CN112380285B - 信息处理方法和装置 - Google Patents

信息处理方法和装置 Download PDF

Info

Publication number
CN112380285B
CN112380285B CN202011199854.9A CN202011199854A CN112380285B CN 112380285 B CN112380285 B CN 112380285B CN 202011199854 A CN202011199854 A CN 202011199854A CN 112380285 B CN112380285 B CN 112380285B
Authority
CN
China
Prior art keywords
group
objects
internet data
determining
interest
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
Application number
CN202011199854.9A
Other languages
English (en)
Other versions
CN112380285A (zh
Inventor
彭姝琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011199854.9A priority Critical patent/CN112380285B/zh
Publication of CN112380285A publication Critical patent/CN112380285A/zh
Application granted granted Critical
Publication of CN112380285B publication Critical patent/CN112380285B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种信息处理方法，涉及深度学习和数据处理等技术领域，可用于用户意图挖掘、自然语言处理和大数据等领域。具体实现方案为：获取多个对象的互联网数据；基于获取的互联网数据，确定所述多个对象的群体特征，其中，所述群体特征用于表征所述多个对象的以下信息中的一项或多项：群体关注、群体意图；以及执行以下操作中的至少一个：将所述群体特征反馈给所述多个对象的服务方，以便所述服务方基于所述群体特征向所述多个对象提供第一服务；基于所述群体特征，向所述多个对象提供第二服务。

