図面 (/)

技術 音声認識装置、音声認識方法、プログラム

出願人 日本電信電話株式会社
発明者 中村孝阪内澄宇岡本学芦原孝典井島勇祐
出願日 2015年7月22日 (5年10ヶ月経過) 出願番号 2015-145011
公開日 2017年2月2日 (4年4ヶ月経過) 公開番号 2017-026808
状態 特許登録済
技術分野 音声認識
主要キーワード コンフュージョン ハードウェアエンティティ 誤り傾向 物理的実体 結果集合 読み出し専用記憶装置 単語事後確率 エスケ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2017年2月2日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (10)

課題

バリエーションが多く、かつ外れ値を排除した音声認識結果集合を生成できる音声認識装置を提供する。

解決手段

音声特徴量または音声信号音声認識して複数の音声認識結果からなる音声認識結果集合を取得する音声認識部11と、音声認識結果集合に基づいて、そのアーク品詞情報および単語事後確率を含むコンフュージョンネットワークを生成するコンフュージョンネットワーク生成部12と、コンフュージョンセット内の各アークについて、文脈一致性および概念類似性を算出し、概念類似性の逆数と文脈一致性に基づく値により、音声認識結果集合を並び替えるコンフュージョンネットワーク操作部13を含む。

概要

背景

従来、メモアプリ音声検索などにおいて、音声認識結果の一覧を生成し、これをユーザに提示して正解を選択させることはよく行われている(例えば非特許文献1、2)。同様に、音声認識結果のリスコアリング絞り込みもよく行われている(例えば非特許文献3)。

概要

バリエーションが多く、かつ外れ値を排除した音声認識結果集合を生成できる音声認識装置を提供する。音声特徴量または音声信号音声認識して複数の音声認識結果からなる音声認識結果集合を取得する音声認識部11と、音声認識結果集合に基づいて、そのアーク品詞情報および単語事後確率を含むコンフュージョンネットワークを生成するコンフュージョンネットワーク生成部12と、コンフュージョンセット内の各アークについて、文脈一致性および概念類似性を算出し、概念類似性の逆数と文脈一致性に基づく値により、音声認識結果集合を並び替えるコンフュージョンネットワーク操作部13を含む。

目的

本発明では、バリエーションが多く、かつ外れ値を排除した音声認識結果集合を生成できる音声認識装置を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

音声特徴量、または音声信号音声認識して複数の音声認識結果からなる音声認識結果集合を取得する音声認識部と、前記音声認識結果集合に基づいて、そのアーク品詞情報および単語事後確率を含むコンフュージョンネットワークを生成するコンフュージョンネットワーク生成部と、前記コンフュージョンネットワークにおいて複数のアークに分岐した位置におけるアークのセットであるコンフュージョンセット内の各アークについて、既存発話における文脈との一致性を表す文脈一致性を算出し、前記コンフュージョンセット内の各アークについて、当該アークが属するコンフュージョンセット内において単語事後確率が最大となるアークとの概念類似性を表す概念類似性を算出し、前記概念類似性の逆数と前記文脈一致性に基づく値により、前記音声認識結果集合を並び替えるコンフュージョンネットワーク操作部を含む音声認識装置

請求項2

請求項1に記載の音声認識装置であって、前記コンフュージョンネットワーク操作部は、各コンフュージョンセットにおいて多く含まれる品詞を各コンフュージョンセットの代表品詞として抽出する代表品詞抽出部と、前記代表品詞が特定の品詞となるコンフュージョンセットを処理対象として抽出する処理対象抽出部と、前記抽出されたコンフュージョンセット内の各アークについて、前記文脈一致性を算出する文脈一致性算出部と、前記抽出されたコンフュージョンセット内の各アークについて、前記概念類似性を算出する概念類似性算出部と、前記概念類似性の逆数と前記文脈一致性に基づく値により、前記音声認識結果集合を並び替える音声認識結果並び替え部を含む音声認識装置。

請求項3

請求項1または請求項2に記載の音声認識装置であって、前記文脈一致性が、前記アークが示す単語が既存発話に既出の単語であるか否か、または前記アークが示す単語のトピックが既存発話に既出であるか否か、あるいは前記アークが示す単語のトピックが既存発話に既出のトピックに類似するか否か、の少なくとも何れかに基づいて算出される音声認識装置。

請求項4

請求項1から3の何れかに記載の音声認識装置であって、前記概念類似性が、前記各アークの単語概念ベクトル間のコサイン測度に基づいて算出される音声認識装置。

請求項5

音声認識装置が実行する音声認識方法であって、音声特徴量、または音声信号を音声認識して複数の音声認識結果からなる音声認識結果集合を取得するステップと、前記音声認識結果集合に基づいて、そのアークに品詞情報および単語事後確率を含むコンフュージョンネットワークを生成するステップと、前記コンフュージョンネットワークにおいて複数のアークに分岐した位置におけるアークのセットであるコンフュージョンセット内の各アークについて、既存発話における文脈との一致性を表す文脈一致性を算出し、前記コンフュージョンセット内の各アークについて、当該アークが属するコンフュージョンセット内において単語事後確率が最大となるアークとの概念の類似性を表す概念類似性を算出し、前記概念類似性の逆数と前記文脈一致性に基づく値により、前記音声認識結果集合を並び替えるステップを含む音声認識方法。

請求項6

コンピュータを請求項1から4の何れかに記載の音声認識装置として機能させるプログラム

技術分野

0001

本発明は、音声認識を実行して取得した複数の音声認識結果を好適な順序並び替えて表示する音声認識装置音声認識方法プログラムに関する。

背景技術

0002

従来、メモアプリ音声検索などにおいて、音声認識結果の一覧を生成し、これをユーザに提示して正解を選択させることはよく行われている(例えば非特許文献1、2)。同様に、音声認識結果のリスコアリング絞り込みもよく行われている(例えば非特許文献3)。

先行技術

0003

株式会社イーエスケイ、”音声入力使い方”、[online]、平成25年4月14日、株式会社イーエスケイ、[平成27年7月10日検索]、インターネットds/2013/04/onsei_1304.pdf>
FUJIYAMA VOLCANO、”声でラクラ文字入力!音声入力まっしゅ”、[online]、平成25年4月9日、FUJIYAMA VOLCANO、[平成27年7月10日検索]、インターネット
小林彰夫、外5名、”単語誤り最小化に基づく識別的リスコアリングによる音声認識”、[online]、平成24年1月、NHK技研、[平成27年7月10日検索]、インターネットDF/P28-39.pdf>

発明が解決しようとする課題

0004

非特許文献1、2では正解の候補として音声認識結果が複数出力される。しかし、表示スペースが限られる、分かりやすいGUIの妨げになるなどの理由から、画面に一度に出力する候補の数はあまり多くできない。これにより、内容に大きな差がないような候補で出力欄が占有され、正解の音声認識結果が出力されない場合がある。

0005

上述の非特許文献3では、誤り傾向に応じてペナルティーを与えるため、より誤りやすい傾向にある単語は出力確率を抑えられるが、これにより候補間の差異が少なくなり、上記同様、似たような認識結果で候補集合が占有されることが考えられる。

0006

そこで本発明では、バリエーションが多く、かつ外れ値を排除した音声認識結果集合を生成できる音声認識装置を提供することを目的とする。

課題を解決するための手段

0007

本発明の音声認識装置は、音声認識部と、コンフュージョンネットワーク生成部と、コンフュージョンネットワーク操作部を含む。

0008

音声認識部は、音声特徴量、または音声信号を音声認識して複数の音声認識結果からなる音声認識結果集合を取得する。コンフュージョンネットワーク生成部は、音声認識結果集合に基づいて、そのアーク品詞情報および単語事後確率を含むコンフュージョンネットワークを生成する。コンフュージョンネットワーク操作部は、コンフュージョンネットワークにおいて複数のアークに分岐した位置におけるアークのセットであるコンフュージョンセット内の各アークについて、既存発話における文脈との一致性を表す文脈一致性を算出し、コンフュージョンセット内の各アークについて、当該アークが属するコンフュージョンセット内において単語事後確率が最大となるアークとの概念類似性を表す概念類似性を算出し、概念類似性の逆数と文脈一致性に基づく値により、音声認識結果集合を並び替える。

発明の効果

0009

本発明の音声認識装置によれば、バリエーションが多く、かつ外れ値を排除した音声認識結果集合を生成できる。

図面の簡単な説明

0010

実施例1の音声認識装置の構成を示すブロック図。
実施例1の音声認識装置の動作を示すフローチャート
実施例1の音声認識装置が生成するコンフュージョンネットワークの例を示す図。
実施例1のコンフュージョンネットワーク操作部の構成を示すブロック図。
実施例1のコンフュージョンネットワーク操作部の動作を示すフローチャート。
実施例1の音声認識装置の文脈一致性算出部の構成を示すブロック図。
実施例1の音声認識装置の文脈一致性算出部の動作を示すフローチャート。
実施例1の音声認識装置の概念類似性算出部の構成を示すブロック図。
実施例1の音声認識装置の概念類似性算出部の動作を示すフローチャート。

0011

以下、本発明の実施の形態について、詳細に説明する。なお、同じ機能を有する構成部には同じ番号を付し、重複説明を省略する。

0012

以下、図1図2を参照して実施例1の音声認識装置の構成、および動作を説明する。図1は、本実施例の音声認識装置1の構成を示すブロック図である。図2は、本実施例の音声認識装置1の動作を示すフローチャートである。図1に示すように、本実施例の音声認識装置1は、音声認識部11と、コンフュージョンネットワーク生成部12と、コンフュージョンネットワーク操作部13を含む。

0013

音声認識部11は、音声特徴量、または音声信号を音声認識して複数の音声認識結果からなる音声認識結果集合を取得する(S11)。音声認識部11は、例えば参考非特許文献1などに開示されている公知の技術により音声認識を実行する。入力が音声信号の場合は、音声認識部11は必要に応じて音声区間検出処理や雑音抑圧処理を行い、音声信号を音声特徴量に変換したのち、音声認識処理を実行する。
(参考非特許文献1:日本電信電話株式会社、”音声認識エンジンVoiceRexの開発”、[online]、日本電信電話株式会社、[平成27年7月10日検索]、インターネット)

0014

コンフュージョンネットワーク生成部12は、音声認識結果集合に基づいて、コンフュージョンネットワークを生成する(S12)。コンフュージョンネットワーク生成部12は、例えば参考非特許文献2などに開示されている公知の技術によりコンフュージョンネットワークを生成する。
(参考非特許文献2:Lidia Mangu et al., “Finding consensus in speech recognition: word error minimization andotherapplications of confusion networks,” Computer Speech & Language, volume 14, issue 4, pp.373-400, October 2000.)

0015

図3を参照して、コンフュージョンネットワークについて説明する。図3は、本実施例の音声認識装置1が生成するコンフュージョンネットワークの例を示す図である。同図の例において、音声認識部11は「お電話ありがとう」「お電話有りがとう」「お電話がとう」「おでんはありがとう」「おでんは有りがとう」「おでんは蟻がとう」の合計6つの音声認識結果からなる音声認識結果集合を取得したものとする。この場合、コンフュージョンネットワーク生成部12は、同図に示すコンフュージョンネットワークを生成する。コンフュージョンネットワークにおいては、複数のパターンで音声認識された箇所については、複数のアークに分岐した状態で表現される。複数のアークに分岐した位置におけるアークのセットをコンフュージョンセットと呼ぶ。同図の例では、音声認識結果が「電話」「でんは」と二つのパターンに分かれた箇所、「あり」「有り」「蟻」と三つのパターンに分かれた箇所において、それぞれアーク二つを含むコンフュージョンセット、アーク三つを含むコンフュージョンセットが形成される。ステップS12で生成されるコンフュージョンネットワークは、そのアークに品詞情報および単語事後確率を含むものとする。例えば同図において、「お」に対して、品詞情報として「接頭辞」、単語事後確率としてP1が付与されている。「電話」に対して、品詞情報として「名詞」、単語事後確率としてP2が付与されている。

0016

コンフュージョンネットワーク操作部13は、コンフュージョンセット内の各アークについて、文脈一致性、概念類似性を算出し、概念類似性の逆数と文脈一致性に基づく値により、音声認識結果集合を並び替える(S13)。文脈一致性とは、既存発話における文脈との一致性を表す値のことである。概念類似性とは、コンフュージョンセット内の各アークについて、当該アークが属するコンフュージョンセット内において単語事後確率が最大となるアークとの概念の類似性を表す値である。

0017

以下、図4図5を参照して本実施例の音声認識装置1のコンフュージョンネットワーク操作部13の詳細な構成および動作について説明する。図4は、本実施例のコンフュージョンネットワーク操作部13の構成を示すブロック図である。図5は、本実施例のコンフュージョンネットワーク操作部13の動作を示すフローチャートである。

0018

図5に示すようにコンフュージョンネットワーク操作部13は、代表品詞抽出部131と、処理対象抽出部132と、文脈一致性算出部133と、概念類似性算出部134と、音声認識結果並び替え部135を含む構成である。

0019

代表品詞抽出部131は、各コンフュージョンセットにおいて多く含まれる品詞を各コンフュージョンセットの代表品詞として抽出する(S131)。代表品詞抽出部131は、あるコンフュージョンセット内の各アークの品詞が例えば「名詞」「名詞」「形容詞」であった場合、「名詞」を代表品詞として抽出する。代表品詞抽出部131は、コンフュージョンセット内の複数の品詞を代表品詞として抽出してもよい。例えば図3の「電話(名詞)」「でんは(格助詞)」が一つずつ含まれるコンフュージョンセットについては、「名詞」「格助詞」の双方を代表品詞として抽出してもよい。また同図の「あり(形容詞)」「有り(動詞)」「蟻(名詞)」が一つずつ含まれるコンフュージョンセットについては、「形容詞」「動詞」「名詞」の全てを代表品詞として抽出してもよい。

0020

処理対象抽出部132は、代表品詞が特定の品詞(例えば名詞、動詞語幹等)となるコンフュージョンセットのみを処理対象として抽出する(S132)。処理対象抽出部132は、処理対象外のコンフュージョンセットについては、単語事後確率最大の単語のみを残し、それ以外のアークを削除する。ステップS131、S132は、音声認識において不明瞭発音となる場合が多い、例えば助詞について生成されるコンフュージョンセット(アークが「が」「は」などで構成されるセット)を処理対象から除くことを目的の一つとしている。ただし、ステップS131、S132を実行する目的はこれに限られない。

0021

次に、文脈一致性算出部133は、抽出されたコンフュージョンセット内の各アークについて、文脈一致性を算出する(S133)。概念類似性算出部134は、抽出されたコンフュージョンセット内の各アークについて、概念類似性を算出する(S134)。音声認識結果並び替え部135は、概念類似性の逆数と文脈一致性に基づく値により、音声認識結果集合を並び替える(S135)。文脈一致性算出部133、概念類似性算出部134、音声認識結果並び替え部135の詳細については後述する。

0022

以下、図6図7を参照して文脈一致性算出部133の詳細な構成、動作について説明する。図6は、本実施例の音声認識装置1の文脈一致性算出部133の構成を示すブロック図である。図7は、本実施例の音声認識装置1の文脈一致性算出部133の動作を示すフローチャートである。

0023

図6に示すように、文脈一致性算出部133は、α付与部1331と、β付与部1332と、γ付与部1333を含む構成である。図7に示すように、まず、文脈一致性算出部133は、εの初期値を0に設定する(S133A)。次に、α付与部1331は、アークが示す単語が既存発話に既出の単語であるか否かを判定する(S1331A)。アークが示す単語が既存発話に既出の単語である場合(S1331AY)、α付与部1331はεに値αを加算する(S1331B)。アークが示す単語が既存発話に既出の単語でない場合(S1331AN)、α付与部1331はεに値αを加算しない。ステップS1331B、またはステップS1331ANの後、β付与部1332は、アークが示す単語のトピックが既存発話に既出であるか否かを判定する(S1332A)。アークが示す単語のトピックが既存発話に既出である場合(S1332AY)、β付与部1332はεに値βを加算する(S1332B)。アークが示す単語のトピックが既存発話に既出でない場合(S1332AN)、β付与部1332はεに値βを加算しない。ステップS1332B、またはステップS1332ANの後、γ付与部1333は、アークが示す単語のトピックが既存発話に既出のトピックに類似するか否かを判定する(S1333A)。アークが示す単語のトピックが既存発話に既出のトピックに類似する場合(S1333AY)、γ付与部1333はεに値γを加算する(S1333B)。アークが示す単語のトピックが既存発話に既出のトピックに類似しない場合(S1333AN)γ付与部1333はεに値γを加算しない。ステップS1333B、またはステップS1333ANの後、文脈一致性算出部133は、次の処理対象のアークが存在するか否かを判定し(S133B)、次の処理対象のアークが存在する場合(S133BY)には、フローの最初に戻り、次のアークに対して同じステップ(S133A〜S133B)を実行する。次の処理対象のアークが存在しない場合(S133BN)、文脈一致性算出部133は処理を終了する(エンド)。

0024

このように文脈一致性算出部133は、初期値0としたεに、予め定めた各条件(S1331A、S1332A,S1333A)が該当するか否かに応じて、値α、β、γをε加算するため、これらの条件がすべて該当する場合には、ε=α+β+γとして文脈一致性が算出される。例えば、S1331AY、S1332AYであって、S1333ANの場合には、ε=α+βとして文脈一致性が算出される。またすべての条件が非該当の場合にはε=0のままである。なお、1>α>β>γ>0であるものとする。図7のフローの処理例に限らず、文脈一致性算出部133は、アークが示す単語が既存発話に既出の単語であるか否か、またはアークが示す単語のトピックが既存発話に既出であるか否か、あるいはアークが示す単語のトピックが既存発話に既出のトピックに類似するか否か、の少なくとも何れかに基づいて文脈一致性を算出してもよい。

0025

以下、図8図9を参照して概念類似性算出部134の詳細な構成、動作について説明する。図8は、本実施例の音声認識装置1の概念類似性算出部134の構成を示すブロック図である。図9は、本実施例の音声認識装置1の概念類似性算出部134の動作を示すフローチャートである。図8に示すように概念類似性算出部134は、単語概念ベース算出部1341と、σ算出部1342を含む構成である。単語概念ベース算出部1341は、各音声認識結果の単語概念ベースを算出する。単語概念ベースの算出方法は、参考非特許文献3に開示されている。
(参考非特許文献3:別所克人、外2名、”単語と意味属性との共起に基づく概念ベクトル生成手法”、[online]、平成18年6月、人工知能学会、[平成27年7月10日検索]、インターネット)

0026

σ算出部1342は、単語事後確率最大となる候補とそれ以外の候補との概念類似性σを下記の式にて算出する。このとき、単語事後確率最大の候補の場合はσ=1とし、改めて計算はしないものとする。
σ=(1+|cosθ|)/2

0027

ここで|cosθ|は、計算対象の2つのベクトル間のコサイン測度の絶対値とする。最後に、音声認識結果並び替え部135は、コンフュージョンネットワーク上でのすべての組み合わせについて、概念類似性σの逆数1/σと文脈一致性εとの和を算出し、当該和の値が大きい順に音声認識結果を並び替え、上から順にN個の候補を、修正済み音声認識結果集合として出力する(S135)。

0028

本実施例の音声認識装置1によれば、言語的な文脈を考慮しつつ、単語事後確率最大となる候補との概念類似性の高くない候補に加点をするような評価関数を設定することで、よりバリエーションが高く、かつ外れ値を排除できる結果集合を生成できるようになり、ユーザの選択がしやすいようにすることができる。また、コンフュージョンセットの中で重要となる特定の品詞に限って候補をとるようにすることで、仔細な差異しかないような候補が並びにくくなる。

0029

補記
本発明の装置は、例えば単一のハードウェアエンティティとして、キーボードなどが接続可能な入力部、液晶ディスプレイなどが接続可能な出力部、ハードウェアエンティティの外部に通信可能な通信装置(例えば通信ケーブル)が接続可能な通信部、CPU(Central Processing Unit、キャッシュメモリレジスタなどを備えていてもよい)、メモリであるRAMやROM、ハードディスクである外部記憶装置並びにこれらの入力部、出力部、通信部、CPU、RAM、ROM、外部記憶装置の間のデータのやり取りが可能なように接続するバスを有している。また必要に応じて、ハードウェアエンティティに、CD−ROMなどの記録媒体を読み書きできる装置(ドライブ)などを設けることとしてもよい。このようなハードウェア資源を備えた物理的実体としては、汎用コンピュータなどがある。

0030

ハードウェアエンティティの外部記憶装置には、上述の機能を実現するために必要となるプログラムおよびこのプログラムの処理において必要となるデータなどが記憶されている(外部記憶装置に限らず、例えばプログラムを読み出し専用記憶装置であるROMに記憶させておくこととしてもよい)。また、これらのプログラムの処理によって得られるデータなどは、RAMや外部記憶装置などに適宜に記憶される。

0031

ハードウェアエンティティでは、外部記憶装置(あるいはROMなど)に記憶された各プログラムとこの各プログラムの処理に必要なデータが必要に応じてメモリに読み込まれて、適宜にCPUで解釈実行・処理される。その結果、CPUが所定の機能(上記、…部、…手段などと表した各構成要件)を実現する。

0032

本発明は上述の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で適宜変更が可能である。また、上記実施形態において説明した処理は、記載の順に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されるとしてもよい。

0033

既述のように、上記実施形態において説明したハードウェアエンティティ(本発明の装置)における処理機能コンピュータによって実現する場合、ハードウェアエンティティが有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、上記ハードウェアエンティティにおける処理機能がコンピュータ上で実現される。

0034

この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置光ディスク光磁気記録媒体半導体メモリ等どのようなものでもよい。具体的には、例えば、磁気記録装置として、ハードディスク装置フレキシブルディスク磁気テープ等を、光ディスクとして、DVD(Digital Versatile Disc)、DVD−RAM(Random Access Memory)、CD−ROM(Compact Disc Read Only Memory)、CD−R(Recordable)/RW(ReWritable)等を、光磁気記録媒体として、MO(Magneto-Optical disc)等を、半導体メモリとしてEEP−ROM(Electronically Erasable and Programmable-Read Only Memory)等を用いることができる。

0035

また、このプログラムの流通は、例えば、そのプログラムを記録したDVD、CD−ROM等の可搬型記録媒体販売譲渡貸与等することによって行う。さらに、このプログラムをサーバコンピュータ記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。

0036

このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記録媒体に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるASP(Application Service Provider)型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの(コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等)を含むものとする。

実施例

0037

また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、ハードウェアエンティティを構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