CN107679236A - 一种热门内容池维护方法和装置 - Google Patents
一种热门内容池维护方法和装置 Download PDFInfo
- Publication number
- CN107679236A CN107679236A CN201711012608.6A CN201711012608A CN107679236A CN 107679236 A CN107679236 A CN 107679236A CN 201711012608 A CN201711012608 A CN 201711012608A CN 107679236 A CN107679236 A CN 107679236A
- Authority
- CN
- China
- Prior art keywords
- hot content
- content
- hot
- pond
- feedback information
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种热门内容池维护方法和装置。方法包括:从预定新闻源中分别提取热门内容至热门内容池;分别获取热门内容各自对应的发布时间和针对热门内容的反馈信息;反馈信息用于表示用户对热门内容反馈的用户行为;根据反馈信息和发布时间分别确定热门内容对应的评分,评分用于评估对热门内容的关注度;将评分不满足预定标准的热门内容从热门内容池中删除。本申请通过收集用户对发布的热门内容的反馈信息和热门内容的新鲜度,以平衡当前的反馈信息与未来可能性,避免现有技术采用人工选取和自动聚合的方案存在的选择偏差的缺陷,从而达到有效融合高反馈率和内容新鲜度的效果,具有精确发布热门内容、提高用户体验的优点。
Description
技术领域
本申请涉及互联网技术领域,尤其涉及一种热门内容池维护方法和装置。
背景技术
信息内容服务包括所有通过各种方式运送的信息内容,例如:通过电视台传送的节目,通过互联网传输的经济、娱乐、科技、文化等内容,通过无线移动电话传送的各种信息,以及正在兴起的远程教育、网上购物等等。在互联网信息内容服务中,往往需要根据特定指标(如:点击率)选取一定数量的内容作为热门内容优先展示给用户。
现有的确定热门内容的方案可分为人工选取和自动聚合两类。人工选取的方案由于在一定程度上依赖于人的主观经验和判断,因此,和用户群体的真实兴趣不可避免存在偏差,而且效率较低。自动聚合的方案由于是基于内容的曝光和点击实现聚合的,因此,容易出现热门内容固化的情况,影响了信息的更新效率。
发明内容
本申请提供了一种热门内容池维护方法和装置用于解决现有技术确定的热门内容用户实际感兴趣的内容存在偏差且容易出现热门内容固化的问题。
本申请实施例提供一种热门内容池维护方法,包括:
从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
分别获取所述热门内容各自对应的发布时间和针对所述热门内容的反馈信息;所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
根据所述反馈信息和所述发布时间分别确定所述热门内容对应的评分,所述评分用于评估对热门内容的关注度;
将评分不满足预定标准的热门内容从热门内容池中删除。
可选的,所述根据所述反馈信息和所述发布时间分别确定所述热门内容的评分包括:
根据所述反馈信息分别确定所述热门内容各自对应的先验概率,所述先验概率用于表示对热门内容的下一条反馈信息为正反馈/负反馈的先验概率;
根据所述发布时间和当前时间分别确定所述热门内容各自对应的新鲜度;
根据所述热门内容各自对应的先验概率和新鲜度分别确定所述热门内容的评分。
可选的,根据所述反馈信息分别确定所述热门内容的先验概率包括:
分别确定所述反馈信息中正反馈/负反馈各自所占的比例;
根据所述正反馈/负反馈各自所占的比例分别确定所述热门内容各自对应的先验概率。
可选的,所述根据所述热门内容各自对应的先验概率和新鲜度分别确定所述热门内容的评分包括:
根据以下公式,分别确定所述热门内容各自对应的评分:
其中,zi为热门内容i的评分,α为先验概率对应的正反馈参数,β为先验概率对应的负反馈参数,gi为热门内容i的新鲜度,k1和k2为常数。
可选的,在将评分不满足预定标准的热门内容从热门内容池中删除之后,还包括:
根据当前热点/关键词从预定新闻源中分别选取出相关的内容,并将选取的内容作为候选内容。
根据所述热门内容池中被删除的热门内容的数量确定可提取至所述热门内容池的内容的数量;
根据可提取至所述热门内容池的内容的数量从所述候选内容中筛选出对应数量的内容;
将选取出的内容作为热门内容提取至所述热门内容池中。
可选的,在将选取出的内容作为热门内容提取至所述热门内容池中之后,还包括:
确定所述热门内容池中的热门内容的先验概率和新鲜度,所述先验概率用于表示所述热门内容的下一条反馈信息为正反馈/负反馈的概率;
根据所述热门内容对应的先验概率和新鲜度对所述热门内容池中的热门内容进行排序;
根据排序得到的序列发布所述热门内容池中的热门内容。
可选的,根据所述热门内容对应的先验概率和新鲜度对所述热门内容池中的热门内容进行排序包括:
根据预定的随机浮点数分别对所述热门内容池中的热门内容对应的先验概率进行偏量处理;
根据偏量处理后的先验概率和新鲜度分别确定对应的热门内容的排序分;
根据所述排序分对所述热门内容池中的热门内容进行排序。
可选的,所述根据偏量处理后的先验概率和新鲜度分别确定对应的热门内容的排序分包括:
根据以下公式,确定对应的热门内容的排序分:
si=qi+λgi
qi=F-1(rnd)
gi=f((pt)i)
其中,si为热门内容i的排序分,qi为热门内容i的偏量处理后的先验概率,F-1为先验概率对应的累积分布函数的反函数,rnd为随机浮点数,gi为热门内容i的新鲜度,(pt)i为热门内容i的发布时间,f为自定义函数,λ为常数。
可选的,所述根据排序得到的序列发布所述热门内容池中的热门内容包括:
根据所述热门内容池中的热门内容在排序得到的序列中的序号分别确定所述热门内容的发布范围;
根据确定的发布范围分别发布所述热门内容。
本申请实施例还提供一种热门内容池更新装置,包括:
提取单元,用于从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
获取单元,用于分别获取所述热门内容各自对应的发布时间和针对所述热门内容的反馈信息;所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
确定单元,用于根据所述反馈信息和所述发布时间分别确定所述热门内容对应的评分,所述评分用于评估对热门内容的关注度;
删除单元,用于将评分不满足预定标准的热门内容从热门内容池中删除。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过周期性地收集用户对发布的热门内容的反馈信息和热门内容的新鲜度,以在平衡当前的反馈信息与未来可能性的基础上选择热门内容,避免现有技术采用人工选取和自动聚合的方案存在的选择偏差的缺陷,从而达到有效融合高反馈率和内容新鲜度的效果,具有精确发布热门内容、提高信息的更新效率的优点。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例1提供的一种热门内容池维护方法的流程示意图;
图2为本申请实施例1提供的一种热门内容池维护方法中确定热门内容的评分的流程示意图;
图3为本申请实施例2提供的一种热门内容池维护方法的流程示意图;
图4为本申请实施例3提供的一种热门内容池维护方法的流程示意图;
图5为本申请实施例4提供的一种热门内容池维护装置的结构示意图;
图6为本申请实施例5提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请的一个应用场景可以为:
创建用于记录热门内容的热门内容池,从现有的信息内容服务器存储的许多内容中选取出部分内容作为热门内容记录在热门内容池中并将热门内容展示给用户。当预定的更新周期达到时,处理器收集用户对热门内容的反馈信息,并基于反馈信息和热门信息的新鲜度计算热门内容的评分,以从新鲜度和反馈信息两个角度评估用户对热门内容的关注度,对于评分较低的热门内容,认为其受用户的关注度较低,将其从热门内容池中剔除,并选择性地执行向热门内容池中补充其他内容的步骤。然后,将更新后的热门内容池中的热门内容展示给用户。
在下一更新周期达到时,重复执行上述步骤,以达到动态更新热门内容池的作用。
其中,反馈信息可以与公布的热门内容的类型相对应,例如:热门内容为文章时,反馈信息可以为用户点击/未点击,或者,阅读进度等;热门内容为音乐时,反馈信息可以为用户标记为喜欢/未标记为喜欢,或者,收听进度等等。更新周期也可以与公布的热门内容的类型相对应,例如:对于用户需要花费较少时间即可完成查阅的热门内容,可设置较短的更新周期,对于需要花费较多时间才能完成查阅的热门的内容,可设置较长的更新周期。
不难理解的是,本申请中的反馈信息、更新周期等都是可根据实际需要灵活设置的,此处只是对其实例性说明,而非对其的限定。
另外,为了方便描述,下面将热门内容具体示例为:展示在某网站中的文章,将反馈信息具体示例为:点击/未点击。
以下结合附图,详细说明本申请各实施例提供的技术方案。
实施例1
图1为本申请实施例1提供的一种热门内容池维护方法的流程示意图,参见图1,该方法具体可以包括如下步骤:
步骤12、从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
其中,预定新闻源可以为百度新闻源,谷歌新闻源,搜搜新闻源,搜狗新闻源,360新闻源等。
步骤14、分别获取热门内容各自对应的发布时间和针对所述热门内容的反馈信息,所述反馈信息用于表示用户对所述热门内容进行的用户行为;
需要说明的是,在将各个热门内容展示在某网站后,用户在访问该网站时,可根据自身需求选择点击/不点击等行为,然后,将该行为作为反馈信息进行收集并存储,存储操作可以为:将反馈信息存于信息表中。
其中,信息表中可以保存有:该网站的标识,该网站的用户访问总量,各个热门内容的标识、发布时间、被点击的数量、点击率等等。
步骤16、根据所述反馈信息和所述发布时间分别确定所述热门内容的评分,所述评分用于评估对热门内容的关注度;
需要说明的是,参见图2,步骤16的一种实现方式可以:
步骤22、从信息表中提取出各个热门内容对应的反馈信息和发布时间。
步骤24、基于反馈信息分别确定所述热门内容的先验概率,所述先验概率用于表示对热门内容的下一条反馈信息为正反馈/负反馈的先验概率。
需要说明的是,步骤24的一种实现方式可为:确定所述反馈信息中正反馈/负反馈各自所占的比例;根据所述正反馈/负反馈各自所占的比例确定所述热门内容各自的先验概率。正反馈所占的比例可为:正反馈的数量/(总的反馈数量);负反馈所占的比例可为:负反馈的数量/(总的反馈数量)。其中,此处的正反馈/负反馈对应于点击/未点击。而不难理解的是,正反馈/负反馈是可灵活设置的,除可以设置为点击/未点击之外,还可以设置为:阅读进度大于等于20%/小于20%,下载/未下载等等。
另外,由于正反馈/负反馈的设置会影响到热门内容的先验概率,因此,在设置正反馈/负反馈时,还需要考虑热门内容的类型,热门内容的更新频率、每次更新的幅度等因素。例如:当要求更新频率较高或者更新的幅度较大时,可适应性地设置阅读进度为较大的数值,反之则设置较小的数值。
步骤26、基于根据所述发布时间和当前时间分别确定各个热门内容的新鲜度。
需要说明的是,相对于当前时间,热门内容的发布时间越早,则说明热门内容的新鲜度越低。热门内容的发布时间越晚,则说明热门内容的新鲜度越高。本实施例中,可以直接取发布时间和当前时间的差值计算新鲜度。
步骤28、根据所述热门内容对应的先验概率和新鲜度分别确定所述热门内容的评分。
需要说明的是,为尽可能精确地确定热门内容的评分,作为步骤28的一种实现方式,在基于步骤24和步骤26获取到热门内容的先验概率和新鲜度后,还可为先验概率q和新鲜度g设置权重,以计算获得该热门内容的评分。
不难理解的是,热门内容的先验概率越高,表示用户点击热门内容的可能性就越高,但同时,随着其存在时间的增加,其新鲜度会越来越低。因此,在从先验概率和新鲜度两个维度对热门内容进行评估时,可合理设置两者的权重,例如:Aq+Bg=s,其中,A为先验概率q的权重,B为新鲜度g的权重,A+B=1。
另外,热门内容的热度一般会随着其存在时间的增加而降低,因此,为热门内容的新鲜度设置的权重B可以为一个变量,例如:B=F(△t),以使B会随着自变量△t的增加而较小,其中,△t为当前时间与热门内容的发布时间之间的时间差。同理,先验概率的权重B也可为一变量,其影响因素可以为点击数的变化率,例如:点击数的变化率越大,则权重B越大。进而达到精确平衡当前的反馈信息与未来可能性的目的。
步骤18、将评分不满足预定标准的热门内容从热门内容池中删除。
需要说明的是,步骤18的一种实现方式可以为:
首先,预定标准可以为预定阈值,则选取评分小于预定阈值的热门内容为不满足预定标准的热门内容;预定标准也可以为预定数量,则选取评分最小的、预定数量的热门内容为不满足预定标准的热门内容;然后,将确定的热门内容从所述热门内容池中删除。其中,预定数量和预定阈值均是可灵活设置的,其设置的影响因素与正反馈/负反馈的影响因素相似,故,此处不再赘述。
另外,在步骤18之后,还可以包括:补充热门内容池的操作,具体包括:将预定的候选内容作为待发布的热门内容补充至所述热门内容池中。
在补充操作中,预定的候选内容可以为:根据当前热点/关键词从存储待发布内容的预定数据库(例如:上述的新闻源)中选取出相关的内容。选取内容手段举例为:基于当前热点/关键词人工选取、对待发布内容进行自动聚合等等。另外,对于需要选取多少数量的内容,其规则可以为:根据所述热门内容池中被删除的热门内容的数量确定可补充至所述热门内容池的内容的数量;根据可补充至所述热门内容池的内容的数量从预定的候选内容中选取出对应数量的内容,具体可以举例为:选取的内容的数量等于删除的热门内容的数量,或者,基于内容池记录热门内容的上限和删除的热门内容的数量选取能将内容池填满的数量的内容等等。然后,并将选取的出的内容提取至热门内容池中。
可见,本实施例通过收集用户对发布的热门内容的反馈信息和热门内容的新鲜度,以平衡当前的反馈信息与未来可能性,避免现有技术采用人工选取和自动聚合的方案存在的选择偏差的缺陷,从而达到有效融合高反馈率和内容新鲜度的效果,具有精确发布热门内容、提高信息的更新效率的优点。
实施例2
图3为本申请实施例2提供的一种热门内容池维护方法的流程示意图,参见图3,该方法具体可以包括如下步骤:
步骤32、分别获取热门内容的发布时间和针对所述热门内容的反馈信息,所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
步骤34、根据所述反馈信息和所述发布时间确定所述热门内容的评分,所述评分用于评估对热门内容的关注度;
步骤36、将评分不满足预定标准的热门内容从热门内容池中删除,并补充候选内容,得到更新(维护)后的热门内容池。
步骤38、对更新后的热门内容池中的热门内容进行排序,并根据排序得到的序列发布所述更新后的热门内容池中的热门内容。
需要说明的是,本实施例中的步骤32-步骤36分别与实施例1中的步骤14-步骤18以及补充热门内容池的操作相对应,由于其实现方式均对应相似,因此,此处,不再对步骤32-步骤36进行赘述,相似之处请参见实施例1中的相关记载。
本实施例中的步骤38,其一种实现方式可以为:
首先,确定所述更新后的热门内容池中的各热门内容的先验概率和新鲜度,所述先验概率用于表示所述热门内容的下一条反馈信息为正反馈/负反馈的概率。由于计算热门内容的先验概率和新鲜度的实现方式已在实施例1中有详细描述,故,此处不再赘述。
然后,根据预定的随机浮点数对所述更新后的热门内容池中的热门内容对应的先验概率进行偏量处理;根据偏量处理后的先验概率和新鲜度确定对应的热门内容的排序分;根据所述排序分对所述更新后的热门内容池中的热门内容进行排序。其中,随机浮点数可举例为[0,1],基于偏量处理可将先验概率的值进行随机性的偏移。排序方式可以为按照排序分由大到小,或者,有小到大的顺序。
最后,根据所述更新后的热门内容池中的热门内容在排序得到的序列中的序号确定所述热门内容的发布范围;根据确定的发布范围发布所述热门内容。例如:对于排序分较大的热门内容可选择性地将其推送至占比较大的用户,排序分较小的人们内容可选择性地将其推送至占比较小的用户。不难理解的是,这种基于热门内容的序号确定发布范围并发布的方式比较适用于推送类的信息内容服务,例如:今日头条、网易新闻等。而对于网页类的信息内容服务,则无需确定发布范围,直接将确定的热门内容展示在网页上即可。当然,对于不同的信息内容服务的运送方式,可适用性地采用不同的发布方式,此处不做限定。
