获取烹饪器具的烹饪参数的方法和装置、烹饪器具.pdf

《获取烹饪器具的烹饪参数的方法和装置、烹饪器具.pdf》由会员分享，可在线阅读，更多相关《获取烹饪器具的烹饪参数的方法和装置、烹饪器具.pdf（21页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910033073.3 (22)申请日 2019.01.14 (71)申请人 珠海格力电器股份有限公司 地址 519070 广东省珠海市前山金鸡西路 六号 (72)发明人 叶朝虹陈翀宋德超 (74)专利代理机构 北京康信知识产权代理有限 责任公司 11240 代理人 赵囡囡李静茹 (51)Int.Cl. G10L 15/22(2006.01) G10L 15/16(2006.01) G10L 15/06(2013.01) G10L 15/02(2006.01) G10L 1。

2、5/30(2013.01) G06F 40/289(2020.01) G06F 40/30(2020.01) H04L 12/28(2006.01) (54)发明名称 获取烹饪器具的烹饪参数的方法和装置、 烹 饪器具 (57)摘要 本发明公开了一种获取烹饪器具的烹饪参 数的方法和装置、 烹饪器具。 其中， 该方法包括： 接收评价信息， 其中， 评价信息为用于评价烹饪 结果的反馈信息， 评价信息包括如下至少之一： 用户输入的文本信息、 录入的语音信息和拍摄到 的表情信息； 获取通过分析评价信息生成的烹饪 参数， 其中， 烹饪参数为将烹饪器具当前设置的 工作参数调节至新工作参数的依据。 本发明解决。

3、 了现有技术中需要人为操控烹饪器具的按键来 定义烹饪对象的口感， 由于设定单一导致存在烹 饪结果无法灵活控制的技术问题。 权利要求书3页 说明书13页 附图4页 CN 111435594 A 2020.07.21 CN 111435594 A 1.一种获取烹饪器具的烹饪参数的方法， 其特征在于， 包括： 接收评价信息， 其中， 所述评价信息为用于评价烹饪结果的反馈信息， 所述评价信息包 括如下至少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情信息； 获取通过分析所述评价信息生成的烹饪参数， 其中， 所述烹饪参数为将所述烹饪器具 当前设置的工作参数调节至新工作参数的依据。 2.根据权。

4、利要求1所述的方法， 其特征在于， 在所述评价信息为所述文本信息的情况 下， 通过分析所述评价信息生成烹饪参数， 包括： 将所述评价信息进行文本预处理， 得到去冗余后的评价信息； 对所述去冗余后的评价信息进行语言处理， 得到所述文本信息中包括的多个分词； 按照词频输出所述多个分词， 并对输出的多个分词进行特征提取； 基于所述特征提取的提取结果， 查询得到匹配的烹饪参数。 3.根据权利要求2所述的方法， 其特征在于， 对所述去冗余后的评价信息进行语言处 理， 得到所述文本信息中包括的多个分词， 包括： 将所述评价信息进行分词处理， 得到至少一个分词， 其中， 所述分词处理用于对所述评 价信息所包。

5、含的字序列按照预定组合规范进行重新组合； 对每个分词进行词性标注， 并基于词性标注去除冗余的分词。 4.根据权利要求3所述的方法， 其特征在于， 按照词频输出所述多个分词， 并对输出的 多个分词进行特征提取， 包括： 获取输出的所述多个分词； 将所述多个分词的原始特征进行转换， 并从所述原始特征中选择满足预定条件的特 征， 得到提取特征后的分词。 5.根据权利要求1所述的方法， 其特征在于， 在所述评价信息为所述语音信息的情况 下， 通过分析所述评价信息生成烹饪参数， 包括： 将所述评价信息进行信号处理， 得到去冗余后的语音信息； 从去冗余后的语音信息中提取语音特征； 使用神经网络模型来识别提。

6、取到的语音特征， 输出识别到的语义； 基于所述识别到的语义， 查询得到匹配的烹饪参数。 6.根据权利要求5所述的方法， 其特征在于， 在使用神经网络模型来识别提取到的语音 特征， 输出识别到的语义之前， 所述方法还包括： 从语音数据库中获取语音样本； 对所述语音样本提取语音特征， 并基于提取到的语音特征对声学模型进行训练， 得到 所述神经网络模型。 7.根据权利要求5所述的方法， 其特征在于， 在使用神经网络模型来识别提取到的语音 特征， 输出识别到的语义之前， 所述方法还包括： 从文本数据库中获取文本样本； 对所述文本样本进行分词处理， 并基于分词结果对语言模型进行训练， 得到所述神经 网络。

