限公司 | 音频分析方法、装置、计算设备和存储介质 |
CN112509596A (zh) * | 2020-11-19 | 2021-03-16 | 北京小米移动软件有限公司 | 唤醒控制方法、装置、存储介质及终端 |
CN112551285A (zh) * | 2020-12-01 | 2021-03-26 | 广州和诚科技有限公司 | 一种电梯呼梯方法、装置 |
CN112802474A (zh) * | 2019-10-28 | 2021-05-14 | 中国移动通信有限公司研究院 | 语音识别方法、装置、设备及存储介质 |
-
2021
- 2021-12-03 CN CN202111470538.5A patent/CN114229637B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05119798A (ja) * | 1991-10-29 | 1993-05-18 | Sekisui Chem Co Ltd | 単語認識方式 |
KR20110010179A (ko) * | 2009-07-24 | 2011-02-01 | 조정권 | 음성 인식을 이용한 엘리베이터 내의 자동 보안 시스템 및 그 방법 |
JP2011144034A (ja) * | 2010-01-18 | 2011-07-28 | Mitsubishi Electric Building Techno Service Co Ltd | 音声認識によるエレベータの操作装置 |
CN110892730A (zh) * | 2017-08-01 | 2020-03-17 | 三星电子株式会社 | 电子设备及其控制方法 |
JP2019139010A (ja) * | 2018-02-08 | 2019-08-22 | 日本電信電話株式会社 | 音声認識精度劣化要因推定装置、音声認識精度劣化要因推定方法、プログラム |
JP2020126141A (ja) * | 2019-02-05 | 2020-08-20 | 日本電信電話株式会社 | 音響モデル学習装置、音響モデル学習方法、プログラム |
WO2020238661A1 (zh) * | 2019-05-24 | 2020-12-03 | 深圳壹账通智能科技有限公司 | 一种电梯调度方法、装置、计算机设备和存储介质 |
CN112233662A (zh) * | 2019-06-28 | 2021-01-15 | 百度在线网络技术(北京)有限公司 | 音频分析方法、装置、计算设备和存储介质 |
CN112802474A (zh) * | 2019-10-28 | 2021-05-14 | 中国移动通信有限公司研究院 | 语音识别方法、装置、设备及存储介质 |
CN111776900A (zh) * | 2020-07-10 | 2020-10-16 | 张玉红 | 一种基于大数据的楼宇电梯运行智能安全监控管理系统 |
CN111627443A (zh) * | 2020-07-27 | 2020-09-04 | 北京声智科技有限公司 | 电梯推荐方法、装置、设备及介质 |
CN112509596A (zh) * | 2020-11-19 | 2021-03-16 | 北京小米移动软件有限公司 | 唤醒控制方法、装置、存储介质及终端 |
CN112551285A (zh) * | 2020-12-01 | 2021-03-26 | 广州和诚科技有限公司 | 一种电梯呼梯方法、装置 |
Non-Patent Citations (1)
Title |
---|
李冶;张思雨;周炀;任桂莹;孙慧慧;: "基于贝叶斯算法电梯运行效率的研究", 吉林大学学报(信息科学版), no. 01, pages 57 - 62 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117842806A (zh) * | 2024-03-08 | 2024-04-09 | 杭州宇泛智能科技有限公司 | 基于人工智能的用户乘梯控制方法及装置 |
CN117842806B (zh) * | 2024-03-08 | 2024-05-03 | 杭州宇泛智能科技有限公司 | 基于人工智能的用户乘梯控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114229637B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280542B (zh) | 一种用户画像模型的优化方法、介质以及设备 | |
CN107025576A (zh) | 洗车服务信息的推送控制方法、装置及系统 | |
CN114229637B (zh) | 电梯楼层确定方法、装置、设备及计算机可读存储介质 | |
CN110290466B (zh) | 楼层判别方法、装置、设备及计算机存储介质 | |
CN109977745B (zh) | 人脸图像处理方法及相关装置 | |
CN114564370A (zh) | 告警阈值的确定方法、装置、设备及计算机存储介质 | |
CN114549136A (zh) | 供应链用户信用评价方法、装置、设备及计算机存储介质 | |
CN114417830A (zh) | 风险评价方法、装置、设备及计算机可读存储介质 | |
CN114241752A (zh) | 场端拥堵提示方法、装置、设备及计算机可读存储介质 | |
CN114360515A (zh) | 信息处理方法、装置、电子设备、介质及计算机程序产品 | |
CN110457393B (zh) | 信息共享方法及相关产品 | |
CN112749998A (zh) | 收入信息输出方法、装置、电子设备及计算机存储介质 | |
CN113064497A (zh) | 语句识别的方法、装置、设备及计算机存储介质 | |
CN111489171A (zh) | 基于二维码的乘车行程匹配方法、装置、电子设备及介质 | |
CN114220428A (zh) | 一种语音识别方法、装置、设备及计算机存储介质 | |
CN114866433B (zh) | 用户业务感知评估方法、装置、设备及计算机存储介质 | |
CN113496288B (zh) | 用户稳定性确定方法、装置、设备及存储介质 | |
CN112449063B (zh) | 话单稽查方法、装置、设备和介质 | |
CN116782120A (zh) | 定位方法、装置、设备及计算机存储介质 | |
CN111091284A (zh) | 通信事故识别模型的训练方法、装置、设备及存储介质 | |
CN116128519A (zh) | 离网用户的确认方法、装置、设备及计算机存储介质 | |
CN115550506A (zh) | 用户识别模型的训练、用户识别方法和装置 | |
CN117273932A (zh) | 汇款交易的处理方法、装置、设备、介质及产品 | |
CN118298847A (zh) | 用户意图识别方法、装置、设备、存储介质及车辆 | |
CN114693417A (zh) | 计息自动化数据处理方法、装置、设备及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |