CN115096325A - 路线导航方法、装置、电子设备及存储介质 - Google Patents
路线导航方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115096325A CN115096325A CN202210595751.7A CN202210595751A CN115096325A CN 115096325 A CN115096325 A CN 115096325A CN 202210595751 A CN202210595751 A CN 202210595751A CN 115096325 A CN115096325 A CN 115096325A
- Authority
- CN
- China
- Prior art keywords
- navigation
- emotion recognition
- current
- recognition result
- user
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000008909 emotion recognition Effects 0.000 claims abstract description 175
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000007935 neutral effect Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 11
- 230000036651 mood Effects 0.000 description 28
- 230000008451 emotion Effects 0.000 description 23
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 241000233805 Phoenix Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- 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
- G10L25/63—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 estimating an emotional state
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Hospice & Palliative Care (AREA)
- General Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本公开提供了一种路线导航方法、装置、电子设备及存储介质,涉及数据处理技术领域,尤其涉及智能交通、大数据技术领域,包括:响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,相似用户与所述当前用户的相似度满足阈值;从相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,预设条件为起点与当前起点相同且终点与当前终点相同;将导航分数最高的候选导航路线确定为当前用户的最终导航路线,导航分数为根据该候选导航路线在进行导航时采集的相似用户的语音数据进行语音识别和情绪识别确定的。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及智能交通、大数据技术领域。
背景技术
在用户需要进行导航时,目前有两种方法供用户进行路线导航,一种是根据用户的起点和终点向用户推荐固定策略的路线,比如“距离最近”或者“红绿灯最少”等固定策略的路线,另一种是用户在进行路线导航时,对路线添加途径点。
发明内容
本公开提供了一种路线导航方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种路线导航方法,包括:
响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,所述相似用户与所述当前用户的相似度满足阈值;
从所述相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,所述预设条件为起点与所述当前起点相同且终点与所述当前终点相同;
将导航分数最高的候选导航路线确定为所述当前用户的最终导航路线,所述导航分数为根据该候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别确定的。
根据本公开的另一方面,提供了一种路线导航装置,包括:
采集模块,用于响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,所述相似用户与所述当前用户的相似度满足阈值;
处理模块,用于从所述相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,所述预设条件为起点与所述当前起点相同且终点与所述当前终点相同;