7、模型。 8.根据权利要求1至7中任意一项所述的方法， 其特征在于， 在获取通过分析所述评价 信息生成的烹饪参数之后， 所述方法还包括： 权利要求书 1/3 页 2 CN 111435594 A 2 获取预先存储了关键词与烹饪参数的变化关系数据库； 将所述评价信息作为关键词， 从所述变化关系数据库中查询得到匹配的所述烹饪参 数。 9.根据权利要求8所述的方法， 其特征在于， 所述变化关系数据库还包括用于表征不同 的烹饪参数的等级变化的阈值， 其中， 所述阈值基于后续接收到的新评价信息进行更新。 10.一种获取烹饪器具的烹饪参数的装置， 其特征在于， 包括： 接收模块， 用于接收评价信息， 其中，。

8、 所述评价信息为用于评价烹饪结果的反馈信息， 所述评价信息包括如下至少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情 信息； 参数获取模块， 用于获取通过分析所述评价信息生成的烹饪参数， 其中， 所述烹饪参数 为将所述烹饪器具当前设置的工作参数调节至新工作参数的依据。 11.根据权利要求10所述的装置， 其特征在于， 在所述评价信息为所述文本信息的情况 下， 所述装置还包括： 生成模块， 用于通过分析所述评价信息生成烹饪参数， 其中， 所述生成 模块包括： 预处理模块， 用于将所述评价信息进行文本预处理， 得到去冗余后的评价信息； 语言处理模块， 用于对所述去冗余后的评价信息进行语。

9、言处理， 得到所述文本信息中 包括的多个分词； 第一特征提取模块， 用于按照词频输出所述多个分词， 并对输出的多个分词进行特征 提取； 第一查询模块， 用于基于所述特征提取的提取结果， 查询得到匹配的烹饪参数。 12.根据权利要求11所述的装置， 其特征在于， 所述语言处理模块包括： 分词处理模块， 用于将所述评价信息进行分词处理， 得到至少一个分词， 其中， 所述分 词处理用于对所述评价信息所包含的字序列按照预定组合规范进行重新组合； 标注模块， 用于对每个分词进行词性标注， 并基于词性标注去除冗余的分词。 13.根据权利要求12所述的装置， 其特征在于， 所述第一特征提取模块包括： 分词获。

10、取模块， 用于获取输出的所述多个分词； 转换选择模块， 用于将所述多个分词的原始特征进行转换， 并从所述原始特征中选择 满足预定条件的特征， 得到提取特征后的分词。 14.根据权利要求10所述的装置， 其特征在于， 在所述评价信息为所述语音信息的情况 下， 所述装置还包括： 生成模块， 用于通过分析所述评价信息生成烹饪参数， 其中， 所述生成 模块包括： 信号处理模块， 用于将所述评价信息进行信号处理， 得到去冗余后的语音信息； 第二特征提取模块， 用于从去冗余后的语音信息中提取语音特征； 识别模块， 用于使用神经网络模型来识别提取到的语音特征， 输出识别到的语义； 第二查询模块， 用于基于所。

11、述识别到的语义， 查询得到匹配的烹饪参数。 15.根据权利要求14所述的装置， 其特征在于， 所述装置还包括： 第一样本获取模块， 用于从语音数据库中获取语音样本； 第一训练模块， 用于对所述语音样本提取语音特征， 并基于提取到的语音特征对声学 模型进行训练， 得到所述神经网络模型。 权利要求书 2/3 页 3 CN 111435594 A 3 16.根据权利要求14所述的装置， 其特征在于， 所述装置还包括： 第二样本获取模块， 用于从文本数据库中获取文本样本； 第二训练模块， 用于对所述文本样本进行分词处理， 并基于分词结果对语言模型进行 训练， 得到所述神经网络模型。 17.根据权利要求。

12、10至16中任意一项所述的装置， 其特征在于， 所述装置还包括： 数据库获取模块， 用于获取预先存储了关键词与烹饪参数的变化关系数据库； 第三查询模块， 用于将所述评价信息作为关键词， 从所述变化关系数据库中查询得到 匹配的所述烹饪参数。 18.根据权利要求17所述的装置， 其特征在于， 所述变化关系数据库还包括用于表征不 同的烹饪参数的等级变化的阈值， 其中， 所述阈值基于后续接收到的新评价信息进行更新。 19.一种烹饪器具， 其特征在于， 包括： 显示器， 用于显示接收到的评价信息， 其中， 所述评价信息为用于评价烹饪结果的反馈 信息， 所述评价信息包括如下至少之一： 用户输入的文本信息、。

