JP7096199B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP7096199B2 JP7096199B2 JP2019092572A JP2019092572A JP7096199B2 JP 7096199 B2 JP7096199 B2 JP 7096199B2 JP 2019092572 A JP2019092572 A JP 2019092572A JP 2019092572 A JP2019092572 A JP 2019092572A JP 7096199 B2 JP7096199 B2 JP 7096199B2
- Authority
- JP
- Japan
- Prior art keywords
- sentence
- word
- index value
- vector
- 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
- 230000010365 information processing Effects 0.000 title claims description 60
- 238000003672 processing method Methods 0.000 title claims description 6
- 239000013598 vector Substances 0.000 claims description 222
- 238000004458 analytical method Methods 0.000 claims description 97
- 238000006243 chemical reaction Methods 0.000 claims description 73
- 238000012545 processing Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 34
- 238000009795 derivation Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 30
- 238000000605 extraction Methods 0.000 description 49
- 238000004364 calculation method Methods 0.000 description 47
- 238000012821 model calculation Methods 0.000 description 25
- 238000011156 evaluation Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000000877 morphologic effect Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
Description
情報処理装置は、一以上のプロセッサにより実現される。情報処理装置は、利用者の発した音声を収録した音声データを受信し、受信した入力データの音声認識処理を行い、認識の結果に基づいて種々の処理を行う装置(以下、「端末装置」と称する)に対して、言語モデルを提供するための装置である。種々の処理としては、音声を発した利用者の意図に沿ったIoT(Internet of Things)機器の制御を行うこと、利用者の質問に対して応答することなどがある。
図3~図5は、音響モデルおよび言語モデルにより実現される、WFST(Weighted Finite-state Transducer;重みつき有限状態トランスデューサ)について説明するための図である。WFSTとは、入力データを「変換候補」と「その変換候補の確からしさの推定値」に変換する機構の一例である。
図6は、情報処理装置100の構成図である。情報処理装置100は、例えば、取得部102と、解析部104と、頻出性計算部106と、希少性計算部108と、W2V(Word2Vec)実行部110と、ベクトル変換部112と、選択部114と、言語モデル演算部116と、指令出力部118と、記憶部120とを備える。これらの構成要素(記憶部120を除く)は、例えば、CPU(Central Processing Unit)などのハードウェアプロセッサがプログラム(ソフトウェア)を実行することにより実現される。
図7は、W2V実行部110によるベクトル変換処理を説明するための図である。
図8は、文ベクトルについて説明するための図である。
選択部114は、言語モデル演算部116により出力された抽出対象テキストを評価値に基づいて評価することで、利用者の入力意図が反映された可能性の高い好適候補を選択する。選択部114は、選択結果である好適候補を言語モデル演算部116に出力する。
以下、タスクテキストについて説明する。情報処理装置100の管理者は、例えば、端末装置20の過去の音声入力履歴や、情報処理装置100の処理履歴に基づいて、言語モデル120bが生成される過程において選択部114が評価基準として参照するタスクテキストI2を抽出する。
選択部114は、上述のような「タスクに近い」テキストであるか否かの判定要素として、tf-idf値を用いる。
図13は、ベクトル変換部112により導出されたtf-idf値の一例を示す図である。
以下、信頼度導出部114aの信頼度導出処理についてより具体的に説明する。信頼度とは、音声認識結果の信頼性を評価する度合を0から1.0の間の数値で示すものであって、認識結果をどれだけ信頼してよいかを表す尺度である。
以下、テキストの意味内容の類似評価方法について説明する。
以下、情報処理装置100による言語モデル120bの生成処理について説明する。情報処理装置100は、例えば、コーパスI1の種別毎に言語モデル120bを生成する。また、情報処理装置100の管理者により、定期的に言語モデル演算用テキスト120hの変更・更新が行われてもよく、例えば、言語モデル演算用テキスト120hの変更・更新のタイミングで言語モデル120bの再生成が行われる。
図18は、情報処理装置100による音声認識処理の流れの一例を示すフローチャートである。
言語モデル生成部116aの生成する言語モデル120bは、固定の単語に特化した言語モデルであってもよい。「固定の単語に特化」とは、例えば、入力される言語に必ず固定の単語(上述の例における「天気」や「温泉」、「野球」など)、または固定の単語と同一または類似の単語が含まれ、固定の単語に関する処理のみを想定することである。
Claims (11)
- 音声データを取得する取得部と、
前記音声データを解析してテキストに変換する解析部と、
前記解析部による解析結果のテキストに含まれる複数の第1ワードのそれぞれについて、前記テキストに含まれ且つ前記第1ワードが含まれる被解析文の中における前記第1ワードの頻出性と、ライブラリ情報に含まれる文に対する前記第1ワードの希少性とを評価した第1指標値を導出して前記被解析文に対応付けることを行う指標値導出部と、
前記解析部により解析された文を分散表現によるベクトル値に変換するベクトル変換部と、
前記指標値導出部により導出された前記第1指標値と、前記ベクトル変換部による変換結果とに基づいて、前記被解析文から一部の文を選択する選択部と、
意味合いが既知であり且つ前記ベクトル値が求められている教師文のうち、前記選択部により選択された選択文とベクトル値が近い教師文の意味合いを、前記選択文の意味合いとして対応付けたデータを生成する生成部と、
を備え、
前記指標値導出部は、前記ライブラリ情報に含まれる複数の第2ワードのそれぞれについて、前記ライブラリ情報に含まれ且つ前記第2ワードが含まれる着目文の中における前記第2ワードの頻出性と、前記ライブラリ情報に含まれる前記着目文以外の文に対する前記第2ワードの希少性とを評価した第2指標値を導出して前記着目文に対応付けることをさらに行い、
前記選択部は、前記指標値導出部により導出された前記第1指標値または第2指標値のうち少なくとも一方と、前記ベクトル変換部による変換結果とに基づいて、前記被解析文または前記着目文から一部の文を選択し、
前記指標値導出部は、
前記第1指標値のみ導出する場合、前記第1ワードを固定して処理を行い、
前記第2指標値のみ導出する場合、前記第2ワードを固定して処理を行い、
前記第1指標値および前記第2指標値を導出する場合、前記第1ワードおよび前記第2ワードを同じワードに固定して処理を行い、
前記生成部は、前記固定したワードごとに前記対応付けたデータを生成する、
情報処理装置。 - 音声データを取得する取得部と、
前記音声データを解析してテキストに変換する解析部と、
前記解析部による解析結果のテキストに含まれる複数の第1ワードのそれぞれについて、前記テキストに含まれ且つ前記第1ワードが含まれる被解析文の中における前記第1ワードの頻出性と、ライブラリ情報に含まれる文に対する前記第1ワードの希少性とを評価した第1指標値を導出して前記被解析文に対応付けることを行う指標値導出部と、
前記解析部により解析された文を分散表現によるベクトル値に変換するベクトル変換部と、
前記指標値導出部により導出された前記第1指標値と、前記ベクトル変換部による変換結果とに基づいて、前記被解析文から一部の文を選択する選択部と、
意味合いが既知であり且つ前記ベクトル値が求められている教師文のうち、前記選択部により選択された選択文とベクトル値が近い教師文の意味合いを、前記選択文の意味合いとして対応付けたデータを生成する生成部と、
を備え、
前記指標値導出部は、前記ライブラリ情報に含まれる複数の第2ワードのそれぞれについて、前記ライブラリ情報に含まれ且つ前記第2ワードが含まれる着目文の中における前記第2ワードの頻出性と、前記ライブラリ情報に含まれる前記着目文以外の文に対する前記第2ワードの希少性とを評価した第2指標値を導出して前記着目文に対応付けることをさらに行い、
前記選択部は、前記指標値導出部により導出された前記第1指標値または第2指標値のうち少なくとも一方と、前記ベクトル変換部による変換結果とに基づいて、前記被解析文または前記着目文から一部の文を選択し、
前記ベクトル変換部により変換されたベクトル値に基づいて、被認識文の意味合いを推定し、推定結果に基づく指令を出力する指令出力部を更に備え、
前記ベクトル変換部は、前記解析部による解析結果のテキストに含まれる被認識文を分散表現によるベクトル値に変換し、
前記指令出力部は、前記対応付けたデータに含まれる文とのベクトル値の類似性に基づいて、被認識文の意味合いを推定し、前記推定結果に基づく指令を出力し、
前記選択部は、前記音声データに付与された位置情報に基づいて、前記音声データが利用者のタスクの実行意図を含むものであるか否かを判別する、
情報処理装置。 - 前記第1指標値と第2指標値とのうち少なくとも一方は、tf-idf値である、
請求項1または2に記載の情報処理装置。 - 前記解析結果の信頼度を導出する、信頼度導出部をさらに備え、
前記選択部は、前記信頼度に基づいて前記被解析文を選択する、
請求項1から3のうちいずれか1項に記載の情報処理装置。 - 前記選択部は、前記信頼度が閾値以上である前記解析結果から得られた前記被解析文を優先的に選択する、
請求項4に記載の情報処理装置。 - 前記選択部は、前記信頼度が閾値以上である解析結果から得られた前記被解析文を選択した場合、選択処理を終了する、
請求項5に記載の情報処理装置。 - 前記選択部は、前記位置情報に基づいて推定される前記音声データの入力環境に応じて、対応するタスクが選択される確度を変更する、
請求項2に記載の情報処理装置。 - コンピュータが、
音声データを取得し、
前記音声データを解析してテキストに変換し、
解析結果のテキストに含まれる複数の第1ワードのそれぞれについて、前記テキストに含まれ且つ前記第1ワードが含まれる被解析文の中における前記第1ワードの頻出性と、ライブラリ情報に含まれる文に対する前記第1ワードの希少性とを評価した第1指標値を導出して前記被解析文に対応付けることを行い、
被解析文を分散表現によるベクトル値に変換し、
前記第1指標値と、ベクトル変換結果とに基づいて、前記被解析文から一部の文を選択し、
意味合いが既知であり且つ前記ベクトル値が求められている教師文のうち、選択された選択文とベクトル値が近い教師文の意味合いを、前記選択文の意味合いとして対応付けたデータを生成し、
前記ライブラリ情報に含まれる複数の第2ワードのそれぞれについて、前記ライブラリ情報に含まれ且つ前記第2ワードが含まれる着目文の中における前記第2ワードの頻出性と、前記ライブラリ情報に含まれる前記着目文以外の文に対する前記第2ワードの希少性とを評価した第2指標値を導出して前記着目文に対応付けることをさらに行い、
前記選択する処理において、前記第1指標値または前記第2指標値のうち少なくとも一方と、前記ベクトル変換結果とに基づいて、前記被解析文または前記着目文から一部の文を選択し、
前記第1指標値または前記第2指標値を導出する際に、
前記第1指標値のみ導出する場合、前記第1ワードを固定して処理を行い、
前記第2指標値のみ導出する場合、前記第2ワードを固定して処理を行い、
前記第1指標値および前記第2指標値を導出する場合、前記第1ワードおよび前記第2ワードを同じワードに固定して処理を行い、
前記固定したワードごとに前記対応付けたデータを生成する、
情報処理方法。 - コンピュータが、
音声データを取得し、
前記音声データを解析してテキストに変換し、
解析結果のテキストに含まれる複数の第1ワードのそれぞれについて、前記テキストに含まれ且つ前記第1ワードが含まれる被解析文の中における前記第1ワードの頻出性と、ライブラリ情報に含まれる文に対する前記第1ワードの希少性とを評価した第1指標値を導出して前記被解析文に対応付けることを行い、
被解析文を分散表現によるベクトル値に変換し、
前記第1指標値と、ベクトル変換結果とに基づいて、前記被解析文から一部の文を選択し、
意味合いが既知であり且つ前記ベクトル値が求められている教師文のうち、選択された選択文とベクトル値が近い教師文の意味合いを、前記選択文の意味合いとして対応付けたデータを生成し、
前記ライブラリ情報に含まれる複数の第2ワードのそれぞれについて、前記ライブラリ情報に含まれ且つ前記第2ワードが含まれる着目文の中における前記第2ワードの頻出性と、前記ライブラリ情報に含まれる前記着目文以外の文に対する前記第2ワードの希少性とを評価した第2指標値を導出して前記着目文に対応付けることをさらに行い、
前記選択する処理において、前記第1指標値または前記第2指標値のうち少なくとも一方と、前記ベクトル変換結果とに基づいて、前記被解析文または前記着目文から一部の文を選択し、
前記変換されたベクトル値に基づいて、被認識文の意味合いを推定し、推定結果に基づく指令を出力し、
前記解析結果のテキストに含まれる被認識文を分散表現によるベクトル値に変換し、
前記対応付けたデータに含まれる文とのベクトル値の類似性に基づいて、被認識文の意味合いを推定し、前記推定結果に基づく指令を出力し、
前記音声データに付与された位置情報に基づいて、前記音声データが利用者のタスクの実行意図を含むものであるか否かを判別する、
情報処理方法。 - コンピュータに、
音声データを取得し、
前記音声データを解析してテキストに変換し、
解析結果のテキストに含まれる複数の第1ワードのそれぞれについて、前記テキストに含まれ且つ前記第1ワードが含まれる被解析文の中における前記第1ワードの頻出性と、ライブラリ情報に含まれる文に対する前記第1ワードの希少性とを評価した第1指標値を導出して前記被解析文に対応付けることを行い、
被解析文を分散表現によるベクトル値に変換し、
前記第1指標値と、ベクトル変換結果とに基づいて、前記被解析文から一部の文を選択し、
意味合いが既知であり且つ前記ベクトル値が求められている教師文のうち、選択された選択文とベクトル値が近い教師文の意味合いを、前記選択文の意味合いとして対応付けたデータを生成し、
前記ライブラリ情報に含まれる複数の第2ワードのそれぞれについて、前記ライブラリ情報に含まれ且つ前記第2ワードが含まれる着目文の中における前記第2ワードの頻出性と、前記ライブラリ情報に含まれる前記着目文以外の文に対する前記第2ワードの希少性とを評価した第2指標値を導出して前記着目文に対応付けることをさらに行い、
前記選択する処理において、前記第1指標値または前記第2指標値のうち少なくとも一方と、前記ベクトル変換結果とに基づいて、前記被解析文または前記着目文から一部の文を選択し、
前記第1指標値または前記第2指標値を導出する際に、
前記第1指標値のみ導出する場合、前記第1ワードを固定して処理を行い、
前記第2指標値のみ導出する場合、前記第2ワードを固定して処理を行い、
前記第1指標値および前記第2指標値を導出する場合、前記第1ワードおよび前記第2ワードを同じワードに固定して処理を行い、
前記固定したワードごとに前記対応付けたデータを生成する、
ことを行わせるプログラム。 - コンピュータに、
音声データを取得し、
前記音声データを解析してテキストに変換し、
解析結果のテキストに含まれる複数の第1ワードのそれぞれについて、前記テキストに含まれ且つ前記第1ワードが含まれる被解析文の中における前記第1ワードの頻出性と、ライブラリ情報に含まれる文に対する前記第1ワードの希少性とを評価した第1指標値を導出して前記被解析文に対応付けることを行い、
被解析文を分散表現によるベクトル値に変換し、
前記第1指標値と、ベクトル変換結果とに基づいて、前記被解析文から一部の文を選択し、
意味合いが既知であり且つ前記ベクトル値が求められている教師文のうち、選択された選択文とベクトル値が近い教師文の意味合いを、前記選択文の意味合いとして対応付けたデータを生成し、
前記ライブラリ情報に含まれる複数の第2ワードのそれぞれについて、前記ライブラリ情報に含まれ且つ前記第2ワードが含まれる着目文の中における前記第2ワードの頻出性と、前記ライブラリ情報に含まれる前記着目文以外の文に対する前記第2ワードの希少性とを評価した第2指標値を導出して前記着目文に対応付けることをさらに行い、
前記選択する処理において、前記第1指標値または前記第2指標値のうち少なくとも一方と、前記ベクトル変換結果とに基づいて、前記被解析文または前記着目文から一部の文を選択し、
前記変換されたベクトル値に基づいて、被認識文の意味合いを推定し、推定結果に基づく指令を出力し、
前記解析結果のテキストに含まれる被認識文を分散表現によるベクトル値に変換し、
前記対応付けたデータに含まれる文とのベクトル値の類似性に基づいて、被認識文の意味合いを推定し、前記推定結果に基づく指令を出力し、
前記音声データに付与された位置情報に基づいて、前記音声データが利用者のタスクの実行意図を含むものであるか否かを判別する、
ことを行わせるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019092572A JP7096199B2 (ja) | 2019-05-16 | 2019-05-16 | 情報処理装置、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019092572A JP7096199B2 (ja) | 2019-05-16 | 2019-05-16 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020187282A JP2020187282A (ja) | 2020-11-19 |
JP7096199B2 true JP7096199B2 (ja) | 2022-07-05 |
Family
ID=73222494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019092572A Active JP7096199B2 (ja) | 2019-05-16 | 2019-05-16 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7096199B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560505A (zh) * | 2020-12-09 | 2021-03-26 | 北京百度网讯科技有限公司 | 一种对话意图的识别方法、装置、电子设备及存储介质 |
CN112735413B (zh) * | 2020-12-25 | 2024-05-31 | 浙江大华技术股份有限公司 | 一种基于摄像装置的指令分析方法、电子设备和存储介质 |
CN113763951B (zh) * | 2021-08-24 | 2024-01-05 | 深圳市恒必达电子科技有限公司 | 一种语音红外控制智能家居的智能手表 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010154397A (ja) | 2008-12-26 | 2010-07-08 | Sony Corp | データ処理装置、データ処理方法、及び、プログラム |
JP2010191223A (ja) | 2009-02-18 | 2010-09-02 | Seiko Epson Corp | 音声認識方法、携帯端末及びプログラム。 |
JP2016206487A (ja) | 2015-04-24 | 2016-12-08 | 日本電信電話株式会社 | 音声認識結果整形装置、方法及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2996019B2 (ja) * | 1992-07-22 | 1999-12-27 | 日本電気株式会社 | 音声認識装置 |
-
2019
- 2019-05-16 JP JP2019092572A patent/JP7096199B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010154397A (ja) | 2008-12-26 | 2010-07-08 | Sony Corp | データ処理装置、データ処理方法、及び、プログラム |
JP2010191223A (ja) | 2009-02-18 | 2010-09-02 | Seiko Epson Corp | 音声認識方法、携帯端末及びプログラム。 |
JP2016206487A (ja) | 2015-04-24 | 2016-12-08 | 日本電信電話株式会社 | 音声認識結果整形装置、方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020187282A (ja) | 2020-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10192545B2 (en) | Language modeling based on spoken and unspeakable corpuses | |
KR102596446B1 (ko) | 모바일 디바이스들에서의 모달리티 학습 | |
JP5901001B1 (ja) | 音響言語モデルトレーニングのための方法およびデバイス | |
EP2863300B1 (en) | Function execution instruction system, function execution instruction method, and function execution instruction program | |
US9529898B2 (en) | Clustering classes in language modeling | |
US11797765B2 (en) | Language identification for text strings | |
US11282524B2 (en) | Text-to-speech modeling | |
KR101780760B1 (ko) | 가변길이 문맥을 이용한 음성인식 | |
US8374865B1 (en) | Sampling training data for an automatic speech recognition system based on a benchmark classification distribution | |
US20200082808A1 (en) | Speech recognition error correction method and apparatus | |
CN110415679B (zh) | 语音纠错方法、装置、设备和存储介质 | |
JP7058574B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP7096199B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2015094848A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2010537321A (ja) | 統計的分類のための最適な選択方略の方法及びシステム | |
JP6370962B1 (ja) | 生成装置、生成方法および生成プログラム | |
CN114840671A (zh) | 对话生成方法、模型的训练方法、装置、设备及介质 | |
CN110852075B (zh) | 自动添加标点符号的语音转写方法、装置及可读存储介质 | |
US10049108B2 (en) | Identification and translation of idioms | |
CN111508497B (zh) | 语音识别方法、装置、电子设备及存储介质 | |
JP6563350B2 (ja) | データ分類装置、データ分類方法、及びプログラム | |
US11626107B1 (en) | Natural language processing | |
JP2015001695A (ja) | 音声認識装置、音声認識方法及びプログラム | |
WO2023245869A1 (zh) | 语音识别模型的训练方法、装置、电子设备及存储介质 | |
JP2006107353A (ja) | 情報処理装置および方法、記録媒体、並びにプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20191101 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20191108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210316 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220309 |
|
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: 20220614 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220623 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7096199 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |