CN103069794B - 改进的网络数据传输系统和方法 - Google Patents
改进的网络数据传输系统和方法 Download PDFInfo
- Publication number
- CN103069794B CN103069794B CN201180030531.XA CN201180030531A CN103069794B CN 103069794 B CN103069794 B CN 103069794B CN 201180030531 A CN201180030531 A CN 201180030531A CN 103069794 B CN103069794 B CN 103069794B
- Authority
- CN
- China
- Prior art keywords
- location
- advertising
- network
- advertisement
- publisher
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0243—Comparative campaigns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种网络数据传输系统,包括位置度量数据库、位置参数数据库、评分引擎以及系统控制器,该系统控制器与位置度量数据库、位置参数数据库和评分引擎连接。位置度量数据库和位置参数数据库可以至少部分链接并且可以至少部分地分布。在一个实施方式中,评分引擎可包括在至少一些位置度量上操作的加权函数。
Description
技术领域
本发明的实施方式涉及用于改进在网络中的数据传输的有效性的系统,并且更具体地涉及用于通过网络有效地传输视频流的系统和方法。
背景技术
据估计,到2013年,视频流量将为所有用户IP流量(例如,互联网网络业务)的90%且为移动用户流量(例如,电话网络流量)的64%。例如,参见“Cisco:By 2013 Video Willbe 90Percent of All Consumer IP Traffic and 64PercentMobile”,TechCruch,2009年6月9日,Erick Schonfeld。由于所有的网络固有地具有有限的带宽,故高效地并且有效地分配视频是非常重要的。尽管视频广告在本文中用作视频传输的示例,然而,可以理解,基于数据的目标接收者的定性分析,本文中所公开的系统和方法通常可应用于数据在网络上的高效的、有效的分配。
电子商务,通常称为“e-commerce”,包括通过诸如互联网的电子系统购买和销售产品或服务。随着互联网技术的广泛采用,进行的电子贸易的量已急剧增长。在电子商务中一个尤其爆发式的增长领域是广告领域,特别是互联网上的视频广告。
广告是使卖方的商品和/或服务进行销售的常见的方式。在传统的媒体中,诸如电视和印刷媒体,广泛观众人口可以看到广告。通常仅一小部分的观众将有兴趣购买商品或服务。此外,利用传统媒体,为广告提供的空间通常是有限的。在本领域中,可用于广告的资源(例如,物理空间,时间等)的量有时被称为“库存”。
互联网的固有性质是其创建越来越多量的广告库存。这是因为网络技术可以在每次访问网页(或其它,例如基于超文本标记语言html的平台)时生成广告消息图像(称为“展示”)。由于多个用户可能同时访问互联网内容,且由于互联网用户和网页的数量在不断地增长,因此互联网上的广告空间的“库存”几乎是无限的。
由于大量过剩的库存,因此存在对于广告客户和代表广告客户的实体通过网站(“发行者”)的竞争。即,由于许多广告客户由广告代理商、广告网络和/或管理广告分布的其它实体(总体称为“广告网络”)代表,因此对于广告客户的竞争延伸到这些实体。由于大多数网络发行者利用广告网络提供某种形式的酬金分润方法,因此一些竞争可以通过网络发行者提供给广告网络的利润率来反映。此外,不同的网站满足不同的客户群,具有不同的“点击”率等,所有的这些可以用来吸引相关的广告客户和广告网络。
由于竞争,故发行者通过优化网站内容、调节广告的显示、吸引具有令广告客户满意的人口统计学特征的观众等而关注于很好地吸引付费广告。调整他们的广告“位置”的这些方面和其他方面已经成为相对低效率的臆测和实验的随意过程。
此外,广告客户期望在高质量的网页或者其他广告位置投放他们的广告以便为他们广告支出获得最大价值。此外,这已经成为基于直觉和耗时反馈的随意过程。
在阅读下文的说明和研究附图中的多个示图的情况下,现有技术的这些或者其他限制对于本领域技术人员将变得明显。
发明内容
为了说明在说明书和附图的公开的范围内的元素和动作的组合,本文列举了多个示例。对于本领域的技术人员来说明显的是,本文也支持元件和动作以及其变型的其他组合。
本发明列举的实施方式的一个目的是改进网络数据传输,并且尤其改进在受带宽限制的网络上的视频流数据的传输。
本发明列举的实施方式的另一目的是提供允许定性分析用于诸如视频广告的目的的视频数据传输的有效性的方法和系统。
通过示例性和非限制性列举的网络数据传输系统,包括位置度量数据库;位置参数数据库;评分引擎;以及系统控制器,所述系统控制器被连接到所述位置度量数据库、所述位置参数数据库和所述评分引擎。在另一示例中,至少部分地链接所述位置度量数据库和所述位置参数数据库。在再一示例中,至少部分地分布所述位置度量数据库和所述位置参数数据库中的至少一种。在又一示例中,所述评分引擎包括在至少一些所述位置度量上操作的加权函数。在再一示例中,所述加权函数为加权和函数。在再一示例中,所述加权函数为加权平均函数。在再一示例中,所述加权函数包括从所述位置参数数据库获取的加权系数。在又一示例中,所述加权函数通过神经网络来实现。在又一示例中,评分数据库被连接到所述系统控制器。在再一示例中,至少部分地链接所述评分数据库、所述位置度量数据库和所述位置参数数据库中的至少两个。在另一示例中,至少部分地分布所述位置度量数据库和所述位置参数数据库中的至少一个。在又一示例中,报告生成器连接至系统控制器。在再一示例中,所述报告生成器生成广告位置的排序列表。在又一示例中,所述排序列表与人口统计特征概况关联。
作为示例而非限制列举的用于通过网络传输视频数据的方法,包括:获得用于多个互联网视频显示装置的多个位置度量和多个位置参数;生成与所述多个互联网视频显示装置关联的多个分数;基于所述多个分数对所述多个互联网视频显示装置的至少一子集排序。在另一示例中,生成所述多个分数包括加权函数在至少一些所述位置度量上操作。在再一示例中,所述加权函数为加权和函数与加权平均函数中的至少一种加权函数。在另一示例中,所述加权函数包括权重系数。在又一示例中,所述加权函数通过神经网络来实现。
作为示例而非限制列举的用于形成广告位置的质量排序的方法,包括:生成用于广告位置的多个分数;以及基于质量分数对广告位置排序。排序的广告位置可以由发行者使用来改进他们的广告位置的质量,并且可以由广告客户在选择他们的广告位置时使用。
作为示例而非限制列举的用于网站、网页和/或其他互联网位置的视频广告评分系统形成一个或多个广告“质量分数”,这些质量分数与他们的“广告质量”相互关联。网站可以通过他们的质量分数来“排序”,以提供由例如广告客户、网络和发行者对于网站所作出的视频广告决定有关的相关信息。
质量分数(例如,“PQS”)可以有利地被广告客户和发行者使用。例如,通过将广告客户的广告投放给符合他们的质量标准的发行者,广告客户可以优化他们的广告预算。另一方面,发行者可以使用质量分数通过例如改变他们的内容和/或降低他们的价格来提高对广告客户的吸引力。
此外,PQS允许在具有有限带宽的网络上更高效且有效地分布大量的数据(特别是视频数据)。作为非限制性示例,视频分布系统可以确定有限数量的视频有效分布在定性的令人满意的“位置”或者视频显示装置。这可以大大增加分布系统的效率并且减少在网络系统上的总负载。
在阅读下文的说明和研究附图的多个示图之后,对于本领域的技术人员来说,本文中所支持的元件和动作的组合的这些或者其他示例以及其优点将变得明显。
附图说明
现将结合附图描述多个示例,其中同样的元件和/或操作具有同样的附图标记。这些示例旨在说明并且不限制本文所公开的构思。这些附图包括下列示图:
图1示出支持广告位置评分过程的示例系统;
图2为可以形成图1的系统的一部分的示例计算机、计算机控制的装置、代理服务器和/或服务器的框图;
图3为示例性广告位置评分系统的框图;
图4为示例性广告位置评分系统的状态示意图;
图5为示例性评分数据的流程示意图;以及
图6为随着时间的从大量的发行者获取的示例性度量数据以及与其相关的示例性归一化值和发行者质量分数(PQS)的表格。
具体实施方式
图1示出根据非限制性示例的支持广告位置评分过程的系统10。在该示例中,系统10包括一个或多个操作服务器12、一个或多个广告客户计算机14和一个或多个发行者服务器系统16。系统10还可包括其他计算机、服务器或者计算机控制的系统,诸如代理服务器18。在该示例中,操作服务器12、广告客户计算机14、发行者服务器系统16和代理服务器18可以通过广域网诸如互联网20(也称为用TCP/IP数据包协议操作的“全球网”或者“广域网”或者“WAN”)来通信。
如本领域的技术人员将理解的,操作服务器12可以以单台服务器或以多个服务器(诸如服务器群和/或虚拟服务器)来实现。替选地,操作服务器12的功能可以在系统10中的其他地方来实现,诸如在以12A表示的广告客户计算机14上、在以12B表示的发行者服务器系统16上、以12C表示的代理服务器18上或作为以12D表示的云计算的一部分,作为这些均为非限制性示例。如本领域的技术人员将理解的,操作服务器12的过程可以分配给系统10内的这些系统。
在一实施方式中,操作服务器在广告客户和发行者之间提供中介服务,以促进在互联网上购买和销售广告。在其它实施方式中,操作服务器为客户端计算机和资源服务器系统提供中介服务和/或便利服务,以增强各种电子商务活动。
在图1的示例中,系统10包括多个广告客户计算机14{ADV.1,ADV.2,…,ADV.N}。ADV.1可以为例如软饮料的制造商,ADV.2可以为计算机制造商以及ADV.N可以为例如会计事务所。替选地,广告客户可以是充当为客户购买广告的中间商的广告代理商。尽管各个广告客户计算机14可以以单台计算机(诸如个人计算机或计算机工作站)来实现,但是他们也可以代表其它的计算机配置,诸如局域网(LAN)上的计算机集群。
发行者服务器系统16可以分别表示一个或多个服务器,诸如服务器群。在图1的示例中,系统10包括多个发行者服务器系统16{PUB.1,PUB.2,…,PUB.M}。例如,PUB.1可以为因特网入口,PUB.2可以为搜索引擎,PUB.M可以为新闻网站。如前所述,发行者服务器系统16中的一个或多个可以实现操作服务器12的部分功能或全部功能。
代理服务器18可以为计算机、服务器或者服务器集群,其作为操作服务器、广告客户计算机和/或发行者服务器系统16之间的中介或者代理。如上文指出,在代理服务器18上可以实现操作服务器12的部分功能或全部功能。
还应当注意,如图1所示的系统10仅仅是这种系统的一个示例。作为非限制性示例,广告客户计算机14可以被概括为几乎任何形式的客户端计算机。作为另一非限制性示例,发行者服务器系统16可以被概括为几乎任何形式的资源服务器系统。因此,可以理解,尽管本文中所描述的某些实施方式旨在用于电子商务广告销售和购买,但是还有许多其它的实施方式可以通过本文中所描述的系统10来实现。
图2是适用于在系统10中使用的计算机和/或服务器22的简化的框图。作为非限制性示例,计算机22包括微处理器24,该微处理器24连接至存储器总线26和输入/输出(I/O)总线30。许多存储器和/或其它的高速器件(诸如RAM32、SRAM 34和VRAM 36)可以连接至存储器总线26。附接至I/O总线30的是各种I/O器件,诸如大容量存储器38、网络接口40和其它I/O 42。如本领域的技术人员将理解的,存在许多可用于微处理器24的计算机可读介质,诸如RAM 32、SRAM 34、VRAM 36和大容量存储器38。网络接口40和其它I/O 42也可包括计算机可读介质,诸如寄存器、高速缓冲存储器、缓冲器等。大容量存储器38可以为各种类型,举几个来说,包括硬盘驱动器、光盘驱动器和闪存驱动器。
应该注意,其他计算机控制的装置可以在图1的系统的范围内。例如,多个装置,诸如,蜂窝电话、掌上电脑(PDAs)、网络设备、平板电脑和其他便携式和非便携式的装置可以获取信息、提供信息,或者与系统10交互。在多种情况下,这些装置支持电子广告。
应该注意,通过例如根据内容对发行者分类可以增强发行者的选择。也就是说,作为多个非限制性示例,“发行者”可以为单一的法人实体,或者该实体的子集,或者一组实体的一部分。例如,发行者实体可以具有1000个发行物,其中的100个发行物用于戏剧性的内容,100个发行物用于喜剧,等。具有共同主题内容的发行者实体的发行物的子集可以视为“发行者”。此外,“发行者”可包括通过不同代理商提供的一组发行物,作为非限制性示例,这组发行物符合诸如戏剧、运动或者娱乐的主题。
还应该注意,在一些情况下,广告网络对广告客户、发行者或者这两者基本上是透明的。也就是说,对于广告客户来讲,广告网络可被视为一个发行者或者多个发行者的集合,和/或,对于发行者来讲,广告网络可被视为一个广告客户或者多个广告客户的集合。
如本文中所使用的,“互联网广告位置”是指在通过互联网直接或者间接传输到计算机、计算机控制的装置或者其他“端点”或者“视频显示器”之后所看到的广告的位置或者具体情况。通常,大量的互联网广告位置被称为“互联网广告位置”。然而,在一些情况下,“互联网广告位置”可以为一组“互联网广告位置”。例如,虽然各个网页本身也可以视为互联网广告位置,然而包括大量网页的网站可以视为互联网广告位置。可替换地,“互联网广告位置”也可以视为由例如一个或多个人口统计学特征过滤的“互联网广告位置”。例如,当针对男性观众和女性观众过滤时,在网页上的广告可视为不同的位置。
非常常见的互联网广告位置是网页。在这样的示例中,广告位置例如可以为不仅与网页的URL关联,也可以与其在网页上的相对位置关联,并且与网页的其他元素邻近。
在图3中,示例性的广告位置评分系统44的框图包括评分系统控制器46、度量数据库48、参数数据库50、评分引擎52、评分数据库54和报告生成器56。应该注意,评分系统44的多个元素可以为真实的和/或虚拟的,以及一些或者所有元素可包括计算机执行过程。
为了说明示例的目的,将针对借助互联网可视的视频广告描述广告位置评分系统,可以理解,不管是否出于作广告的目的,其他形式的通信媒体(诸如,非商业性通信)为本文中所用的“广告”的备用示例。
因此,在该示例中,视频广告可以与网站或者网页或者在网页上的特定地点关联。通常,视频广告包括“播放”按钮,当通过鼠标的点击激活“播放”按钮时,将开始播放视频广告(这也被称为“点击”)。而且,视频广告通常可以播放至结束或者在结束之前停止。播放的视频广告的数量也被称为“播放量(play-through)”,并且例如可以根据百分比(例如,视频完成率或者“VCR”)或者以秒来测量。在一些情况下,作为非限制性示例,视频广告可包括与其他资源的链接以提供附加的信息、内容、订购产品的能力或者可以提高视频广告过程的反馈。
网站、植入其中的对象、网络服务器和其他因特网资源通常具有监控网站活动的能力,包括广告的显示和/或与广告的交互。从这样的监控功能获取的数据可以提供度量,该度量可以用来分析广告的成绩。例如,一个常见的度量为“展示量”,其在该示例中为包括特定广告的网页在一段时间内在网页上已经显示的次数。另一常见的度量为“点击率”,点击率为在一段时间内点击量与展示量的百分比。另一常见的度量为“浏览率”或者视频完成率(VCR),其为在一段时间内浏览的平均率(通常用百分比表示)。本领域的技术人员熟知的这些或者其他度量可以从广告位置获取并且被累积以用于数据存储和分析。
如上文所述,“广告位置”可具有除了广告之外的其他用途,诸如,通信、训练或者娱乐。尽管如此,与广告位置关联的度量对于数据存储和分析也是有用的。此外,“广告位置”可以在除了网页之外的其他位置显示。作为非限制性示例,广告位置可以显示在移动电话的屏幕上或者平板电脑的屏幕上。“端点”,例如,向用户显示广告的计算机控制的设备,也是用于分析目的的有用的度量。
在图3的示例中,从不同的广告位置获取的度量可以被存储在度量数据库48中用于并行的和/或随后的分析。作为非限制性示例,可以定位和/或分布度量数据库48,并且可以在图1的示例系统中的不同的位置部分或者整体地发现度量数据库48。评分系统控制器46可以进行以49所标示的与度量数据库48的双向通信。
参数数据库50也可以在图3的示例中看到。参数数据库50可以包括另外的与互联网广告位置相关的信息。例如,数据库50可包括人口统计信息,诸如,观众的年龄范围或者性别、端点等,其可以从广告位置或其他地方同时或者随着时间的推移而被获取。作为另一个示例,参数数据库可包括用于度量数据库48的度量的权重因子。作为非限制性示例,参数数据库50可以位于一个位置和/或为分布式的,并且可以在图1的示例系统中的多个位置上部分或者整体地被发现。评分系统控制器46可以进行以51所标示的与参数数据库50的双向通信。此外,度量数据库48和参数数据库50可以集成为联合的真实和/或虚拟的数据库或者可以被链接作为真实和/或虚拟的数据库。
在该示例中,评分系统44还包括评分引擎52,该评分引擎可以用来产生与互联网广告位置关联的分数。在本示例中,评分引擎52在从度量数据库48上获取的一个或多个度量上操作以得出分数,该分数可以表征广告位置。如果由此获取的分数直接关联于在该位置处广告的合意性,该分数可以视为用于该广告位置的“质量分数”。通过提供用于广告位置的标准化的质量分数,则可以进行比较以做出广告决定和/或做出对广告位置的“质量”的改进。在该示例中,如53所示,评分引擎52与评分系统控制器46进行双向通信。
通过评分引擎52得到的分数可以存储在评分数据库54中,在该示例中,评分数据库54与评分系统控制器46双向通信,如55所示。评分数据库54可以位于一个位置和/或为分布式的,并且可以在图1的示例系统中的多个位置中部分或者整体地被发现。此外,评分数据库54、度量数据库48和参数数据库50可以集成为联合的真实和/或虚拟的数据库,或者可以被链接作为真实和/或虚拟的数据库。“数据库”在本文中是指任何有序的数据存储,以用于其系统检索。例如,数据库可以为平面数据库、表格、关系数据库等。
在该示例中,报告生成器56被连接到评分系统控制器46,以用于由57所示的双向通信。例如,报告生成器56可以用来产生从评分数据库54或者其他位置中的数据获取的报告。例如,报告生成器56可以生成广告位置的有序的质量列表或者“质量排序”。与具体广告位置关联的分数可以提供该广告位置的合意性或者“质量”的指示。
在图4中,示例性广告位置评分过程58的状态示意图包括中心控制过程60、度量过程62、参数过程64、评分数据库更新过程66和报告过程68。在该示例中,中心控制60可以执行度量过程62,诸如,从度量数据库48检索存储的度量(见图3)。同样,作为示例,中心控制60可以执行参数过程64,例如,将权重和/或人口统计参数存储在例如参数数据库50中。中心控制60也可以例如分别在图3的评分引擎52和/或报告生成器56上执行评分数据库更新过程66和/或执行报告过程68。
在图5中更详细地说明了图4的示例评分更新过程66。过程66在70处开始,并且在计算机执行的动作或者“操作”72中,确定更新过程是否完成。如果是,则如74处所示,过程66完成并且过程控制返回到中心控制60(见图4)。如果否,则在操作74中检索下一个位置参数和度量。随后操作78生成一个或多个位置分数,该位置分数被存储在例如评分数据库中(见图3)。
生成质量分数
