CN113761343A - 一种信息推送方法、装置、终端设备及存储介质 - Google Patents

一种信息推送方法、装置、终端设备及存储介质 Download PDF

Info

Publication number
CN113761343A
CN113761343A CN202110111592.4A CN202110111592A CN113761343A CN 113761343 A CN113761343 A CN 113761343A CN 202110111592 A CN202110111592 A CN 202110111592A CN 113761343 A CN113761343 A CN 113761343A
Authority
CN
China
Prior art keywords
user side
value
determining
push
seed
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.)
Pending
Application number
CN202110111592.4A
Other languages
English (en)
Inventor
宋烈金
肖军波
马恩驰
王莹
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 Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information 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 Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202110111592.4A priority Critical patent/CN113761343A/zh
Publication of CN113761343A publication Critical patent/CN113761343A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—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
    • 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
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例公开了一种信息推送方法、装置、终端设备及存储介质，其中该方法包括：响应于用户端的到访事件，确定用户端与推送对象的匹配度；根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态；其中，圈选阈值，是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；若是，则将推送对象发送给用户端，以使用户端对推送对象进行显示。通过根据用户端到访事件对应的预设时段内，预设推送评估维度的实际数值和期望数值，对圈选阈值进行实时调控，能够实现实时圈选在线人群，并对对象曝光速度进行实时调控，从而能够保证达到业务要求的指标量。

Description

一种信息推送方法、装置、终端设备及存储介质
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种信息推送方法、装置、终端设备及存储介质。
背景技术
在电商场景下，圈人是指挑选出与所推荐的对象具有强相关的人群，并为其曝光所推荐的对象的信息推送方法，其中所推荐的对象例如包括活动、广告及商品等。通过圈人方法，能够增加所推荐的对象的点击率和订单量等。
现有技术中，圈人方法主要是，基于用户输入的圈人指令，离线圈选人群；为圈选的人群，曝光所推荐的对象。
在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：由于离线圈选的人群，是否到访电商应用具有一定的随机性，导致存在达不到业务要求的指标量(例如曝光量、访问量等)的情况。
发明内容
本发明实施例提供一种信息推送方法、装置、终端设备及存储介质，能够实时圈选在线人群，保证达到业务要求的指标量。
第一方面，本发明实施例提供了一种信息推送方法，包括：
响应于用户端的到访事件，确定所述用户端与推送对象的匹配度；
根据所述匹配度和最新确定的圈选阈值，判断所述用户端是否符合命中状态；其中，所述圈选阈值，是基于所述到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；
若是，则将所述推送对象发送给所述用户端，以使所述用户端对所述推送对象进行显示。
第二方面，本发明实施例提供了一种信息推送装置，包括：
匹配度确定模块，用以响应于用户端的到访事件，确定所述用户端与推送对象的匹配度；
判断模块，用于根据所述匹配度和最新确定的圈选阈值，判断所述用户端是否符合命中状态；其中，所述圈选阈值，是基于所述到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；
推送模块，若所述用户端符合命中状态，则将所述推送对象发送给所述用户端，以使所述用户端对所述推送对象进行显示。
第三方面，本发明实施例提供了一种终端设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的信息推送方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的信息推送方法。
本发明实施例提供的一种信息推送方法、装置、终端设备及存储介质，响应于用户端的到访事件，确定用户端与推送对象的匹配度；根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态；其中，圈选阈值，是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；若是，则将推送对象发送给用户端，以使用户端对推送对象进行显示。通过根据用户端到访事件对应的预设时段内，预设推送评估维度的实际数值和期望数值，对圈选阈值进行实时调控，能够实现实时圈选在线人群，并对对象曝光速度进行实时调控，从而能够保证达到业务要求的指标量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例一提供的一种信息推送方法流程图；
图2示出了本发明实施例三提供的一种信息推送方法流程图；
图3示出了本发明实施例四提供的一种信息推送装置结构示意图；
图4示出了本发明实施例五提供的一种终端设备的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1示出了本发明实施例一提供的一种信息推送方法流程图，本发明实施例提供的信息推送方法可适用于信息推送的情况，例如电商场景下为用户端曝光推送对象的情况。该方法可由信息推送装置来执行，该装置采用软件和/或硬件的方式实现，优选是配置于终端设备中，例如配置于服务器中。
如图1所示，本发明实施例中提供的信息推送方法，包括如下步骤：
S110、响应于用户端的到访事件，确定用户端与推送对象的匹配度。
本发明实施例中，用户端可以认为是，安装于终端设备中的用户版的应用软件(Application，APP)；用户端的到访事件，例如可以是用户端的开启事件，或用户端账号的上线事件等。其中，推送对象可以是待推广的对象，例如包括活动、广告及商品等，并且推送对象的数量可以为一个或多个。
用户端的后台服务器(简称服务器)，可以监测各用户端的到访事件。并且，服务器可以于监测到任意一个用户端的到访事件时，确定该到访用户端分别与至少一个推送对象的匹配度。
其中，服务器确定用户端与推送对象的匹配度的方式，例如可以是，服务器获取用户端的用户特征(例如画像标签和/或行为特征等)；解析各推送对象的对象属性；根据用户特征和各对象属性，确定用户端与各推送对象关联程度；根据确定的关联程度，确定用户端与各推送对象的匹配度。
S120、根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态。
针对每个推送对象，服务器可通过比较用户端与当前推送对象的匹配度，与当前推送对象对应的最新确定的圈选阈值之间的大小，判断用户端是否符合当前推送对象的命中状态。例如，当用户端与当前推送对象的匹配度，大于等于当前推送对象对应的最新确定的圈选阈值时，可以认为能够为用户端推送当前推送对象，即用户端针对当前推送对象符合命中状态；当用户端与当前推送对象的匹配度，小于当前推送对象对应的最新确定的圈选阈值时，可以认为没必要为用户端推送当前推送对象，即用户端针对当前推送对象不符合命中状态。
本实施例中，圈选阈值是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的。
其中，预设推送评估维度，可以认为是用于评估推送效果的维度，例如可以包括曝光量、独立访客数和/或点击率等。其中，在执行本实施例公开的推送方法之前，运营人员可以根据推送对象的业务方的业务要求，利用服务器预先设置推送评估维度。示例性的，假设广告商要求某篮球广告每天曝光500w次，则在推送该支广告前，运营人员可利用服务器将曝光量设置为该支广告的推送评估维度。
其中，虽然用户端的到访事件具有一定的随机性，但是整体波动特征基本保持一致。例如，整体上每天上午的用户端到访事件的次数较少，每天下午的用户端到访事件的次数较多。在执行本实施例公开的推送方法之前，服务器还可根据记录的整体波动特征，将业务周期(即业务要求中的周期，例如每天)划分为多个预设时段，其中每个预设时段可具备较明显的到访次数特征，例如一些预设时段可为到访低谷时段，一些时段可为到访高峰时段。其中，每个时段的时段长度可以等长，也可以不等长，例如为5分钟、10分钟、30分钟或60分钟等。
其中，服务器在划分各预设时段之后，还可以针对每个推送对象的业务要求中的指标量，为各预设时段分别设置对应的期望数值。示例性的，假设广告商要求某篮球广告每天曝光500w次，则该支广告的业务要求中的指标量为“曝光500w次/天”，可将该指标量分配至各预设时段，以规定各预设时段的指标量。通常，可将各预设时段的期望数值设置为大于各预设时段的指标量，从而可以提高业务要求的指标量的完成概率。
其中，在服务器在划分各预设时段之后，还可以为各预设时段设置初始圈选阈值。其中，各预设时段的初始圈选阈值可以根据经验值或实验值进行设置，且各预设时段的初始圈选阈值可以相同，也可以不同。
在执行本实施例公开的推送方法过程中，服务器可以获取当前预设时段内，各推送对象在其预设推送评估维度的期望数值；还可以实时确定当前预设时段内，各推送对象在其预设推送评估维度的实际数值；并且，可以根据实际数值和期望数值，在初始圈选阈值基础上进行迭代调控。其中，对圈选阈值进行调控的方式，例如为当实际数值与期望数值的偏差大时，就降低圈选阈值；当实际数值与期望数值的偏差小，就维持或提高圈选阈值。
通过根据预设时段内，预设推送评估维度的实际数值和期望数值，对圈选阈值进行实时调控，能够利用最新调控的圈选阈值，判断用户是否符合命中状态，从而能够实现对在线到访用户端进行对象曝光的速度调控，以保证达到业务要求的指标量。
S130、若是，则将推送对象发送给用户端，以使用户端对推送对象进行显示。
当服务器判断到访的用户端符合推送对象的命中状态时，可以将相应的推送对象推送给用户端，以使用户端对推送对象进行显示，从而实现对推送对象的曝光。
通过对圈选阈值进行实时调控，并根据最新调控的圈选阈值对用户端的命中状态进行判断，能够实现实时圈选在线用户端，并对对象曝光速度进行实时调控，从而能够保证预设评估维度维度的实际数值达到期望数值，即达到业务要求的指标量。
本实施例提供的信息推送方法，可以应用于电商场景；相应的，用户端可以为电商应用APP，服务器可以为电商平台的服务器，推动对象可以为电商平台推送的商品、活动和广告等等。通过电商平台服务器执行任意实施例提供的信息推送方法，能够实现基于实时调控的圈选阈值，对在线用户端进行实时圈选，有利于达到业务方要求的推送对象的指标量。
本发明实施例提供的一种信息推送方法，响应于用户端的到访事件，确定用户端与推送对象的匹配度；根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态；其中，圈选阈值，是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；若是，则将推送对象发送给用户端，以使用户端对推送对象进行显示。通过根据用户端到访事件对应的预设时段内，预设推送评估维度的实际数值和期望数值，对圈选阈值进行实时调控，能够实现实时圈选在线人群，并对对象曝光速度进行实时调控，从而能够保证达到业务要求的指标量。
实施例二
本实施例与上述实施例中所提供的信息推送方法中各个可选方案可以结合。本实施例提供的信息推送方法，对圈选阈值的调控步骤进行了优化，通过基于PID算法，能够根据期望数值和实时的实际数值，对圈选阈值进行实时调控，从而能够实现对在线到访用户端进行对象曝光的速度调控。此外，还对期望数值的确定步骤进行了优化，通过根据业务周期内，预设时段之前各时段累计的实际数值，与累计的期望数值之间的差值，对初始的期望数值进行调整，能够提高当前预设时段的阈值调控的精准度。
在一些可选的实施方式中，圈选阈值的调控步骤，包括：确定预设时段内，预设推送评估维度的期望数值，以及每隔预设时间间隔，确定预设推送评估维度的实际数值；于每次确定到实际数值时，根据当前确定的实际数值和期望数值，确定当前的数值偏差值；根据当前的数值偏差值、预设时段内累积的数值偏差值，以及当前的数值偏差值和前一次确定的数值偏差值的差，确定阈值调整值；根据阈值调整值，对前一次确定的圈选阈值进行调控；其中，预设时段的初始圈选阈值，于当前时刻达到预设时段的起始时刻时取。
其中，服务器可以于当前时刻达到预设时段的起始时刻时，就获取预先设置的初始圈选阈值和预设推送评估维度的期望数值；并可以通过每隔预设时间间隔获取预设推送评估维度的实际数值，来实现实时获取实际数值。
其中，可以基于比例(Proportion，P)、积分(Integral，I)、微分(Differential，D)算法，根据期望数值和实时的实际数值，从初始圈选阈值开始对圈选阈值进行迭代调控，即在前一次确定的圈选阈值基础上进行调控。示意性的，可通过下述公式，进行圈选阈值调控：
Figure BDA0002919103880000081
其中，针对每次调控过程，Thri为当前次调控后的圈选阈值，Thri-1为前一次确定的圈选阈值；realindex为当前确定到的实际数值，expindex为预设时段的期望数值；ei为当前的数值偏差值，可表征当前确定的实际数值realindex和期望数值expindex的偏差；
Figure BDA0002919103880000082
为预设时段内累积的数值偏差值；(ei-ei-1)为当前的数值偏差值和前一次确定的数值偏差值的差；P、I和D分别为比例系数、积分系数和微分系数，其中P可用于对当前的偏差进行快速响应，可能会引起圈选阈值振荡；I可用于消除累积偏差，以实现调控准确性，并能够减缓上述振荡；D可用于预测未来偏差并进行控制，以提高圈选阈值稳定性，实现圈选阈值快速调节；K为将根据PID算法确定的偏差，转化为阈值调整值的连接因子。
其中，K可根据不同的预设推送评估维度，以及圈选阈值的值域范围进行设置。假设，当圈选阈值的值域范围为[0,1]，预设推送评估维度为曝光量时，由于曝光量的偏差量级较大，为将其转化为量级较小的阈值调整值，则连接因子K的取值需要非常小；又如当预设推送评估维度为点击率时，由于点击率的偏差量级较小，为将其转化为量级稍大的阈值调整值，则K的取值可稍大。
在这些可选的实施方式中，通过基于PID算法，根据期望数值和实时的实际数值，对圈选阈值进行实时调控，能够实现当实际数值与期望数值偏差较大时，降低圈选阈值；当实际数值与期望数值的偏差小时，维持或提高圈选阈值，从而能够实现对在线到访用户端进行对象曝光的速度调控。
在一些可选的实施方式中，期望数值的确定步骤，包括：获取预设时段内，预设推送评估维度的初始期望数值；其中，初始期望数值，根据历史到访数据确定；根据预设时段所属的业务周期内，预设时段之前各时段累计的实际数值，与累计的期望数值之间的差值，对初始的期望数值进行调整。
在执行本实施例公开的推送方法之前，服务器可根据记录的到访数据的整体波动特征，将业务周期(即业务要求中的周期，例如每天)划分为多个预设时段；并且，可以针对每个推送对象的业务要求，确定预设推送评估维度，以及为各预设时段分别设置对应的初始期望数值。相应的，在当前时间达到预设时段的起始时刻时，服务器可获取预设的当前预设时段内，预设推送评估维度的初始期望数值。
由于业务周期内，当前的预设时段之前的时段内，其累计的实际数据与累计的期望数据之间可能存在差值，在执行当前的预设时段的阈值调控过程中，其参考的期望数值可根据上述差值进行调整。例如，若之前各时段累计的实际数值，大于累计的期望数值，则可适应性下调当前预设时段的初始的期望数值；若之前各时段累计的实际数值，小于累计的期望数值，则可适应性上调当前预设时段的初始的期望数值。
在这些可选的实施方式中，通过根据业务周期内，预设时段之前各时段累计的实际数值，与累计的期望数值之间的差值，对初始的期望数值进行调整，能够提高当前预设时段的阈值调控的精准度，以保证达到业务要求的指标量。
本发明实施例在上述实施例基础上，对圈选阈值的调控步骤进行了优化，通过基于PID算法，能够根据期望数值和实时的实际数值，对圈选阈值进行实时调控，从而能够实现对在线到访用户端进行对象曝光的速度调控。并且，还对期望数值的确定步骤进行了优化，通过根据业务周期内，预设时段之前各时段累计的实际数值，与累计的期望数值之间的差值，对初始的期望数值进行调整，能够提高当前预设时段的阈值调控的精准度。此外，本发明实施例与上述实施例提出的信息推送方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，且本实施例与上述实施例具有相同的有益效果。
实施例三
本实施例与上述实施例中所提供的信息推送方法中各个可选方案可以结合。本实施例提供的信息推送方法，对用户端与推送对象的匹配度的确定步骤进行优化，能够综合偏好度量和种子度量来确定上述匹配度，有利于在线人群的自动圈选，并且圈选精度也得到了提高。
图2示出了本发明实施例三提供的一种信息推送方法流程图。参见图2，信息推送方法，包括如下步骤：
S210、响应于用户端的到访事件，确定用户端对推送对象的偏好度量，以及确定用户端与种子人群的种子度量。
本实施例中，种子人群可以认为是，与推送对象强相关用户端的集合。其中，偏好度量可以认为是，用户端对推送对象的偏好程度，可通过用户端特征与推送对象属性进行确定；种子度量可以认为是，上线的用户端与种子人群中用户端的相似程度，可通过上线的用户端特征与各种子人群中用户端的特征进行确定。
其中，当服务器刚开始对推送信息进行推送时，还未确定与推送对象强相关用户端，即种子人群的数量为零。因此，在推送初期，服务器可以根据到访用户端对推送对象的偏好度量，和最新确定的圈选阈值，选择符合命中状态的用户端进行推送对象的推送。
当这些被推送的用户端对推送对象进行反馈时，例如访问了推送对象的详情页面时，可生成反馈数据。若用户端生成了反馈数据，则可以将该用户端，看作对推送对象感兴趣的强相关用户端。进而，服务端可根据实时的反馈数据，从已判断为命中状态的用户端中，挑选强相关的用户端，并将其作为种子人群。可以认为，种子人群是根据已判断为命中状态的用户端的反馈数据确定的，且种子人群的数量可以随着推送过程不断增长。理论上种子人群量越大，种子度量的效果越好，但是种子人群量的增大会增加人群度量的计算成本，而在实际中人群量增大到某个程度人群度量的效果增速放缓，所以实际中种子人群只需要增长至一预设均衡值即可。
当种子人群的数量不为零时，服务器可响应于用户端的到访事件，既确定用户端对推送对象的偏好度量，又确定用户端与种子人群的种子度量。
S220、根据偏好度量和种子度量，确定用户端的融合度量，并将融合度量作为用户端与推送对象的匹配度。
由于实时种子度量相对于偏好度量具有较好的圈选效果，但种子度量中使用到的种子人群依赖于偏好度量进行确定，通过融合着两种度量，能够实现度量间的互补。通过利用实时的反馈数据更新种子人群，根据实时的种子人群确定种子度量，并综合偏好度量和种子度量确定匹配度，能够提高信息推送的精准度。
在一些可选的实施方式中，根据偏好度量和种子度量，确定用户端的融合度量，包括：根据偏好度量、种子度量、偏好度量的融合因子和种子度量的融合因子，确定用户端的融合度量；其中，偏好度量的融合因子和种子度量的融合因子，是基于历史业务周期内的实际数值和期望数值，进行调整的。
示意性的，可通过下述公式，进行融合度量的确定：
Smul(obj,seeds,a,b)＝a*Spref(obj)+b*Ssml(seeds)；
其中，Smul为用户端的融合度量，Spref(obj)为偏好度量，Ssml(seeds)为种子度量；a和b分别为偏好度量的融合因子和种子度量的融合因子。
由于推送初期种子人群的数量为零，a和b初期可分别设置为1和0。随着种子人群的数量增长，其占的度量权重可逐渐增强，因此a可逐渐减少至0，b可逐渐增加至1，且a和b的和为1。
其中，服务器可以基于历史业务周期内的实际数值和期望数值，对a和b进行调整。例如，若对a和b进行调整后，当前业务周期内的实际数值和期望数值，相较于历史业务周期内的实际数值和期望数据，呈现更佳的圈选效果，则可根据本次a和b的调整趋势，进行下一次a和b的调整；若对a和b进行调整后，当前业务周期内的实际数值和期望数值，相较于历史业务周期内的实际数值和期望数据，呈现较差的圈选效果，则可对本次a和b的调整趋势进行减弱，根据减弱后的调整趋势进行下一次a和b的调整。
在这些可选的实施方式中，通过根据圈选效果对偏好度量和种子度量的融合因子进行调整，并基于融合因子融合偏好度量和种子度量，能够实现推送效果的优化。
S230、根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态。
其中，圈选阈值，是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的。
S240、若是，则将推送对象发送给用户端，以使用户端对推送对象进行显示。
传统的圈人方法中，用户输入的圈人指令中通常携带有人为挑选的用户画像标签，以使服务器根据该用户画像标签离线圈选人群。由于用户画像标签的确定过程受限于运营人员的个人能力和经验，并且当前用户画像技术中细分标签较低的准召率，容易导致圈选人群的精准度较低。而本实施例提供的信息推送方法，能够综合偏好度量和种子度量来确定上述匹配度，有利于在线人群的自动圈选，并且圈选精度也得到了提高。
在一些可选的实施方式中，确定用户端对推送对象的偏好度量，包括：对推送对象的属性进行解析；根据用户端的历史行为数据，确定用户端在预设时长维度，针对属性的偏好值；根据各偏好值，确定用户端对推送对象的偏好度量。
其中，不同推送对象的属性可以不同。例如，当推送对象为商品时，属性可以包括商品的品类、品牌等；又如，当推送对象为活动时，属性可以包括活动立意(例如优惠政策)等。
在一些进一步的实现方式中，在对推送对象的属性进行解析之前，可以基于预设接口，对推送对象的信息进行采集。其中，预设接口可包括但不限于是，消息队列(MessageQueue，MQ)或应用程序接口(Application Programming Interface，API)等。其中，推送对象的信息可包括但不限于是，文字、图片和/或视频等信息。
其中，可以通过与推送对象的信息类型相对应的解析方法，对其进行解析，以获得推送对象的属性。例如，当信息为文字时，可通过文字识别方法，解析推送对象的属性；当信息为图片时，可通过图像识别方法，解析推送对象的属性，在此不对具体解析方法进行限定。
其中，用户端的历史行为数据，例如可以是用户端的搜索数据、访问数据、收藏数据和/或订单数据等。其中，预设时长维度例如是长期(例如一周)、短期(例如三天)和实时(例如一小时)等维度。其中，根据用户端的历史行为数据，确定用户端在预设时长维度，针对属性的偏好值，可以是：针对每个推送对象，服务器可通过回归模型，根据用户端的历史行为数据，确定该用户端针对当前推送对象各属性，在各预设时长维度的偏好值。
示意性的，可通过下述Sigmod公式，根据各偏好值，确定用户端对推送对象的偏好度量：
Figure BDA0002919103880000151
其中，Spref(obj)为偏好度量；xi分别表示用户端针对当前推送对象各属性，在各预设时长维度的偏好值，xi的值域可以为(0,1)；其中，可通过调整各xi的系数，使Spref(obj)的值域为(0,1)。
在一些可选的实施方式中，确定用户端与种子人群的种子度量，包括：根据用户端，以及种子人群中每个种子用户端，在各预设特征维度的特征值，确定用户端与种子人群的种子度量。
其中，预设特征维度可以包括但不限于用户画像特征(例如性别、年龄等)和行为特征(例如行为偏好特征等)。其中，可以通过综合到访用户端各预设特征维度的数值，与种子人群表征的各预设特征维度的数值的相似度，确定种子度量。
示意性的，可通过信息价值(Information Value，IV)公式，确定用户端与种子人群的种子度量：
Figure BDA0002919103880000152
其中，Ssml(seeds,user)为种子度量；K为预设特征维度的总维度数；fi,j为第i位到访用户端的第j个预设特征维度的数值；其中，pj为种子人群中，第j维元素的特征占比，且可以通过
Figure BDA0002919103880000153
确定，其中S为种子人群的数据集合，f′i,j为第i位种子用户端的第j个预设特征维度的数值；其中，qj为全量用户人群中，第j维元素的特征占比，且可以通过
Figure BDA0002919103880000154
确定，其中U为全量活跃人群的数据集合，f″i,j为第i位活跃用户端的第j个预设特征维度的数值。
在上述实施例基础上，可通过下述公式，示意性拆解判断用户端是否符合命中状态时，所需要的计算逻辑：
Figure BDA0002919103880000161
其中，Smul为用户端的融合度量，Thri为最新确定的圈选阈值；fhit为用户端是否符合命中状态，且可以在Smul＜Thri时不符合命中状态，在Smul≥Thri时符合命中状态；其中其他参数可参考上述实施例，在此不做赘述。
本发明实施例在上述实施例基础上，对用户端与推送对象的匹配度的确定步骤进行优化，能够综合偏好度量和种子度量来确定上述匹配度，有利于在线人群的自动圈选，并且圈选精度也得到了提高。此外，本发明实施例与上述实施例提出的信息推送方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，且本实施例与上述实施例具有相同的有益效果。
实施例四
图3示出了本发明实施例四提供的一种信息推送装置结构示意图，本发明实施例提供的信息推送装置可适用于信息推送的情况，例如电商场景下为用户端曝光推送对象的情况。通过本发明提供的信息推送装置，可实现上述实施例提供的信息推送方法。
如图3所示，本发明实施例中信息推送装置，包括：
匹配度确定模块310，用以响应于用户端的到访事件，确定用户端与推送对象的匹配度；
判断模块320，用于根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态；其中，圈选阈值，是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；
推送模块330，若用户端符合命中状态，则将推送对象发送给用户端，以使用户端对推送对象进行显示。
在一些可选的实施方式中，信息推送装置，还包括：
阈值调控模块，用于确定预设时段内，预设推送评估维度的期望数值，以及每隔预设时间间隔，确定预设推送评估维度的实际数值；于每次确定到实际数值时，根据当前确定的实际数值和期望数值，确定当前的数值偏差值；根据当前的数值偏差值、预设时段内累积的数值偏差值，以及当前的数值偏差值和前一次确定的数值偏差值的差，确定阈值调整值；根据阈值调整值，对前一次确定的圈选阈值进行调控；其中，预设时段的初始圈选阈值，于当前时刻达到预设时段的起始时刻时获取。
在一些可选的实施方式中，信息推送装置，还包括：
期望数值确定模块，用于获取预设时段内，预设推送评估维度的初始期望数值；其中，初始期望数值，根据历史到访数据确定；根据预设时段所属的业务周期内，预设时段之前各时段累计的实际数值，与累计的期望数值之间的差值，对初始的期望数值进行调整。
在一些可选的实施方式中，匹配度确定模块，具体用于：
确定用户端对推送对象的偏好度量，以及确定用户端与种子人群的种子度量；其中，种子人群，是根据已判断为命中状态的用户端的反馈数据确定的；
根据偏好度量和种子度量，确定用户端的融合度量，并将融合度量作为用户端与推送对象的匹配度。
在一些可选的实施方式中，匹配度确定模块，包括：
偏好度量确定单元，用于对推送对象的属性进行解析；根据用户端的历史行为数据，确定用户端在预设时长维度，针对属性的偏好值；根据各偏好值，确定用户端对推送对象的偏好度量。
在一些可选的实施方式中，匹配度确定模块，还包括：
采集接口单元，用于在对推送对象的属性进行解析之前，基于预设接口，对推送对象的信息进行采集。
在一些可选的实施方式中，匹配度确定模块，包括：
种子度量确定单元，用于根据用户端，以及种子人群中每个种子用户端，在各预设特征维度的特征值，确定用户端与种子人群的种子度量。
在一些可选的实施方式中，匹配度确定模块，包括：
融合度量确定单元，用于根据偏好度量、种子度量、偏好度量的融合因子和种子度量的融合因子，确定用户端的融合度量；
其中，偏好度量的融合因子和种子度量的融合因子，是基于历史业务周期内的实际数值和期望数值，进行调整的。
本发明实施例提供的信息推送装置，与上述实施例提供应用于服务端的信息推送方法属于同一发明构思，未在本发明实施例中详尽描述的技术细节可参见上述实施例，并且本发明实施例与上述实施例具有相同的有益效果。
实施例五
图4示出了本发明实施例五提供的一种终端设备的硬件结构示意图。本发明实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，终端设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(Read-Only Memory，ROM)402中的程序或者从存储装置408加载到随机访问存储器(Random Access Memory，RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有终端设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许终端设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的终端设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本发明实施例提供的信息推送方法中限定的上述功能。
本发明实施例提供的终端与上述实施例提供的信息推送方法属于同一发明构思，未在本发明实施例中详尽描述的技术细节可参见上述实施例，并且本发明实施例与上述实施例具有相同的有益效果。
实施例六
本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的信息推送方法。
需要说明的是，本发明实施例上述的计算机可读存储介质可以是计算机可读信号介质，或者计算机可读存储介质，或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)或闪存(FLASH)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本发明实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读存储介质可以是上述终端设备中所包含的，也可以是单独存在，而未装配入该终端设备中的。
上述终端设备存储承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：
响应于用户端的到访事件，确定用户端与推送对象的匹配度；根据匹配度和最新确定的圈选阈值，判断用户端是否符合命中状态；其中，圈选阈值，是基于到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；若是，则将推送对象发送给用户端，以使用户端对推送对象进行显示。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能页可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范样式的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种信息推送方法，其特征在于，包括：
响应于用户端的到访事件，确定所述用户端与推送对象的匹配度；
根据所述匹配度和最新确定的圈选阈值，判断所述用户端是否符合命中状态；其中，所述圈选阈值，是基于所述到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；
若是，则将所述推送对象发送给所述用户端，以使所述用户端对所述推送对象进行显示。
2.根据权利要求1所述的方法，其特征在于，所述圈选阈值的调控步骤，包括：
确定所述预设时段内，预设推送评估维度的期望数值，以及每隔预设时间间隔，确定所述预设推送评估维度的实际数值；
于每次确定到实际数值时，根据当前确定的实际数值和期望数值，确定当前的数值偏差值；
根据当前的数值偏差值、所述预设时段内累积的数值偏差值，以及当前的数值偏差值和前一次确定的数值偏差值的差，确定阈值调整值；
根据所述阈值调整值，对前一次确定的圈选阈值进行调控；其中，所述预设时段的初始圈选阈值，于当前时刻达到所述预设时段的起始时刻时获取。
3.根据权利要求1所述的方法，其特征在于，所述期望数值的确定步骤，包括：
获取所述预设时段内，预设推送评估维度的初始期望数值；其中，所述初始期望数值，根据历史到访数据确定；
根据所述预设时段所属的业务周期内，所述预设时段之前各时段累计的实际数值，与累计的期望数值之间的差值，对所述初始的期望数值进行调整。
4.根据权利要求1所述的方法，其特征在于，所述确定所述用户端与推送对象的匹配度，包括：
确定所述用户端对推送对象的偏好度量，以及确定所述用户端与种子人群的种子度量；其中，所述种子人群，是根据已判断为命中状态的用户端的反馈数据确定的；
根据所述偏好度量和所述种子度量，确定所述用户端的融合度量，并将所述融合度量作为所述用户端与推送对象的匹配度。
5.根据权利要求4所述的方法，其特征在于，所述确定所述用户端对推送对象的偏好度量，包括：
对推送对象的属性进行解析；
根据所述用户端的历史行为数据，确定所述用户端在预设时长维度，针对所述属性的偏好值；
根据各所述偏好值，确定用户端对推送对象的偏好度量。
6.根据权利要求5所述的方法，其特征在于，在所述对推送对象的属性进行解析之前，还包括：
基于预设接口，对推送对象的信息进行采集。
7.根据权利要求4所述的方法，其特征在于，所述确定所述用户端与种子人群的种子度量，包括：
根据所述用户端，以及所述种子人群中每个种子用户端，在各预设特征维度的特征值，确定所述用户端与种子人群的种子度量。
8.根据权利要求4所述的方法，其特征在于，所述根据所述偏好度量和所述种子度量，确定所述用户端的融合度量，包括：
根据所述偏好度量、所述种子度量、所述偏好度量的融合因子和所述种子度量的融合因子，确定所述用户端的融合度量；
其中，所述偏好度量的融合因子和所述种子度量的融合因子，是基于历史业务周期内的实际数值和期望数值，进行调整的。
9.一种信息推送装置，其特征在于，包括：
匹配度确定模块，用以响应于用户端的到访事件，确定所述用户端与推送对象的匹配度；
判断模块，用于根据所述匹配度和最新确定的圈选阈值，判断所述用户端是否符合命中状态；其中，所述圈选阈值，是基于所述到访事件对应的预设时段内，预设推送评估维度的期望数值和实际数值，进行实时调控的；
推送模块，若所述用户端符合命中状态，则将所述推送对象发送给所述用户端，以使所述用户端对所述推送对象进行显示。
10.一种终端设备，其特征在于，所述终端包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的信息推送方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的信息推送方法。
CN202110111592.4A 2021-01-27 2021-01-27 一种信息推送方法、装置、终端设备及存储介质 Pending CN113761343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110111592.4A CN113761343A (zh) 2021-01-27 2021-01-27 一种信息推送方法、装置、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110111592.4A CN113761343A (zh) 2021-01-27 2021-01-27 一种信息推送方法、装置、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN113761343A true CN113761343A (zh) 2021-12-07

Family

ID=78786472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110111592.4A Pending CN113761343A (zh) 2021-01-27 2021-01-27 一种信息推送方法、装置、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN113761343A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117556264A (zh) * 2024-01-11 2024-02-13 浙江同花顺智能科技有限公司 一种评估模型的训练方法、装置及电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117556264A (zh) * 2024-01-11 2024-02-13 浙江同花顺智能科技有限公司 一种评估模型的训练方法、装置及电子设备
CN117556264B (zh) * 2024-01-11 2024-05-07 浙江同花顺智能科技有限公司 一种评估模型的训练方法、装置及电子设备

Similar Documents

Publication Publication Date Title
US11310331B2 (en) Optimizing user interface data caching for future actions
US11436554B2 (en) Network computer system to implement predictive time-based determinations for fulfilling delivery orders
US9949149B2 (en) Online and distributed optimization framework for wireless analytics
CN111414516A (zh) 一种直播间消息处理方法、装置、电子设备及存储介质
US20170289288A1 (en) Pushing news feed content to client devices
CN110866040B (zh) 用户画像生成方法、装置和系统
CN108810047B (zh) 用于确定信息推送准确率的方法、装置及服务器
CN113230658A (zh) 资源分配方法、装置、计算机可读介质及电子设备
CN111783810A (zh) 用于确定用户的属性信息的方法和装置
CN111339495B (zh) 直播间在线人数的统计方法、装置、电子设备及存储介质
CN111694629A (zh) 信息展示方法、装置和电子设备
US11470370B2 (en) Crowdsourcing platform for on-demand media content creation and sharing
CN113761343A (zh) 一种信息推送方法、装置、终端设备及存储介质
CN111552835B (zh) 文件推荐方法、装置及服务器
CN112116397A (zh) 用户行为特征实时处理方法、装置、存储介质及电子设备
CN109299351B (zh) 内容推荐方法和装置、电子设备及计算机可读介质
WO2018205642A1 (zh) 视频收益计算建模装置、方法和视频推荐装置、方法和服务器及存储介质
CN115048561A (zh) 推荐信息确定方法及装置、电子设备和可读存储介质
CN114881736A (zh) 推荐方法、显示方法及设备
CN114595393A (zh) 一种数据处理方法及装置
CN114979757B (zh) 视频发布方法、装置、设备及存储介质
CN110442825B (zh) 用于呈现信息的方法和设备
CN114202292B (zh) 备货信息发送方法、装置、电子设备和计算机可读介质
CN111310901B (zh) 用于获取样本的方法及装置
CN116911928B (zh) 一种基于创意特征的广告推荐模型的训练方法及装置

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