可见,本实施例在实施例1的基础上,还进一步地基于热门内容的先验概率和新鲜度对热门内容进行排序,并基于排序进行将热门内容展示给用户,以进一步地保证发布的热门内容与用户的感兴趣方向相吻合,进而达到进一步地提高用户体验的目的。而且,本实施例还在发布热门内容之前,对热门内容进行排序时,引入随机因素,以避免出现热门内容固化的问题,最大化的给予热门内容展示机会,达到进一步提供用户体验的目的。
实施例3
图4为本申请实施例3提供的一种热门内容池维护方法的流程示意图,参照图4,本实施例在实施例1和实施例2的基础上将先验概率具体为点击率,并以具体示例的方式对本申请进行详细说明:
步骤42:建立热门内容池;
需要说明的是,热门内容池在初始情况下为空,大小的上限为N,此处,N举例为5000。当内容池未达到大小上限时,新内容可以直接加入内容池,也可以在点击数或点击率达到一定条件后加入内容池。其中,新内容为从数据源直接获取的且没有被公布的内容。
步骤44:初始化新内容的点击率模型和新鲜度模型;
需要说明的是,从待公布的内容中选取预定数量的内容添加至热门内容池中,预定数量小于等于5000。
对于有用户反馈信息的内容,其处理规则如下:
用户对某热门内容i的行为反馈r∈[0,1],0表示用户未点击,1表示用户产生点击,则r服从伯努利Bernoulli分布。
相应地,内容i的点击率服从贝塔Beta分布,p~Beta(α,β),其中,Ui为内容i展示的目标用户,mi为Ui的大小,ru,i为目标用户u对内容i的行为反馈,α、β为Beta分布的参数。
此处的α、β分别对应于执行初始化步骤时的时间点统计的之前所有的点击和未点击的数量。
对于新添加至热门内容池的而尚无曝光和点击的内容,初始化α、β为1。
步骤46:对内容池中内容计算排序分数,排序后展示给用户;
需要说明的是,对内容池中每项热门内容计算偏量处理后的点击率qi=F-1(rnd)和新鲜度gi=f((pt)i),其中,F-1为Beta分布的累计分布函数的反函数,rnd∈[0,1]为随机浮点数,(pt)i为热点内容i的发布时间,f为自定义的函数,本实施例中取其中e为常数e,t为当前时间。
热门内容i的排序分si=qi+λgi,其中λ为常数,控制gi项的权重。
将内容池中的热门内容按排序分β从高到低或者从低到高进行排序,形成热门内容列表,并展示给用户。
步骤48:收集用户行为反馈;产生点击则r=1,未点击则r=0。
步骤410:更新热门内容池中热门内容的点击率的概率分布;
若本更新周期内热门内容i新增x次点击和y次未点击曝光,则更新热门内容i的点击率pi的概率分布为p~Beta(α+x,β+y)。
步骤412:根据预定规则从内容池中淘汰部分内容,例如:淘汰掉5000条热门内容中的2000,并补充对应数量的热门内容,补充的热门内容的数量小于等于2000且可调;
需要说明的是,当内容池中热门内容的数量已经达到5000时,而又需要加入新内容时,需要根据预定规则从内容池中淘汰2000条热门内容。
实现方式可以为:计算每项热门内容i的评分zi,优先淘汰zi最小的热门内容。计算公式如下:
其中,α为先验概率对应的正反馈参数,β为先验概率对应的负反馈参数,此处的先验概率具体为点击率,第一项为热门内容i点击率pi的概率分布的期望,第二项为pi的标准差,前两项则表示pi置信区间的下限,gi为新鲜度,k1、k2为可灵活设置或者训练的常数。
此公式中的α和β分别为执行步骤410对应的更新步骤时的时间点统计的之前所有的点击和未点击的数量。
基于预设置的更新周期,重复执行执行上述步骤46-步骤412。
可见,本实施例周期性地收集用户对发布的热门内容的反馈信息和热门内容的新鲜度,以在平衡当前的反馈信息与未来可能性的基础上选择热门内容,避免现有技术采用人工选取和自动聚合的方案存在的选择偏差的缺陷,从而达到有效融合高反馈率和内容新鲜度的效果,具有精确发布热门内容、提高信息的更新效率的优点。
对于实施例1-实施例3所提供的方法,需要说明的是:该方法各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。以实施例1为例,步骤12和步骤14的执行主体可以为设备1,步骤16和步骤18的执行主体可以为设备2;又比如,步骤12的执行主体可以为设备1,步骤14、步骤16和步骤18的执行主体可以为设备2;等等。
另外,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施方式并不受所描述的动作顺序的限制,因为依据本发明实施方式,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于优选实施方式,所涉及的动作并不一定是本发明实施方式所必须的。
实施例4
图5为本申请实施例4提供的一种热门内容池维护装置的结构示意图,参见图5,该装置包括:提取单元51、获取单元52、确定单元53和更新单元54,其中:
提取单元51,从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
获取单元52,用于分别获取所述热门内容各自对应的发布时间和针对所述热门内容的反馈信息;所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
确定单元53,用于根据所述反馈信息和所述发布时间分别确定所述热门内容对应的评分,所述评分用于评估对热门内容的关注度;
删除单元54,用于将评分不满足预定标准的热门内容从热门内容池中删除。其中,所述评分不满足预定标准的热门内容为评分小于预定阈值的热门内容,或者,评分最小的预定数量的热门内容。
下面对个单元的工作原理进行详细说明:
确定单元53,用于根据所述反馈信息确定所述热门内容的先验概率,所述先验概率用于表示对热门内容的下一条反馈信息为正反馈/负反馈的先验概率;根据所述发布时间和当前时间确定所述热门内容的新鲜度;根据所述热门内容对应的先验概率和新鲜度确定所述热门内容的评分。
确定单元53,用于确定所述反馈信息中正反馈/负反馈所占的比例;根据所述正反馈/负反馈所占的比例确定所述热门内容的先验概率。
本实施例中,装置还包括:
补充单元,用于在删除单元54将评分不满足预定标准的热门内容从热门内容池中删除之后,将预定的候选内容作为热门内容补充至所述热门内容池中。
补充单元,还用于根据当前热点/关键词从存储内容的预定数据库中选取出相关的内容,并将选取的内容作为候选内容。
补充单元,还用于根据所述热门内容池中被删除的热门内容的数量确定可补充至所述热门内容池的内容的数量;根据可补充至所述热门内容池的内容的数量从预定的候选内容中选取出对应数量的内容;将选取出的内容作为热门内容补充至所述热门内容池中。
本实施例中,装置还包括:
排序单元,用于对所述热门内容池中的热门内容进行排序,并根据排序得到的序列发布所述热门内容池中的热门内容。
排序单元的工作原理如下:
首先,确定所述热门内容池中的热门内容的先验概率和新鲜度,所述先验概率用于表示所述热门内容的下一条反馈信息为正反馈/负反馈的概率;根据预定的随机浮点数对所述热门内容池中的热门内容对应的先验概率进行偏量处理;根据偏量处理后的先验概率和新鲜度确定对应的热门内容的排序分;根据所述排序分对所述热门内容池中的热门内容进行排序。
然后,根据所述热门内容池中的热门内容在排序得到的序列中的序号确定所述热门内容的发布范围;根据确定的发布范围发布所述热门内容。
对于上述装置实施方式而言,由于其与方法实施方式基本相似,所以描述的比较简单,相关之处参见方法实施方式的部分说明即可。
应当注意的是,在本发明的装置的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本发明不受限于此,可以根据需要对各个部件进行重新划分或者组合。
实施例5
图6为本申请实施例5提供的电子设备的结构示意图,参见图6,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成热门内容池维护装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
网络接口、处理器和存储器可以通过总线系统相互连接。总线可以是ISA(Industry StandardArchitecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器可能包含高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器。
处理器,用于执行所述存储器存放的程序,并具体执行:
从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
分别获取所述热门内容各自对应的发布时间和针对所述热门内容的反馈信息;所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
根据所述反馈信息和所述发布时间分别确定所述热门内容对应的评分,所述评分用于评估对热门内容的关注度;
将评分不满足预定标准的热门内容从热门内容池中删除。
上述如本申请图1-5所示实施例揭示的热门内容池维护装置或管理者(Master)节点执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
热门内容池维护装置还可执行图1-4的方法,并实现管理者节点执行的方法。
实施例6
基于相同的发明创造,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行实施例1-3提供的热门内容池维护装置。
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,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种热门内容池维护方法,其特种在于,包括:
从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
分别获取所述热门内容各自对应的发布时间和针对所述热门内容的反馈信息;所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
根据所述反馈信息和所述发布时间分别确定所述热门内容对应的评分,所述评分用于评估对热门内容的关注度;
将评分不满足预定标准的热门内容从热门内容池中删除。
2.根据权利要求1所述的方法,其特征在于,所述根据所述反馈信息和所述发布时间分别确定所述热门内容的评分包括:
根据所述反馈信息分别确定所述热门内容各自对应的先验概率,所述先验概率用于表示对热门内容的下一条反馈信息为正反馈/负反馈的先验概率;
根据所述发布时间和当前时间分别确定所述热门内容各自对应的新鲜度;
根据所述热门内容各自对应的先验概率和新鲜度分别确定所述热门内容的评分。
3.根据权利要求2所述的方法,其特征在于,根据所述反馈信息分别确定所述热门内容各自对应的先验概率包括:
分别确定所述反馈信息中正反馈/负反馈各自所占的比例;
根据所述正反馈/负反馈各自所占的比例分别确定所述热门内容各自对应的先验概率。
