JP6749164B2 - サービス提供システム、及びプログラム - Google Patents
サービス提供システム、及びプログラム Download PDFInfo
- Publication number
- JP6749164B2 JP6749164B2 JP2016136757A JP2016136757A JP6749164B2 JP 6749164 B2 JP6749164 B2 JP 6749164B2 JP 2016136757 A JP2016136757 A JP 2016136757A JP 2016136757 A JP2016136757 A JP 2016136757A JP 6749164 B2 JP6749164 B2 JP 6749164B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- service
- label
- storage unit
- unit
- 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
- 238000012545 processing Methods 0.000 claims description 81
- 230000011218 segmentation Effects 0.000 claims description 41
- 230000002452 interceptive effect Effects 0.000 claims description 38
- 238000012790 confirmation Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 10
- 230000001360 synchronised effect Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 description 50
- 230000008569 process Effects 0.000 description 33
- 238000010219 correlation analysis Methods 0.000 description 29
- 230000004044 response Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000003786 synthesis reaction Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000010411 cooking Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
図1は、本実施形態によるサービス提供システム1の一例を示す機能ブロック図である。
図1に示すように、サービス提供システム1は、対話ロボット10と、情報共有サーバ20と、コンテキスト認識システム30とを備えている。サービス提供システム1は、コンテキスト・アウェア・コンピューティングを用いたシステムであり、後述するセンサ31が計測したセンサ情報と、対話ロボット10によるユーザU1との対話内容とに応じて、ユーザの状況を推定(予測)し、ユーザの状況に応じたサービスを提供(推奨)する。
マイク12は、ユーザU1が発した音声を収音し、音声信号に変換する。
撮像部13は、例えば、CCD(Charge Coupled Device)イメージセンサを有するカメラであり、対話ロボット10の周囲を撮像する。
辞書記憶部141は、ユーザU1と対話ロボット10との対話処理の音声認識処理及び音声合成処理に用いられる辞書情報を記憶する。
音響モデル記憶部142は、ユーザU1と対話ロボット10との対話処理の音声認識処理及び音声合成処理に用いられる音響モデル情報を記憶する。
図2において、「時刻」は対話が行われた時刻(タイムスタンプ)を示し、「ユーザ属性情報」は、上述した撮像部13が撮像したユーザU1の画像認識により得られたユーザU1の属性情報(例えば、性別、年齢など)を示している。また、「対話内容」は、「ロボット発話内容」と、「ユーザ発話内容」とを含んでいる。ここで、「ロボット発話内容」は、スピーカ11を介してユーザU1に発した発話内容を示し、「ユーザ発話内容」は、マイク12を介して収音した音声信号に基づくユーザU1が発した発話内容を示している。
なお、図2に示す例では、対話履歴情報に「ロボット発話内容」と、「ユーザ発話内容」との両方が含まれる例を説明したが、対話履歴情報には、「ロボット発話内容」と、「ユーザ発話内容」とのいずれか一方のみが含まれてもよい。
音声認識部153は、辞書記憶部141が記憶する辞書情報と、音響モデル記憶部142が記憶する音響モデル情報とに基づいて、マイク12が収音したユーザU1からの返答の音声信号からユーザU1の発話内容を抽出して、当該発話内容を対話制御部151に出力する。
ラベルマスタ記憶部211は、サービス提供システム1において払い出された(登録及び付与された)コンテキストのラベルID(ラベル情報)に関する情報を記憶する。ラベルマスタ記憶部211は、例えば、図3に示すように、「ラベルID」と、「ラベル名」と、「親ラベルID」とを対応付けて記憶する。
図3において、「ラベルID」は、コンテキストのラベルを識別するラベル識別情報(ラベル情報)を示し、「ラベル名」は、ラベルの名称(コンテキストの名称)を示している。また、「親ラベルID」は、当該ラベルIDに対応するコンテキストに関連したラベルIDであり、当該コンテキストの上位の概念に相当するコンテキスト(親ラベル又は親コンテキスト)のラベルIDを示している。
図4において、上述した図3と同様に、「ラベルID」は、ラベル情報を示し、「親ラベルID」は、親ラベルのラベルID(ラベル情報)を示している。また、「サービスID」は、サービスを識別する識別情報(サービス情報)を示している。なお、「サービスID」は、複数のサービスIDを含む配列データであってもよい。
図5において、「時刻」は、センサ31が計測(検出)した時刻(タイムスタンプ)を示し、「センサID」は、センサ31を識別する識別情報を示している。また、「計測値」は、当該センサ31が計測した計測値(センサ情報)を示している。
図5に示す例では、「時刻」が“10:00”(10時00分)に、「センサID」が“SN001”のセンサ31が、「計測値」として“XXX”を計測したことを示している。
図6において、「セグメント名」は、セグメントを識別する識別情報を示し、「セグメント情報」は、各セグメントの状態量(特徴量)を示す値を示している。また、「ラベルID」及び「ラベル名」は、上述した図3と同様である。
図6に示す例では、例えば、「セグメント名」が“S1”である「セグメント情報」が“XXXX”であることを示している。また、このセグメントの「ラベルID」は、“L0002,L0001”であり、「ラベル名」が“野球、運動”であることを示している。なお、「ラベルID」及び「ラベル名」には、親ラベルのラベルID及びラベル名が付加されており、“L0001”及び“運動”が親ラベルに相当する。
図7において、「サービスID」は、サービスを識別する識別情報であり、上述したサービス情報の一例である。また、「サービス名」は、サービスの名称を示し、「実行内容」は、サービスの実行内容を示している。なお、「実行内容」には、提供するサービスにおいて、制御するデバイスやその制御内容が含まれてもよい。また、「ラベルID」は、上述したラベル情報である。
図8において、「時刻」は、サービスが実行された時刻(タイムスタンプ)を示し、「サービスID」は、実行されたサービスの識別情報(サービス情報)を示している。また、「ユーザID」は、サービスを利用したユーザU1の識別情報を示している。
図9において、「時刻」は、コンテキスト(セグメント情報)が予測(検出)された時刻(タイムスタンプ)を示し、「セグメント情報」は、センサ31によって検出されたセグメント情報を示している。また、「ラベルID」は、「セグメント情報」に基づいて予測されたコンテキストのラベルIDを示している。
対応関係記憶部47は、ラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する。対応関係記憶部47は、例えば、図10に示すように、「ラベルID」と、「親ラベルID」と、「サービスID」とを対応付けて対応関係情報として記憶する。
図10において、「ラベルID」と、「親ラベルID」と、「サービスID」とは、上述した図4と同様である。
図10に示す例では、例えば、「ラベルID」が“L0001”のコンテキストには、「親ラベルID」がなく、対応する「サービスID」が、“SV001、SV002”であることを示している。
また、制御部50は、分節化処理部51と、セグメント分類部52と、ラベル付与部53と、予測モデル学習部54と、コンテキスト予測部55と、コンテキスト確認部56と、相関分析部57と、サービスレコメンド部58と、情報共有部59とを備えている。
図12(a)は、図11の波形W1と同様のセンサ31の計測値の波形を示している。また、図12(b)は、RNN−PB手法によるPB(Parametric Bias)値の波形W2を示している。
図13に示す例では、セグメント分類部52は、セグメントS1〜S5を、階層クラスタリングを実行し、デンドログラムDC1を生成する一例を示している。この図において、セグメントS1及びセグメントS4の集合であるクラスタC1、及びセグメントS2及びセグメントS5の集合であるクラスタC2は、クラスタC3の下位のクラスタである。すなわち、クラスタC3は、クラスタC1及びクラスタC2の上位のクラスタ(親クラスタ)である。
図14は、本実施形態における対話ロボット10の動作の一例を示すフローチャートである。この図では、コンテキスト認識システム30からの依頼に基づいて、対話ロボット10が、ユーザU1に問合せを行う場合の動作について説明する。
次に、対話制御部151は、対話履歴情報を対話履歴記憶部143に記憶させる(ステップS109)。ここでは、対話制御部151は、ユーザU1からの発話分の対話履歴情報を対話履歴記憶部143に記憶させる。すなわち、対話制御部151は、「時刻」と、「ユーザ属性情報」と、「対話内容」とを対応付けて対話履歴情報として対話履歴記憶部143に記憶させる。ステップS109の処理後に、対話制御部151は、処理をステップS106に進める。
図15は、本実施形態におけるコンテキストの登録処理、及び予測モデルの構築処理の一例を示すフローチャートである。この図において、センサ31が検出したセンサ情報は、センサ受信部32によって、センサ履歴記憶部41に記憶されているものとする。
なお、上述したステップS201からステップS207の処理は、例えば、一定期間ごとに、又は、コンテキストマスタ記憶部42が記憶するコンテキストが更新された際に、実行される。
図16は、本実施形態におけるサービス推奨処理の一例を示すフローチャートである。
図16において、ステップS301及びステップS302の処理は、上述した図15に示すステップS201及びステップS202の処理と同様であるので、ここではその説明を省略する。
図17は、本実施形態におけるサービス登録処理の一例を示すフローチャートである。
図17において、まず、コンテキスト認識システム30の相関分析部57は、サービス実行履歴とコンテキスト発生履歴とを比較する(ステップS401)。相関分析部57は、例えば、コンテキスト発生履歴記憶部45が記憶するコンテキスト履歴情報と、サービス実行履歴記憶部44が記憶するサービス履歴情報とを比較する。
図18は、本実施形態における情報共有処理の一例を示すフローチャートである。
図18において、コンテキスト認識システム30の情報共有部59は、まず、対応関係記憶部47の対応関係情報を情報共有サーバ20の対応関係マスタ記憶部212に記憶させる(ステップS501)。すなわち、情報共有部59は、対応関係記憶部47が記憶する対応関係情報を情報共有サーバ20にアップロードして、情報共有サーバ20の対応関係マスタ記憶部212に記憶させる。
なお、上述したステップS501からステップS503の処理は、例えば、一定期間ごとに、又は、対応関係記憶部47が記憶する対応関係情報が更新された際に、実行される。
これにより、本実施形態によるサービス提供システム1は、分類されたセグメント情報により、検出可能なコンテキストを適切に登録することができる。また、本実施形態によるサービス提供システム1は、階層クラスタリングにより階層化に対応したコンテキストを適切に登録することができる。また、本実施形態によるサービス提供システム1は、階層クラスタリングにより、概念の階層を生成することで、コンテキストの検出における柔軟性を持たせることができる。
これにより、本実施形態によるサービス提供システム1は、自動的に対応関係情報を適切に対応関係記憶部47に追加登録することができる。すなわち、本実施形態によるサービス提供システム1では、開発者が個々に対応関係情報を登録する必要がなく、サービス情報とラベル情報とを対応付けた対応関係情報を適切に対応関係記憶部47に追加登録することができる。
これにより、本実施形態によるサービス提供システム1は、自動的に対応関係情報を適切に対応関係記憶部47に追加登録することができる。
これにより、本実施形態によるサービス提供システム1は、検出可能なコンテキストが妥当でない場合に、追加登録している検出可能なコンテキストを訂正することができる。よって、本実施形態によるサービス提供システム1は、自動学習により、適切なコンテキストを検出する確度を向上させることができる。
これにより、本実施形態によるサービス提供システム1は、自動学習により、さらに適切なサービスを提供することができる。
これにより、本実施形態によるサービス提供方法は、サービス提供システム1と同様に、検出可能なコンテキストを自動的に登録することができる。
例えば、上記の実施形態において、対話ロボット10及びコンテキスト認識システム30のそれぞれは、1つの装置により構成される例を説明したが、これに限定されるものではなく、複数の装置により構成されてもよい。
また、上記の実施形態において、センサ31は、ユーザU1が身に着けるセンサ(例えば、加速度センサなど)であってもよいし、室内などに固定に設置されたセンサであってもよい。また、センサ31は、対話ロボット10に設置されるセンサであってもよい。
また、上記の実施形態において、情報共有部59は、対応関係記憶部47が記憶する全対応関係情報を情報共有サーバ20にアップロードする例を説明したが、情報共有サーバ20の対応関係マスタ記憶部212が記憶する対応関係情報との差分情報をアップロードするようにしてもよい。
また、「コンピュータシステム」は、インターネットやWAN、LAN、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、CD−ROM等の非一過性の記録媒体であってもよい。
10 対話ロボット
11 スピーカ
12 マイク
13 撮像部
14 ロボット記憶部
15 ロボット制御部
20 情報共有サーバ
21 サーバ記憶部
22 サーバ制御部
30 コンテキスト認識システム
31 センサ
32 センサ受信部
40 記憶部
41 センサ履歴記憶部
42 コンテキストマスタ記憶部
43 サービスマスタ記憶部
44 サービス実行履歴記憶部
45 コンテキスト発生履歴記憶部
46 予測モデル記憶部
47 対応関係記憶部
50 制御部
51 分節化処理部
52 セグメント分類部
53 ラベル付与部
54 予測モデル学習部
55 コンテキスト予測部
56 コンテキスト確認部
57 相関分析部
58 サービスレコメンド部
59 情報共有部
141 辞書記憶部
142 音響モデル記憶部
143 対話履歴記憶部
151 対話制御部
152 音声合成部
153 音声認識部
154 画像認識部
211 ラベルマスタ記憶部
212 対応関係マスタ記憶部
Claims (8)
- センサが検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する分節化処理部と、
ユーザと対話する対話装置によって取得された前記ユーザの状況であるコンテキストを示すラベル情報と、前記セグメント情報とを対応付けた組情報をコンテキスト記憶部に記憶させるラベル付与部と、
前記コンテキスト記憶部が記憶する前記組情報に基づいて、前記セグメント情報から前記ラベル情報を予測する予測モデルを構築する予測モデル構築部と、
前記ラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する対応関係記憶部と、
前記センサが検出したセンサ情報から前記分節化処理部によって生成された前記セグメント情報と、前記予測モデルとに基づいて、前記ラベル情報を予測する予測処理部と、
前記予測処理部によって予測された前記ラベル情報に対応するサービス情報を前記対応関係記憶部から取得し、取得したサービス情報に対応するサービスを推奨するサービス推奨部と
を備えることを特徴とするサービス提供システム。 - 前記分節化処理部が生成した前記セグメント情報を階層クラスタリングにより分類するセグメント分類部を備え、
前記ラベル付与部は、前記セグメント分類部によって分類された前記セグメント情報と、前記ラベル情報とを対応付けて前記コンテキスト記憶部に記憶させる
ことを特徴とする請求項1に記載のサービス提供システム。 - 前記センサ情報に基づいて予測された前記ラベル情報の時系列な履歴であるコンテキスト履歴情報と、実行された前記サービスの履歴であるサービス履歴情報とに基づいて、予測された前記ラベル情報に同期して実行された前記サービスが存在する場合に、当該サービスを示す前記サービス情報と、当該ラベル情報とを対応付けて前記対応関係記憶部に記憶させるサービス登録部を備える
ことを特徴とする請求項1又は請求項2に記載のサービス提供システム。 - 前記サービス登録部は、
予め登録された前記サービスに関するマスタ情報であって、少なくとも前記ラベル情報と前記サービス情報とを対応付けた情報を複数含むマスタ情報と、前記コンテキスト記憶部に記憶されている前記ラベル情報とに基づいて、前記コンテキスト記憶部に記憶されている前記ラベル情報が、前記マスタ情報に含まれる前記ラベル情報と一致する場合に、当該ラベル情報と、前記マスタ情報に含まれ、当該ラベル情報に対応する前記サービス情報とを対応付けて、前記対応関係記憶部に記憶させる
ことを特徴とする請求項3に記載のサービス提供システム。 - 前記予測処理部によって予測された前記ラベル情報に関する質問を、前記対話装置に出力させて取得された前記ユーザの発話内容に基づいて、前記コンテキスト記憶部が記憶している前記組情報の妥当性を判定し、当該組情報が妥当でないと判定した場合に、妥当でないと判定した当該組情報に関連する前記組情報を前記コンテキスト記憶部から削除させるコンテキスト確認部を備える
ことを特徴とする請求項1から請求項4のいずれか一項に記載のサービス提供システム。 - 前記対応関係記憶部が記憶する前記ラベル情報と前記サービス情報とを対応付けた対応関係情報を、自システムとは異なる他システムが生成した前記対応関係情報を含む対応関係マスタ記憶部に記憶させるとともに、前記対応関係マスタ記憶部から前記他システムが生成した前記対応関係情報を取得して、取得した前記他システムが生成した前記対応関係情報を前記対応関係記憶部に記憶させる共有処理部を備える
ことを特徴とする請求項1から請求項5のいずれか一項に記載のサービス提供システム。 - 前記予測モデル構築部は、所定の条件を満たす場合に、前記予測モデルを再構築する
ことを特徴とする請求項1から請求項6のいずれか一項に記載のサービス提供システム。 - ユーザの状況であるコンテキストを示すラベル情報と、提供するサービスを示すサービス情報とを対応付けて記憶する対応関係記憶部を備えるコンピュータに、
センサが検出した時系列に沿ったセンサ情報を分節化し、各分節の状態量を示すセグメント情報を生成する分節化処理ステップと、
ユーザと対話する対話装置によって取得された前記ユーザの状況であるコンテキストを示すラベル情報と、前記セグメント情報とを対応付けてコンテキスト記憶部に記憶させるラベル付与ステップと、
前記コンテキスト記憶部が記憶する前記ラベル情報と、前記セグメント情報とに基づいて、前記セグメント情報から前記ラベル情報を予測する予測モデルを構築する予測モデル構築ステップと、
前記センサが検出したセンサ情報から前記分節化処理ステップによって生成された前記セグメント情報と、前記予測モデルとに基づいて、前記ラベル情報を予測する予測処理ステップと、
前記予測処理ステップによって予測された前記ラベル情報に対応するサービス情報を前記対応関係記憶部から取得し、取得したサービス情報に対応するサービスを推奨するサービス推奨ステップと
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016136757A JP6749164B2 (ja) | 2016-07-11 | 2016-07-11 | サービス提供システム、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016136757A JP6749164B2 (ja) | 2016-07-11 | 2016-07-11 | サービス提供システム、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018010343A JP2018010343A (ja) | 2018-01-18 |
JP6749164B2 true JP6749164B2 (ja) | 2020-09-02 |
Family
ID=60995476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016136757A Active JP6749164B2 (ja) | 2016-07-11 | 2016-07-11 | サービス提供システム、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6749164B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6896666B2 (ja) * | 2018-03-07 | 2021-06-30 | 株式会社日立ビルシステム | 勤務管理システム及び方法 |
JP7109346B2 (ja) * | 2018-11-29 | 2022-07-29 | 株式会社日立製作所 | 実績データ管理装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4263473B2 (ja) * | 2002-12-26 | 2009-05-13 | Kddi株式会社 | サービス情報提供システム |
JP4821305B2 (ja) * | 2005-12-20 | 2011-11-24 | トヨタ自動車株式会社 | サービス提供システム |
JP5252393B2 (ja) * | 2008-05-13 | 2013-07-31 | 独立行政法人情報通信研究機構 | 動作学習装置 |
JP5336896B2 (ja) * | 2009-03-24 | 2013-11-06 | 株式会社国際電気通信基礎技術研究所 | 対物行動推定装置およびサービス提供システム |
EP2616957A4 (en) * | 2010-09-17 | 2015-10-14 | Nokia Technologies Oy | METHOD AND APPARATUS FOR SEGMENTING CONTEXT INFORMATION |
JP6031735B2 (ja) * | 2011-06-13 | 2016-11-24 | ソニー株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
-
2016
- 2016-07-11 JP JP2016136757A patent/JP6749164B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018010343A (ja) | 2018-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109547814B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
Tao et al. | End-to-end audiovisual speech recognition system with multitask learning | |
JP6386107B2 (ja) | グローバルモデルからの局所化された学習 | |
CN111310019B (zh) | 信息推荐方法、信息处理方法、系统及设备 | |
JP2022504704A (ja) | ターゲット検出方法、モデル訓練方法、装置、機器及びコンピュータプログラム | |
CN110019745A (zh) | 具有自学习自然语言理解的对话系统 | |
CN110288987A (zh) | 用于处理声音数据的系统和控制该系统的方法 | |
JP2021533397A (ja) | 話者埋め込みと訓練された生成モデルとを使用する話者ダイアライゼーション | |
US11238132B2 (en) | Method and system for using existing models in connection with new model development | |
CN104808794A (zh) | 一种唇语输入方法和系统 | |
US11450095B2 (en) | Machine learning for video analysis and feedback | |
CN111489819A (zh) | 检测认知和语言障碍的方法、服务器和计算机可读介质 | |
US10836044B2 (en) | Robot control device and robot control method | |
Zhou et al. | A New Remote Health‐Care System Based on Moving Robot Intended for the Elderly at Home | |
JP6749164B2 (ja) | サービス提供システム、及びプログラム | |
Lin et al. | Looking at the body: Automatic analysis of body gestures and self-adaptors in psychological distress | |
JP6886651B2 (ja) | 行動コマンド生成システム、応答システムおよび行動コマンド生成方法 | |
JP6985230B2 (ja) | 業務分析サーバ、業務分析方法、および業務分析プログラム | |
CN116741154A (zh) | 数据选取方法、装置、电子设备及存储介质 | |
CN112309374B (zh) | 服务报告生成方法、装置和计算机设备 | |
Casillas-Perez et al. | Full body gesture recognition for human-machine interaction in intelligent spaces | |
US11403556B2 (en) | Automated determination of expressions for an interactive social agent | |
KR20240082169A (ko) | 여행 장소 별 여행 감성 특징 결정을 위한 인공지능 모델을 학습시키는 방법 및 전자 장치 | |
JP2024068624A (ja) | 情報処理装置、情報入力支援システム、情報入力支援方法、及びプログラム | |
JP6565084B2 (ja) | 物体認証装置および物体認証方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190521 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200519 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200714 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200811 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6749164 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |