JP6830148B1 - 修正候補特定装置、修正候補特定方法及び修正候補特定プログラム - Google Patents
修正候補特定装置、修正候補特定方法及び修正候補特定プログラム Download PDFInfo
- Publication number
- JP6830148B1 JP6830148B1 JP2019224221A JP2019224221A JP6830148B1 JP 6830148 B1 JP6830148 B1 JP 6830148B1 JP 2019224221 A JP2019224221 A JP 2019224221A JP 2019224221 A JP2019224221 A JP 2019224221A JP 6830148 B1 JP6830148 B1 JP 6830148B1
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- similarity
- word
- sentences
- target
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
特許文献1では、単語の出現頻度に基づき特徴語の集合が抽出される。そして、特徴語に含まれない特異語と特徴語との類似度が計算され、類似度が低い特異語が修正候補として特定される。
この発明は、計算負荷を抑えつつ、適切に修正候補を特定可能にすることを目的とする。
複数の文章から構成されるテキストデータに含まれる単語を抽出する単語抽出部と、
前記複数の文章それぞれを対象文章とし、前記対象文章の前と後との少なくともいずれかの文章を相手文章として、前記単語抽出部によって前記対象文章から抽出された単語と、前記単語抽出部によって前記相手文章から抽出された単語との類似度を時系列類似度として計算する類似度計算部と、
前記複数の文章それぞれを対象文章として、前記対象文章について前記類似度計算部によって計算された前記時系列類似度が第1閾値よりも低い場合に、前記対象文章を修正候補として特定する候補特定部と
を備える。
前記候補特定部は、比較文章から抽出されたどの単語についての前記組合せ類似度も第2閾値よりも低い場合に、前記修正候補から抽出された単語を修正対象として特定する。
前記単語抽出部によって抽出された単語を対象単語として、前記対象単語の意味を表す表現ベクトルを生成するベクトル生成部
を備え、
前記類似度計算部は、前記ベクトル生成部によって生成された前記表現ベクトルを用いて、前記類似度を計算する。
単語抽出部が、複数の文章から構成されるテキストデータに含まれる単語を抽出し、
類似度計算部が、前記複数の文章それぞれを対象文章とし、前記対象文章の前と後との少なくともいずれかの文章を相手文章として、前記対象文章から抽出された単語と、前記相手文章から抽出された単語との類似度を時系列類似度として計算し、
候補特定部が、前記複数の文章それぞれを対象文章として、前記対象文章について計算された前記時系列類似度が第1閾値よりも低い場合に、前記対象文章を修正候補として特定する。
複数の文章から構成されるテキストデータに含まれる単語を抽出する単語抽出処理と、
前記複数の文章それぞれを対象文章とし、前記対象文章の前と後との少なくともいずれかの文章を相手文章として、前記単語抽出処理によって前記対象文章から抽出された単語と、前記単語抽出処理によって前記相手文章から抽出された単語との類似度を時系列類似度として計算する類似度計算処理と、
前記複数の文章それぞれを対象文章として、前記対象文章について前記類似度計算処理によって計算された前記時系列類似度が第1閾値よりも低い場合に、前記対象文章を修正候補として特定する候補特定処理と
を行う修正候補特定装置としてコンピュータを機能させる。
***構成の説明***
図1を参照して、実施の形態1に係る音声認識システム1の構成を説明する。
音声認識システム1は、修正候補特定装置10と、複数の音声収集装置41と、複数の音声認識装置42とを備える。
修正候補特定装置10は、音声認識されたテキストデータにおける修正候補を特定するコンピュータである。修正候補は、音声認識に誤りがある可能性があり、修正が必要と推定される箇所を示す。ここでは、音声認識の誤りは、音声の誤認識と、認識された音声の同音異義語への誤変換との少なくともいずれかである。各音声収集装置41は、音声データを収集する装置である。各音声収集装置41は、具体例としては、マイクロフォンである。各音声認識装置42は、音声認識技術により音声データをテキストデータに変換する装置である。
修正候補特定装置10は、プロセッサ11と、メモリ12と、ストレージ13と、通信インタフェース14とのハードウェアを備える。プロセッサ11は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