作为非限制性示例,可以使用加权函数产生质量分数。加权函数是当执行例如求和、积分或者平均值时所使用的数学方法,以便给出一些比同一集合中的其他要素更加重要或对结果的影响更大的要素。在该示例中,集合中的要素选自与广告位置关联的度量,并且权重为常数或者与广告位置关联的函数,并且在一些示例中为与相关的人口统计学特征关联的函数。如本文所用的,“质量分数”可称为发行者质量分数或者“PQS”。
一种类型的加权函数为通过如下的等式1给出的加权求和: 等式1
其中,m(i)为n个选定的与位置关联的度量中的第i个度量,以及f(i)为与度量m(i)关联的加权函数。如上文所述,加权函数可以为存储在例如参数数据库50中的阵列、表格或者其他数据结构中的常量。可替换地,f(i)可以为若干常量和/或变量的函数,该变量包括人口统计变量,其也可以例如存储在参数数据库50中。
另一形式的加权函数为加权平均值。加权平均值或者“加权平均数”通常在统计学中使用以补偿存在的偏差。加权平均数类似于算术平均数(最常见类型的“平均数”),除了同等地作用于最终的平均数的度量之外,一些度量的作用大于其他度量。加权平均数的概念在描述性统计学中起到重要的作用,并且也以更一般的形式出现在多个其他的数学领域中。如本领域的技术人员所熟知的,具有其他形式的加权平均数,包括加权几何平均数和加权调和平均数。
一旦获得原始的质量分数,则其可以归一化以较容易地由分析人员比较。例如,如果原始质量分数在0到1的范围内,则这些分数可以通过乘以100被归一化到0到100的范围。归一化的分数对于人脑更容易记住和比较。
给定足够大的评分数据库66,人工神经网络也可以被训练(trained)以提供质量分数。人工神经网络(ANN),通常也简称为“神经网络”,为模拟生物神经网络的结构和/或功能方面的计算模型。神经网络包括一组互相连接的人工神经元,且使用联接主义方法以计算而处理信息。在多种情况下,神经网络为适应性系统,该系统基于在学习阶段期间的流经网络的外部或者内部信息而改变它们的结构。大部分神经网络为非线性的统计数据建模工具,该工具可以用来对输入和输出之间的复杂关系建模或者用来发现数据中的模式。
为了正确地“受训”,很多示例应该在训练阶段期间被应用到神经网。对于特定的广告位置,位置度量和位置参数应用于神经网的输入值,并且如在评分数据库54中存储的质量分数应用于输出值。随后神经网络在内部调整其神经元的“权重”,使得输出值为输入值的加权函数。在多个示例之后,神经网学会如何基于任意一组输入值产生正确的质量分数。
受训的神经网络的优点为不必知道如何获得正确的答案。事实上,可以输入神经网络的度量比可以常规地通过人辅助的计算的处理的度量要多。这具有增加的鲁棒性的优势,且可能使神经网络“发现”没有被设计者考虑的转移函数关系。一旦被合适地训练,神经网络可以操作而无需任何关于加权函数的权重的选择的人机交互。
对于新的系统,例如,评分数据库还没有启动的系统,优选利用简单的加权函数评分引擎开始,在该位置,操作者选择需要进行的几个度量,且将权重常量分配至基于专家知识和(在一定程度上)人的直觉的这些度量。这些权重全部为分数,并且这些权重的和为“1”。由于评分数据库填充了数据并且另外的经验被积累,故权重常量可以通过改变权重来调整,和/或可以添加另外的度量。此外,加权函数可以被选择性地分配并且不同组的权重可以与不同的人口统计资料或不同的“民众”关联。例如,一组权重可以与男性观众的广告位置关联,以及另一组权重可以与女性观众的同样的广告位置关联。
因此,评分引擎52通过增加的人为干涉可以变得越来越完善和准确。然而,在某种情况下,多个潜在的度量和参数之间的相互关系可以限制评分引擎52的完善性。在该情况下,如果足够大的评分数据库54已经被建立,则评分引擎54可以增补神经网络或者由神经网络替代。
应该注意,上文针对评分引擎52列举的示例不是详尽的潜在的技术。例如,还可以使用专家系统技术来实现评分引擎。此外,评分引擎性能可以是与其他输入、过程和系统的交互过程。
示例1-均匀度量
以下示例说明了通过例如评分引擎52执行加权函数生成PQS。假设对于诸如在网页上的特定的广告位置,两类度量可以被跟踪:1)5%的点击率;以及2)75%的浏览率。此外,还假设,点击率(CTR)的权重为0.6,且浏览率(VCR)的权重为0.4,即,在该示例中点击率的权重比浏览率的权重大。使用等式1,作为加权和的用于广告位置的PQS为:
Q=0.6(5)+0.4(75)=3+30=33
由于在该示例中的度量的单位为百分比(即,度量为均匀的),故不需要归一化。
继续相同的示例,假设,上文给出的权重是针对人口统计数据中的“女性”以及针对人口统计数据中的“男性”的权重为0.4的点击率和0.6的浏览率。随后,应用用于人口统计数据中的“男性”的作为加权和的广告位置的等式1,我们得到:Q′=0.4(5)+0.6(75)=2+45=47
因此,可以看出,对于给定的广告位置,对于女性来说PQS是33,但是对于男性来说PQS是47。因此,针对男性的广告在广告位置处比针对女性的广告更有效。
示例2-非均匀度量
获得发行者质量分数的另一示例可参考图6的表格。在该非限制性示例中,使用了三个度量:视频完成率(“VCR”)、点击率(“CTR”)和库存成本(“成本”)。
如上文所述,VCR对应于视频被播放的平均百分比。例如,一般来说,如果30秒的视频播放了27秒,则其VCR为90%。高的VCR可以被广告客户视为是满意的,由于这意味着,他们的信息或者品牌塑造有效地传达到消费者。
CTR为视频被“选定”同时被播放的时间的百分比。例如,如果视频在网页上播放,则其可以通过激活诸如鼠标的定位装置“点击”视频而被选定。通常,点击在网页上显示的视频广告将打开广告客户的网页。
成本为库存成本并且通常用每千次展示费用(“CPM”)来测量。成本与“影响范围(Reach)”有关,例如,广告客户制作的展示的数量。
应该注意,对于VCR、CTR和成本的三个示例性度量的测量范围和/或单位为非均匀的。例如,VCR可以在0到100%的范围,CTR可以在0到5%的范围,成本可以在0美元到30美元的范围。由于PQS优选反映度量的复合体,度量数据的一定形式的归一化可能是可取的。本领域的技术人员可以理解,存在多种可以使用的归一化技术。例如,线性标度变换可以用来归一标准化非均匀的度量数据。
作为非限制性示例,假定度量的数据具有从A到B的范围或者标度,并且其待转换为或者“归一化”为1到10的标度,其中,A变换成1且B变换成10。在该示例中,由于使用了线性变换算法,故A到B之间的中间点变换为1到10之间的中间值或者5.5。根据上述规则,以下(线性)等式可以应用到A-B标度上的任一数字x:(等式1)y=1+(x-A)*(10-1)/(B-A)。
应该注意,如果x=A,则根据需要得出y=1+0=1,并且,如果x=B,则根据需要得出y=1+(B-A)*(10-1)/(B-A)=1+10-1=10。即使A>B,该等式仍然可用。