Description

信息处理方法和装置
技术领域
本申请涉及深度学习和数据处理等技术领域，可用于用户意图挖掘、自然语言处理和大数据等领域，更具体地，涉及一种信息处理方法和装置、一种电子设备和一种存储介质。
背景技术
随着社会水平和科学技术的不断发展，作为社会管理和服务的自治组织，智慧社区的呼声越来越高。目前市面上已有的智慧社区解决方案大多是通过将开发商、物业、街道、周边商户、社区等资源进行整合，为居民小区提供智慧社区服务。
然而，在实现本申请发明构思的过程中，发明人发现：这种传统的解决方案通常是根据居民访问调查报告来开展的，可能无法覆盖居民的真实需求。
发明内容
本申请提供了一种信息处理方法和装置、一种电子设备以及一种存储介质。
根据第一方面，提供了一种信息处理方法，包括：获取多个对象的互联网数据；基于获取的互联网数据，确定上述多个对象的群体特征，其中，上述群体特征用于表征上述多个对象的以下信息中的一项或多项：群体关注、群体意图；以及执行以下操作中的至少一个：将上述群体特征反馈给上述多个对象的服务方，以便上述服务方基于上述群体特征向上述多个对象提供第一服务；和，基于上述群体特征，向上述多个对象提供第二服务。
根据第二方面，提供了一种信息处理装置，包括：数据获取模块，用于获取多个对象的互联网数据；特征确定模块，用于基于获取的互联网数据，确定上述多个对象的群体特征，其中，上述群体特征用于表征上述多个对象的以下信息中的一项或多项：群体关注、群体意图；以及操作执行模块，用于执行以下操作中的至少一个：将上述群体特征反馈给上述多个对象的服务方，以便上述服务方基于上述群体特征向上述多个对象提供第一服务；基于上述群体特征，向上述多个对象提供第二服务。
根据第三方面，提供了另一种信息处理方法，包括：获取多个对象的互联网数据；基于获取的互联网数据，确定上述多个对象的群体特征，以便上述多个对象的服务方能够基于上述群体特征向上述多个对象提供对应的服务；其中，上述群体特征用于表征上述多个对象的以下信息中的一项或多项：群体关注、群体意图。
根据第四方面，提供了另一种信息处理装置，包括：数据获取模块，用于获取多个对象的互联网数据；特征确定模块，用于基于获取的互联网数据，确定上述多个对象的群体特征，以便上述多个对象的服务方能够基于上述群体特征向上述多个对象提供对应的服务；其中，上述群体特征用于表征上述多个对象的以下信息中的一项或多项：群体关注、群体意图。
根据第五方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行本申请实施例的方法。
根据第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，包括：上述计算机指令用于使上述计算机执行本申请实施例的方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1示意性示出了适于本申请实施例的应用场景的示意图；
图2示意性示出了根据本申请实施例的信息处理方法的流程图；
图3示意性示出了根据本申请实施例的针对群体关注的词云展示方案示意图；
图4示意性示出了根据本申请实施例的提取两级群体关注的原理图；
图5示意性示出了根据本申请实施例的针对一级群体关注消除重复主题的示意图；
图6示意性示出了根据本申请实施例的构建连通图并提取二级群体关注的示意图；
图7示意性示出了根据本申请实施例的针对群体关注的分层级展示方案示意图；
图8示意性示出了根据本申请实施例的挖掘隐语的流程图；
图9示意性示出了根据本申请另一实施例的信息处理方法的流程图；
图10示意性示出了根据本申请实施例的信息处理装置的框图；
图11示意性示出了根据本申请另一实施例的信息处理装置的框图；
图12示意性示出了用来实现本申请实施例的信息处理方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，本申请实施例的应用场景可以包括多种。示例性的，通过本申请实施例可以挖掘特定社区内居民潜在的、真实的群体关注和群体意图，并基于该挖掘结果，为该特定社区内的居民提供有针对性的社区服务。
如图1所示，对于社区A，第三方可以获取该社区内所有居民最近一段时间的互联网数据，并基于获取的互联网数据，挖掘这些居民潜在的、真实的群体关注和群体意图。一方面，第三方可以基于这些群体关注和群体意图开发可以代替小区的门禁卡，还可以召唤各种物业服务、汇聚丰富的社区资讯、联动周边商户优惠信息，甚至还可以在线看护孩子和老人，同时还可以提供邻里社交圈子，供社区居民线上交流分享的智慧社区APP，提供给社区居民。和/或，另一方面，第三方还将这些群体关注和群体意图的相关信息提供给社区A的服务方(如物业方)，使得服务方可以参考该信息进行社区建设，例如建设视频监控联动系统、门禁管理系统、服务信息管理中心、小区信息推送平台和O2O商家接入平台等，从而帮助物业方提高社区服务质量。例如，如果发现社区内有些用户有自杀、精神病、持有或者购买危险品等意图，服务方可以参考这些信息提供相应的心理辅导服务、以及危险品安全管理措施等。再例如，如果发现社区的常驻人口和访问人口存在社区医疗、母婴、政策法规、安全管理等方面的群体关注，服务方可以参考这些信息提供相应的配套服务和措施等。
或者，示例性的，通过本申请实施例还可以挖掘特定办公区内工作人员潜在的、真实的群体关注和群体意图，并基于该挖掘结果，为该特定办公区内的工作人员提供有针对性的办公、休闲、娱乐等服务。
应该理解，上述应用场景仅为可以应用本申请实施例的应用场景的示例，以帮助本领域技术人员理解本申请的技术内容，但并不意味着本申请实施例不可以用于其他环境或场景。
以下将结合具体实施例详细阐述本申请。
根据本申请的实施例，本申请提供了一种信息处理方法。
图2是根据本申请实施例的信息处理方法的流程图。
如图2所示，该方法200可以包括操作S210～S230。
在操作S210，获取多个对象的互联网数据。
在操作S220，基于获取的互联网数据，确定多个对象的群体特征。
其中，上述群体特征用于表征操作S210中的多个对象的以下信息中的一项或多项：群体关注、群体意图。
需要说明的是，个体关注是指个体关心的热点信息/事件。群体关注是指群体中超过预定比例的个体共同关心的热点信息/事件。类似地，个体意图是指个体希望达到某种目的的打算。群体意图是指群体中超过预定比例的个体有相同或者类似的打算。
在操作S230，执行以下操作中的至少一个：将群体特征反馈给多个对象的服务方，以便服务方基于群体特征向多个对象提供第一服务；和基于群体特征，向多个对象提供第二服务。
在一个实施例中，操作S210中的多个对象可以是生活在同一个社区内的人员，例如同一个社区内的常驻人员。具体地，可以根据一段时间内的地图数据确定该段时间内的用户轨迹数据，进而根据用户轨迹数据辨别各用户对象(各对象)该段时间内的驻留地点和常驻地点，然后再根据各对象在该段时间内的常驻地点，确定出操作S210中的多个对象。此外，在一个实施例中，操作S210中的互联网数据可以包括但不限于以下信息中的至少之一：用户的搜索数据和贴吧数据等。
具体地，在操作S220，可以根据特定区域内多个常驻对象一段时间内的互联网数据，利用大数据工具、聚类算法、连通图专家规则和NLP 语义提取技术等，分析并确定该多个常驻对象的群体特征。示例性的，可以根据特定社区内居民一段时间内的搜索数据，利用大数据工具、聚类算法、连通图专家规则和NLP语义提取技术等，确定这些居民的群体关注和群体意图等。
应该理解，操作S230至少可以包括以下三种实现方式：方式1，通过操作S220获得的群体关注和群体意图等群体特征仅发送给服务方(如社区物业方)，由服务方参考该群体特征向操作S210中的多个对象提供第一服务(如第一社区服务，如建设视频监控联动系统、门禁管理系统、服务信息管理中心、小区信息推送平台和O2O商家接入平台等)；方式2，通过操作S220获得的群体关注和群体意图等群体特征仅供第三方自用，由第三方参考该群体特征向操作S210中的多个对象提供第二服务(如第二社区服务，如开发智慧社区APP等)；方式3，即，方式1与方式2的结合。
与传统的智慧社区解决方案通过走访来调查居民的需求，导致走访调查报告往往无法覆盖社区居民的真正关注和意图，进而导致基于此提供的智慧社区服务可能无法覆盖社区居民潜在的、真实的需求相比，通过本申请实施例，可以根据互联网数据深度挖掘社区居民潜在的真实意图，并基于社区居民潜在的真实意图提供有针对性的智慧社区服务，因而能够更好地覆盖社区居民的真实需求，从而能够更好地提高智慧社区的便利性。
如图3所示，在本申请实施例中，在将群体特征反馈给服务方时，可以通过“词云”将群体关注相关信息展示给服务方。可以看出，“词云”中仅仅还原了用户搜索、点击、评论的内容，没有对此内容进行语义理解，更没有提炼出用户潜在的真实需求和意图，因而通过“词云”展示的信息，服务方难以清晰地了解社区的态势舆情，进而难以有针对性地提供合理的社区服务。例如，“词云”中的某个词“新冠肺炎”，只能说明某个群体高度关注新冠肺炎，但是无法说明该群体关注“新冠肺炎”的哪些侧面，例如是关注“新冠肺炎症状”？还是关注“核酸检测多久检测一次”？还是关注“新冠肺炎疫情”？
此外，在本申请实施例中，在将群体特征反馈给服务方时，可以通过“主题模型”将群体关注相关信息展示给服务方。“主题模型”需要确定主题的个数，会将不同维度的信息聚合到一个主题下。“主题模型”存在与“词云”类似的问题，即“主题模型”也没有对用户搜索、点击、评论的内容进行语义理解，更没有提炼出用户潜在的真实需求和意图，因而通过“主题模型”展示的信息，服务方也难以清晰地了解社区的态势舆情，进而也难以有针对性地提供合理的社区服务。
对此，本申请实施例还提供了另一种用于“群体关注”的处理方案，即基于语义理解输出“群体关注”相关信息。
具体地，在一个实施例中，响应于获取到多个对象的互联网数据，可以直接对这些互联网数据执行聚类操作。但是，由于这些互联网数据通常数据量较大，因而直接执行聚类操作，会导致内存消耗大、聚类结果类别混乱，甚至存在聚类结果类别重复等缺陷。
因而，在另一个实施例中，在对获取的互联网数据执行聚类操作之前，还可以先对这些互联网数据执行词对分桶操作，再对词对分桶后得到的每组互联网数据单独执行聚类操作。由此可以缩小聚类操作所针对的数据范围，进而可以减少内存消耗，同时可以使聚类结果的类别更清晰。
具体地，作为一种可选的实施例，基于获取的互联网数据，确定多个对象的群体特征例如可以包括基于获取的互联网数据，确定多个对象的群体关注。其中，确定多个对象的群体关注例如可以包括如下操作。
基于获取的互联网数据，选取多个分桶词对。
基于多个分桶词对，对获取的互联网数据进行分桶操作，得到多组互联网数据。
基于多组互联网数据中的每组互联网数据，确定多个对象的一个二级群体关注。
基于确定的多个二级群体关注，确定多个对象的至少一个一级群体关注，其中每个一级群体关注涉及一个一级主题。
需要说明的是，可以选取上述操作中获取的互联网数据中的关键词作为本申请实施例的分桶词对；或者，可以先选取上述操作中获取的互联网数据中的多个关键词，然后基于这多个关键词提炼共同点，上位出一个或者几个关键词作为本申请实施例的分桶词对。此外，在本申请实施例中，分桶操作又称分箱操作，是指按照特定的条件将数据划分到不同的数据存储空间中。而分桶词对就是执行分桶操作来划分数据时所依据的特定条件。
示例性的，如图4所示，假设某社区的居民最近一段时间内的搜索数据包括如下信息：“喉咙发痒闷是新冠肺炎吗”、“新冠肺炎的早期症状”、“新冠肺炎的症状有哪些”、“新冠肺炎症状是发烧吗”、“新冠肺炎核酸检测对身体有害吗”、“新冠肺炎核酸检测多久测一次”、“新冠肺炎一周之内可以做两次核酸检测吗”、“XXX地新冠肺炎疫情”、“XXX地新冠肺炎疫情说明”、“XXX地新冠肺炎疫情数据”......，等等。基于以上信息可以将“新冠肺炎症状”、“新冠肺炎核酸检测”、“新冠肺炎XXX地疫情”等词对作为分桶词对，进而可以按照这些分桶词对对上述信息进行分桶操作。分桶操作的结果如图3所示，以下信息(后续称为第一组信息)“喉咙发痒闷是新冠肺炎吗”、“新冠肺炎的早期症状”、“新冠肺炎的症状有哪些”、“新冠肺炎症状是发烧吗”划分一组；以下信息(后续称为第二组信息)“新冠肺炎核酸检测对身体有害吗”、“新冠肺炎核酸检测多久测一次”、“新冠肺炎一周之内可以做两次核酸检测吗”划分另一组；以下信息(后续称为第三组信息)“XXX地新冠肺炎疫情”、“XXX地新冠肺炎疫情说明”、“XXX 地新冠肺炎疫情数据”划分再一组；......。进一步，针对第一组信息，提炼出的“新冠肺炎症状”作为一个二级群体关注；针对第二组信息，提炼出的“新冠肺炎核酸检测”作为另一个二级群体关注；针对第三组信息，提炼出的“新冠肺炎XXX地疫情”作为再一个二级群体关注；......。更进一步，基于上述的二级群体关注“新冠肺炎症状”、“新冠肺炎核酸检测”和“新冠肺炎XXX地疫情”还可以提炼出“新冠肺炎”作为一个一级群体关注。对于该一级群体关注“新冠肺炎”，其涉及的一级主题即为“新冠肺炎”。
通过本申请实施例，先对获取的互联网数据进行词对分桶操作，再对分桶后的各组互联网数据分别单独进行聚类操作，可以缩小单次聚类操作的数据范围，进而可以减少内存消耗，同时可以得到脉络清晰的聚类结果。
需要说明的是，在本申请实施例中，在基于二级群体关注确定一级群体关注时，可能会确定出多个语义重复的一级群体关注，因而本申请实施例还提供了一种消除重复主题的处理方法。
具体地，作为一种可选的实施例，该方法还可以包括如下操作。
基于语义相似性，构建针对至少一个一级群体关注的连通图。
基于构建的连通图，确定至少一个一级群体关注涉及的至少一个一级主题中的至少一组相似主题。
针对每组相似主题，保留其中的一个主题。
示例性的，如图5所示，假设当前确定的多个一级群体关注包括：“新冠肺炎”、“新型肺炎”、“冠状肺炎”、“垃圾分类”、“垃圾类型”等。针对这些一级群体关注构建的连通图如图5所示。基于图中的连通图可以看出，“新冠肺炎”、“新型肺炎”和“冠状肺炎”涉及一个相似的主题，针对此组相似主题，可以仅保留其中的一个主题。例如随机保留“新冠肺炎”，同时删除“新型肺炎”和“冠状肺炎”。此外，基于图中的连通图还可以看出，“垃圾分类”、“垃圾类型”涉及另一个相似的主题，针对此组相似主题，也可以仅保留其中的一个主题。例如按照预设规则保留“垃圾分类”，同时删除“新型肺炎”和“冠状肺炎”。
通过本申请实施例，基于语义相似性针对一级群体关注构建连通图，可以消除其中的重复主题。
需要说明的是，在本申请实施例中，针对每组相似主题，还可以先确定其中包含的各主题的相似度大小，再根据相似度大小的确定结果决定是否保留其中的一个主题。
示例性的，如果一组相似主题中各主题的相似度超过第一阈值(如 0.9)，则保留其中的一个一级主题。或者，如果一组相似主题中各主题的相似度介于第一阈值和第二阈值之间(如介于0.7和0.9之间)，则基于该组相似主题重新上位出一个语句作为更高一级的群体关注进行保留。或者，如果一组相似主题中各主题的相似度低于第二阈值(如0.7)，则保留所有的一级主题。由此可以避免过度消除一级群体关注涉及的相似主题。
作为一种可选的实施例，基于多组互联网数据中的每组互联网数据，确定多个对象的一个二级群体关注，例如可以包括如下操作。
基于语义相似性，构建针对每组互联网数据中包含的互联网数据的连通图。
基于构建的每个连通图，确定多个对象的一个二级群体关注。
具体地，可以先利用大数据工具、聚类算法等，对每组互联网数据进行语义相似性分析，从而构建出对应的连通图，进而再基于构建的连通图，利用连通图专家规则和NLP语义提取技术等提炼出一个二级群体关注。
示例性的，如图6所示，以下搜索语句“喉咙发痒闷是新冠肺炎吗”、“新冠肺炎的早期症状”、“新冠肺炎的症状有哪些”和“新冠肺炎症状是发烧吗”之间彼此都具有一定的相似性，因而可以以这些搜索语句为节点，以连接在两个节点之间的连线描述两个节点上的搜索语句的相似性，并由此得到如图所示的连通图。基于连通图，利用连通图专家规则和NLP语义提取技术等提炼出的一个二级群体关注可以为“新冠肺炎症状”。
作为一种可选的实施例，将群体特征反馈给多个对象的服务方例如可以包括：基于一级群体关注和二级群体关注，向服务方分层级展示多个对象的群体关注。
示例性的，如图7所示，该分层级展示的群体关注中，“医疗关注TOP 值”为一级群体关注，“医疗关注TOP值”下的“医院关注TOP值”、“疾病关注TOP值”和“疾病知识关注TOP值”均为二级群体关注，二级群体关注如“医疗关注TOP值”下的“北京301医院”、“304医院骨科专家”、“北京中医院”、“北医三院”、“304医院”......等均为原始搜索语句。
通过本申请实施例，采用基于语义理解的分层级(分垂类)的群体关注展示方案，可以体现群体的潜在需求和意图，以便决策者和服务方可以更好地把握社区的态势舆情。相比于“词云”方案更加语义化，相比于“主题模型”方案更加准确。
作为一种可选的实施例，基于获取的互联网数据，确定多个对象的群体特征，例如可以包括基于获取的互联网数据，确定多个对象的群体意图。其中，确定多个对象的群体意图例如可以包括如下操作。
响应于获取的互联网数据中存在与预设知识库中的词语匹配的关键词，从获取的互联网数据中筛选出包含关键词的关键语句。
基于关键语句的文本内容，确定对应的群体意图。
确定多个对象中具有对应的群体意图的第一对象群体所占的比例。
在本申请实施例中，首先要预先建立与意图相关的知识库，然后根据知识库去匹配用户搜索、点击和评论的内容。然后再对匹配到的搜索语句和贴吧语句进行真实意图区分。然后针对提取的群体意图，统计社区内有此意图的人口比例。
具体地，可以根据已公开的数据(如新闻报道，论文等)和政府数据 (政府公开的文案)等，挖掘出跟意图方向相关的专业知识，例如某特殊意图方向存在“猪肉”、“溜冰”等隐语，然后基于挖掘出的专业知识建立对应的知识库。应该理解，社区内隐藏的风险种类很多，不同的风险类别具有不同的特征类型，因而可以针对不同的风险类别预先建立不同的知识库。
示例性的，如图8所示，隐语挖掘流程可以如下：首先可以根据经验设置一些初始隐语，同时还可以选出种子用户(社区内潜在的危险用户) 和普通用户通常使用的差异最大的TOPN句隐语作为初始隐语；进一步，对初始隐语进行文本过滤；再进一步，在过滤后的隐语文本中标注样本，并使用ERNIE模型挑出涉及某特殊意图的语句；进一步，针对挑出涉及某特殊意图的语句，对涉及某特殊意图的词语进行词频统计，同时对涉及某特殊意图的语句进行向量聚类分析，同时通过网络共现挖掘涉及某特殊意图的团体，进而基于词频统计、向量聚类分析结果和发现的涉及某特殊意图的团体制作隐语词包，并由此形成知识库。
由于各知识库中包含的隐语词语通常也是生活中常用的词语，但确实也是涉及某特殊意图人员交流时搜索的专业词汇。因而在进行群体意图挖掘过程中，为了避免误判命中知识库的搜索语句和贴吧语句，同时消除歧义的影响。针对命中的隐语词语，还需要找出包含这些隐语词语的原始搜索语句和原始贴吧语句，并根据这些语句的上下文进行真实意图区分。由此可以消除噪音数据对群体意图挖掘的影响。
需要说明的，在本申请实施例中，对于搜索语句，可以通过隐语词包过滤(知识库过滤)和ERNIE模型进行文本内容识别来确定群体意图；对于贴吧语句，可以通过隐语词包过滤(知识库过滤)和ERNIE模型以及LSTM模型对多方对话进行文本内容识别来提取群体意图。
通过本申请实施例，可以消除噪音数据对群体意图挖掘的影响。
进一步，作为一种可选的实施例，该方法还可以包括如下操作。
确定多个对象中与第一对象群体(如种子用户群体)中的各对象(种子用户)具有关联关系的第二对象群体，其中，第二对象群体中的各对象疑似具有对应的群体意图。
确定多个对象中的第一对象群体和第二对象群体之和所占的比例。
由于同一社区内与种子用户关系密切，如经常交流或者经常来往的对象是种子用户的可能性也比较大。因此在本申请实施例中，还可以进一步挖掘上述多个对象中的其他对象与上述第一对象群体中各对象之间是否存在一定的关联关系。对于存在一定关联关系的其他对象，可以定义为疑似具有同样群体意图的对象。然后统计社区内确定有此意图和疑似有此意图的人口比例。
通过本申请实施例，针对特定群体意图，尤其是具有危险性的群体意图，可以根据具有该意图的危险用户与该社区内其他用户的关联关系，识别出社区内潜在的具有该意图的关联危险用户，以便服务方能够及早提供相关服务措施进行针对性防范。
作为一种可选的实施例，该方法还可以包括如下操作。
获取多个对象的地图数据。
基于获取的地图数据，确定多个对象在预定时段的流向。
基于多个对象在预定时段的流向，监控多个对象生活的社区内是否出现了传染病。
示例性的，如果根据地图数据确定的移动轨迹发现，某个时间段某个小区内有超过预定数量的用户去过某医院，则可以进行疫情预警，以便可以及时发现社区内是否爆发了传染性疾病。
根据本申请的实施例，本申请还提供了另一种信息处理方法。
图9示意性示出了根据本申请另一实施例的信息处理方法的流程图。
如图9所示，该方法900可以包括操作S910～S920。
在操作S910，获取多个对象的互联网数据。
在操作S920，基于获取的互联网数据，确定多个对象的群体特征，以便多个对象的服务方能够基于群体特征向多个对象提供对应的服务。
其中，群体特征用于表征多个对象的以下信息中的一项或多项：群体关注、群体意图。
需要说明的是，本申请实施例中的S910和S920分别与前述实施例中的S210和S220相同，本申请实施例在此不再赘述。
根据本申请的实施例，本申请提供了一种用于社区服务的数据处理装置。
图10示意性示出了根据本申请实施例的信息处理装置的框图。
如图10所示，该信息处理装置1000包括数据获取模块1010、特征确定模块1020和操作执行模块1030。
具体地，数据获取模块1010，用于获取多个对象的互联网数据。
特征确定模块1020，用于基于获取的互联网数据，确定多个对象的群体特征，其中，群体特征用于表征多个对象的以下信息中的一项或多项：群体关注、群体意图。
操作执行模块1030，用于执行以下操作中的至少一个：将群体特征反馈给多个对象的服务方，以便服务方基于群体特征向多个对象提供第一服务；和基于群体特征，向多个对象提供第二服务。
应该理解，本申请装置部分的实施例与本申请方法部分的实施例对应相同或类似，本申请实施例在此不再赘述。
根据本申请的实施例，本申请还提供了一种信息处理装置。
图11示意性示出了根据本申请另一实施例的信息处理装置的框图。
如图11所示，该信息处理装置1100包括数据获取模块1110和特征确定模块1120。
具体地，数据获取模块1110，用于获取多个对象的互联网数据。
特征确定模块1120，用于基于获取的互联网数据，确定多个对象的群体特征，以便多个对象的服务方能够基于群体特征向多个对象提供对应的服务。
其中，群体特征用于表征多个对象的以下信息中的一项或多项：群体关注、群体意图。
应该理解，本申请装置部分的实施例与本申请方法部分的实施例对应相同或类似，本申请实施例在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图12所示，是根据本申请实施例的信息处理方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图12所示，该电子设备包括：一个或多个处理器1201、存储器1202，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图12中以一个处理器 1201为例。
存储器1202即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的信息处理方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的信息处理方法。
存储器1202作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的信息处理方法对应的程序指令/模块(例如，附图10所示的数据获取模块1010、特征确定模块1020和操作执行模块1030)。处理器1201通过运行存储在存储器1202中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的信息处理方法。
存储器1202可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据信息处理电子设备的使用所创建的数据等。此外，存储器1202可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器1202可选包括相对于处理器1201远程设置的存储器，这些远程存储器可以通过网络连接至信息处理电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用于实现本申请的信息处理方法的电子设备还可以包括：输入装置 1203和输出装置1204。处理器1201、存储器1202、输入装置1203和输出装置1204可以通过总线或者其他方式连接，图12中以通过总线连接为例。
输入装置1203可接收输入的数字或字符信息，以及产生与信息处理电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1204可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入) 来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系；服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
根据本申请实施例的技术方案，采用根据社区居民的互联网数据挖掘用户潜在的、真实的需求和意图，并基于用户潜在的、真实的需求和意图提供对应的社区服务，因而可以解决传统的智慧社区解决方案无法覆盖居民的真实需求的问题，进而可以提高社区服务的针对性。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (11)

1.一种信息处理方法，包括：
获取多个对象的互联网数据；
基于获取的互联网数据，确定所述多个对象的群体特征，其中，所述群体特征用于表征所述多个对象的以下信息中的一项或多项：群体关注、群体意图；以及
执行以下操作中的至少一个：
将所述群体特征反馈给所述多个对象的服务方，以便所述服务方基于所述群体特征向所述多个对象提供第一服务；
基于所述群体特征，向所述多个对象提供第二服务;
其中，基于获取的互联网数据，确定所述多个对象的群体特征，包括：基于所述获取的互联网数据，确定所述多个对象的群体关注；
其中，确定所述多个对象的群体关注，包括：
基于所述互联网数据，选取多个分桶词对；
基于所述多个分桶词对，对所述获取的互联网数据进行分桶操作，得到多组互联网数据；
基于所述多组互联网数据中的每组互联网数据，确定所述多个对象的一个二级群体关注；以及
基于确定的多个二级群体关注，确定所述多个对象的至少一个一级群体关注，其中每个一级群体关注涉及一个一级主题;
所述方法还包括：
基于语义相似性，构建针对所述至少一个一级群体关注的连通图；
基于构建的连通图，确定所述至少一个一级群体关注涉及的至少一个一级主题中的至少一组相似主题；
针对每组相似主题，保留其中的一个主题。
2.根据权利要求1所述的方法，其中，基于所述多组互联网数据中的每组互联网数据，确定所述多个对象的一个二级群体关注，包括：
基于语义相似性，构建针对所述每组互联网数据中包含的互联网数据的连通图；
基于构建的每个连通图，确定所述多个对象的一个二级群体关注。
3.根据权利要求1至2中任一项所述的方法，其中，将所述群体特征反馈给所述多个对象的服务方，包括：
基于所述一级群体关注和所述二级群体关注，向所述服务方分层级展示所述多个对象的群体关注。
4.根据权利要求1所述的方法，其中，基于获取的互联网数据，确定所述多个对象的群体特征，包括基于所述获取的互联网数据，确定所述多个对象的群体意图；
其中，确定所述多个对象的群体意图，包括：
响应于所述获取的互联网数据中存在与预设知识库中的词语匹配的关键词，从所述获取的互联网数据中筛选出包含所述关键词的关键语句；
基于所述关键语句的文本内容，确定对应的群体意图；
确定所述多个对象中具有所述对应的群体意图的第一对象群体所占的比例。
5.根据权利要求4所述的方法，还包括：
确定所述多个对象中与所述第一对象群体中的各对象具有关联关系的第二对象群体，其中，所述第二对象群体中的各对象疑似具有所述对应的群体意图；
确定所述多个对象中的所述第一对象群体和所述第二对象群体之和所占的比例。
6.根据权利要求1所述的方法，还包括：
获取所述多个对象的地图数据；
基于获取的地图数据，确定所述多个对象在预定时段的流向；
基于所述多个对象在预定时段的流向，监控所述多个对象生活的社区内是否出现了传染病。
7.一种信息处理方法，包括：
获取多个对象的互联网数据；
基于获取的互联网数据，确定所述多个对象的群体特征，以便所述多个对象的服务方能够基于所述群体特征向所述多个对象提供对应的服务；
其中，所述群体特征用于表征所述多个对象的以下信息中的一项或多项：群体关注、群体意图；
其中，基于获取的互联网数据，确定所述多个对象的群体特征，包括基于所述获取的互联网数据，确定所述多个对象的群体关注；
其中，确定所述多个对象的群体关注，包括：
基于所述互联网数据，选取多个分桶词对；
基于所述多个分桶词对，对所述获取的互联网数据进行分桶操作，得到多组互联网数据；
基于所述多组互联网数据中的每组互联网数据，确定所述多个对象的一个二级群体关注；以及
基于确定的多个二级群体关注，确定所述多个对象的至少一个一级群体关注，其中每个一级群体关注涉及一个一级主题;
所述方法还包括：
基于语义相似性，构建针对所述至少一个一级群体关注的连通图；
基于构建的连通图，确定所述至少一个一级群体关注涉及的至少一个一级主题中的至少一组相似主题；
针对每组相似主题，保留其中的一个主题。
8.一种信息处理装置，包括：
数据获取模块，用于获取多个对象的互联网数据；
特征确定模块，用于基于获取的互联网数据，确定所述多个对象的群体特征，其中，所述群体特征用于表征所述多个对象的以下信息中的一项或多项：群体关注、群体意图；以及
操作执行模块，用于执行以下操作中的至少一个：
将所述群体特征反馈给所述多个对象的服务方，以便所述服务方基于所述群体特征向所述多个对象提供第一服务；
基于所述群体特征，向所述多个对象提供第二服务；
其中，所述特征确定模块基于获取的互联网数据，确定所述多个对象的群体特征，包括基于所述获取的互联网数据，确定所述多个对象的群体关注；
其中，确定所述多个对象的群体关注，包括：
基于所述互联网数据，选取多个分桶词对；
基于所述多个分桶词对，对所述获取的互联网数据进行分桶操作，得到多组互联网数据；
基于所述多组互联网数据中的每组互联网数据，确定所述多个对象的一个二级群体关注；以及
基于确定的多个二级群体关注，确定所述多个对象的至少一个一级群体关注，其中每个一级群体关注涉及一个一级主题;
所述装置还包括模块，用于：
基于语义相似性，构建针对所述至少一个一级群体关注的连通图；
基于构建的连通图，确定所述至少一个一级群体关注涉及的至少一个一级主题中的至少一组相似主题；
针对每组相似主题，保留其中的一个主题。
9.一种信息处理装置，包括：
数据获取模块，用于获取多个对象的互联网数据；
特征确定模块，用于基于获取的互联网数据，确定所述多个对象的群体特征，以便所述多个对象的服务方能够基于所述群体特征向所述多个对象提供对应的服务；
其中，所述群体特征用于表征所述多个对象的以下信息中的一项或多项：群体关注、群体意图；
其中，所述特征确定模块基于获取的互联网数据，确定所述多个对象的群体特征，包括基于所述获取的互联网数据，确定所述多个对象的群体关注；
其中，确定所述多个对象的群体关注，包括：
基于所述互联网数据，选取多个分桶词对；
基于所述多个分桶词对，对所述获取的互联网数据进行分桶操作，得到多组互联网数据；
基于所述多组互联网数据中的每组互联网数据，确定所述多个对象的一个二级群体关注；以及
基于确定的多个二级群体关注，确定所述多个对象的至少一个一级群体关注，其中每个一级群体关注涉及一个一级主题;
所述装置还包括模块，用于：
基于语义相似性，构建针对所述至少一个一级群体关注的连通图；
基于构建的连通图，确定所述至少一个一级群体关注涉及的至少一个一级主题中的至少一组相似主题；
针对每组相似主题，保留其中的一个主题。
10. 一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
CN202011199854.9A 2020-10-30 2020-10-30 信息处理方法和装置 Active CN112380285B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011199854.9A CN112380285B (zh) 2020-10-30 2020-10-30 信息处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011199854.9A CN112380285B (zh) 2020-10-30 2020-10-30 信息处理方法和装置

Publications (2)

Publication Number Publication Date
CN112380285A CN112380285A (zh) 2021-02-19
CN112380285B true CN112380285B (zh) 2024-02-06

Family

ID=74576851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011199854.9A Active CN112380285B (zh) 2020-10-30 2020-10-30 信息处理方法和装置

Country Status (1)

Country Link
CN (1) CN112380285B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509434A (zh) * 2017-02-23 2018-09-07 中国移动通信有限公司研究院 一种群体用户的挖掘方法及装置
CN109086341A (zh) * 2018-07-10 2018-12-25 南京邮电大学 应用群体智能的热点事件热度度量方法
CN111435508A (zh) * 2019-01-15 2020-07-21 阿里巴巴集团控股有限公司 资源发放终端信息处理方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319507A (zh) * 2017-01-17 2018-07-24 阿里巴巴集团控股有限公司 团体信息的获取方法及装置、交互系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509434A (zh) * 2017-02-23 2018-09-07 中国移动通信有限公司研究院 一种群体用户的挖掘方法及装置
CN109086341A (zh) * 2018-07-10 2018-12-25 南京邮电大学 应用群体智能的热点事件热度度量方法
CN111435508A (zh) * 2019-01-15 2020-07-21 阿里巴巴集团控股有限公司 资源发放终端信息处理方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
虚拟社区用户隐私关注研究综述;胡昌平;仇蓉蓉;;情报理论与实践(第12期);全文 *

Also Published As

Publication number Publication date
CN112380285A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN112507715B (zh) 确定实体之间关联关系的方法、装置、设备和存储介质
US11714816B2 (en) Information search method and apparatus, device and storage medium
Purohit et al. Emergency-relief coordination on social media: Automatically matching resource requests and offers
Li et al. Analyzing COVID-19 on online social media: Trends, sentiments and emotions
CN111241282B (zh) 文本主题生成方法、装置及电子设备
O'Halloran et al. Multimodal approach to analysing big social and news media data
CN111221984A (zh) 多模态内容处理方法、装置、设备及存储介质
CN111428049B (zh) 一种事件专题的生成方法、装置、设备和存储介质
US20140365208A1 (en) Classification of affective states in social media
Zubiaga Mining social media for newsgathering: A review
WO2017040632A2 (en) Event categorization and key prospect identification from storylines
CN111241285B (zh) 问题回答类型的识别方法、装置、设备及存储介质
WO2022095892A1 (zh) 推送信息的生成方法、装置
KR102606175B1 (ko) 정보 푸시 방법 및 장치
Wang et al. A multitask deep learning approach for user depression detection on sina weibo
CN111091006A (zh) 一种实体意图体系的建立方法、装置、设备和介质
Keertipati et al. Multi-level analysis of peace and conflict data in GDELT
CN112507090A (zh) 用于输出信息的方法、装置、设备和存储介质
CN111400456B (zh) 资讯推荐方法及装置
Yu et al. Senti-COVID19: An interactive visual analytics system for detecting public sentiment and insights regarding COVID-19 from social media
Scharl et al. Scalable knowledge extraction and visualization for web intelligence
CN111783427A (zh) 用于训练模型与输出信息的方法、装置、设备及存储介质
CN111385188A (zh) 对话元素的推荐方法、装置、电子设备和介质
CN113127669A (zh) 广告配图方法、装置、设备和存储介质
US20150178372A1 (en) Creating an ontology across multiple semantically-related data sets

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
GR01 Patent grant
GR01 Patent grant