4.根据权利要求3所述的方法,其特征在于,所述根据所述热门内容各自对应的先验概率和新鲜度分别确定所述热门内容的评分包括:
根据以下公式,分别确定所述热门内容各自对应的评分:
<mrow>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>&alpha;</mi>
<mrow>
<mi>&alpha;</mi>
<mo>+</mo>
<mi>&beta;</mi>
</mrow>
</mfrac>
<mo>-</mo>
<msub>
<mi>k</mi>
<mn>1</mn>
</msub>
<msqrt>
<mfrac>
<mrow>
<mi>&alpha;</mi>
<mi>&beta;</mi>
</mrow>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>+</mo>
<mi>&beta;</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<mi>&alpha;</mi>
<mo>+</mo>
<mi>&beta;</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</msqrt>
<mo>+</mo>
<msub>
<mi>k</mi>
<mn>2</mn>
</msub>
<msub>
<mi>g</mi>
<mi>i</mi>
</msub>
</mrow>
其中,zi为热门内容i的评分,α为先验概率对应的正反馈参数,β为先验概率对应的负反馈参数,gi为热门内容i的新鲜度,k1和k2为常数。
5.根据权利要求1所述的方法,其特征在于,在将评分不满足预定标准的热门内容从热门内容池中删除之后,还包括:
根据当前热点/关键词从预定新闻源中分别选取出相关的内容,并将选取的内容作为候选内容。
根据所述热门内容池中被删除的热门内容的数量确定可提取至所述热门内容池的内容的数量;
根据可提取至所述热门内容池的内容的数量从所述候选内容中筛选出对应数量的内容;
将选取出的内容作为热门内容提取至所述热门内容池中。
6.根据权利要求5所述的方法,其特征在于,在将选取出的内容作为热门内容提取至所述热门内容池中之后,还包括:
确定所述热门内容池中的热门内容的先验概率和新鲜度,所述先验概率用于表示所述热门内容的下一条反馈信息为正反馈/负反馈的概率;
根据所述热门内容各自对应的先验概率和新鲜度对所述热门内容池中的热门内容进行排序;
根据排序得到的序列发布所述热门内容池中的热门内容。
7.根据权利要求6所述的方法,其特征在于,根据所述热门内容对应的先验概率和新鲜度对所述热门内容池中的热门内容进行排序包括:
根据预定的随机浮点数分别对所述热门内容池中的热门内容对应的先验概率进行偏量处理;
根据偏量处理后的先验概率和新鲜度分别确定对应的热门内容的排序分;
根据所述排序分对所述热门内容池中的热门内容进行排序。
8.根据权利要求7所述的方法,其特征在于,所述根据偏量处理后的先验概率和新鲜度分别确定对应的热门内容的排序分包括:
根据以下公式,确定对应的热门内容的排序分:
si=qi+λgi
qi=F-1(rnd)
gi=f((pt)i)
其中,si为热门内容i的排序分,qi为热门内容i的偏量处理后的先验概率,F-1为先验概率对应的累积分布函数的反函数,rnd为随机浮点数,gi为热门内容i的新鲜度,(pt)i为热门内容i的发布时间,f为自定义函数,λ为常数。
9.根据权利要求6所述的方法,其特征在于,所述根据排序得到的序列发布所述热门内容池中的热门内容包括:
根据所述热门内容池中的热门内容在排序得到的序列中的序号分别确定所述热门内容的发布范围;
根据确定的发布范围分别发布所述热门内容。
10.一种热门内容池更新装置,其特征在于,包括:
提取单元,用于从预定新闻源中分别提取对应的热门内容至热门内容池;所述热门内容池用于记录热门内容;
获取单元,用于分别获取所述热门内容各自对应的发布时间和针对所述热门内容的反馈信息;所述反馈信息用于表示用户对所述热门内容反馈的用户行为;
确定单元,用于根据所述反馈信息和所述发布时间分别确定所述热门内容对应的评分,所述评分用于评估对热门内容的关注度;
删除单元,用于将评分不满足预定标准的热门内容从热门内容池中删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711012608.6A CN107679236B (zh) | 2017-10-26 | 2017-10-26 | 一种热门内容池维护方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711012608.6A CN107679236B (zh) | 2017-10-26 | 2017-10-26 | 一种热门内容池维护方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107679236A true CN107679236A (zh) | 2018-02-09 |
CN107679236B CN107679236B (zh) | 2020-12-29 |
Family
ID=61142879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711012608.6A Active CN107679236B (zh) | 2017-10-26 | 2017-10-26 | 一种热门内容池维护方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679236B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427500A (zh) * | 2019-08-12 | 2019-11-08 | 浙江岩华文化传媒有限公司 | 信息处理方法、装置和设备 |
CN113342626A (zh) * | 2021-05-28 | 2021-09-03 | 深圳市前海房极客网络科技有限公司 | 内容处理方法、装置、电子设备及存储介质 |
CN115811634A (zh) * | 2023-02-06 | 2023-03-17 | 天翼云科技有限公司 | 一种视频用户行为数据的处理方法、系统、设备和介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383702A (zh) * | 2013-07-17 | 2013-11-06 | 中国科学院深圳先进技术研究院 | 一种基于用户投票排名的个性化新闻推荐的方法及系统 |
US20140188861A1 (en) * | 2012-12-28 | 2014-07-03 | Google Inc. | Using scientific papers in web search |
US20140222800A1 (en) * | 2012-03-13 | 2014-08-07 | Yahoo! Inc. | Personalization of news articles based on news sources |
CN104657496A (zh) * | 2015-03-09 | 2015-05-27 | 杭州朗和科技有限公司 | 一种计算信息热度值的方法和设备 |
CN105872629A (zh) * | 2016-03-18 | 2016-08-17 | 合网络技术(北京)有限公司 | 内容推荐方法、装置及系统 |
CN106021392A (zh) * | 2016-05-12 | 2016-10-12 | 中国互联网络信息中心 | 一种新闻关键信息的提取方法及系统 |
CN106202168A (zh) * | 2016-06-24 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 一种网站内容展示方法与装置 |
CN106844653A (zh) * | 2017-01-20 | 2017-06-13 | 上海幻电信息科技有限公司 | 一种媒体数据推荐方法及系统 |
CN107025311A (zh) * | 2017-05-18 | 2017-08-08 | 北京大学 | 一种基于k近邻的贝叶斯个性化推荐方法及装置 |
CN107102976A (zh) * | 2017-03-23 | 2017-08-29 | 北京大学 | 基于微博的娱乐新闻自动构建技术与系统 |
CN107196999A (zh) * | 2017-05-03 | 2017-09-22 | 网易传媒科技(北京)有限公司 | 用于下发信息流推送数据的方法及设备 |
CN107273534A (zh) * | 2017-06-29 | 2017-10-20 | 武汉楚鼎信息技术有限公司 | 一种基于资讯内容提取的数据加工方法、系统 |
-
2017
- 2017-10-26 CN CN201711012608.6A patent/CN107679236B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140222800A1 (en) * | 2012-03-13 | 2014-08-07 | Yahoo! Inc. | Personalization of news articles based on news sources |
US20140188861A1 (en) * | 2012-12-28 | 2014-07-03 | Google Inc. | Using scientific papers in web search |
CN103383702A (zh) * | 2013-07-17 | 2013-11-06 | 中国科学院深圳先进技术研究院 | 一种基于用户投票排名的个性化新闻推荐的方法及系统 |
CN104657496A (zh) * | 2015-03-09 | 2015-05-27 | 杭州朗和科技有限公司 | 一种计算信息热度值的方法和设备 |
CN105872629A (zh) * | 2016-03-18 | 2016-08-17 | 合网络技术(北京)有限公司 | 内容推荐方法、装置及系统 |
CN106021392A (zh) * | 2016-05-12 | 2016-10-12 | 中国互联网络信息中心 | 一种新闻关键信息的提取方法及系统 |
CN106202168A (zh) * | 2016-06-24 | 2016-12-07 | 武汉斗鱼网络科技有限公司 | 一种网站内容展示方法与装置 |
CN106844653A (zh) * | 2017-01-20 | 2017-06-13 | 上海幻电信息科技有限公司 | 一种媒体数据推荐方法及系统 |
CN107102976A (zh) * | 2017-03-23 | 2017-08-29 | 北京大学 | 基于微博的娱乐新闻自动构建技术与系统 |
CN107196999A (zh) * | 2017-05-03 | 2017-09-22 | 网易传媒科技(北京)有限公司 | 用于下发信息流推送数据的方法及设备 |