13、 录入的语音信息和拍摄到的 表情信息； 处理器， 用于获取通过分析所述评价信息生成的烹饪参数； 控制器， 用于基于所述烹饪参数将所述烹饪器具当前设置的工作参数调节至新工作参 数。 20.根据权利要求19所述的烹饪器具， 其特征在于， 在所述评价信息为所述文本信息的 情况下， 所述处理器还用于将所述评价信息进行文本预处理， 得到去冗余后的评价信息； 对 所述去冗余后的评价信息进行语言处理， 得到所述文本信息中包括的多个分词； 按照词频 输出所述多个分词， 并对输出的多个分词进行特征提取； 基于所述特征提取的提取结果， 查 询得到匹配的烹饪参数。 21.根据权利要求19所述的烹饪器具， 其特征在于。

14、， 在所述评价信息为所述语音信息的 情况下， 所述处理器还用于将所述评价信息进行信号处理， 得到去冗余后的语音信息； 从去 冗余后的语音信息中提取语音特征； 使用神经网络模型来识别提取到的语音特征， 输出识 别到的语义； 基于所述识别到的语义， 查询得到匹配的烹饪参数。 22.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 在所述程序运行 时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的获取烹饪器具的烹饪 参数的方法。 23.一种处理器， 其特征在于， 所述处理器用于运行程序， 其中， 所述程序运行时执行权 利要求1至9中任意一项所述的获取烹饪器具的烹饪参数的方。

15、法。 权利要求书 3/3 页 4 CN 111435594 A 4 获取烹饪器具的烹饪参数的方法和装置、 烹饪器具 技术领域 0001 本发明涉及智能家电领域， 具体而言， 涉及一种获取烹饪器具的烹饪参数的方法 和装置、 烹饪器具。 背景技术 0002 目前的烹饪器具(例如， 电饭煲、 电压力锅、 料理机等)大部分采用固定的控制方 法， 用户通过操控按键定义固定的口感， 烹饪器具通过固定的烹饪参数进行烹饪操作， 导致 最终的烹饪口感固定， 无法根据用户需求变化灵活进行控制。 0003 针对现有技术中需要人为操控烹饪器具的按键来定义烹饪对象的口感， 由于设定 单一导致存在烹饪结果无法灵活控制的问。

16、题， 目前尚未提出有效的解决方案。 发明内容 0004 本发明实施例提供了一种获取烹饪器具的烹饪参数的方法和装置、 烹饪器具， 以 至少解决现有技术中需要人为操控烹饪器具的按键来定义烹饪对象的口感， 由于设定单一 导致存在烹饪结果无法灵活控制的技术问题。 0005 根据本发明实施例的一个方面， 提供了一种获取烹饪器具的烹饪参数的方法， 包 括： 接收评价信息， 其中， 评价信息为用于评价烹饪结果的反馈信息， 评价信息包括如下至 少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情信息； 获取通过分析评价信 息生成的烹饪参数， 其中， 烹饪参数为将烹饪器具当前设置的工作参数调节至新工作参。

17、数 的依据。 0006 进一步地， 在评价信息为文本信息的情况下， 通过分析评价信息生成烹饪参数， 包 括： 将评价信息进行文本预处理， 得到去冗余后的评价信息； 对去冗余后的评价信息进行语 言处理， 得到文本信息中包括的多个分词； 按照词频输出多个分词， 并对输出的多个分词进 行特征提取； 基于特征提取的提取结果， 查询得到匹配的烹饪参数。 0007 进一步地， 对去冗余后的评价信息进行语言处理， 得到文本信息中包括的多个分 词， 包括： 将评价信息进行分词处理， 得到至少一个分词， 其中， 分词处理用于对评价信息所 包含的字序列按照预定组合规范进行重新组合； 对每个分词进行词性标注， 并基。

18、于词性标 注去除冗余的分词。 0008 进一步地， 按照词频输出多个分词， 并对输出的多个分词进行特征提取， 包括： 获 取输出的多个分词； 将多个分词的原始特征进行转换， 并从原始特征中选择满足预定条件 的特征， 得到提取特征后的分词。 0009 进一步地， 在评价信息为语音信息的情况下， 通过分析评价信息生成烹饪参数， 包 括： 将评价信息进行信号处理， 得到去冗余后的语音信息； 从去冗余后的语音信息中提取语 音特征； 使用神经网络模型来识别提取到的语音特征， 输出识别到的语义； 基于识别到的语 义， 查询得到匹配的烹饪参数。 0010 进一步地， 在使用神经网络模型来识别提取到的语音特征。

19、， 输出识别到的语义之 说明书 1/13 页 5 CN 111435594 A 5 前， 上述方法还包括： 从语音数据库中获取语音样本； 对语音样本提取语音特征， 并基于提 取到的语音特征对声学模型进行训练， 得到神经网络模型。 0011 进一步地， 在使用神经网络模型来识别提取到的语音特征， 输出识别到的语义之 前， 上述方法还包括： 从文本数据库中获取文本样本； 对文本样本进行分词处理， 并基于分 词结果对语言模型进行训练， 得到神经网络模型。 0012 进一步地， 在获取通过分析评价信息生成的烹饪参数之后， 上述方法还包括： 获取 预先存储了关键词与烹饪参数的变化关系数据库； 将评价信息。

20、作为关键词， 从变化关系数 据库中查询得到匹配的烹饪参数。 0013 进一步地， 变化关系数据库还包括用于表征不同的烹饪参数的等级变化的阈值， 其中， 阈值基于后续接收到的新评价信息进行更新。 0014 根据本发明实施例的另一方面， 还提供了一种获取烹饪器具的烹饪参数的装置， 包括： 接收模块， 用于接收评价信息， 其中， 评价信息为用于评价烹饪结果的反馈信息， 评价 信息包括如下至少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情信息； 参数 获取模块， 用于获取通过分析评价信息生成的烹饪参数， 其中， 烹饪参数为将烹饪器具当前 设置的工作参数调节至新工作参数的依据。 0015 进。

21、一步地， 在评价信息为文本信息的情况下， 装置还包括： 生成模块， 用于通过分 析评价信息生成烹饪参数， 其中， 生成模块包括： 预处理模块， 用于将评价信息进行文本预 处理， 得到去冗余后的评价信息； 语言处理模块， 用于对去冗余后的评价信息进行语言处 理， 得到文本信息中包括的多个分词； 第一特征提取模块， 用于按照词频输出多个分词， 并 对输出的多个分词进行特征提取； 第一查询模块， 用于基于特征提取的提取结果， 查询得到 匹配的烹饪参数。 0016 进一步地， 语言处理模块包括： 分词处理模块， 用于将评价信息进行分词处理， 得 到至少一个分词， 其中， 分词处理用于对评价信息所包含的。

22、字序列按照预定组合规范进行 重新组合； 标注模块， 用于对每个分词进行词性标注， 并基于词性标注去除冗余的分词。 0017 进一步地， 第一特征提取模块包括： 分词获取模块， 用于获取输出的多个分词； 转 换选择模块， 用于将多个分词的原始特征进行转换， 并从原始特征中选择满足预定条件的 特征， 得到提取特征后的分词。 0018 进一步地， 在评价信息为语音信息的情况下， 生成模块包括： 信号处理模块， 用于 将评价信息进行信号处理， 得到去冗余后的语音信息； 第二特征提取模块， 用于从去冗余后 的语音信息中提取语音特征； 识别模块， 用于使用神经网络模型来识别提取到的语音特征， 输出识别到的。

23、语义； 第二查询模块， 用于基于识别到的语义， 查询得到匹配的烹饪参数。 0019 进一步地， 上述装置还包括： 第一样本获取模块， 用于从语音数据库中获取语音样 本； 第一训练模块， 用于对语音样本提取语音特征， 并基于提取到的语音特征对声学模型进 行训练， 得到神经网络模型。 0020 进一步地， 上述装置还包括： 第二样本获取模块， 用于从文本数据库中获取文本样 本； 第二训练模块， 用于对文本样本进行分词处理， 并基于分词结果对语言模型进行训练， 得到神经网络模型。 0021 进一步地， 上述装置还包括： 数据库获取模块， 用于获取预先存储了关键词与烹饪 参数的变化关系数据库； 第三查。

24、询模块， 用于将评价信息作为关键词， 从变化关系数据库中 说明书 2/13 页 6 CN 111435594 A 6 查询得到匹配的烹饪参数。 0022 进一步地， 变化关系数据库还包括用于表征不同的烹饪参数的等级变化的阈值， 其中， 阈值基于后续接收到的新评价信息进行更新。 0023 根据本发明实施例的另一方面， 还提供了一种烹饪器具， 包括： 显示器， 用于显示 接收到的评价信息， 其中， 评价信息为用于评价烹饪结果的反馈信息， 评价信息包括如下至 少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情信息； 处理器， 用于获取通 过分析评价信息生成的烹饪参数； 控制器， 用于基于烹。

25、饪参数将烹饪器具当前设置的工作 参数调节至新工作参数。 0024 进一步地， 在评价信息为文本信息的情况下， 处理器还用于将评价信息进行文本 预处理， 得到去冗余后的评价信息； 对去冗余后的评价信息进行语言处理， 得到文本信息中 包括的多个分词； 按照词频输出多个分词， 并对输出的多个分词进行特征提取； 基于特征提 取的提取结果， 查询得到匹配的烹饪参数。 0025 进一步地， 在评价信息为语音信息的情况下， 处理器还用于将评价信息进行信号 处理， 得到去冗余后的语音信息； 从去冗余后的语音信息中提取语音特征； 使用神经网络模 型来识别提取到的语音特征， 输出识别到的语义； 基于识别到的语义，。

26、 查询得到匹配的烹饪 参数。 0026 根据本发明实施例的另一方面， 还提供了一种存储介质， 存储介质包括存储的程 序， 其中， 在程序运行时控制存储介质所在设备执行上述的获取烹饪器具的烹饪参数的方 法。 0027 根据本发明实施例的另一方面， 还提供了一种处理器， 处理器用于运行程序， 其 中， 程序运行时执行上述的获取烹饪器具的烹饪参数的方法。 0028 在本发明实施例中， 可以接收用于评价烹饪结果的评价信息， 通过分析评价信息 生成烹饪参数， 与现有技术相比， 烹饪器具可以根据用户反馈的评价信息， 修改烹饪器具的 工作参数， 使得烹饪器具的口感可以随着用户需求进行微调或者大调， 真正达到。

27、智能控制 的效果， 进而解决了现有技术中需要人为操控烹饪器具的按键来定义烹饪对象的口感， 由 于设定单一导致存在烹饪结果无法灵活控制的技术问题。 附图说明 0029 此处所说明的附图用来提供对本发明的进一步理解， 构成本申请的一部分， 本发 明的示意性实施例及其说明用于解释本发明， 并不构成对本发明的不当限定。 在附图中： 0030 图1是根据本发明实施例的一种获取烹饪器具的烹饪参数的方法的流程图； 0031 图2是根据本发明实施例的一种可选的文本挖掘的流程图； 0032 图3是根据本发明实施例的一种可选的语音识别的流程图； 0033 图4是根据本发明实施例的一种可选的基于用户长期反馈的文本信。

28、息进行电饭煲 条件烹饪参数的流程图； 0034 图5是根据本发明实施例的一种可选的基于用户实时反馈的语音信息进行电饭煲 条件烹饪参数的流程图； 0035 图6是根据本发明实施例的一种获取烹饪器具的烹饪参数的装置的示意图； 以及 图7是根据本发明实施例的一种烹饪器具的示意图。 说明书 3/13 页 7 CN 111435594 A 7 具体实施方式 0036 为了使本技术领域的人员更好地理解本发明方案， 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 本发明一部分的实施例， 而不是全部的实施例。 基于本发明中的实施例， 本领域。

29、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。 0037 需要说明的是， 本发明的说明书和权利要求书及上述附图中的术语 “第一” 、“第 二” 等是用于区别类似的对象， 而不必用于描述特定的顺序或先后次序。 应该理解这样使用 的数据在适当情况下可以互换， 以便这里描述的本发明的实施例能够以除了在这里图示或 描述的那些以外的顺序实施。 此外， 术语 “包括” 和 “具有” 以及他们的任何变形， 意图在于覆 盖不排他的包含， 例如， 包含了一系列步骤或单元的过程、 方法、 系统、 产品或设备不必限于 清楚地列出的那些步骤或单元， 而是可包括没有清楚。

30、地列出的或对于这些过程、 方法、 产品 或设备固有的其它步骤或单元。 0038 实施例1 0039 根据本发明实施例， 提供了一种获取烹饪器具的烹饪参数的方法的实施例， 需要 说明的是， 在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中 执行， 并且， 虽然在流程图中示出了逻辑顺序， 但是在某些情况下， 可以以不同于此处的顺 序执行所示出或描述的步骤。 0040 图1是根据本发明实施例的一种获取烹饪器具的烹饪参数的方法的流程图， 如图1 所示， 该方法包括如下步骤： 0041 步骤S102， 接收评价信息， 其中， 评价信息为用于评价烹饪结果的反馈信息， 评价 信息包括如下。

31、至少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情信息。 0042 具体地， 上述的烹饪器具可以是电饭煲、 电压力锅、 料理机等， 但不仅限于此， 本发 明实施例中以电饭煲为例进行说明。 上述的文本信息可以是按照意见收集周期(例如， 一 周、 一月、 一日等)， 在一段时间内接收到的文本信息， 而上述的语音信息可以是实时录入的 语音信息， 上述的表情信息可以是实时拍摄到的表情信息。 0043 在一种可选的方案中， 用户在使用电饭煲完毕后， 可以通过多种方式对电饭煲的 此次烹饪效果进行评价， 进一步将评价信息上传云端服务器， 由云端服务器进行处理， 得到 相应的烹饪参数。 或者， 将。

32、评价信息直接传输给电饭煲的主控芯片， 由主动芯片进行处理， 得到相应的烹饪参数。 0044 例如， 用户直接在APP上进行评价， 包括但不限于输入文本信息， 或点击APP提供的 默认意见， 或语音反馈， 或通过摄像头拍摄用户的表情， APP通过无线网络将用户的评价信 息上传云端服务器进行处理， 或发送至电饭煲的主控芯片进行处理。 0045 又例如， 用户直接通过电饭煲上安装的相关装置进行评价， 例如， 通过文本输入装 置输入文本信息， 或通过语音采集装置进行语音反馈， 或通过图像采集装置拍摄用户的表 情， 相关装置将用户的评价信息传输给主控芯片进行处理。 0046 步骤S104， 获取通过分析。

33、评价信息生成的烹饪参数， 其中， 烹饪参数为将烹饪器具 当前设置的工作参数调节至新工作参数的依据。 0047 在一种可选的方案中， 云端服务器在获取到评价信息之后， 可以对评价信息进行 说明书 4/13 页 8 CN 111435594 A 8 相应的分析处理， 得到烹饪参数， 进一步基于烹饪参数对电压力锅的当前工作参数进行调 节， 得到新的工作参数， 并将新的工作参数返回给电饭煲的主控芯片。 0048 在另一种可选的方案中， 主动芯片在获取到评价信息之后， 可以对评价信息进行 相应的分析处理， 对电压力锅的当前工作参数进行调节， 得到新的工作参数。 0049 主控芯片在得到新的工作参数之后，。

34、 可以将该工作参数存储在本地， 并在下一次 烹饪时使用。 0050 需要说明的是， 在本发明实施例中， 以用户通过手机反馈评价信息， 云端服务器进 行分析处理为例进行详细说明， 降低烹饪器具的计算量， 进一步降低硬件成本。 0051 通过本发明上述实施例， 可以接收用于评价烹饪结果的评价信息， 通过分析评价 信息生成烹饪参数， 与现有技术相比， 烹饪器具可以根据用户反馈的评价信息， 修改烹饪器 具的工作参数， 使得烹饪器具的口感可以随着用户需求进行微调或者大调， 真正达到智能 控制的效果， 进而解决了现有技术中需要人为操控烹饪器具的按键来定义烹饪对象的口 感， 由于设定单一导致存在烹饪结果无法。

35、灵活控制的技术问题。 0052 可选地， 在本发明上述实施例中， 在评价信息为文本信息的情况下， 通过分析评价 信息生成烹饪参数， 包括： 将评价信息进行文本预处理， 得到去冗余后的评价信息； 对去冗 余后的评价信息进行语言处理， 得到文本信息中包括的多个分词； 按照词频输出多个分词， 并对输出的多个分词进行特征提取； 基于特征提取的提取结果， 查询得到匹配的烹饪参数。 0053 具体地， 文本信息中包括的多个分词， 可以是用户评价烹饪效果的关键词， 可以包 括烹饪对象和具体效果， 例如， 关键词可以是 “米饭” 、“粥” 、“好吃” 、“硬” 、“软” 、“不好吃” 、 “味淡” 等， 但不。

36、仅限于此。 0054 在一种可选的方案中， 如图2所示， 云端服务器或者主控芯片在获取到文本信息之 后， 可以首先对文本信息进行预处理， 剔除噪声文本以改进挖掘精度， 或者在文本信息的数 量过大时， 选取部分文本信息以提高挖掘效率。 对去冗余后的文本信息进行语言学处理， 可 以提取出文本信息中的关键词， 并按照从多到少的词频顺序输出关键词， 通过对关键词进 行特征提取， 选取出其中既能保留文本的关键信息， 同时又能反映出相对重要性的特征， 得 到提取结果， 进一步确定出相应的烹饪参数。 0055 可选地， 在本发明上述实施例中， 对去冗余后的评价信息进行语言处理， 得到文本 信息中包括的多个分。

37、词， 包括： 将评价信息进行分词处理， 得到至少一个分词， 其中， 分词处 理用于对评价信息所包含的字序列按照预定组合规范进行重新组合； 对每个分词进行词性 标注， 并基于词性标注去除冗余的分词。 0056 具体地， 上述的冗余的分词可以是没有实际意义的停用词， 例如， 可以是句号、 是、 的等词汇。 0057 在一种可选的方案中， 如图2所示， 对去冗余后的文本信息进行语言学处理， 具体 可以包括如下三个步骤： 分词、 词性标注和去除停用词。 具体实现流程如下： 首先将文本信 息中连续的字序列按照一定的规范重新组合成词序列， 得到文本信息中的关键词， 然后将 关键词的词性标注在该关键词上， 。

38、最后将停用词去除， 得到最终的分词结果。 0058 可选地， 在本发明上述实施例中， 按照词频输出多个分词， 并对输出的多个分词进 行特征提取， 包括： 获取输出的多个分词； 将多个分词的原始特征进行转换， 并从原始特征 中选择满足预定条件的特征， 得到提取特征后的分词。 说明书 5/13 页 9 CN 111435594 A 9 0059 具体地， 上述的预定条件可以是能够筛选出既能保留文本的关键信息， 又能反映 相对重要性的条件， 因此， 满足预定条件的特征可以是原始特征中最具代表性的特征， 也可 以是最有影响的特征， 还可以是最具分类信息的特征。 0060 在一种可选的方案中， 在得到文。

39、本信息中的关键词之后， 可以利用映射或变换的 方法将关键词的原始特征变换为较少的新特征， 然后从变换后的新特征中筛选出最具有代 表性的特征， 根据专家的知识挑选最有影响的特征， 并用数学的方法进行选取， 找到最具分 类信息的特征， 从而得到最终的提取结果。 0061 可选地， 在本发明上述实施例中， 在评价信息为语音信息的情况下， 通过分析评价 信息生成烹饪参数， 包括： 将评价信息进行信号处理， 得到去冗余后的语音信息； 从去冗余 后的语音信息中提取语音特征； 使用神经网络模型来识别提取到的语音特征， 输出识别到 的语义； 基于识别到的语义， 查询得到匹配的烹饪参数。 0062 具体地， 上。

40、述的神经网络模型可以是优先搜索自动解码器构建的识别网络， 如图3 所示， 包括声学模型和语言模型， 通过声学模型进行模式匹配， 并通过语言模型进行语言处 理， 另外， 神经网络模型还可以结合字典， 得到声学模型与语言模型的关联关系。 0063 在一种可选的方案中， 如图3所示， 云端服务器或者主控芯片在语音输入， 即获取 到语音信息之后， 可以对语音信息进行信号预处理， 剔除噪声语音或者选取出效果最好的 语音信息， 得到去冗余后的语音信息， 然后进行语音特征提取， 提取出语音信息中的语音特 征， 通过构建好的神经网络模型对语音特征进行识别， 识别出语音信息对应的语义信息， 进 一步从语义信息中。

41、提取出关键词， 确定出相应的烹饪参数。 0064 需要说明的是， 在识别出语音信息的语义信息之后， 可以直接按照文本挖掘方法 实现， 其特征可直接直观体现用于上层决策， 可表现为词云图， 但不仅限于此， 也可以采用 其他途径进行展示。 0065 可选地， 在本发明上述实施例中， 在使用神经网络模型来识别提取到的语音特征， 输出识别到的语义之前， 该方法还包括： 从语音数据库中获取语音样本； 对语音样本提取语 音特征， 并基于提取到的语音特征对声学模型进行训练， 得到神经网络模型。 0066 在一种可选的方案中， 如图3所示， 可以获取大量语音信息构建语音数据库， 并从 中获取语音样本进行模型训。

42、练， 在获取到语音样本之后， 对语音样本进行语音特征提取， 提 取出语音样本的语音特征， 并利用语音特征进行声学模型训练， 得到训练好的声学模型。 0067 可选地， 在本发明上述实施例中， 在使用神经网络模型来识别提取到的语音特征， 输出识别到的语义之前， 该方法还包括： 从文本数据库中获取文本样本； 对文本样本进行分 词处理， 并基于分词结果对语言模型进行训练， 得到神经网络模型。 0068 在一种可选的方案中， 如图3所示， 可以获取大量文本信息构建文本数据库， 并从 中获取文本样本进行模型训练， 在获取到文本样本之后， 对文本样本进行分词处理， 得到文 本样本中的多个分词， 并利用多个。

43、分词进行语言模型训练， 得到训练好的语言模型。 0069 可选地， 在本发明上述实施例中， 在获取通过分析评价信息生成的烹饪参数之后， 该方法还包括： 获取预先存储了关键词与烹饪参数的变化关系数据库； 将评价信息作为关 键词， 从变化关系数据库中查询得到匹配的烹饪参数。 0070 可选地， 上述的变化关系数据库还包括用于表征不同的烹饪参数的等级变化的阈 值， 其中， 阈值基于后续接收到的新评价信息进行更新。 说明书 6/13 页 10 CN 111435594 A 10 0071 具体地， 可以预先制定关键词与电饭煲的烹饪参数对应变化关系的数据库(即上 述的变化关系数据库)， 该数据库中包含有。

44、各词性的关键词， 以及与其对应的控制参数各等 级变化， 例如， 如下表1所示： 0072 表1 0073 动词名词形容词功率 吃饭软+阈值 0074 其中， 上述的阈值可以是电饭煲控制人员预先给出的初始阈值， 或者根据历史语 音识别或文本挖掘结果， 修改后的阈值。 阈值可以根据历史结果， 按照一定的权重进行修 改， 例如， 修改后的阈值(相同词性数量/全部关键词数量)*历史阈值， 但不仅限于此， 还 可以是其他包含权重的类似实时修改方法。 0075 在一种可选的方案中， 在云端服务器或主控芯片对文本信息进行分析处理， 得到 从文本信息中提取出的关键词， 或者对语音信息进行分析处理， 得到语音信。

45、息对应的语义 信息中提取出的关键词， 又或者对表情信息进行分析处理， 得到表情信息对应的关键词之 后， 可以从变化关系数据库中查询到相应的烹饪参数， 作为调节后的新工作参数， 并将新工 作参数反馈给主控芯片。 0076 下面结合图4和图5对本发明一种优选的实施例进行详细说明， 图4示出了一种基 于用户长期反馈的文本信息进行电饭煲条件烹饪参数的实现流程， 图5示出了一种基于用 户实时反馈的语音信息进行电饭煲条件烹饪参数的实现流程。 0077 如图4所示， 该方法包括： 用户在使用电饭煲后， 在APP上反馈意见， 具体可以是文 本信息。 在一段时间之后， 可以将所有文本信息上传云端服务器， 由云端。

46、服务器进行文本挖 掘， 统计频繁词集。 在云端服务器传入当前的各模式烹饪参数， 云端服务器可以根据事先已 经建好的关键词与烹饪参数对应变化关系的数据库， 调节到新的烹饪参数； 另外可以根据 用户反馈的关键词频繁词集， 定时更新上述的数据库。 云端服务器将新的烹饪参数传回电 饭煲主控芯片， 下一次使用时执行。 0078 如图5所示， 该方法包括： 在用户使用电饭煲后， 用户可以在APP上对电饭煲的煮饭 或其他模式的效果进行语音反馈， 云端服务器在接收到用户语音反馈之后， 进行自然语言 处理或语音识别， 并调整对应的烹饪参数， 云端服务器将新的烹饪参数传回电饭煲主控芯 片， 下一次使用时执行。 0。

47、079 通过上述方案， 电饭煲可以依据不同程度的反馈， 修改控制参数， 让电饭煲的口感 可随用户的个人意愿而微调或大调， 真正达到智能控制的效果。 0080 需要说明的是， 上述方法不仅仅可以应用于家庭中的烹饪器具， 还可以应用于商 业行业， 例如， 应用于饭店中， 可以制定饭店的反馈系统， 通过该系统可以获取顾客的评价 信息， 通过分析评价信息可以生成烹饪参数， 并在后厨展示与实施， 实现口味的改变。 0081 实施例2 0082 根据本发明实施例， 提供了一种获取烹饪器具的烹饪参数的装置的实施例。 0083 图6是根据本发明实施例的一种获取烹饪器具的烹饪参数的装置的示意图， 如图6 所示，。

48、 该装置包括： 0084 接收模块62， 用于接收评价信息， 其中， 评价信息为用于评价烹饪结果的反馈信 说明书 7/13 页 11 CN 111435594 A 11 息， 评价信息包括如下至少之一： 用户输入的文本信息、 录入的语音信息和拍摄到的表情信 息。 0085 具体地， 上述的烹饪器具可以是电饭煲、 电压力锅、 料理机等， 但不仅限于此， 本发 明实施例中以电饭煲为例进行说明。 上述的文本信息可以是按照意见收集周期(例如， 一 周、 一月、 一日等)， 在一段时间内接收到的文本信息， 而上述的语音信息可以是实时录入的 语音信息， 上述的表情信息可以是实时拍摄到的表情信息。 0086。

49、 在一种可选的方案中， 用户在使用电饭煲完毕后， 可以通过多种方式对电饭煲的 此次烹饪效果进行评价， 进一步将评价信息上传云端服务器， 由云端服务器进行处理， 得到 相应的烹饪参数。 或者， 将评价信息直接传输给电饭煲的主控芯片， 由主动芯片进行处理， 得到相应的烹饪参数。 0087 例如， 用户直接在APP上进行评价， 包括但不限于输入文本信息， 或点击APP提供的 默认意见， 或语音反馈， 或通过摄像头拍摄用户的表情， APP通过无线网络将用户的评价信 息上传云端服务器进行处理， 或发送至电饭煲的主控芯片进行处理。 0088 又例如， 用户直接通过电饭煲上安装的相关装置进行评价， 例如， 。

50、通过文本输入装 置输入文本信息， 或通过语音采集装置进行语音反馈， 或通过图像采集装置拍摄用户的表 情， 相关装置将用户的评价信息传输给主控芯片进行处理。 0089 参数获取模块64， 用于获取通过分析评价信息生成的烹饪参数， 其中， 烹饪参数为 将烹饪器具当前设置的工作参数调节至新工作参数的依据。 0090 在一种可选的方案中， 云端服务器在获取到评价信息之后， 可以对评价信息进行 相应的分析处理， 得到烹饪参数， 进一步基于烹饪参数对电压力锅的当前工作参数进行调 节， 得到新的工作参数， 并将新的工作参数返回给电饭煲的主控芯片。 0091 在另一种可选的方案中， 主动芯片在获取到评价信息之。