计算模块,还用于将导航分数最高的候选导航路线确定为所述当前用户的最终导航路线,所述导航分数为根据该候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别确定的。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;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,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任一项所述的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述任一项所述的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述任一项所述的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的路线导航方法的流程示意图;
图2是根据本公开实施例提供的导航分数确定方法的流程示意图;
图3是根据本公开实施例提供的另一种导航分数确定方法的流程示意图;
图4是根据本公开实施例提供的获取当前用户的相似用户方法的流程示意图;
图5是根据本公开实施例提供的相似度确定方法的流程示意图;
图6是根据本公开实施例提供的用户画像建立方法的流程示意图;
图7是根据本公开实施例提供的路线导航装置的结构示意图;
图8是用来实现本公开实施例的路线导航方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
现有方法中向用户推荐固定策略的路线的方法无法满足用户的个性化需求,而需要用户在路线中添加途径点的方法则需要用户非常熟悉路线,用户体验较差且操作较多,所以为了既能满足用户的个性化需求,同时减少导航中所需的用户操作,提高用户使用体验,如图1所示,本公开一实施例提供了一种路线导航方法,该方法包括:
步骤101,响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,所述相似用户与所述当前用户的相似度满足阈值。
当当前用户发起导航请求时,响应于该导航请求,获取该当前用户的相似用户,并从该导航请求中获取当前起点和当前终点。
步骤102,从所述相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,所述预设条件为起点与所述当前起点相同且终点与所述当前终点相同。
从至少一个相似用户的所有历史导航路线中选取至少一个起点与当前起点、终点与当前终点均相同的历史导航路线作为候选导航路线;
例如,至少一个相似用户的所有历史导航路线有A、B、C、D共4条,A、B、C、D路线的起点和终点分别为:{“好实惠超市”,“人民广场”}、{“西湖”,“凤起路”}、{“断桥残雪”,“太子湾公园”}、{“好实惠超市”,“人民广场”},当前用户发起的导航请求中的当前起点为“好实惠超市”,当前终点为“人民广场”,A路线和D路线的起点与当前起点、终点与当前终点均相同,则将A路线和D路线确定为候选导航路线。
步骤103,将导航分数最高的候选导航路线确定为所述当前用户的最终导航路线,所述导航分数为根据该候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别确定的。
候选导航路线在所属的相似用户得到该候选导航路线并开始导航时,对该相似用户使用该候选导航路线进行导航时的语音进行采集,得到语音数据,然后对语音数据进行语音识别和情绪识别以确定该候选导航路线的导航分数,在采集语音数据之前,会先使用户进行授权,用户授权后才会对语音数据进行采集;
将至少一个候选导航路线中导航分数最高的候选导航路线确定为最终导航路线并发送给当前用户;
例如,确定有A、B、C共3条候选导航路线,导航分数分别为8分、10分、9分,候选导航路线B的导航分数为10分最高,则选取候选导航路线B作为最终导航路线并发送给当前用户;
获取当前用户的相似用户,相似用户在导航习惯、个人习惯和个性化需求上与当前用户基本一致,再从相似用户的历史导航路线中选取起点和终点均和当前用户当前导航的起点和终点相同的历史导航路线作为候选导航路线,因此候选导航路线为与当前用户高度相似的相似用户发起的起点终点均相同的路线,那么相似用户在发起该路线时的目的和需求也与当前用户发起当前导航时的目的和需求高度一致,将这些路线确定为候选导航路线能够显著提高最终导航路线能够满足用户个性化需求的概率,而每个候选导航路线都有对应的导航分数,导航分数是该导航分数所属的导航路线所属的相似用户得到该导航路线并开始导航后,对该相似用户使用该候选导航路线进行导航时的语音进行采集,得到语音数据,然后对语音数据进行语音识别和情绪识别得到的,所以导航分数越高,说明该导航分数所属候选导航路线所属的相似用户在使用该候选导航路线时的正面情绪较多,使用体验较高,将候选导航路线中导航分数最高的确定为最终导航路线并发送给当前用户,能够显著提高用户的使用体验,更能满足用户的出行目的和需求,并且本方法无需用户输入任何途径点,减少了用户导航的操作数量,进一步提高了用户的使用体验。
如图2所示,本公开一实施例还提供了导航分数确定方法,该方法包括:
步骤201,对采集的所述语音数据进行语音识别,得到多个文本数据。
对采集的语音数据进行语音识别,得到多个文本数据;
在本实施例中,为了保证语音识别的准确性,使用了wav2vec(语音2向量,一种无监督预训练的语音识别模型)模型对语音数据进行语音识别,在其他实施方式中,也可以使用其他语音识别模型对语音数据进行语音识别。
步骤202,对所述文本数据进行情绪识别,得到情绪识别结果。
对每个文本数据进行情绪识别,得到与每个文本数据一一对应的情绪识别结果,每个文本数据的情绪识别结果都有三个大于等于0小于等于1的值,分别代表该文本数据为负面情绪、中立情绪和正面情绪的概率值,三个值相加等于1;
例如,某个文本数据的情绪识别结果为{“负面情绪”:0.02,“中立情绪”:0.08,“正面情绪”:0.9},则说明该文本数据为负面情绪的概率为2%,为中立情绪的概率为8%,为正面情绪的概率为90%,则该文本数据中文字代表的情绪极有可能为正面情绪;
在本实施例中,为了保证情绪识别的准确性,使用了ERNIE(文心模型,一种语义理解模型)模型对文本数据进行情绪识别,在其他实施方式中,也可以使用其他语义理解模型对文本数据进行情绪识别。
步骤203,根据多个情绪识别结果确定所述候选导航路线的导航分数。
根据多个情绪识别结果确定候选导航路线的导航分数;
采集用户在使用导航路线时的语音数据,利用语音识别模型对语音数据进行语音识别,得到多个文本数据,再利用语义识别模型对每个文本数据进行情绪识别,得到与每个文本数据一一对应的情绪识别结果,这些情绪识别结果能够充分体现出该用户再使用该导航路线进行导航时的情绪特征,能够代表该导航路线是否满足了用户的出行目的和出行需求,那么根据这些情绪识别结果确定出的导航分数,也同样能够代表该导航路线是否满足了用户的出行目的和出行需求,使得后续根据导航分数从候选导航路线中选取出的最终导航路线并发送给用户能够显著提高用户的使用体验,更能满足用户的出行目的和需求。
如图3所示,本公开一实施例还提供了另一种导航分数确定方法,该方法包括:
步骤301,对所述多个情绪识别结果进行遍历,第一个情绪识别结果的初始导航分数为预设值。
对多个情绪识别结果进行遍历,第一个情绪识别结果的初始导航分数为预设值,在本实施例中,预设值为0,在其他实施方式中,可根据具体需求设置预设值。
步骤302,确定当前情绪识别结果为负面时,将当前情绪识别结果对应的初始导航分数减去第一预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数。
当当前遍历到的情绪识别结果为负面时,将当前情绪识别结果对应的初始导航分数减去第一预设数值得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
例如,当前遍历到的情绪识别结果是第一个情绪识别结果,那么当前遍历到的情绪识别结果的初始导航分数即为候选导航路线的初始导航分数,初始导航分数在本实施例中设置为0,当前遍历到的情绪识别结果为{“负面情绪”:0.8,“中立情绪”:0.12,“正面情绪”:0.08},该情绪识别结果中负面情绪的概率值最大,则说明该情绪识别结果为负面,将初始导航分数减去第一预设数值,第一预设数值在本实施例中设置为1,则当前情绪识别结果对应的导航分数即为0-1=-1,并将导航分数-1作为下一个情绪识别结果对应的初始导航分数;
再例如,当前遍历到的情绪识别结果不是第一个情绪识别结果,上一个遍历到的情绪识别结果的导航分数为-1,那么当前情绪识别结果对应的初始导航分数即为-1,而当前遍历到的情绪识别结果为{“负面情绪”:0.8,“中立情绪”:0.12,“正面情绪”:0.08},该情绪识别结果中负面情绪的概率值最大,则说明该情绪识别结果为负面,将初始导航分数减去第一预设数值,第一预设数值在本实施例中设置为1,则当前情绪识别结果对应的导航分数即为-1-1=-2,并将导航分数-2作为下一个情绪识别结果对应的初始导航分数;
在本实施例中,第一预设数值设置为1,在其他实施方式中,可根据具体需求设置第一预设数值。
步骤303,确定当前情绪识别结果为中立时,将当前情绪识别结果对应的初始导航分数作为当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数。
当当前遍历到的情绪识别结果为中立时,将当前情绪识别结果对应的初始导航分数作为当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
例如,当前遍历到的情绪识别结果是第一个情绪识别结果,那么当前遍历到的情绪识别结果的初始导航分数即为候选导航路线的初始导航分数,初始导航分数在本实施例中设置为0,当前遍历到的情绪识别结果为{“负面情绪”:0.2,“中立情绪”:0.7,“正面情绪”:0.1},该情绪识别结果中中立情绪的概率值最大,则说明该情绪识别结果为中立,则将初始导航分数0作为当前情绪识别结果的导航分数,并将导航分数0作为下一个情绪识别结果对应的初始导航分数;
再例如,当前遍历到的情绪识别结果不是第一个情绪识别结果,上一个遍历到的情绪识别结果的导航分数为1,那么当前情绪识别结果对应的初始导航分数即为1,而当前遍历到的情绪识别结果为{“负面情绪”:0.2,“中立情绪”:0.7,“正面情绪”:0.1},该情绪识别结果中中立情绪的概率值最大,则说明该情绪识别结果为中立,则将初始导航分数1作为当前情绪识别结果的导航分数,并将导航分数1作为下一个情绪识别结果对应的初始导航分数。
步骤304,确定当前情绪识别结果为正面时,将当前情绪识别结果对应的初始导航分数增加第二预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数。
当当前情绪识别结果为正面时,将当前情绪识别结果对应的初始导航分数增加第二预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
例如,当前遍历到的情绪识别结果是第一个情绪识别结果,那么当前遍历到的情绪识别结果的初始导航分数即为候选导航路线的初始导航分数,初始导航分数在本实施例中设置为0,当前遍历到的情绪识别结果为{“负面情绪”:0.02,“中立情绪”:0.08,“正面情绪”:0.9},该情绪识别结果中正面情绪的概率值最大,则说明该情绪识别结果为正面,将导航分数增加第二预设数值,第二预设数值在本实施例中设置为1,则当前情绪识别结果对应的导航分数即为0+1=1,并将导航分数1作为下一个情绪识别结果对应的初始导航分数;
再例如,当前遍历到的情绪识别结果不是第一个情绪识别结果,上一个遍历到的情绪识别结果的导航分数为-1,那么当前情绪识别结果对应的初始导航分数即为-1,当前遍历到的情绪识别结果为{“负面情绪”:0.02,“中立情绪”:0.08,“正面情绪”:0.9},该情绪识别结果中正面情绪的概率值最大,则说明该情绪识别结果为正面,将初始导航分数增加第二预设数值,第二预设数值在本实施例中设置为1,则当前情绪识别结果对应的导航分数即为-1+1=0,并将导航分数0作为下一个情绪识别结果对应的初始导航分数;
在本实施例中,第二预设数值设置为1,在其他实施方式中,可根据具体需求设置第二预设数值。
步骤305,直到遍历完成,将最后一个情绪识别结果对应的导航分数作为所述候选导航路线的导航分数。
直到遍历完所有情绪识别结果,最终得到该导航路线的导航分数;
例如,某个导航路线的情绪识别结果有5条,分别为{“负面情绪”:0.8,“中立情绪”:0.12,“正面情绪”:0.08}、{“负面情绪”:0.2,“中立情绪”:0.7,“正面情绪”:0.1}、{“负面情绪”:0.02,“中立情绪”:0.08,“正面情绪”:0.9}、{“负面情绪”:0.15,“中立情绪”:0.05,“正面情绪”:0.8}、{“负面情绪”:0.06,“中立情绪”:0.24,“正面情绪”:0.7},第一预设数值为0,遍历到第一条情绪识别结果时,该情绪识别结果为负面,则将导航分数减去1,导航分数变为-1,遍历到第二条情绪识别结果时,该情绪识别结果为中立,则不进行加减,导航分数还是-1,遍历到第三条情绪识别结果时,该情绪识别结果为正面,则将导航分数增加1,导航分数变为0,遍历到第四条情绪识别结果时,该情绪识别结果为正面,则将导航分数增加1,导航分数变为1,遍历到第五条情绪识别结果时,该情绪识别结果为正面,则将导航分数增加1,导航分数变为2,此时所有情绪识别结果均遍历完毕,最终得到该导航路线的导航分数为2;
通过设置第一预设数值和第二预设数值,在情绪识别结果不同时对导航分数进行减少或增加,能够使得在计算导航分数时能够根据具体需求进行灵活调整,提高了计算导航分数的灵活度,进而提高用户后用户使用最终导航路线进行导航的使用体验。
如图4所示,本公开一实施例还提供了获取相似用户方法,该方法包括:
步骤401,根据所述当前用户的画像和其他用户的画像确定所述当前用户与所述其他用户之间的相似度。
在本实施例中,预设有用户数据库,数据库中包含所有用户的画像,根据当前用户的画像和其他用户的画像可以确定当前用户和其他用户之间的相似度。
步骤402,从所有其他用户中选取出相似度满足阈值的至少一个相似用户。
从所有其他用户中选取出相似度满足阈值的至少一个相似用户;
可通过设置预设值,大于预设值的相似度所属的其他用户确定为当前用户的相似用户,或者,按照相似度的高低对其他用户进行排序,选取排序后前排预设数量的其他用户作为当前用户的相似用户,具体可根据需求进行设置;
根据当前用户的画像和其他用户的画像确定出的当前用户和其他用户之间的相似度,使得相似度可以代表当前用户和其他用户的在导航习惯、个人习惯和个性化需求上是否高度一致,那么根据相似度从其他用户中选取的当前用户的相似用户在导航习惯、个人习惯和个性化需求上与当前用户基本一致,进而使得从相似用户的历史导航路线中确定出的最终导航路线更能满足用户的个性化需求。
如图5所示,本公开一实施例还提供了相似度确定方法,该方法包括:
所述当前用户的画像中包含多个第一特征数据,所述其他用户的画像包含多个第二特征数据,所述当前用户的画像和其他用户的画像所包含的特征数据的维度相同;
当前用户的画像中包含多个第一特征数据,其他用户的画像包含多个第二特征数据,第一特征数据和第二特征数据的维度相同;
例如,当前用户的画像中包含访问景区次数、自驾游次数、选择距离最近线路次数和选择时间最短线路次数等第一特征数据,那么相应地,其他用户的画像中也包含包含访问景区次数、自驾游次数、选择距离最近线路次数和选择时间最短线路次数等第二特征数据。
相应地,所述根据所述当前用户的画像和其他用户的画像计算所述当前用户与所述其他用户之间的相似度,包括:
步骤501,根据多个第一特征数据和第一特征数据平均值得到第一子相似度;
根据多个第一特征数据和第一特征数据平均值得到第一子相似度,第一特征数据平均值为所有第一特征数据的平均值。
步骤502,根据多个第二特征数据和第二特征数据平均值得到第二子相似度;
根据多个第二特征数据和第二特征数据平均值得到第二子相似度,第二特征数据平均值为所有第二特征数据的平均值。
步骤503,根据所述第一子相似度和所述第二子相似度确定所述当前用户与所述其他用户之间的相似度。
具体可根据以下公式确定当前用户i和其他用户j之间的相似度sim(i,j):
其中,P为第一特征数据和第二特征数据的数量,i代表当前用户,j代表其他用户,Ri,p为当前用户的第p个第一特征数据,R′i为当前用户所有第一特征数据的平均值,Rj,p为其他用户的第p个第二特征数据,R′j为其他用户所有第二特征数据的平均值;
利用当前用户的画像中的多个第一特征数据和其他用户的画像中的多个第二特征数据来确定当前用户和其他用户之间的相似度,能够使得确定出的相似度准确性更高,更能表征当前用户和其他用户之间的相似程度,使得后续通过相似度从其他用户中选取出的相似用户与当前用户的相似程度更高,进一步提高了最终导航路线的准确性,更能满足用户的出行需求。
在一可实施方式中,在确定当前用户和其他用户的相似度之前,如图6所示,还包括:
步骤601,获取所述当前用户的历史导航数据。
在获取当前用户的相似用户之前,获取当前用户的历史导航数据,历史导航数据包括历史导航路线、用户导航习惯等用户数据。
步骤602,从所述历史导航数据中提取出所述当前用户的多个第一特征数据。
从历史导航数据中提取出当前用户的多个第一特征数据。
步骤603,根据所述多个第一特征数据建立所述当前用户的画像。
通过从历史导航数据中提取出当前用户的多个第一特征数据,第一特征数据能够充分体现用户的导航习惯、个人习惯、个性化需求和性格特征,从而使得根据由第一特征数据所建立的画像找到当前用户的相似用户与该当前用户的特征更加一致,进一步提高最终导航路线能够满足用户个性化需求的概率;
优选的,历史导航数据还包括用户在使用历史导航路线进行导航时采集的语音数据,对这些语音数据进行语音识别得到文本数据,对文本数据进行关键词检索、情绪识别等操作,获取用户的导航习惯、个性化需求、性格特征等数据,从这些数据中提取出更多的特征数据,使得获取的特征数据更能体现用户的导航习惯、个人习惯、个性化需求和性格特征,从而使得根据由第一特征数据所建立的画像找到当前用户的相似用户与该当前用户的特征更加一致。
本公开一实施例提供了一种路线导航装置,如图7所示,该装置包括:
采集模块10,用于响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,所述相似用户与所述当前用户的相似度满足阈值;
处理模块20,用于从所述相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,所述预设条件为起点与所述当前起点相同且终点与所述当前终点相同;
计算模块30,还用于将导航分数最高的候选导航路线确定为所述当前用户的最终导航路线,所述导航分数为根据该候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别确定的。
其中,还包括:
识别模块40,用于对采集的所述语音数据进行语音识别,得到多个文本数据;
所述识别模块40,还用于对所述文本数据进行情绪识别,得到情绪识别结果;
所述计算模块30,还用于根据多个情绪识别结果确定所述候选导航路线的导航分数。
其中,所述计算模块30,还用于对所述多个情绪识别结果进行遍历,第一个情绪识别结果的初始导航分数为预设值;
所述计算模块30,还用于确定当前情绪识别结果为负面时,将当前情绪识别结果对应的初始导航分数减去第一预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
所述计算模块30,还用于确定当前情绪识别结果为中立时,将当前情绪识别结果对应的初始导航分数作为当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
所述计算模块30,还用于确定当前情绪识别结果为正面时,将当前情绪识别结果对应的初始导航分数增加第二预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
所述计算模块30,还用于直到遍历完成,将最后一个情绪识别结果对应的导航分数作为所述候选导航路线的导航分数。
其中,所述计算模块30,还用于根据所述当前用户的画像和其他用户的画像确定所述当前用户与所述其他用户之间的相似度;
所述处理模块20,还用于从所有其他用户中选取出相似度满足阈值的至少一个相似用户。
其中,所述计算模块30,还用于根据多个第一特征数据和第一特征数据平均值得到第一子相似度;
所述计算模块30,还用于根据多个第二特征数据和第二特征数据平均值得到第二子相似度;
所述计算模块30,还用于根据所述第一子相似度和所述第二子相似度确定所述当前用户与所述其他用户之间的相似度。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如路线导航方法。例如,在一些实施例中,路线导航方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM703并由计算单元701执行时,可以执行上文描述的路线导航方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行路线导航方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种路线导航方法,包括:
响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,所述相似用户与所述当前用户的相似度满足阈值;
从所述相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,所述预设条件为起点与所述当前起点相同且终点与所述当前终点相同;
将导航分数最高的候选导航路线确定为所述当前用户的最终导航路线,所述导航分数为根据该候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别确定的。
2.根据权利要求1所述的方法,所述根据候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别,包括:
对采集的所述语音数据进行语音识别,得到多个文本数据;
对所述文本数据进行情绪识别,得到情绪识别结果;
根据多个情绪识别结果确定所述候选导航路线的导航分数。
3.根据权利要求2所述的方法,所述根据多个情绪识别结果确定所述候选导航路线的导航分数,包括:
对所述多个情绪识别结果进行遍历,第一个情绪识别结果的初始导航分数为预设值;
确定当前情绪识别结果为负面时,将当前情绪识别结果对应的初始导航分数减去第一预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
确定当前情绪识别结果为中立时,将当前情绪识别结果对应的初始导航分数作为当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
确定当前情绪识别结果为正面时,将当前情绪识别结果对应的初始导航分数增加第二预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
直到遍历完成,将最后一个情绪识别结果对应的导航分数作为所述候选导航路线的导航分数。
4.根据权利要求1所述的方法,所述获取当前用户的相似用户,包括:
根据所述当前用户的画像和其他用户的画像确定所述当前用户与所述其他用户之间的相似度;
从所有其他用户中选取出相似度满足阈值的至少一个相似用户。
5.根据权利要求4所述的方法,所述当前用户的画像中包含多个第一特征数据,所述其他用户的画像包含多个第二特征数据,所述当前用户的画像和其他用户的画像所包含的特征数据的维度相同;
相应地,所述根据所述当前用户的画像和其他用户的画像计算所述当前用户与所述其他用户之间的相似度,包括:
根据多个第一特征数据和第一特征数据平均值得到第一子相似度;
根据多个第二特征数据和第二特征数据平均值得到第二子相似度;
根据所述第一子相似度和所述第二子相似度确定所述当前用户与所述其他用户之间的相似度。
6.一种路线导航装置,包括:
采集模块,用于响应于当前用户发起的导航请求,获取当前用户的相似用户、当前起点和当前终点,所述相似用户与所述当前用户的相似度满足阈值;
处理模块,用于从所述相似用户的历史导航路线中选取满足预设条件的历史导航路线作为候选导航路线,所述预设条件为起点与所述当前起点相同且终点与所述当前终点相同;
计算模块,还用于将导航分数最高的候选导航路线确定为所述当前用户的最终导航路线,所述导航分数为根据该候选导航路线在进行导航时采集的所述相似用户的语音数据进行语音识别和情绪识别确定的。
7.根据权利要求6所述的装置,还包括:
识别模块,用于对采集的所述语音数据进行语音识别,得到多个文本数据;
所述识别模块,还用于对所述文本数据进行情绪识别,得到情绪识别结果;
所述计算模块,还用于根据多个情绪识别结果确定所述候选导航路线的导航分数。
8.根据权利要求7所述的装置,包括:
所述计算模块,还用于对所述多个情绪识别结果进行遍历,第一个情绪识别结果的初始导航分数为预设值;
所述计算模块,还用于确定当前情绪识别结果为负面时,将当前情绪识别结果对应的初始导航分数减去第一预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
所述计算模块,还用于确定当前情绪识别结果为中立时,将当前情绪识别结果对应的初始导航分数作为当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
所述计算模块,还用于确定当前情绪识别结果为正面时,将当前情绪识别结果对应的初始导航分数增加第二预设数值后得到当前情绪识别结果对应的导航分数,并将该导航分数作为下一个情绪识别结果对应的初始导航分数;
所述计算模块,还用于直到遍历完成,将最后一个情绪识别结果对应的导航分数作为所述候选导航路线的导航分数。
9.根据权利要求6所述的装置,包括:
所述计算模块,还用于根据所述当前用户的画像和其他用户的画像确定所述当前用户与所述其他用户之间的相似度;
所述处理模块,还用于从所有其他用户中选取出相似度满足阈值的至少一个相似用户。
10.根据权利要求9所述的装置,包括:
所述计算模块,还用于根据多个第一特征数据和第一特征数据平均值得到第一子相似度;
所述计算模块,还用于根据多个第二特征数据和第二特征数据平均值得到第二子相似度;
所述计算模块,还用于根据所述第一子相似度和所述第二子相似度确定所述当前用户与所述其他用户之间的相似度。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;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,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595751.7A CN115096325A (zh) | 2022-05-26 | 2022-05-26 | 路线导航方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595751.7A CN115096325A (zh) | 2022-05-26 | 2022-05-26 | 路线导航方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115096325A true CN115096325A (zh) | 2022-09-23 |
Family
ID=83288173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210595751.7A Pending CN115096325A (zh) | 2022-05-26 | 2022-05-26 | 路线导航方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115096325A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040093392A1 (en) * | 2002-10-23 | 2004-05-13 | Hitachi, Ltd. | Information providing system and information providing apparatus for mobile object |
WO2015169219A1 (en) * | 2014-05-07 | 2015-11-12 | Tencent Technology (Shenzhen) Company Limited | Navigation method and apparatus |
US20170030726A1 (en) * | 2015-07-31 | 2017-02-02 | International Business Machines Corporation | Selective human emotion metrics for navigation plans and maps |
JP2017181449A (ja) * | 2016-03-31 | 2017-10-05 | カシオ計算機株式会社 | 電子機器、経路検索方法及びプログラム |
JP2018077207A (ja) * | 2016-10-28 | 2018-05-17 | 住友電気工業株式会社 | 経路処理プログラム、経路処理装置および経路処理方法 |
CN109099903A (zh) * | 2018-07-09 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 用于生成导航路线的方法和装置 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN110260873A (zh) * | 2019-06-12 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种基于用户习惯的路线推荐方法和系统 |
CN111326173A (zh) * | 2018-12-17 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 语音信息处理方法、装置、电子设备以及可读存储介质 |
CN111341349A (zh) * | 2018-12-03 | 2020-06-26 | 本田技研工业株式会社 | 情绪推断装置、情绪推断方法、及存储介质 |
US20210097370A1 (en) * | 2019-09-30 | 2021-04-01 | Wipro Limited | System and method for providing personalized driving or navigation assistance |
-
2022
- 2022-05-26 CN CN202210595751.7A patent/CN115096325A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040093392A1 (en) * | 2002-10-23 | 2004-05-13 | Hitachi, Ltd. | Information providing system and information providing apparatus for mobile object |
WO2015169219A1 (en) * | 2014-05-07 | 2015-11-12 | Tencent Technology (Shenzhen) Company Limited | Navigation method and apparatus |
US20170030726A1 (en) * | 2015-07-31 | 2017-02-02 | International Business Machines Corporation | Selective human emotion metrics for navigation plans and maps |
JP2017181449A (ja) * | 2016-03-31 | 2017-10-05 | カシオ計算機株式会社 | 電子機器、経路検索方法及びプログラム |
JP2018077207A (ja) * | 2016-10-28 | 2018-05-17 | 住友電気工業株式会社 | 経路処理プログラム、経路処理装置および経路処理方法 |
CN109099903A (zh) * | 2018-07-09 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 用于生成导航路线的方法和装置 |
CN111341349A (zh) * | 2018-12-03 | 2020-06-26 | 本田技研工业株式会社 | 情绪推断装置、情绪推断方法、及存储介质 |
CN109459050A (zh) * | 2018-12-17 | 2019-03-12 | 北京百度网讯科技有限公司 | 导航路线的推荐方法及其装置 |
CN111326173A (zh) * | 2018-12-17 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 语音信息处理方法、装置、电子设备以及可读存储介质 |
CN110260873A (zh) * | 2019-06-12 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 一种基于用户习惯的路线推荐方法和系统 |
US20210097370A1 (en) * | 2019-09-30 | 2021-04-01 | Wipro Limited | System and method for providing personalized driving or navigation assistance |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113129870B (zh) | 语音识别模型的训练方法、装置、设备和存储介质 | |
CN113361578A (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN112580733B (zh) | 分类模型的训练方法、装置、设备以及存储介质 | |
CN113360700A (zh) | 图文检索模型的训练和图文检索方法、装置、设备和介质 | |
CN113739811A (zh) | 关键点检测模型的训练和高精地图车道线的生成方法设备 | |
CN114861059A (zh) | 资源推荐方法、装置、电子设备及存储介质 | |
CN113641829A (zh) | 图神经网络的训练与知识图谱的补全方法、装置 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN116151194B (zh) | 中文通用语言的生成方法、装置、设备及存储介质 | |
CN113033194A (zh) | 语义表示图模型的训练方法、装置、设备和存储介质 | |
CN112528146A (zh) | 内容资源推荐方法、装置、电子设备及存储介质 | |
CN115049997B (zh) | 边缘车道线的生成方法、装置、电子设备及存储介质 | |
CN112860626B (zh) | 一种文档排序方法、装置及电子设备 | |
CN115096325A (zh) | 路线导航方法、装置、电子设备及存储介质 | |
CN115496734A (zh) | 视频内容的质量评价方法、网络训练方法和装置 | |
CN114973333A (zh) | 人物交互检测方法、装置、设备以及存储介质 | |
CN114119972A (zh) | 模型获取及对象处理方法、装置、电子设备及存储介质 | |
CN114549695A (zh) | 图像生成方法、装置、电子设备及可读存储介质 | |
CN113962799A (zh) | 一种风控模型的训练方法、风险确定方法、装置、设备 | |
CN114399998A (zh) | 语音处理方法、装置、设备、存储介质及程序产品 | |
CN113901901A (zh) | 图像处理模型的训练方法、装置、电子设备和介质 | |
CN116383491B (zh) | 信息推荐方法、装置、设备、存储介质和程序产品 | |
CN114383600B (zh) | 用于地图的处理方法、装置、电子设备和存储介质 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220923 |