还应该注意,上文的等式1可以概括为以下情况:最终的标度在任意两个数字之间,并不一定在1到10之间,可以分别用C和D在等式中替换它们。x=A的情况可以变换成y=C,且x=B可以变换成y=C+(D-C)=D。
该图6的表格示例中,显示了在四月期间对于许多假定的消费者所测量的度量。表格的第一列表示发行者,第二列为提供的展示的数量,第三列为“空的库存”,以及第四列、第五列、第六列分别为在四月期间所测量的发行者的VCR、CTR和成本。
图6的第七列、第八列和第九列包括用于度量VCR、CTR和成本的归一化的值。通过归一化这些度量,可以获得如表格的第十列、第十一列和第十二列示出的许多不同的发行者质量分数(PQS)。例如,这些不同的PQS分数可以被加权以反映广告客户的偏好。
例如,如果广告客户对“品牌提升”感兴趣,例如,具有较好的品牌知名度,则VCR的权重可以CTR的权重大。可替换地,如果交互与影响范围(Reach)对于广告客户更重要,则CTR或者成本的权重较大。
不同的发行者质量分数也可以提供有“临界(cutoff)”值。例如,VCR PQS的临界值可以为6,CTR PQS的临界值可以为1.3,以及影响范围(Reach)的临界值可以为1.5。也就是说,在该示例中,任何不满足用于所需PQS的临界值的发行者不能运行任何广告。
可以理解,PQS值对于决定广告应该采用哪个发行者而投放是有用的工具。由于PQS值可以在实时基础上产生,故关于广告应该投放的位置的决定可以动态地改变。然而,在多个例子中,已经发现,PQS值(或者至少使用新的PQS值)应该每隔一段时间进行更新,其可使短期的异常最终得到平衡。例如,PQS数值可以每1分钟、每5分钟、每15分钟、每30分钟、每60分钟或者每120分钟进行更新。PQS数值也可以每天、每周、每月或者更长的间隔或者在几秒钟内或者在几分之一秒内进行更新。
示例3-评分数据库的迭代更新
在示例性实施方式中,评分数据库可以定期更新,例如,每15分钟更新。在该示例中,中心控制60激活过程66,以每15分钟执行评分数据库更新过程,从度量数据库48和参数数据库50获得当时的度量。
为了预防质量分数随着每次更新大幅度地变化,最新的度量和/或参数可以与历史度量和/或参数一起求平均。例如,应用到评分数据库更新过程的度量可以为在15分钟的步骤中向前移动的时间“窗口”期间的度量和参数的平均值。窗口可以选择为具有足够的时间长度,以消除在质量分数上的任何短期峰值或者凹陷,但是不会具有太长的时间长度以致于低估或者夸大当前质量等级。例如,该窗口的长度可以为1天到5天。
应该注意,第二、第三等的顺序信息可以从度量数据的迭代集合中获取。例如,速度(比如,度量变化的速度)和加速度(比如,度量变化的加速度)可以被计算并且输入到评分数据库更新过程。
实施例4-视频流数据的优化的传输
可以理解,上文描述的系统和方法允许通过潜在的目标或者“广告位置”(例如,网页、移动装置等)进行定性分析,以便增大视频流数据的效率和有效性。作为非限制性示例,广告网络可以基于它们当前的PQS动态地调整视频广告向一个或多个网页的传输。
例如,如果广告网络具有1000个广告要投放,并且选择两个要投放这些广告的网页,并且如果这两个网页分别具有4和5的PQS,则可以决定在具有较高PQS的网页上投放所有的广告,或者按照比例4:5将广告划分为两部分,或者基于附加的规则以其它方式投放或划分。此外,如果在投放1000个广告之前,一个或两个网页的PQS改变,则可以调整分配比率以反映新的状况。
由于这些广告被更有效地投放,因而将需要投放较少的视频广告来提供类似的结果。因此,在网络上的总负载将减少,这是因为对于特定的广告活动,较少的视频广告需要通过网络传输。可替换地,本文中公开的过程和系统可使得增大投放的视频广告的数量的需求减小,以便实现更大影响范围(greaterreach)的优势,由此减少了在网络上的潜在的未来负载的数量。
工业实用性
本文公开的实施方式包括用于使大量的数据、尤其视频数据在有限带宽的网络(诸如,互联网或者电话网络)上更有效传输的系统和方法。技术效果是降低总的网络流量级别并且增大视频数据传输的效率和有效性。
尽管已经使用具体的术语和装置描述了不同的示例,然而这样的描述仅仅是例证的目的。所使用的词语为描述性的不是限制性的。应该理解,本领域的技术人员可以做出变化和改动而不脱离本文中所描述的任何示例的精神或范围。此外,应该理解,可以整体或者部分地互换不同的其他示例的方面。因此,本发明旨在本文随后呈现的权利要求书应该根据它们的实质精神和范围做出解释而不是限制或者禁止反悔。
Claims (18)
1.一种网络数据传输系统,所述系统包括:
位置度量数据库,用于存储与互联网发行者广告位置相关的一个或多个发行者位置度量,所述发行者位置度量包括:i)展示量,其包括在一段时间内在网页上显示来自多个广告客户的广告的次数;ii)所述广告在所述网页上的相对位置以及与所述网页的其它元素的邻近;iii)点击率,其包括在一段时间内点击量与展示量的百分比;iv)浏览率,其包括在一段时间内视频广告的浏览量的百分比;以及v)端点,其包括计算机控制的设备的类型,通过所述计算机控制的设备,所述广告显示给观众;
位置参数数据库,用于存储一个或多个位置参数,所述位置参数包括:i)关于观众的人口统计信息,以及ii)用于所述位置度量数据库中存储的度量的权重因子;
评分引擎,所述评分引擎连接至所述位置度量数据库和所述位置参数数据库以产生与所述互联网发行者广告位置关联的质量分数,其中使用所述发行者位置度量和位置参数由所述评分引擎对所述互联网发行者广告位置进行评分;
评分系统控制器,所述评分系统控制器双向连接到所述位置度量数据库、所述位置参数数据库和所述评分引擎;以及
评分数据库,所述评分数据库双向连接到所述评分系统控制器并且定期更新,其中,最新的度量和/或参数在步骤中的向前移动的时间窗口期间与历史度量和/或参数一起求平均;
其中,所述质量分数表示所述发行者的所述互联网发行者广告位置的合意性,以进行比较而做出广告决定或对所述发行者的网页进行改进,从而提高所述质量分数。
2.根据权利要求1所述的网络数据传输系统,其中,至少部分地链接所述位置度量数据库和所述位置参数数据库。
3.根据权利要求1所述的网络数据传输系统,其中,至少部分地分布所述位置度量数据库和所述位置参数数据库中的至少一种。
4.根据权利要求1至3中任一项所述的网络数据传输系统,其中,所述评分引擎包括在至少一些所述位置度量上操作的加权函数。
5.根据权利要求4所述的网络数据传输系统,其中,所述加权函数为加权和函数。
6.根据权利要求4所述的网络数据传输系统,其中,所述加权函数为加权平均函数。
7.根据权利要求4所述的网络数据传输系统,其中,所述加权函数包括从所述位置参数数据库获取的权重系数。
8.根据权利要求5至7中任一项所述的网络数据传输系统,其中,所述加权函数通过神经网络实现。
9.根据权利要求1所述的网络数据传输系统,其中,至少部分地链接所述评分数据库、所述位置度量数据库和所述位置参数数据库中的至少两个。
10.根据权利要求1所述的网络数据传输系统,其中,至少部分地分布所述评分数据库、所述位置度量数据库和所述位置参数数据库中的至少一个。
11.根据权利要求1所述的网络数据传输系统,还包括连接到所述系统控制器的报告生成器。
12.根据权利要求11所述的网络数据传输系统,其中,所述报告生成器生成广告位置的排序列表。
13.根据权利要求12所述的网络数据传输系统,其中,所述排序列表与人口统计特征概况关联。
14.一种用于通过网络传输视频数据的方法,所述方法包括:
针对多个互联网发行者广告位置获得多个位置度量和多个位置参数,
所述位置度量包括用于各互联网发行者广告位置的一个或多个发行者位置度量,所述发行者位置度量包括:i)展示量,其包括在一段时间内在网页上显示广告的次数;ii)所述广告在所述网页上的相对位置以及与所述网页的其它元素的邻近;iii)点击率,其包括在一段时间内点击量与展示量的百分比;iv)浏览率,其包括在一段时间内视频广告的浏览量的百分比;以及v)端点,其包括计算机控制的设备的类型,通过所述计算机控制的设备,所述广告显示给观众;所述位置参数包括用于各互联网发行者广告位置的一个或多个位置参数,所述位置参数包括:a)关于观众的人口统计信息,以及b)用于所述发行者位置度量的权重因子;
将所述位置度量和位置参数存储在至少一个数据库中;
调用连接至所述至少一个数据库的评分引擎,用于从存储在所述至少一个数据库中的所述发行者位置度量和位置参数中产生与所述多个互联网发行者广告位置关联的多个质量分数;
将所述多个分数定期存储在评分数据库中,其中,最新的度量和/或参数在步骤中的向前移动的时间窗口期间与历史度量和/或参数一起求平均;
其中,所述多个互联网发行者广告位置由所述评分引擎进行评分,并且,与所述多个互联网发行者广告位置关联的所述质量分数表示所述多个互联网发行者广告位置的合意性,以进行比较而做出广告决定或对所述多个互联网发行者广告位置中的一个或多个互联网发行者广告位置的改进,从而提高所述质量分数中的一个或多个质量分数;
基于所述多个质量分数对所述多个互联网发行者广告位置的至少一子集排序;以及
至少部分地基于所述排序,在网络上分布视频。
15.根据权利要求14所述的用于通过网络传输视频数据的方法,其中,生成所述多个分数包括加权函数在至少一些所述位置度量上操作。
16.根据权利要求15所述的用于通过网络传输视频数据的方法,其中,所述加权函数为加权和函数与加权平均函数中的至少一种加权函数。
17.根据权利要求15所述的用于通过网络传输视频数据的方法,其中,所述加权函数包括权重系数。
18.根据权利要求16所述的用于通过网络传输视频数据的方法,其中,所述加权函数通过神经网络来实现。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US35665210P | 2010-06-20 | 2010-06-20 | |
US61/356,652 | 2010-06-20 | ||
US13/163,691 US20110320261A1 (en) | 2010-06-20 | 2011-06-18 | Quality Scoring System for Internet Advertising Loci |
US13/163,691 | 2011-06-18 | ||
PCT/US2011/041131 WO2011163150A1 (en) | 2010-06-20 | 2011-06-20 | Improved network data transmission system and method |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103069794A CN103069794A (zh) | 2013-04-24 |
CN103069794B true CN103069794B (zh) | 2017-01-18 |
Family
ID=45353393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180030531.XA Expired - Fee Related CN103069794B (zh) | 2010-06-20 | 2011-06-20 | 改进的网络数据传输系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20110320261A1 (zh) |
EP (1) | EP2583453A4 (zh) |
CN (1) | CN103069794B (zh) |
CA (1) | CA2802734A1 (zh) |
WO (1) | WO2011163150A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578010A (zh) * | 2012-07-26 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 生成流量质量比较参数的方法和装置、广告计费方法 |
US20140236710A1 (en) * | 2013-02-19 | 2014-08-21 | Congoo, Llc | On-line advertising valuation |
US20150025948A1 (en) * | 2013-07-19 | 2015-01-22 | Yume, Inc. | Brand Aware Advertising Systems |
US9319486B2 (en) * | 2013-09-25 | 2016-04-19 | Google Inc. | Predicting interest levels associated with publication and content item combinations |
US20150193814A1 (en) * | 2014-01-08 | 2015-07-09 | Adknowledge, Inc. | Systems and methods for context-based video advertising |
US20160132935A1 (en) * | 2014-11-07 | 2016-05-12 | Turn Inc. | Systems, methods, and apparatus for flexible extension of an audience segment |
CN105404925A (zh) * | 2015-11-02 | 2016-03-16 | 上海新储集成电路有限公司 | 一种三维神经网络芯片 |
CN106485317A (zh) * | 2016-09-26 | 2017-03-08 | 上海新储集成电路有限公司 | 一种神经网络加速器以及神经网络模型的实现方法 |
US10636053B2 (en) * | 2017-05-31 | 2020-04-28 | Facebook, Inc. | Evaluating content publisher options against benchmark publisher |
US20200234331A1 (en) * | 2019-01-17 | 2020-07-23 | Michael Sadowsky | System and process to estimate persuasiveness of public messaging using surveys |
CN109905472A (zh) * | 2019-02-21 | 2019-06-18 | 上海富数科技有限公司 | 自适应网络代理系统及基于神经网络进行权值调整的方法 |
US11521386B2 (en) * | 2019-07-26 | 2022-12-06 | Meta Platforms, Inc. | Systems and methods for predicting video quality based on objectives of video producer |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5069905B2 (ja) * | 2003-01-21 | 2012-11-07 | アプテュイト (ウエスト ラファイエット)、エルエルシー | 新規な共結晶化 |
US8027876B2 (en) * | 2005-08-08 | 2011-09-27 | Yoogli, Inc. | Online advertising valuation apparatus and method |
US20070150348A1 (en) * | 2005-12-22 | 2007-06-28 | Hussain Muhammad M | Providing and using a quality score in association with the serving of ADS to determine page layout |
US20100138451A1 (en) * | 2006-04-03 | 2010-06-03 | Assaf Henkin | Techniques for facilitating on-line contextual analysis and advertising |
US8051019B2 (en) * | 2006-07-13 | 2011-11-01 | Sap Ag | Neural network resource sizing apparatus for database applications |
US20080082417A1 (en) * | 2006-07-31 | 2008-04-03 | Publicover Mark W | Advertising and fulfillment system |
US7802280B2 (en) * | 2007-04-03 | 2010-09-21 | Google Inc. | Approving transcoded advertisements in advertisement front end |
US8583524B2 (en) * | 2008-05-06 | 2013-11-12 | Richrelevance, Inc. | System and process for improving recommendations for use in providing personalized advertisements to retail customers |
US20090327029A1 (en) * | 2008-06-25 | 2009-12-31 | Yahoo! Inc. | Systems and Methods for Utilizing Normalized Impressions To Optimize Digital Ads |
US20100030647A1 (en) * | 2008-07-31 | 2010-02-04 | Yahoo! Inc. | Advertisement selection for internet search and content pages |
US8335716B2 (en) * | 2009-11-19 | 2012-12-18 | The Nielsen Company (Us), Llc. | Multimedia advertisement exchange |
CA2781122A1 (en) * | 2009-11-19 | 2011-05-26 | Google Inc. | Content performance estimation |
US20110196733A1 (en) * | 2010-02-05 | 2011-08-11 | Wei Li | Optimizing Advertisement Selection in Contextual Advertising Systems |
US20150213484A1 (en) * | 2010-03-22 | 2015-07-30 | Ashok Amara | System and method for tracking related events |
-
2011
- 2011-06-18 US US13/163,691 patent/US20110320261A1/en not_active Abandoned
- 2011-06-20 CN CN201180030531.XA patent/CN103069794B/zh not_active Expired - Fee Related
- 2011-06-20 WO PCT/US2011/041131 patent/WO2011163150A1/en active Application Filing
- 2011-06-20 EP EP11798720.6A patent/EP2583453A4/en not_active Withdrawn
- 2011-06-20 CA CA2802734A patent/CA2802734A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
WO2011163150A1 (en) | 2011-12-29 |
US20110320261A1 (en) | 2011-12-29 |
EP2583453A1 (en) | 2013-04-24 |
CA2802734A1 (en) | 2011-12-29 |
CN103069794A (zh) | 2013-04-24 |
EP2583453A4 (en) | 2014-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103069794B (zh) | 改进的网络数据传输系统和方法 | |
Jankowski et al. | Fuzzy multi-objective modeling of effectiveness and user experience in online advertising | |
US10504151B2 (en) | Advertising inventory management system and method | |
Chan et al. | A model for predicting customer value from perspectives of product attractiveness and marketing strategy | |
US8000994B2 (en) | Computer-implemented system and method for web activity assessment | |
US8856028B2 (en) | Inventory allocation for advertising with changeable supply landscape | |
CN104035926B (zh) | 一种互联网信息的投放和系统 | |
US20170091810A1 (en) | Brand engagement touchpoint attribution using brand engagement event weighting | |
US20170300939A1 (en) | Optimizing promotional offer mixes using predictive modeling | |
US8311884B2 (en) | System for allocating advertising inventory in a unified marketplace | |
Suleiman Awwad et al. | Factors affecting switching behavior of mobile service users: The case of Jordan | |
US20130204823A1 (en) | Tools and methods for determining relationship values | |
Selçuk et al. | Optimal keyword bidding in search-based advertising with target exposure levels | |
CN102117464B (zh) | 包括关系数据库或在线分析处理系统的装置、系统及相关方法 | |
TWM624658U (zh) | 以用戶短期特徵預測用戶是否屬於價值用戶群的預測裝置 | |
Kwon | Single-period balancing of pay-per-click and pay-per-view online display advertisements | |
Cannon | Addressing new media with conventional media planning | |
KR102477687B1 (ko) | 광고 관리 장치 및 이의 동작 방법 | |
Delanote et al. | Optimization of the annual planning of targeted offers in direct marketing | |
WO2017223547A1 (en) | Automated aggregated multivariate testing systems, methods, and processes | |
Grbac | Marketing dynamics: how to create value for customers | |
Kim et al. | A Multiattribute Model of the Timing of Buyer's Upgrading to Improved Versions of High Technology Products | |
WO2013119452A1 (en) | Tools and methods for determining relationship values | |
AU2012211386A1 (en) | Method and system for resource management | |
Håkansson | Evaluating Environmental Consciousness Amongst Users of a Video Creation Service |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1181224 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1181224 Country of ref document: HK |
|
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170118 Termination date: 20200620 |