CN107025311A (zh) * | 2017-05-18 | 2017-08-08 | 北京大学 | 一种基于k近邻的贝叶斯个性化推荐方法及装置 |
CN107273534A (zh) * | 2017-06-29 | 2017-10-20 | 武汉楚鼎信息技术有限公司 | 一种基于资讯内容提取的数据加工方法、系统 |
Non-Patent Citations (1)
Title |
---|
胡涛: "基于云架构的深圳广电融合媒体数据中心设计", 《电视技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110427500A (zh) * | 2019-08-12 | 2019-11-08 | 浙江岩华文化传媒有限公司 | 信息处理方法、装置和设备 |
CN113342626A (zh) * | 2021-05-28 | 2021-09-03 | 深圳市前海房极客网络科技有限公司 | 内容处理方法、装置、电子设备及存储介质 |
CN115811634A (zh) * | 2023-02-06 | 2023-03-17 | 天翼云科技有限公司 | 一种视频用户行为数据的处理方法、系统、设备和介质 |
CN115811634B (zh) * | 2023-02-06 | 2023-06-23 | 天翼云科技有限公司 | 一种视频用户行为数据的处理方法、系统、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107679236B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103823908B (zh) | 基于用户偏好的内容推荐方法和服务器 | |
CN104102648B (zh) | 基于用户行为数据的兴趣推荐方法及装置 | |
CN103679462B (zh) | 一种评论数据处理方法和装置、一种搜索方法和系统 | |
CN105247507B (zh) | 用于确定品牌的影响力得分的方法、系统和存储介质 | |
CN105335409B (zh) | 一种目标用户的确定方法、设备和网络服务器 | |
CN102855256B (zh) | 用于确定网站评价信息的方法、装置及设备 | |
CN106570008A (zh) | 推荐方法及装置 | |
CN108829808A (zh) | 一种页面个性化排序方法、装置及电子设备 | |
US20150161529A1 (en) | Identifying Related Events for Event Ticket Network Systems | |
CN106294830A (zh) | 多媒体资源的推荐方法及装置 | |
US20180308152A1 (en) | Data Processing Method and Apparatus | |
CN107292463A (zh) | 一种对应用程序进行项目评估的方法及系统 | |
CN107895213A (zh) | 消费额度的预测方法、装置及电子设备 | |
CN106776873A (zh) | 一种推荐结果生成方法以及装置 | |
CN107256494A (zh) | 一种物品推荐方法及装置 | |
CN104376083B (zh) | 一种基于关注关系和多用户行为的图推荐方法 | |
CN113191838B (zh) | 一种基于异质图神经网络的购物推荐方法及系统 | |
CN109711931A (zh) | 基于用户画像的商品推荐方法、装置、设备及存储介质 | |
JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN108550046A (zh) | 一种资源和营销推荐方法、装置及电子设备 | |
CN107679236A (zh) | 一种热门内容池维护方法和装置 | |
CN110428295A (zh) | 商品推荐方法和系统 | |
CN108416627A (zh) | 一种基于互联网数据的品牌影响力监控方法及系统 | |
CN108446297A (zh) | 一种推荐方法及装置,电子设备 | |
CN106980667A (zh) | 一种给文章标注标签的方法和装置 |
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 | ||
CB02 | Change of applicant information |
Address after: 100085 information Road No. 2, Haidian District, Beijing (Beijing 1-8, D 2-2), two storey 207A room. Applicant after: QILIN HESHENG NETWORK TECHNOLOGY Inc. Address before: 100085 information Road No. 2, Haidian District, Beijing (Beijing 1-8, D 2-2), two storey 207A room. Applicant before: QILIN HESHENG NETWORK TECHNOLOGY Inc. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |