CN110471538B - 一种输入预测方法及装置 - Google Patents
一种输入预测方法及装置 Download PDFInfo
- Publication number
- CN110471538B CN110471538B CN201810443612.6A CN201810443612A CN110471538B CN 110471538 B CN110471538 B CN 110471538B CN 201810443612 A CN201810443612 A CN 201810443612A CN 110471538 B CN110471538 B CN 110471538B
- Authority
- CN
- China
- Prior art keywords
- input content
- question
- input
- answer
- sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims description 21
- 230000007704 transition Effects 0.000 claims description 19
- 230000000750 progressive effect Effects 0.000 claims description 13
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 16
- 239000013598 vector Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
- G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/02—Input arrangements using manually operated switches, e.g. using keyboards or dials
- G06F3/023—Arrangements for converting discrete items of information into a coded form, e.g. arrangements for interpreting keyboard generated codes as alphanumeric codes, operand codes or instruction codes
- G06F3/0233—Character input methods
- G06F3/0237—Character input methods using prediction or retrieval techniques
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种输入预测方法和装置,所述方法包括:获取第一输入内容以及第二输入内容;确定所述第一输入内容对应的场景类别;根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。本发明实施例可以改善输入预测的准确性,有效提高输入效率。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种输入预测方法及装置。
背景技术
目前,存在一种智能回复方法,可以根据通讯对端发送的上文内容来预测当前通讯终端的用户可能回复的内容,并展示给用户,以便用户可以通过触发操作将预测的内容上屏输出。举例说明,当用户使用购物类应用与卖家沟通时,用户问卖家:“这本书是正版吗?”。卖家回复:“我们的书全部是正版。”。这时,智能回复设备会根据卖家回复的内容预测用户可能的回复作为候选项显示给用户,例如“好的”、“很好”,用户可以直接选择候选项上屏。然而,这种基于通讯对端的上文内容来预测用户可能的输入内容的方式,预测得到的输入内容局限性较强,不能有效预测用户可能输出的内容。
发明内容
本发明实施例提供了一种输入预测方法及装置,旨在解决现有技术存在的输入预测局限性强、不准确的技术问题。
为此,本发明实施例提供如下技术方案:
第一方面,本发明实施例提供了一种输入预测方法,包括:获取第一输入内容以及第二输入内容;确定所述第一输入内容对应的场景类别;根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。
第二方面,本发明实施例提供了一种输入预测装置,包括:接收单元,用于获取第一输入内容以及第二输入内容;获取单元,用于确定所述第一输入内容对应的场景类别;预测单元,用于根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。
第三方面,本发明实施例提供了一种用于输入预测的装置,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
第四方面,本发明实施例提供了一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如第一方面所示的输入预测方法。
本发明实施例提供的输入预测方法及装置,可以获取第一输入内容以及第二输入内容;确定所述第一输入内容对应的场景类别;根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容。由于本发明实施例预先建立了各输入内容的偏序关系,用于描述各输入内容出现的先后顺序,因此可以根据第一输入内容、针对第一输入内容的回复,预测得到用户在第一输入内容之后的输入,以供用户选择。本发明实施例可以有效改善输入预测的准确性,有效提高输入效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,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为本发明一实施例提供的输入预测方法流程图;
图2为本发明一实施例提供的输入预测装置示意图;
图3是根据一示例性实施例示出的一种用于输入预测装置的框图;
图4是根据一示例性实施例示出的服务器的框图;
图5是根据一示例性实施例示出的概率转移有向图。
具体实施方式
本发明实施例提供了一种输入预测方法及装置,可以有效改善输入预测的准确性,有效提高输入效率。
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
首先对本发明的思想进行阐述。发明人在实现本发明的过程中发现,这种基于通讯对端的上文内容来预测用户可能的的输入内容的方案局限性较强。举例说明,若用户使用购物类应用与卖家沟通时,用户问卖家:“这本书是正版吗?”卖家回复:“我们的书全部是正版。”。这时,用户可能期望继续询问:“有货吗”或者“是新书吗?”。但是依据现有的智能回复方法只能给出用户“好的”、“很好”等候选项,并不能有效预测用户可能输入的内容。用户只能手动输入,降低了用户的输入效率。此外,目前还存在一种智能问答***,可以依据用户提出的问题,给出相应的答案。所述智能问答***一般基于知识库构建,所述知识库保存有“问题-答案”对。当用户输入问题后,则可以通过知识库的查询,得到对应的答案。举例说明,当用户输入“2022年的冬奥会的举办地点是?”,自动问答***会回复“中国北京和张家口”。然而,现有的自动问答***一般是基于问题给出预设的与问题匹配的答案,并不能够实现基于用户提出的问题以及对方的回复预测得到与该用户的输入场景匹配的递进问题,也无法提供递进问题的候选项,方便用户输入该递进问题。在一个应用场景中,本发明实施例可以解决现有技术存在的输入预测局限性强、不准确的技术问题,通过用户的输入问题、输入场景预测得到用户进一步输入的问题,以提高输入预测的准确性,提高用户输入效率。
下面将结合附图1至附图2对本发明示例性实施例示出的输入预测方法进行介绍。
参见图1,为本发明一实施例提供的输入预测方法流程图。如图1所示,可以包括:
S101,获取第一输入内容以及第二输入内容。
具体实现时,所述第一输入内容具体为第一问题,所述第二输入内容具体为针对所述第一问题的答复。举例说明,第一用户与第二用户使用即时通讯工具聊天,第一用户输入第一输入内容为:“这本书是否为正版?”。第二用户输入第二输入内容为:“是正版。”。本发明实施例可以根据获取的第一输入内容、第二输入内容预测得到第一用户即将输入的第三输入内容。需要说明的是,在本发明实施例具体实现时,也可以基于之前出现的多个问题以及回答,预测得到第三输入内容。也就是说,第一输入内容具体可以是一个或多个问题,第二输入内容具体可以是针对该一个或多个问题的答复。举例说明,在购物场景下,用户可能提出的问题包括:“是正版吗?”、“有货吗?”、“包邮吗?”、“当天能发货吗?”等等。若用户已经输入了“是正版吗?”,对方回复“是的。”用户继续输入“有货吗?”,对方回答:“有货”。这时,可以基于用户输入的前两个问题以及针对该问题的肯定回答,预测得到用户将来可能输入:“包邮吗?”。
S102,确定所述第一输入内容对应的场景类别。
需要说明的是,在本发明具体实现时,可以预先建立问答语句与场景类别的对应关系以及各问答语句的偏序关系。具体地,可以获取问答语句,对所述问答语句进行场景聚类处理,保存所述问答语句与场景类别的对应关系;所述问答语句包括问题和/或答复。然后,获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。
举例说明,可以根据用户历史输入数据收集问答语句,并根据场景进行聚类,建立问答语句与场景类别的对应关系。需要说明的是,所述场景类别可以包括应用程序类别,和/或,话题类别。在收集到问答语句语料后,可以统计各问题的类型。由于应用程序类型不同,用户可能输入的问答语句也是不同的,因此,可以根据应用程序类型对收集到的问答语句进行分类。举例说明,应用程序类型可以包括购物、社交、音乐、文学等,可以预先设置应用程序的类型。同一应用程序出现的问答语句被认为属于同一应用程序类型。具体实现时,可以对常见的应用程序进行归类,确定其应用程序类型。举例说明,QQ、微信等均属于社交类应用程序;淘宝、微店属于购物类应用程序。例如,在购物类应用程序中,一般会出现问题:“是正品吗”、“有大号吗?”、“包邮吗?”、“几天能到?”,那么这些问题就会被归类到购物类应用程序。
此外,由于同一应用程序下用户可能会讨论多种话题,如购物类应用中可能讨论书籍类型问题、服装类型问题等多种类型的话题。而不同的话题类型,对应的输入内容也可能不同。具体实现时,可以预先定义话题类型,然后采用训练好的话题分类模型对数据进行话题类型分类。举例说明,对应购物类应用程序可能出现问题A:“是正版吗?”;问题B:“是新书吗?”;问题C:“有大号吗?”;问题D:“有红色吗?”。其中,问题A和问题B属于书籍类型、问题C和问题D属于服装类型。
在确定问答语句的应用场景类别后,还可以获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。所述偏序关系用于描述各输入内容(例如问答语句)出现的先后顺序。举例说明,用户在询问问题时,问题之间一般具有递进关系,也就是说,问题出现的先后顺序具有一定的规律。举例说明,在购物时,一般的提问题的顺序为:是正品吗?->有XL号吗?->包邮吗?->几天能到。因此,可以根据用户输入的问题的先后顺序建立问答语句的偏序关系。此外,当用户在某通讯环境下输入时,基于用户上一个问题与对方的肯定或否定回答来建立问答语句的偏移关系拓扑图。
具体地,可以根据对问答语句语料的统计分析,建立如下场景分类以及偏序关系。
问题11应用程序类型1话题类型1
问题12应用程序类型1话题类型1上一问题答复情况
问题13应用程序类型1话题类型1上一问题答复情况
……
问题1k应用程序类型1话题类型1上一问题答复情况
……
问题C1应用程序类型C话题类型t
问题C2应用程序类型C话题类型t上一问题答复情况
....
问题CK应用程序类型C话题类型t上一问题答复情况
需要说明的是,用户在输入一个问题后,根据对方回复的不同,输入的下一个问题往往存在区别。举例说明,当用户输入问题“包邮吗?”,若对方是肯定回答:“是的,包邮。”,那么用户可能进一步输入问题:“几天能到?”。若对方为否定答复:“不包邮。”,用户可能就不会输入问题:“几天能到?”,而是输入问题:“有优惠券吗?”。因此,在对问答语句分类后,对应同一应用场景下的问答语句,即根据问题以及针对该问题的答复可以建立偏序关系拓扑图。需要说明的是,若在同一应用场景类型下,问题q1出现在问题q2前的概率大于第一设定阈值,认为问题q2是q1的递进问题。换句话说,若问题q2出现在问题q1之后的概率大于第二设定阈值,则认为问题q2的偏序关系大于问题q1。
需要说明的是,在一些实施方式中,还可以根据问答语句的偏序关系建立概率转移有向图来描述各问答语句的关系。如图5所示,当存在多个问题时,可以根据多个问题的出现顺序以及问题A出现在问题B之前或之后的概率,建立概率转移有向图。如图5所示,图中各问题均可以视为一个节点,节点间的有向边用于描述节点的先后顺序或者转移方向。有向边上的数值用于表明概率值。例如,问题A和问题B之间存在的箭头及数字,用于表明问题B出现在问题A之后的概率为0.5。或者说,出现问题A之后,转移到问题B的概率为0.5。具体实现时,可以通过查询该概率转移有向图,确定概率大于设定阈值的问题或者概率值从大到小排序、排在前N位的N个问题。需要说明的是,图5所示概率转移有向图仅描述了部分节点之间的转移关系,仅为示例性说明,不视为对本发明的限制。
当获取了第一输入内容和第二输入内容后,即可以根据预先建立的问答语句与场景分类的对应关系,获取第一输入内容对应的场景类别。具体实现时,所述确定所述第一输入内容对应的场景类别包括:获取与第一输入内容匹配的问答语句;根据所述问答语句与场景类别的对应关系,确定第一输入内容的场景类别。在获取与第一输入内容匹配的问答语句时,可以基于内容进行比较,也可以基于相似度进行比较。举例说明,可以将用户输入的问题与问答语句库中的问题进行比对,比较二者的相似度,当相似度大于第一阈值时,确定二者匹配。需要说明的是,相似度比较的方式可以是非常灵活多样的,可以采用词袋(英文全称为Bag of Words,英文简称为BoW)模型、神经网络相似度计算、向量相似度比较等方式。下面以向量相似度比较为例进行说明。具体地,可以计算各语句的向量表示,然后计算向量之间的相似度,当相似度大于一定阈值时,认为是同一问题。基于向量表示的相似度可以使用如下方法,如对语句进行分词,然后查询每个词条的向量表示,将语句中词条的向量求和取均值。例如:用户输入的问题A为:“这本资料包邮吗?”,预先建立的问答语句库中存在问题B:“这本书包邮吗?”。首先对两个问题进行分词处理:“这本/书/包邮/吗/?”,“这本/资料/包邮/吗/?”。然后,查询各词条的词向量,计算出上述两语句的向量表示,例如词向量用50维浮点数表示。计算两个语句向量之间的相似度,可通过计算两个向量的夹角的余弦值来表示。
在一些实施方式中,,所述确定所述第一输入内容对应的场景类别包括:确定所述第一输入内容对应的应用程序的类别;和/或,确定所述第一输入内容对应的话题的类别。举例说明,在获取与第一输入内容匹配的问答语句后,即可以获取该问答语句对应的应用程序的类别,和/或,话题类别。例如,用户输入的问题A为:“这本资料包邮吗?”,与之匹配的问答语句为:“这本书包邮吗?”,对应的场景类别为:购物类应用程序、书籍话题类别。
S103,根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。
在一些实施方式中,所述根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与第一输入内容的偏序关系符合预设条件的第三输入内容包括:获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、偏序关系大于所述第一输入内容的输入内容,作为第三输入内容;其中,所述第二输入内容的类型不同,获取的第三输入内容不同。其中,所述偏序关系大于所述第一输入内容的输入内容具体为:所述输入内容出现在所述第一输入内容之后的概率大于设定阈值。
前面提到,在同一应用场景类型下,若问题q2出现在问题q1之后的概率大于第二设定阈值,则认为问题q2的偏序关系大于问题q1。此外,第二输入内容的类型也会影响第三输入内容的确定。一般地,第二输入内容的类型不同,获取的第三输入内容不同。举例说明,第二输入内容的类型可以是肯定答复或者否定答复。根据第二内容的类型是肯定类型或者否定类型的不同,可以确定不同的第三输入内容。当然,第二输入内容的类型也可以是其他类型。
以第一用户和第二用户使用即时通讯软件聊天为例说明。具体实现时,可以获取用户输入的上一个问题内容,以及对方对上一个问题的答复情况,并结合当前应用程序类型以及使用训练好的话题分类模型对上一问题的进行话题类型分类,查询预先构建的问题数据库,将偏序关系大于上一问题的N个问题作为下一步用户可能提问的问题。举一个实例说明,当第一用户在应用程序A问卖家“这本书是否是正版”,卖家回复“是正版。”。这时,可以获取第一用户使用的应用程序A的类型为购物类应用程序。对其话题进行分类,得到话题类型为图书购物类。基于用户输入的问题以及对方针对该问题的肯定回答,查询同一场景类别下偏序关系大于当前问题的K个问题。将该K个递进问题作为第三输入内容,提示给用户,以便用户选择,进行进一步地咨询。又举例说明,用户A输入问题1:“包邮吗?”,对方回答:“是的,包邮。”这时,确定问题1的场景类别为购物类。对应肯定回答类型,在购物类场景下在问题1出现后,接下来可能出现的问题分别是:“几天能到?”、“现在能发货吗?”等,这时,可以将同一类别下偏序关系大于当前问题的K个问题确定为第三输入内容。若用户A输入问题1:“包邮吗?”,对方回答:“不包邮。”,那么,对应问题1以及否定回答类型,在购物类场景下在问题1出现后,接下来可能出现的问题则为:“有优惠券吗?”、“可以打折吗?”等。由此可见,对应不同的答复类型,由此确定的第三输入内容可能不同。
在本发明实施例中,可以预先构建问答语句库,建立问答语句与应用场景类别的关系。根据同一应用场景类别下,问答语句的出现顺序,构建问答语句的偏序关系。在接收到输入内容时,可以根据用户的输入内容以及针对该输入内容的答复、所述场景类别、偏序关系,获取偏序关系符合预设条件的第三输入内容,并提示给用户,从而使得用户可以快速地获取候选项,实现快捷输入,提高用户的输入效率。
参见图2,为本发明一实施例提供的输入预测装置示意图。
一种输入预测装置200,包括:
获取单元201,用于获取第一输入内容以及第二输入内容。其中,所述获取单元201的具体实现可以参照图1所示实施例的步骤101而实现。
确定单元202,用于确定所述第一输入内容对应的场景类别。其中,所述确定单元202的具体实现可以参照图1所示实施例的步骤102而实现。
预测单元203,用于根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。其中,所述确定单元203的具体实现可以参照图1所示实施例的步骤103而实现。
在一些实施方式中,所述装置还包括:
聚类处理单元,用于获取问答语句,对所述问答语句进行场景聚类处理,保存所述问答语句与场景类别的对应关系;所述问答语句包括问题和/或答复;
偏序关系建立单元,用于获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。
在一些实施方式中,所述确定单元具体用于:获取与第一输入内容匹配的问答语句;根据所述问答语句与场景类别的对应关系,确定第一输入内容的场景类别。
在一些实施方式中,所述确定单元具体包括:
第一确定子单元,用于确定所述第一输入内容对应的应用程序的类别;和/或,
第二确定子单元,用于确定所述第一输入内容对应的话题的类别。
在一些实施方式中,所述预测单元具体用于:获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、偏序关系大于所述第一输入内容的输入内容,作为第三输入内容;其中,所述第二输入内容的类型不同,获取的第三输入内容不同。
在一些实施方式中,所述预测单元具体用于:获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、出现在所述第一输入内容之后的概率大于设定阈值的输入内容,作为第三输入内容。
在一些实施方式中,其中,本发明装置各单元或模块的设置可以参照图1所示的方法而实现,在此不赘述。
参见图3,为根据一示例性实施例示出的一种用于输入预测装置的框图。参见图3,为根据一示例性实施例示出的一种用于输入预测装置的框图。例如,装置300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图3,装置300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,输入/输出(I/O)的接口312,传感器组件314,以及通信组件316。
处理组件302通常控制装置300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理部件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在设备300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件306为装置300的各种组件提供电力。电源组件306可以包括电源管理***,一个或多个电源,及其他与为装置300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当设备300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当装置300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为装置300提供各个方面的状态评估。例如,传感器组件314可以检测到设备300的打开/关闭状态,组件的相对定位,例如所述组件为装置300的显示器和小键盘,传感器组件314还可以检测装置300或装置300一个组件的位置改变,用户与装置300接触的存在或不存在,装置300方位或加速/减速和装置300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件314经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件314还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
具体地,本发明实施例提供了一种输入预测装置300,包括有存储器304,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器304中,且经配置以由一个或者一个以上处理器320执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取第一输入内容以及第二输入内容;确定所述第一输入内容对应的场景类别;根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。
进一步地,所述处理器320具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取问答语句,对所述问答语句进行场景聚类处理,保存所述问答语句与场景类别的对应关系;所述问答语句包括问题和/或答复;获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。
进一步地,所述处理器320具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取与第一输入内容匹配的问答语句;根据所述问答语句与场景类别的对应关系,确定第一输入内容的场景类别。
进一步地,所述处理器320具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:确定所述第一输入内容对应的应用程序的类别;和/或,确定所述第一输入内容对应的话题的类别。
进一步地,所述处理器320具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、偏序关系大于所述第一输入内容的输入内容,作为第三输入内容;其中,所述第二输入内容的类型不同,获取的第三输入内容不同。
进一步地,所述处理器320具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、出现在所述第一输入内容之后的概率大于设定阈值的输入内容,作为第三输入内容。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由装置300的处理器320执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种机器可读介质,例如该机器可读介质可以为非临时性计算机可读存储介质,当所述介质中的指令由装置(终端或者服务器)的处理器执行时,使得装置能够执行一种输入预测方法,所述方法包括:获取第一输入内容以及第二输入内容;确定所述第一输入内容对应的场景类别;根据所述第一输入内容、所述场景类别以及所述第二输入内容,预测得到与所述第一输入内容的偏序关系符合预设条件的第三输入内容;其中,所述偏序关系用于描述各输入内容出现的先后顺序。
图4是本发明实施例中服务器的结构示意图。该服务器400可因配置或性能不同而产生比较大的差异,可以包括一个或一个以***处理器(central processing units,CPU)422(例如,一个或一个以上处理器)和存储器432,一个或一个以上存储应用程序442或数据444的存储介质430(例如一个或一个以上海量存储设备)。其中,存储器432和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器422可以设置为与存储介质430通信,在服务器400上执行存储介质430中的一系列指令操作。
服务器400还可以包括一个或一个以上电源426,一个或一个以上有线或无线网络接口440,一个或一个以上输入输出接口448,一个或一个以上键盘446,和/或,一个或一个以上操作***441,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
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“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。以上所述仅是本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种输入预测方法,其特征在于,包括:
获取第一输入内容以及第二输入内容;所述第一输入内容为第一问题,所述第二输入内容为针对所述第一问题的答复;
确定所述第一输入内容对应的场景类别;
获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、偏序关系大于所述第一输入内容的输入内容,作为第三输入内容;其中,所述第二输入内容的类型不同,获取的第三输入内容不同;其中,所述偏序关系用于描述各输入内容出现的先后顺序;所述第二输入内容的类型为肯定类型或否定类型;所述第三输入内容为所述第一输入内容的递进问题;
所述偏序关系的确定方式包括:对问答语句语料进行统计分析,获取同一场景类别下问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系;所述问答语句出现的先后顺序是根据所述问答语句语料中问题之间的递进关系确定的;
所述各问答语句的偏序关系还用于建立概率转移有向图,所述概率转移有向图中的节点用于表示问题,节点间的有向边用于描述节点的先后顺序或者转移方向,所述有向边上的数值用于表示节点之间的转移概率;所述第三输入内容包括:出现在所述第一输入内容之后的概率大于设定阈值的输入内容,或者,出现在所述第一输入内容之后的概率从大到小排序后排在前N位的N个输入内容。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取问答语句,对所述问答语句进行场景聚类处理,保存所述问答语句与场景类别的对应关系;所述问答语句包括问题和/或答复;
获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述第一输入内容对应的场景类别包括:
获取与第一输入内容匹配的问答语句;
根据所述问答语句与场景类别的对应关系,确定第一输入内容的场景类别。
4.根据权利要求1或2所述的方法,其特征在于,所述确定所述第一输入内容对应的场景类别包括:
确定所述第一输入内容对应的应用程序的类别;和/或,
确定所述第一输入内容对应的话题的类别。
5.一种输入预测装置,其特征在于,包括:
获取单元,用于获取第一输入内容以及第二输入内容;所述第一输入内容为第一问题,所述第二输入内容为针对所述第一问题的答复;
确定单元,用于确定所述第一输入内容对应的场景类别;
预测单元,用于获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、偏序关系大于所述第一输入内容的输入内容,作为第三输入内容;其中,所述第二输入内容的类型不同,获取的第三输入内容不同;其中,所述偏序关系用于描述各输入内容出现的先后顺序;所述第二输入内容的类型为肯定类型或否定类型;所述第三输入内容为所述第一输入内容的递进问题;
所述偏序关系的确定方式包括:对问答语句语料进行统计分析,获取同一场景类别下问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系;所述问答语句出现的先后顺序是根据所述问答语句语料中问题之间的递进关系确定的;
所述各问答语句的偏序关系还用于建立概率转移有向图,所述概率转移有向图中的节点用于表示问题,节点间的有向边用于描述节点的先后顺序或者转移方向,所述有向边上的数值用于表示节点之间的转移概率;所述第三输入内容包括:出现在所述第一输入内容之后的概率大于设定阈值的输入内容,或者,出现在所述第一输入内容之后的概率从大到小排序后排在前N位的N个输入内容。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
聚类处理单元,用于获取问答语句,对所述问答语句进行场景聚类处理,保存所述问答语句与场景类别的对应关系;所述问答语句包括问题和/或答复;
偏序关系建立单元,用于获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。
7.根据权利要求5或6所述的装置,其特征在于,所述确定单元具体用于:获取与第一输入内容匹配的问答语句;根据所述问答语句与场景类别的对应关系,确定第一输入内容的场景类别。
8.根据权利要求5或6所述的装置,其特征在于,所述确定单元具体包括:
第一确定子单元,用于确定所述第一输入内容对应的应用程序的类别;和/或,
第二确定子单元,用于确定所述第一输入内容对应的话题的类别。
9.一种用于输入预测的装置,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取第一输入内容以及第二输入内容;所述第一输入内容为第一问题,所述第二输入内容为针对所述第一问题的答复;
确定所述第一输入内容对应的场景类别;
获取第二输入内容的类型,根据所述第二输入内容的类型获得在所述场景类别下、偏序关系大于所述第一输入内容的输入内容,作为第三输入内容;其中,所述第二输入内容的类型不同,获取的第三输入内容不同;其中,所述偏序关系用于描述各输入内容出现的先后顺序;所述第二输入内容的类型为肯定类型或否定类型;所述第三输入内容为所述第一输入内容的递进问题;
所述偏序关系的确定方式包括:对问答语句语料进行统计分析,获取同一场景类别下问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系;所述问答语句出现的先后顺序是根据所述问答语句语料中问题之间的递进关系确定的;
所述各问答语句的偏序关系还用于建立概率转移有向图,所述概率转移有向图中的节点用于表示问题,节点间的有向边用于描述节点的先后顺序或者转移方向,所述有向边上的数值用于表示节点之间的转移概率;所述第三输入内容包括:出现在所述第一输入内容之后的概率大于设定阈值的输入内容,或者,出现在所述第一输入内容之后的概率从大到小排序后排在前N位的N个输入内容。
10.根据权利要求9所述的装置,其特征在于,所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取问答语句,对所述问答语句进行场景聚类处理,保存所述问答语句与场景类别的对应关系;所述问答语句包括问题和/或答复;获取同一场景类别下的问答语句出现的先后顺序,根据所述问答语句出现的先后顺序建立各问答语句的偏序关系。
11.根据权利要求9或10所述的装置,其特征在于,所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:获取与第一输入内容匹配的问答语句;根据所述问答语句与场景类别的对应关系,确定第一输入内容的场景类别。
12.根据权利要求9或10所述的装置,其特征在于,所述处理器具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令:确定所述第一输入内容对应的应用程序的类别;和/或,确定所述第一输入内容对应的话题的类别。
13.一种机器可读介质,其特征在于,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求1至4中一个或多个所述的输入预测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443612.6A CN110471538B (zh) | 2018-05-10 | 2018-05-10 | 一种输入预测方法及装置 |
PCT/CN2018/121233 WO2019214234A1 (zh) | 2018-05-10 | 2018-12-14 | 一种输入预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810443612.6A CN110471538B (zh) | 2018-05-10 | 2018-05-10 | 一种输入预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110471538A CN110471538A (zh) | 2019-11-19 |
CN110471538B true CN110471538B (zh) | 2023-11-03 |
Family
ID=68467768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810443612.6A Active CN110471538B (zh) | 2018-05-10 | 2018-05-10 | 一种输入预测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110471538B (zh) |
WO (1) | WO2019214234A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111339280A (zh) * | 2020-03-23 | 2020-06-26 | 上海奔影网络科技有限公司 | 问答语句处理方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2813393A1 (en) * | 2012-04-30 | 2013-10-30 | Research In Motion Limited | Touchscreen keyboard providing word predictions at locations in association with candidate letters |
CN103853842A (zh) * | 2014-03-20 | 2014-06-11 | 百度在线网络技术(北京)有限公司 | 一种自动问答方法和*** |
CN104102720A (zh) * | 2014-07-18 | 2014-10-15 | 上海触乐信息科技有限公司 | 高效输入的预测方法和装置 |
CN104268182A (zh) * | 2014-09-16 | 2015-01-07 | 百度在线网络技术(北京)有限公司 | 候选字排序方法、装置和文字输入方法、设备 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
CN105094357A (zh) * | 2014-05-15 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种输入方法、装置及电子设备 |
CN105912138A (zh) * | 2016-04-06 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 一种短语的输入方法及装置 |
CN107168546A (zh) * | 2017-03-27 | 2017-09-15 | 上海奔影网络科技有限公司 | 输入提示方法及装置 |
CN107479726A (zh) * | 2017-09-27 | 2017-12-15 | 联想(北京)有限公司 | 一种信息输入方法及电子设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105989040B (zh) * | 2015-02-03 | 2021-02-09 | 创新先进技术有限公司 | 智能问答的方法、装置及*** |
CN106774969B (zh) * | 2015-11-20 | 2021-12-14 | 北京搜狗科技发展有限公司 | 一种输入方法和装置 |
CN106469212B (zh) * | 2016-09-05 | 2019-10-15 | 北京百度网讯科技有限公司 | 基于人工智能的人机交互方法和装置 |
CN107193883B (zh) * | 2017-04-27 | 2020-06-02 | 北京拓尔思信息技术股份有限公司 | 一种数据处理方法和*** |
-
2018
- 2018-05-10 CN CN201810443612.6A patent/CN110471538B/zh active Active
- 2018-12-14 WO PCT/CN2018/121233 patent/WO2019214234A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2813393A1 (en) * | 2012-04-30 | 2013-10-30 | Research In Motion Limited | Touchscreen keyboard providing word predictions at locations in association with candidate letters |
CN103853842A (zh) * | 2014-03-20 | 2014-06-11 | 百度在线网络技术(北京)有限公司 | 一种自动问答方法和*** |
CN105094357A (zh) * | 2014-05-15 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种输入方法、装置及电子设备 |
CN104102720A (zh) * | 2014-07-18 | 2014-10-15 | 上海触乐信息科技有限公司 | 高效输入的预测方法和装置 |
CN104268182A (zh) * | 2014-09-16 | 2015-01-07 | 百度在线网络技术(北京)有限公司 | 候选字排序方法、装置和文字输入方法、设备 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
CN105912138A (zh) * | 2016-04-06 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 一种短语的输入方法及装置 |
CN107168546A (zh) * | 2017-03-27 | 2017-09-15 | 上海奔影网络科技有限公司 | 输入提示方法及装置 |
CN107479726A (zh) * | 2017-09-27 | 2017-12-15 | 联想(北京)有限公司 | 一种信息输入方法及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2019214234A1 (zh) | 2019-11-14 |
CN110471538A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN109089133B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
CN109243430B (zh) | 一种语音识别方法及装置 | |
CN108073303B (zh) | 一种输入方法、装置及电子设备 | |
CN105528403B (zh) | 目标数据识别方法及装置 | |
US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
CN112784142A (zh) | 一种信息推荐方法及装置 | |
CN110019885B (zh) | 一种表情数据推荐方法及装置 | |
CN109521888B (zh) | 一种输入方法、装置和介质 | |
CN113609380B (zh) | 标签体系更新方法、搜索方法、装置以及电子设备 | |
CN111797746B (zh) | 人脸识别方法、装置及计算机可读存储介质 | |
CN111368161A (zh) | 一种搜索意图的识别方法、意图识别模型训练方法和装置 | |
CN110471538B (zh) | 一种输入预测方法及装置 | |
CN110147426B (zh) | 一种查询文本的分类标签确定方法及相关装置 | |
CN109901726B (zh) | 一种候选词生成方法、装置及用于候选词生成的装置 | |
CN110895558B (zh) | 一种对话回复的方法及相关装置 | |
CN107515853B (zh) | 一种细胞词库推送方法及装置 | |
CN110020153B (zh) | 一种搜索方法及装置 | |
CN113807540A (zh) | 一种数据处理方法及装置 | |
CN110069669B (zh) | 一种关键词标记方法和装置 | |
CN110362686B (zh) | 一种词库的生成方法、装置、终端设备和服务器 | |
CN109144286B (zh) | 一种输入方法及装置 | |
CN109729215B (zh) | 一种通讯录的处理方法和装置 | |
CN109032374B (zh) | 一种用于输入法的候选展示方法、装置、介质及设备 | |
CN107688400B (zh) | 一种输入纠错方法和装置、一种用于输入纠错的装置 |
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 |