ストレージ13には、修正候補特定装置10の各機能構成要素の機能を実現するプログラムが格納されている。このプログラムは、プロセッサ11によりメモリ12に読み込まれ、プロセッサ11によって実行される。これにより、修正候補特定装置10の各機能構成要素の機能が実現される。
図3から図8を参照として、実施の形態1に係る修正候補特定装置10の動作を説明する。
実施の形態1に係る修正候補特定装置10の動作手順は、実施の形態1に係る修正候補特定方法に相当する。また、実施の形態1に係る修正候補特定装置10の動作を実現するプログラムは、実施の形態1に係る修正候補特定プログラムに相当する。
データ取得部21は、各音声収集装置41で収集された音声データが各音声認識装置42によって変換されたテキストデータである部分テキストデータ51を取得する。
具体的には、各音声収集装置41で、その音声収集装置41に割り当てられた人が発話した音声データが収集される。すると、各音声収集装置41で収集された音声が、その音声収集装置41に対応する音声認識装置42で音声データが変換され、部分テキストデータ51が生成される。データ取得部21は、各音声認識装置42で生成された部分テキストデータ51を取得する。
図4に示すように、各部分テキストデータ51は、複数の文章52を含んでいる。発話する間隔が基準時間以上空いた場合に、別の文章52として認識されて、部分テキストデータ51が生成される。各文章52には、発話が開始された時刻が設定される。
単語抽出部22は、ステップS1で取得された各部分テキストデータ51を対象の部分テキストデータ51として、対象の部分テキストデータ51に含まれる単語を抽出する。
具体的には、単語抽出部22は、既存の単語抽出技術を用いて、対象の部分テキストデータ51に含まれる単語を抽出する。具体例としては、単語抽出部22は、対象の部分テキストデータ51について、形態素解析を行い、名詞と動詞と形容詞といった特定の品詞を抽出することにより、対象の部分テキストデータ51に含まれる単語を抽出する。
ベクトル生成部23は、ステップS2で抽出された各単語を対象単語として、対象単語の意味を表す表現ベクトル53を生成する。
具体的には、ベクトル生成部23は、Skip−Gramモデル又はCBoW(Continuous Bag−of−Words)といった技術を用いて、対象単語についての表現ベクトル53を生成する。実施の形態1では、Skip−Gramモデルを用いる場合を例として説明する。
事前準備として、ベクトル生成部23は、部分テキストデータ51に含まれると予想される単語を含む多数の文章のテキストデータをSkip−Gramモデルに与える。例えば、会議の会話の音声データが変換された部分テキストデータ51が取得される場合には、過去の会議の議事録のテキストデータをSkip−Gramモデルに与えることが考えられる。
これにより、Skip−Gramモデルに与えられたテキストデータに含まれる各単語について、その単語の周辺に現れると予測される単語を表すベクトルが生成される。具体的には、図5に示すように、各単語について、その単語の周辺に他の単語が現れる確率を要素として持つベクトルが生成される。なお、図5では、各単語について、3個の要素を持つベクトルが示されている。しかし、実際には、各単語について、数百個といった多数の要素を持つベクトルが生成される。
ここで、類似した単語については、その単語の周辺に現れる単語が類似する。そのため、類似した単語については類似した要素を持つベクトルが生成される。
そして、ステップS2で単語が抽出されると、ベクトル生成部23は、抽出された単語である対象単語についてのベクトルをストレージ13から検索する。ベクトル生成部23は、検索にヒットしたベクトルを、対象単語についての表現ベクトル53に設定する。これにより、対象単語についての表現ベクトル53が生成される。
テキスト合成部24は、ステップS1で取得された各部分テキストデータ51を合成して合成テキストデータ54を生成する。
具体的には、テキスト合成部24は、各部分テキストデータ51に含まれる文章52を時系列に並べて合成することにより、合成テキストデータ54を生成する。具体例としては、図4に示す2人が会話した音声データが変換された2つの部分テキストデータ51を合成する。すると、図6に示すように、会話された順に文章52が並んだ合成テキストデータ54が生成される。合成テキストデータ54の各文章52には、元の部分テキストデータ51を示す元識別子55が付される。図6では、図4の左側の部分テキストデータ51については元識別子として“01”が付され、図4の右側の部分テキストデータ51については元識別子として“02”が付されている。
類似度計算部25は、ステップS4で生成された合成テキストデータ54に含まれる複数の文章52それぞれを対象文章とし、対象文章の前と後との少なくともいずれかの文章52を相手文章として設定する。実施の形態1では、類似度計算部25は、対象文章の前と後とに文章52がある場合には、対象文章の前の文章52と後の文章52とをそれぞれ相手文章として設定する。
そして、類似度計算部25は、ステップS2で対象文章から抽出された単語と、ステップS2で相手文章から抽出された単語との類似度を時系列類似度として計算する。対象文章と相手文章との少なくともいずれかから複数の単語が抽出されている場合には、類似度計算部25は、対象文章から抽出された単語と、相手文章から抽出された単語との各組合せについて類似度を計算する。そして、類似度計算部25は、各組合せについての類似度の平均値又は中央値を時系列類似度として計算する。
そして、ID001の文章52が対象文章である場合には、相手文章であるID002の文章52との時系列類似が次のように計算される。ID001の文章52からは、“A”と“お世話”とが単語として抽出されている。また、ID002の文章52からは、“B”と“お世話”とが単語として抽出されている。そこで、“A”と“B”との組合せと、“A”と“お世話”との組合せと、“お世話”と“B”との組合せと、“お世話”と“お世話”との組合せとの4つの組合せそれぞれについての類似度が計算される。そして、4つの組合せについての類似度の平均値が時系列類似度として計算される。
具体例として“打合せ”という単語と、“会議”という単語との類似度の計算方法を説明する。図5に示すように、“打合せ”という単語の表現ベクトル53の要素は、{0.3,0.2,0.6}である。“会議”という単語の表現ベクトル53の要素は、{0.5,0.1,0.8}である。したがって、類似度は、0.3×0.5+0.2×0.1+0.6×0.8=0.65である。
候補特定部26は、ステップS4で生成された合成テキストデータ54に含まれる複数の文章52それぞれを対象文章として、対象文章についてステップS5で計算された時系列類似度が第1閾値よりも低いか否かを判定する。候補特定部26は、時系列類似度が第1閾値よりも低い場合に、対象文章を修正候補として特定する。候補特定部26は、対象文章の前と後とに文章52がある場合には、前の文章52との時系列類似度と、後の文章52との時系列類似度とのどちらも第1閾値よりも低い場合に、対象文章を修正候補として特定する。
図8に示すように、各文章52について時系列類似度が計算され、第1閾値が0.6である場合には、ID004の文章52が修正候補として特定される。
以上のように、実施の形態1に係る修正候補特定装置10は、時系列に文章52間の類似度を計算して、類似度が低い文章52を修正候補として特定する。これにより、合成テキストデータ54に含まれる全ての単語の出現頻度を求めることなく、修正候補となる文章52を特定可能である。その結果、計算負荷を抑えつつ、適切に修正候補を特定可能になる。
実施の形態1に係る修正候補特定装置10は、時系列に文章52間の類似度を計算することにより、他の部分テキストデータ51における前後の文章52との関係から修正候補が特定される。そのため、人毎に音声収集装置41が設けられているような場合に特に効果を発揮する。
<変形例1>
実施の形態1では、類似度計算部25は、表現ベクトル53の内積を時系列類似度として計算した。しかし、類似度計算部25は、対象文章から抽出された単語についての表現ベクトル53と、相手文章から抽出された単語についての表現ベクトル53とコサイン類似度を時系列類似度として計算してもよい。
図3のステップS3で一部の単語についてのベクトルが記憶されておらず、表現ベクトル53を生成できない可能性がある。表現ベクトル53を生成できない単語がある場合には、その単語を含む文章52を、表現ベクトル53を生成できない単語がある文章52として特定してもよい。
表現ベクトル53を生成できない単語は、誤認識された単語である可能性がある。そのため、表現ベクトル53を生成できない単語がある文章52として特定することにより、適切に修正すべき候補を特定可能である。
実施の形態1では、対象文章の前と後との少なくともいずれかの文章52を相手文章として設定した。相手文章は、対象文章の直前または直後の文章52だけでなく、複数の文章52を相手文章として設定してもよい。例えば対象文章より前にあり、対象文章と異なる元識別子55を有する文章52を相手文章としてもよい。また対象文章より後にあり、対象文章と異なる元識別子55を有する文章52を相手文章としてもよい。
実施の形態1では、各機能構成要素がソフトウェアで実現された。しかし、変形例4として、各機能構成要素はハードウェアで実現されてもよい。この変形例4について、実施の形態1と異なる点を説明する。
各機能構成要素がハードウェアで実現される場合には、修正候補特定装置10は、プロセッサ11とメモリ12とストレージ13とに代えて、電子回路15を備える。電子回路15は、各機能構成要素と、メモリ12と、ストレージ13との機能とを実現する専用の回路である。
各機能構成要素を1つの電子回路15で実現してもよいし、各機能構成要素を複数の電子回路15に分散させて実現してもよい。
変形例5として、一部の各機能構成要素がハードウェアで実現され、他の各機能構成要素がソフトウェアで実現されてもよい。
実施の形態2は、修正候補からさらに修正対象となる箇所を絞り込む点が実施の形態1と異なる。実施の形態2では、この異なる点を説明して、同一の点については説明を省略する。
図10及び図11を参照として、実施の形態2に係る修正候補特定装置10の動作を説明する。
実施の形態2に係る修正候補特定装置10の動作手順は、実施の形態2に係る修正候補特定方法に相当する。また、実施の形態2に係る修正候補特定装置10の動作を実現するプログラムは、実施の形態2に係る修正候補特定プログラムに相当する。
類似度計算部25は、ステップS6で特定された各修正候補を対象の修正候補に設定する。類似度計算部25は、対象の修正候補以外の文章52を比較文章として、対象の修正候補から抽出された単語と、比較文章それぞれから抽出された各単語との間の類似度を組合せ類似度として計算する。対象の修正候補から複数の単語が抽出された場合には、類似度計算部25は、対象の修正候補から抽出された各単語と、比較文章それぞれから抽出された各単語との類似度を組合せ類似度として計算する。
図11に示すように、ID004の文章52が修正候補として特定されたとする。この場合には、類似度計算部25は、ID001,ID002,ID003,ID005,ID006の各文章52を比較文章として設定する。そして、ID004の文章52から抽出された“最近”と“飴”とのそれぞれの単語について、比較文章から抽出された各単語との類似度を組合せ類似度として計算する。なお、類似度計算部25は、ステップS5と同様に、修正候補から抽出された単語についての表現ベクトル53と、比較対象から抽出された単語についての表現ベクトル53とを用いて、類似度を計算する。
候補特定部26は、修正候補から抽出された各単語を対象の単語に設定する。候補特定部26は、比較文章から抽出された各単語について、ステップS7で計算された対象の単語との組合せ類似度が第2閾値よりも低いか否かを判定する。候補特定部26は、比較文章から抽出された全ての単語について、対象の単語との組合せ類似度が第2閾値よりも低い場合に、修正候補から抽出された単語を修正対象として特定する。
以上のように、実施の形態2に係る修正候補特定装置10は、修正候補からさらに修正対象となる箇所を絞り込む。これにより、実施の形態1に比べ、修正作業に係る手間を減らすことが可能である。
このように、実施の形態2に係る修正候補特定装置10は、修正候補の文章52に対して、文章52全体との組み合わせ類似度を計算したうえで、より確度が高い修正候補を特定することができるという効果も奏する。
<変形例6>
図10のステップS8で、候補特定部26は、比較文章から抽出された全ての単語について、対象の単語との組合せ類似度が第2閾値よりも低い単語を、修正対象として特定した。候補特定部26は、比較文章から抽出された全ての単語について対象の単語との組合せ類似度を計算したとき、いずれかの単語との組合せ類似度が第2閾値より高い単語を、修正候補が除外するように動作してもよい。この場合、除外されない単語が修正候補となる。
また候補特定部26は、比較文章から抽出された全ての単語について対象の単語との組合せ類似度を計算し、対象の単語ごとに組合せ類似度の最大値を特定する。この組合せ類似度の最大値が一番低いものを修正候補として特定するように、動作してもよい。あるいは、この組合せ類似度の最大値が高い順から一定量を修正候補から除外するように、動作してもよい。
実施の形態2では、類似度計算部25は、対象の修正候補以外の文章52を比較文章とした。しかし、類似度計算部25は、対象の修正候補以外の文章52のうち、対象の修正候補と異なる元識別子55が付された文章52だけを比較文章としてもよい。
これにより、対象の修正候補の元になった音声データを発話した人とは別の人が発話した音声データから生成された文章52だけが比較文章となる。人によって単語のイントネーションに癖がある場合がある。これが原因となり、同じ人が発話した音声データから生成された文章52には、同じ誤りが含まれる可能性がある。例えば、“あめ(雨)”と発話した場合に、ある人が発話すると何度も“雨”ではなく“飴”と誤認識されてしまう場合がある。
そのため、対象の修正候補の元になった音声データを発話した人の他の文章52を比較文章としてしまうと、比較文章にも同じ誤りが含まれており、適切に修正対象を特定できない可能性がある。これに対して、変形例7に係る方法であれば、適切に修正対象を特定可能になる。
Claims (8)
- 複数の文章から構成されるテキストデータに含まれる単語を抽出する単語抽出部と、
前記複数の文章それぞれを対象文章とし、前記対象文章の前と後との少なくともいずれかの文章を相手文章として、前記単語抽出部によって前記対象文章から抽出された単語と、前記単語抽出部によって前記相手文章から抽出された単語との類似度を時系列類似度として計算する類似度計算部と、
前記複数の文章それぞれを対象文章として、前記対象文章について前記類似度計算部によって計算された前記時系列類似度が第1閾値よりも低い場合に、前記対象文章を修正候補として特定する候補特定部と
を備える修正候補特定装置。 - 前記類似度計算部は、前記候補特定部によって特定された前記修正候補以外の文章を比較文章として、前記修正候補から抽出された単語と、前記比較文章それぞれから抽出された単語との間の類似度を組合せ類似度として計算し、
前記候補特定部は、比較文章から抽出されたどの単語についての前記組合せ類似度も第2閾値よりも低い場合に、前記修正候補から抽出された単語を修正対象として特定する
請求項1に記載の修正候補特定装置。 - 前記テキストデータは、複数の音声収集装置それぞれによって収集された音声データが変換された部分テキストデータを合成することによって生成された
請求項2に記載の修正候補特定装置。 - 前記類似度計算部は、前記修正候補を含む部分テキストデータ以外の部分テキストデータに含まれる文章を前記比較文章として、前記組合せ類似度を計算する
請求項3に記載の修正候補特定装置。 - 前記修正候補特定装置は、さらに、
前記単語抽出部によって抽出された単語を対象単語として、前記対象単語の意味を表す表現ベクトルを生成するベクトル生成部
を備え、
前記類似度計算部は、前記ベクトル生成部によって生成された前記表現ベクトルを用いて、前記類似度を計算する
請求項1から4までのいずれか1項に記載の修正候補特定装置。 - 前記類似度計算部は、一方の文章から抽出された単語についての前記表現ベクトルと、他方の文章から抽出された単語についての前記表現ベクトルとの内積を前記類似度として計算する
請求項5に記載の修正候補特定装置。 - 単語抽出部が、複数の文章から構成されるテキストデータに含まれる単語を抽出し、
類似度計算部が、前記複数の文章それぞれを対象文章とし、前記対象文章の前と後との少なくともいずれかの文章を相手文章として、前記対象文章から抽出された単語と、前記相手文章から抽出された単語との類似度を時系列類似度として計算し、
候補特定部が、前記複数の文章それぞれを対象文章として、前記対象文章について計算された前記時系列類似度が第1閾値よりも低い場合に、前記対象文章を修正候補として特定する修正候補特定方法。 - 複数の文章から構成されるテキストデータに含まれる単語を抽出する単語抽出処理と、
前記複数の文章それぞれを対象文章とし、前記対象文章の前と後との少なくともいずれかの文章を相手文章として、前記単語抽出処理によって前記対象文章から抽出された単語と、前記単語抽出処理によって前記相手文章から抽出された単語との類似度を時系列類似度として計算する類似度計算処理と、
前記複数の文章それぞれを対象文章として、前記対象文章について前記類似度計算処理によって計算された前記時系列類似度が第1閾値よりも低い場合に、前記対象文章を修正候補として特定する候補特定処理と
を行う修正候補特定装置としてコンピュータを機能させる修正候補特定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019224221A JP6830148B1 (ja) | 2019-12-12 | 2019-12-12 | 修正候補特定装置、修正候補特定方法及び修正候補特定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019224221A JP6830148B1 (ja) | 2019-12-12 | 2019-12-12 | 修正候補特定装置、修正候補特定方法及び修正候補特定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6830148B1 true JP6830148B1 (ja) | 2021-02-17 |
JP2021092713A JP2021092713A (ja) | 2021-06-17 |
Family
ID=74562482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019224221A Active JP6830148B1 (ja) | 2019-12-12 | 2019-12-12 | 修正候補特定装置、修正候補特定方法及び修正候補特定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6830148B1 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009187349A (ja) * | 2008-02-07 | 2009-08-20 | Nec Corp | 文章修正支援システム、文章修正支援方法、および文章修正支援用プログラム |
JP2012018201A (ja) * | 2010-07-06 | 2012-01-26 | Hitachi Ltd | テキスト補正方法及び認識方法 |
JP2019138989A (ja) * | 2018-02-08 | 2019-08-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
-
2019
- 2019-12-12 JP JP2019224221A patent/JP6830148B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021092713A (ja) | 2021-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493850B (zh) | 成长型对话装置 | |
CN108766414B (zh) | 用于语音翻译的方法、装置、设备和计算机可读存储介质 | |
EP3994683B1 (en) | Multilingual neural text-to-speech synthesis | |
US8972260B2 (en) | Speech recognition using multiple language models | |
US20150325240A1 (en) | Method and system for speech input | |
CN109686383B (zh) | 一种语音分析方法、装置及存储介质 | |
JP6469252B2 (ja) | アカウント追加方法、端末、サーバ、およびコンピュータ記憶媒体 | |
KR20190082900A (ko) | 음성 인식 방법, 전자 디바이스, 및 컴퓨터 저장 매체 | |
CN110853615B (zh) | 一种数据处理方法、装置及存储介质 | |
US20150179173A1 (en) | Communication support apparatus, communication support method, and computer program product | |
JP2006098993A (ja) | 音声処理装置およびそのためのコンピュータプログラム | |
JP6323947B2 (ja) | 音響イベント認識装置、及びプログラム | |
KR20180121831A (ko) | 흥미 판정 장치, 흥미 판정 방법, 및 기억 매체 | |
JP6873805B2 (ja) | 対話支援システム、対話支援方法、及び対話支援プログラム | |
US20230070000A1 (en) | Speech recognition method and apparatus, device, storage medium, and program product | |
CN112017633B (zh) | 语音识别方法、装置、存储介质及电子设备 | |
KR20240053639A (ko) | 제한된 스펙트럼 클러스터링을 사용한 화자-턴 기반 온라인 화자 구분 | |
CN111415128A (zh) | 控制会议的方法、系统、装置、设备和介质 | |
CN111402892A (zh) | 一种基于语音识别的会议记录模板生成方法 | |
US11893813B2 (en) | Electronic device and control method therefor | |
JP7014142B2 (ja) | キーワード抽出装置、キーワード抽出方法、およびプログラム | |
JP2013050605A (ja) | 言語モデル切替装置およびそのプログラム | |
JP6830148B1 (ja) | 修正候補特定装置、修正候補特定方法及び修正候補特定プログラム | |
CN114203180A (zh) | 会议纪要的生成方法、装置、电子设备及存储介质 | |
CN113051426A (zh) | 音频信息分类方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191212 |
|
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: 20210112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6830148 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |