CN114374881B - 分配用户流量的方法、装置、电子设备及存储介质 - Google Patents
分配用户流量的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114374881B CN114374881B CN202210010119.1A CN202210010119A CN114374881B CN 114374881 B CN114374881 B CN 114374881B CN 202210010119 A CN202210010119 A CN 202210010119A CN 114374881 B CN114374881 B CN 114374881B
- Authority
- CN
- China
- Prior art keywords
- user
- target
- result
- user group
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008093 supporting effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/238—Interfacing the downstream path of the transmission network, e.g. adapting the transmission rate of a video stream to network bandwidth; Processing of multiplex streams
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开提供了一种分配用户流量的方法、装置、电子设备及存储介质,涉及数据处理技术领域,尤其涉及信息流技术领域。具体实现方案为:获取与目标视频匹配的目标用户群体;基于目标用户群体进行用户流量预估,得到第一预估结果;利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
Description
技术领域
本公开涉及数据处理技术领域,进一步涉及信息流技术领域,尤其涉及一种分配用户流量的方法、装置、电子设备及存储介质。
背景技术
随着网络技术的不断发展,用户通过移动终端观看视频成为越来越受欢迎的娱乐方式。
相关方案中,提供视频内容的平台需要对一些视频内容的流量进行分发扶持,即暂时性地为这些视频内容分发额外的视频流量。但是,在实现分发扶持的过程中,会给用户体验带来一定的负面影响。
发明内容
本公开提供了一种分配用户流量的方法、装置、电子设备及存储介质,以至少解决相关方案中由于对视频内容进行分发扶持导致用户体验差的技术问题。
根据本公开的一方面,提供了一种分配用户流量的方法,包括:获取与目标视频匹配的目标用户群体;基于目标用户群体进行用户流量预估,得到第一预估结果;利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
根据本公开的又一方面,提供了一种分配用户流量的装置,包括:获取模块,用于获取与目标视频匹配的目标用户群体;估计模块,用于基于目标用户群体进行用户流量预估,得到第一预估结果;分配模块,用于利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
根据本公开的又一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开提出的分配用户流量的方法。
根据本公开的又一方面,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,其中,计算机指令用于使计算机执行本公开提出的分配用户流量的方法。
根据本公开的又一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行本公开提出的分配用户流量的方法。
在本公开中,通过获取与目标视频匹配的目标用户群体,进而基于目标用户群体进行用户流量预估,得到第一预估结果,最后利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果,达到了为目标用户群体合理分配目标视频的用户流量的目的,实现了有效提升用户体验的效果,从而解决了相关方案中由于对视频内容进行分发扶持导致用户体验差的技术问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是根据本公开实施例的一种用于实现分配用户流量的方法的计算机终端(或移动设备)的硬件结构框图;
图2是根据本公开实施例的一种分配用户流量的方法流程图;
图3是根据本公开实施例的一种分配用户流量的方法示意图;
图4是根据本公开实施例的一种分配用户流量的装置的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
分发扶持是视频内容平台生态中重要的组成部分,在打造热点话题或者对新入驻平台的优质创作者给予流量倾斜时,能够通过分发扶持为这些特定的视频内容分发额外的视频流量。
在分发扶持的理想状态下,一方面,需要扶持的视频内容能在一定时间内获得足额的流量;另一方面,可以保证分发扶持的个性化程度,为每个用户分发与其兴趣高度匹配的视频内容。但以上两点往往是相互排斥的,如果要保证良好的用户体验,一些受欢迎程度较低的视频内容可能无法获得足够的扶持流量;相反地,在对受欢迎程度较低的视频内容进行分发扶持时,需要不可避免地更改对于用户原本的个性化视频推荐结果,进而影响用户体验。
在相关方案中,通过以下两种方式实现对于特定视频内容的分发扶持:
方式一:在用户原本的个性化视频推荐结果中,按照固定的比例插入需要扶持分发的视频内容,直到这些内容已经获得预设的流量。这种方式虽然可以保证较快的分发速度,但缺少个性化控制,即对于不喜欢扶持视频内容的用户,也会按固定比例强制展现,影响用户体验。
方式二:在对视频内容进行个性化召回、排序阶段,提升扶持分发的视频内容权重,从而提升向用户展现相应视频内容的概率。这种方式的个性化程度较高,对于用户原本不感兴趣的扶持内容,提升权重后也不容易展现,但是,这种方式无法保证流量的获取速度,不受欢迎的视频内容可能一直无法得到分发。
根据本公开实施例,提供了一种分配用户流量的方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本公开实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的电子设备中执行。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/或者要求的本公开的实现。图1示出了一种用于实现分配用户流量的方法的计算机终端(或移动设备)的硬件结构框图。
如图1所示,计算机终端100包括计算单元101,其可以根据存储在只读存储器(ROM)102中的计算机程序或者从存储单元108加载到随机访问存储器(RAM)103中的计算机程序,来执行各种适当的动作和处理。在RAM 103中,还可存储计算机终端100操作所需的各种程序和数据。计算单元101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。
计算机终端100中的多个部件连接至I/O接口105,包括:输入单元106,例如键盘、鼠标等;输出单元107,例如各种类型的显示器、扬声器等;存储单元108,例如磁盘、光盘等;以及通信单元109,例如网卡、调制解调器、无线通信收发机等。通信单元109允许计算机终端100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元101执行本文所描述的分配用户流量的方法。例如,在一些实施例中,分配用户流量的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 102和/或通信单元109而被载入和/或安装到计算机终端100上。当计算机程序加载到RAM 103并由计算单元101执行时,可以执行本文描述的分配用户流量的方法的一个或多个步骤。备选地,在其他实施例中,计算单元101可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行分配用户流量的方法。
本文中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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
此处需要说明的是,在一些可选实施例中,上述图1所示的电子设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是,图1仅为特定具体实例的一个实例,并且旨在示出可存在于上述电子设备中的部件的类型。
在上述运行环境下,本公开提供了如图2所示的分配用户流量的方法,该方法可以由图1所示的计算机终端或者类似的电子设备执行。图2是根据本公开实施例提供的一种分配用户流量的方法流程图。如图2所示,该方法可以包括如下步骤:
步骤S21,获取与目标视频匹配的目标用户群体;
上述目标视频为需要流量扶持的视频,例如,目标视频为与特定话题相关联的视频,或者,目标视频为与特定创作者相关联的视频。具体的,目标视频可以由根据实际业务需求进行人工筛选而获得。
上述目标用户群体可以为目标视频的潜在受众,为与目标视频匹配的目标用户群体分发目标视频,能够在扶持目标视频的流量的同时,减少对于用户体验的负面影响。
具体的,获取与目标视频匹配的目标用户群体的实现过程可以参照对于本公开实施例的进一步介绍,不予赘述。
步骤S22,基于目标用户群体进行用户流量预估,得到第一预估结果;
其中,第一预估结果为每条目标视频在各个小时内可用的扶持流量,第一预估结果可用于作为进行用户流量分配的参考值。
具体的,基于目标用户群体进行用户流量预估,得到第一预估结果的实现过程可以参照对于本公开实施例的进一步介绍,不予赘述。
步骤S23,利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
上述目标播放量为目标视频对应的预设扶持额度。
具体的,利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果的实现过程可以参照对于本公开实施例的进一步介绍,不予赘述。
根据本公开上述步骤S21至步骤S23,通过获取与目标视频匹配的目标用户群体,进而基于目标用户群体进行用户流量预估,得到第一预估结果,最后利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果,达到了为目标用户群体合理分配目标视频的用户流量的目的,实现了有效提升用户体验的效果,从而解决了相关方案中由于对视频内容进行分发扶持导致用户体验差的技术问题。
下面对上述实施例的分配用户流量的方法进行进一步介绍。
作为一种可选的实施方式,在步骤S21,获取与目标视频匹配的目标用户群体包括:
步骤S211,获取目标视频与第一用户群体的第二预估结果,其中,第二预估结果用于表示第一用户群体中的每个用户与目标视频的匹配程度;
具体的,获取目标视频与第一用户全体的第二预估结果的实现过程可以参照下文实施例的进一步介绍,不予赘述。
步骤S212,利用第一用户群体的用户反馈数据与预设期望值,确定判断结果,其中,判断结果用于表示第一用户群体中每个用户的用户反馈数据是否高于预设期望值;
上述用户反馈数据可以包括第一用户群体中的每个用户的视频播放时长、互动统计记录,其中,互动统计记录包括点赞记录、评论记录、转发记录、收藏记录以及订阅记录。
上述预设期望值为目标视频预设的后验数据期望值。
以目标视频的总时长为T秒为例,预期达到t秒的平均播放时长,即定义预设期望值为t,具体的,预设期望值可以根据以下公式(1)所示的分段函数确定:
利用用户反馈数据中的视频播放时长与预设期望值进行比较,确定判断结果,其中,判断结果用于表示用户反馈数据中的视频播放时长高于预设期望值,即表明用户观看目标视频时的播放时长能够达到预设期望值。
步骤S213,基于第二预估结果与判断结果,获取目标用户群体。
具体的,基于第二预估结果与判断结果,获取目标用户群体的实现过程可以参照下文实施例的进一步介绍,不予赘述。
基于上述步骤S211至步骤S213,能够基于第二预估结果与判断结果,获取到与目标视频相匹配的目标用户群体,进而有效减少对于目标用户群体观看目标视频时的用户体验的负面影响。
作为一种可选的实施方式,在步骤S21,获取与目标视频匹配的目标用户群体还包括:
步骤S210,利用预设召回策略从第二用户群体中筛选出第一用户群体。
具体的,在召回阶段根据预设召回策略对目标视频进行初步筛选,以减少计算每名用户与目标视频的匹配程度时的计算量。例如,预设召回策略包括兴趣点A,从第二用户群体中筛选出与兴趣点A相匹配的用户组成第一用户群体,进一步获取目标视频与第一用户群体的第二预估结果,利用第一用户群体的用户反馈数据与预设期望值,确定判断结果,最后基于第二预估结果与判断结果,获取目标用户群体。此时,目标用户群体为预设召回策略匹配的用户与第二预估结果位于预设取值范围的用户的交集,目标用户群体与目标视频的匹配程度更高。
作为一种可选的实施方式,在步骤S211,获取目标视频与第一用户群体的第二预估结果包括:利用第一模型对目标视频与第一用户群体中的每个用户进行分析,确定第二预估结果,其中,第一模型使用多组数据通过机器学习训练得到,多组数据中的每组数据包括:历史用户行为与属性数据,历史视频属性数据。
上述历史用户行为包括用户的历史观看记录,用户属性数据包括用户的性别信息、年龄信息等,历史视频属性数据包括视频的标识信息(Video Identify,VID)、类别信息、创作者信息等。
具体的,在使用多组数据对第一模型进行机器学习训练过程中,第一模型可以根据每组数据中的历史用户行为和属性数据、历史视频属性数据,获得第二预估结果。其中,第二预估结果为一个0到1之间的数值,即精排限制q值,q值可用于表示第一用户群体中的每个用户与目标视频的匹配程度。q值越高,每个用户与目标视频的匹配程度越高,即目标视频越接近用户的真实爱好,为用户推荐的视频内容就越受用户欢迎,进而使得用户获得更好的用户体验。
作为一种可选的实施方式,在步骤S213,基于第二预估结果与判断结果,获取目标用户群体包括:利用第二模型对第二预估结果与判断结果进行分析,确定目标用户群体,其中,第二模型使用多组数据通过机器学习训练得到,多组数据中的每组数据包括:历史用户群体的第二预估结果与判断结果。
具体的,在使用多组数据对第二模型进行机器学习训练过程中,获取历史用户群体中多名用户的用户反馈数据,利用用户反馈数据中目标视频时的播放时长与预设期望值,确定判断结果。利用第二模型对第二预估结果与判断结果进行分析时,将第二预估结果作为第二模型的自变量,将判断结果作为第二模型的因变量,为目标视频建立第二模型,如二分类模型,基于二分类模型,可以根据第一用户群体中每个用户的用户反馈数据是否高于预设期望值的判断结果反推出第二预估结果的取值范围,选取第二预估结果处于取值范围内的所有用户作为目标用户群体。
例如,用户甲观看目标视频1时的播放时长大于预设期望值t,可以确定判断结果y=1;用户甲观看目标视频1时的播放时长小于或等于预设期望值t,可以确定判断结果y=0。根据第二预估结果q和判断结果y通过以下公式(2)训练第二模型:
当P(y=1)≥0.5时,推导获得第二预估结果q≥0.3,精排阈值q’为0.3,表明如果只为第二预估结果q大于或等于0.3的用户分发目标视频1,则该用户有超过50%的概率观看目标视频1超过t秒。因此将第二预估结果q大于或等于0.3的用户确定为目标用户群体。
需要说明的是,确定多条目标视频对应目标用户群体的实现过程可以参照上述实施例中确定目标视频1对应目标用户群体的过程,不予赘述。
作为一种可选的实施方式,在步骤S22,基于目标用户群体进行用户流量预估,得到第一预估结果包括:
步骤S221,统计预设周期内的流量分布数据,其中,流量分布数据为预设周期内全部用户对多个视频消费的流量分布数据;
上述预设周期可以灵活设置,例如,以一个自然周的时长作为一个预设周期时,统计一个自然周中各个小时全部用户对多个视频消费的流量分布数据。又例如,以一个自然日的时长作为一个预设周期时,统计一个自然日中各个小时全部用户对多个视频消费的流量分布数据。
步骤S222,利用目标用户群体与流量分布数据,得到目标用户群体对应的流量信息;
上述目标用户群体对应的流量信息为目标用户全体对多个视频消费的整体流量信息。
步骤S223,通过流量信息与预设系数计算得到第一预估结果,其中,预设系数用于确定流量信息的最大流量占比。
可选的,通过流量信息与预设系数进行相乘运算得到第一预估结果,第一预估结果为每条目标视频在各个小时内可用的扶持流量,第一预估结果可用于作为进行用户流量分配的参考值。
例如,统计到一个自然日内关于兴趣点A的视频播放次数为100w次,其中,与兴趣点A关联的目标视频1被1000个用户播放过,其中,1000个用户中对应第二预估结果q高于阈值的用户有300人,则计算第一预估结果为下一个自然日目标视频1的可用的扶持流量为:100w*30%=30w。
基于上述步骤S221至步骤S223,通过统计预设周期内的流量分布数据,进而利用目标用户群体与流量分布数据,得到目标用户群体对应的流量信息,最后通过流量信息与预设系数计算得到第一预估结果,以用于根据第一预估结果进行准确的用户流量分配,获得更好的分发扶持效果。
作为一种可选的实施方式,在步骤S23,利用第一预估结果与目标播放量进行用户流量分配,得到分配结果包括:
步骤S231,利用第一预估结果与目标播放量计算服务率;
步骤S232,基于服务率进行流量分配,得到分配结果。
可选地,利用高水位标记(High Water Mark,HWM)算法基于服务率进行流量分配,得到分配结果。其中,HWM算法的主要思想是:先根据供给流量、需求流量的比值决定流量分配的优先级,然后从优先级最高的视频内容开始依次进行分配。如果供给节点的剩余流量高于需求流量,则计算一个服务率,使得经过服务率采样后的供给流量等于需求流量。
例如,按照目标视频的优先级对目标视频对应的VID进行排序,在每个VID下,按照播放完成率对兴趣点进行排序,并以此根据以下公式(3)计算服务率αij:
其中,αij为向用户i分发目标视频j的概率,dj为目标播放量,ri为第一预估结果,qj为目标视频j的精排限制q值,qj'为目标视频j的精排阈值。
随着视频内容的分发积累,上述实施例的第一模型和第二模型的预估精度也会有所提升,与目标视频匹配的目标用户群体会有所迁移。进一步的,按照预设更新频率通过以下公式(4)更新目标播放量,以及通过以下公式(5)更新第一预估结果,进而实现对于服务率的动态调整:
dj=dj-ri*P(qj≥qj')*αij 公式(4)
ri=ri-ri*P(qj≥qj')*αij 公式(5)
基于上述步骤S231至步骤S232,利用第一预估结果与目标播放量计算服务率,进而基于服务率进行流量分配,得到分配结果,可以将目标视频的流量合理分配给目标用户群体,能够保证用户在观看视频时具有良好的用户体验,同时能够对目标视频进行有效的分发扶持,以获得额外的用户流量。
作为一种可选的实施方式,分配用户流量的方法还包括:响应于满足预设条件,终止对目标视频进行用户流量分配,其中,预设条件包括以下之一:目标视频的实际播放量达到目标播放量,目标视频的实际推送时长达到预设时长。
例如,当目标视频1的实际播放量达到目标播放量时,则终止对目标视频1进行用户流量分配,并将原本待分配给目标视频1的用户流量分配给目标视频2。
又例如,对于目标视频1进行分发扶持的预设时长为3天,当目标视频1的实际推送时长超过3天时,则终止对目标视频1进行用户流量分配。
图3是根据本公开实施例的一种分配用户流量的方法示意图,如图3所示,保量使用方为分发扶持目标视频的使用方,可以将目标视频的保量VID添加至第一模型中进行少量试探分发,收集第一用户群体的用户反馈数据,进而基于该反馈数据匹配兴趣点;保量使用方设置目标视频的播放完成率预期值,利用第一用户群体的用户反馈数据与预设期望值,确定判断结果,进而计算精排阈值q’。根据匹配的兴趣点和精排阈值q’计算多个目标视频的服务率,具体的,按照目标视频的优先级对目标视频对应的VID进行排序,在每个VID下,按照播放完成率对兴趣点进行排序,并按照上述公式(3)计算服务率。随后对兴趣点进行召回,并对服务率进行采样,获取精排限制q值,基于服务率进行流量分配,得到分配结果,根据分配结果曝光保量资源,实现对于目标视频的分发扶持。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本公开各个实施例所述的方法。
在本公开中还提供了一种分配用户流量的装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本公开其中一实施例的一种分配用户流量的装置的结构框图,如图4所示,一种分配用户流量的装置400包括:
获取模块401,用于获取与目标视频匹配的目标用户群体;
估计模块402,用于基于目标用户群体进行用户流量预估,得到第一预估结果;
分配模块403,用于利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
可选地,获取模块401还用于:获取目标视频与第一用户群体的第二预估结果,其中,第二预估结果用于表示第一用户群体中的每个用户与目标视频的匹配程度;利用第一用户群体的用户反馈数据与预设期望值,确定判断结果,其中,判断结果用于表示第一用户群体中每个用户的用户反馈数据是否高于预设期望值;基于第二预估结果与判断结果,获取目标用户群体。
可选地,获取模块401还用于:利用预设召回策略从第二用户群体中筛选出第一用户群体。
可选地,获取模块401还用于:利用第一模型对目标视频与第一用户群体中的每个用户进行分析,确定第二预估结果,其中,第一模型使用多组数据通过机器学习训练得到,多组数据中的每组数据包括:历史用户行为与属性数据,历史视频属性数据。
可选地,获取模块401还用于:利用第二模型对第二预估结果与判断结果进行分析,确定目标用户群体,其中,第二模型使用多组数据通过机器学习训练得到,多组数据中的每组数据包括:历史用户群体的第二预估结果与判断结果。
可选地,估计模块402还用于:统计预设周期内的流量分布数据,其中,流量分布数据为预设周期内全部用户对多个视频消费的流量分布数据;利用目标用户群体与流量分布数据,得到目标用户群体对应的流量信息;通过流量信息与预设系数计算得到第一预估结果,其中,预设系数用于确定流量信息的最大流量占比。
可选地,分配模块403还用于:利用第一预估结果与目标播放量计算服务率;基于服务率进行流量分配,得到分配结果。
可选地,分配用户流量的装置400还包括:处理模块404,用于响应于满足预设条件,终止对目标视频进行用户流量分配,其中,预设条件包括以下之一:目标视频的实际播放量达到目标播放量,目标视频的实际推送时长达到预设时长。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
根据本公开的实施例,本公开还提供了一种电子设备,包括存储器和至少一个处理器,该存储器中存储有计算机指令,该处理器被设置为运行计算机指令以执行上述方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本公开中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取与目标视频匹配的目标用户群体;
S2,基于目标用户群体进行用户流量预估,得到第一预估结果;
S3,利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
根据本公开的实施例,本公开还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,该非瞬时计算机可读存储介质中存储有计算机指令,其中,该计算机指令被设置为运行时执行上述方法实施例中的步骤。
可选地,在本实施例中,上述非瞬时计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取与目标视频匹配的目标用户群体;
S2,基于目标用户群体进行用户流量预估,得到第一预估结果;
S3,利用第一预估结果与目标视频对应的目标播放量进行用户流量分配,得到分配结果。
可选地,在本实施例中,上述非瞬时计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的实施例,本公开还提供了一种计算机程序产品。用于实施本公开的音频处理方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本公开所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM)、随机存取存储器(RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本公开的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开的保护范围。
Claims (14)
1.一种分配用户流量的方法,包括:
获取与目标视频匹配的目标用户群体;
基于所述目标用户群体进行用户流量预估,得到第一预估结果;
利用所述第一预估结果与所述目标视频对应的目标播放量进行用户流量分配,得到分配结果;
其中,基于所述目标用户群体进行用户流量预估,得到所述第一预估结果包括:统计预设周期内的流量分布数据,其中,所述流量分布数据为所述预设周期内全部用户对多个视频消费的流量分布数据;利用所述目标用户群体与所述流量分布数据,得到所述目标用户群体对应的流量信息;通过所述流量信息与预设系数计算得到所述第一预估结果,其中,所述预设系数用于确定所述流量信息的最大流量占比;
其中,利用所述第一预估结果与所述目标播放量进行用户流量分配,得到所述分配结果包括:利用所述第一预估结果与所述目标播放量计算服务率;基于所述服务率进行流量分配,得到所述分配结果。
2.根据权利要求1所述的方法,其中,获取与所述目标视频匹配的所述目标用户群体包括:
获取所述目标视频与第一用户群体的第二预估结果,其中,所述第二预估结果用于表示所述第一用户群体中的每个用户与所述目标视频的匹配程度;
利用所述第一用户群体的用户反馈数据与预设期望值,确定判断结果,其中,所述判断结果用于表示所述第一用户群体中每个用户的用户反馈数据是否高于所述预设期望值;
基于所述第二预估结果与所述判断结果,获取所述目标用户群体。
3.根据权利要求2所述的方法,其中,获取与所述目标视频匹配的所述目标用户群体还包括:
利用预设召回策略从第二用户群体中筛选出所述第一用户群体。
4.根据权利要求2所述的方法,其中,获取所述目标视频与第一用户群体的所述第二预估结果包括:
利用第一模型对所述目标视频与所述第一用户群体中的每个用户进行分析,确定所述第二预估结果,其中,所述第一模型使用多组数据通过机器学习训练得到,所述多组数据中的每组数据包括:历史用户行为与属性数据,历史视频属性数据。
5.根据权利要求2所述的方法,其中,基于所述第二预估结果与所述判断结果,获取所述目标用户群体包括:
利用第二模型对所述第二预估结果与所述判断结果进行分析,确定所述目标用户群体,其中,所述第二模型使用多组数据通过机器学习训练得到,所述多组数据中的每组数据包括:历史用户群体的第二预估结果与判断结果。
6.根据权利要求1所述的方法,其中,所述方法还包括:
响应于满足预设条件,终止对所述目标视频进行用户流量分配,其中,所述预设条件包括以下之一:所述目标视频的实际播放量达到所述目标播放量,所述目标视频的实际推送时长达到预设时长。
7.一种分配用户流量的装置,包括:
获取模块,用于获取与目标视频匹配的目标用户群体;
估计模块,用于基于所述目标用户群体进行用户流量预估,得到第一预估结果;
分配模块,用于利用所述第一预估结果与所述目标视频对应的目标播放量进行用户流量分配,得到分配结果;
其中,所述估计模块还用于:统计预设周期内的流量分布数据,其中,所述流量分布数据为所述预设周期内全部用户对多个视频消费的流量分布数据;利用所述目标用户群体与所述流量分布数据,得到所述目标用户群体对应的流量信息;通过所述流量信息与预设系数计算得到所述第一预估结果,其中,所述预设系数用于确定所述流量信息的最大流量占比;
其中,所述分配模块还用于:利用所述第一预估结果与所述目标播放量计算服务率;基于所述服务率进行流量分配,得到所述分配结果。
8.根据权利要求7所述的装置,其中,所述获取模块还用于:
获取所述目标视频与第一用户群体的第二预估结果,其中,所述第二预估结果用于表示所述第一用户群体中的每个用户与所述目标视频的匹配程度;
利用所述第一用户群体的用户反馈数据与预设期望值,确定判断结果,其中,所述判断结果用于表示所述第一用户群体中每个用户的用户反馈数据是否高于所述预设期望值;
基于所述第二预估结果与所述判断结果,获取所述目标用户群体。
9.根据权利要求8所述的装置,其中,所述获取模块还用于:
利用预设召回策略从第二用户群体中筛选出所述第一用户群体。
10.根据权利要求8所述的装置,其中,所述获取模块还用于:
利用第一模型对所述目标视频与所述第一用户群体中的每个用户进行分析,确定所述第二预估结果,其中,所述第一模型使用多组数据通过机器学习训练得到,所述多组数据中的每组数据包括:历史用户行为与属性数据,历史视频属性数据。
11.根据权利要求8所述的装置,其中,所述获取模块还用于:
利用第二模型对所述第二预估结果与所述判断结果进行分析,确定所述目标用户群体,其中,所述第二模型使用多组数据通过机器学习训练得到,所述多组数据中的每组数据包括:历史用户群体的第二预估结果与判断结果。
12.根据权利要求7所述的装置,其中,所述装置还包括:
处理模块,用于响应于满足预设条件,终止对所述目标视频进行用户流量分配,其中,所述预设条件包括以下之一:所述目标视频的实际播放量达到所述目标播放量,所述目标视频的实际推送时长达到预设时长。
13. 一种电子设备,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1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210010119.1A CN114374881B (zh) | 2022-01-05 | 2022-01-05 | 分配用户流量的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210010119.1A CN114374881B (zh) | 2022-01-05 | 2022-01-05 | 分配用户流量的方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114374881A CN114374881A (zh) | 2022-04-19 |
CN114374881B true CN114374881B (zh) | 2023-09-01 |
Family
ID=81141631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210010119.1A Active CN114374881B (zh) | 2022-01-05 | 2022-01-05 | 分配用户流量的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114374881B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941738A (zh) * | 2019-11-27 | 2020-03-31 | 北京奇艺世纪科技有限公司 | 推荐方法、装置、电子设备及计算机可读存储介质 |
CN111026913A (zh) * | 2019-12-10 | 2020-04-17 | 北京奇艺世纪科技有限公司 | 一种视频分发方法、装置、电子设备及存储介质 |
CN111949527A (zh) * | 2020-08-05 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 游戏视频的测试方法、装置、设备及存储介质 |
CN112016793A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 基于目标用户群的资源分配方法、装置及电子设备 |
CN112131413A (zh) * | 2019-06-25 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 一种多媒体信息处理方法、装置、电子设备及存储介质 |
CN112328816A (zh) * | 2020-11-03 | 2021-02-05 | 北京百度网讯科技有限公司 | 媒体信息展示方法、装置、电子设备及存储介质 |
CN113242459A (zh) * | 2021-07-13 | 2021-08-10 | 武汉斗鱼鱼乐网络科技有限公司 | 一种新视频曝光方法、装置、介质及计算机设备 |
CN113326450A (zh) * | 2021-05-31 | 2021-08-31 | 北京百度网讯科技有限公司 | 一种兴趣点召回方法、装置、电子设备和存储介质 |
CN113408817A (zh) * | 2021-07-07 | 2021-09-17 | 北京京东拓先科技有限公司 | 流量分发方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100499800C (zh) * | 2004-11-11 | 2009-06-10 | 华为技术有限公司 | 一种宽带视频系统中获取收视信息的方法和系统 |
-
2022
- 2022-01-05 CN CN202210010119.1A patent/CN114374881B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112131413A (zh) * | 2019-06-25 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 一种多媒体信息处理方法、装置、电子设备及存储介质 |
CN110941738A (zh) * | 2019-11-27 | 2020-03-31 | 北京奇艺世纪科技有限公司 | 推荐方法、装置、电子设备及计算机可读存储介质 |
CN111026913A (zh) * | 2019-12-10 | 2020-04-17 | 北京奇艺世纪科技有限公司 | 一种视频分发方法、装置、电子设备及存储介质 |
CN112016793A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 基于目标用户群的资源分配方法、装置及电子设备 |
CN111949527A (zh) * | 2020-08-05 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 游戏视频的测试方法、装置、设备及存储介质 |
CN112328816A (zh) * | 2020-11-03 | 2021-02-05 | 北京百度网讯科技有限公司 | 媒体信息展示方法、装置、电子设备及存储介质 |
CN113326450A (zh) * | 2021-05-31 | 2021-08-31 | 北京百度网讯科技有限公司 | 一种兴趣点召回方法、装置、电子设备和存储介质 |
CN113408817A (zh) * | 2021-07-07 | 2021-09-17 | 北京京东拓先科技有限公司 | 流量分发方法、装置、设备及存储介质 |
CN113242459A (zh) * | 2021-07-13 | 2021-08-10 | 武汉斗鱼鱼乐网络科技有限公司 | 一种新视频曝光方法、装置、介质及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114374881A (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10686903B2 (en) | Information push method and electronic device | |
CN109218390B (zh) | 用户筛选方法及装置 | |
CN110225366B (zh) | 视频数据处理及广告位确定方法、装置、介质及电子设备 | |
CN109960650B (zh) | 基于大数据的应用程序评估方法、装置、介质及电子设备 | |
CN112241327A (zh) | 分享信息处理方法、装置、存储介质与电子设备 | |
CN108600780B (zh) | 用于推送信息的方法、电子设备、计算机可读介质 | |
CN104967690A (zh) | 一种信息推送方法及装置 | |
CN111068305A (zh) | 云游戏加载控制方法、装置、电子设备及存储介质 | |
CN113127723B (zh) | 用户画像处理方法、装置、服务器及存储介质 | |
CN113422988A (zh) | 直播封面生成方法、装置、电子设备及存储介质 | |
CN111259245B (zh) | 作品推送方法、装置及存储介质 | |
CN110196805B (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN117235371A (zh) | 视频推荐方法、模型训练方法及装置 | |
CN114374881B (zh) | 分配用户流量的方法、装置、电子设备及存储介质 | |
CN116777518A (zh) | 事务管理方法、装置、存储介质及设备 | |
CN114996509A (zh) | 训练视频特征提取模型和视频推荐的方法和装置 | |
CN111784377B (zh) | 用于生成信息的方法和装置 | |
CN107623863B (zh) | 算法测试方法、装置及服务器 | |
CN110719506A (zh) | 用户对视频的兴趣度确定方法、装置、服务器及存储介质 | |
CN116911304B (zh) | 一种文本推荐方法及装置 | |
CN111782959B (zh) | 用户画像更新方法、装置、计算机设备及存储介质 | |
CN111382363B (zh) | 受众扩展方法、装置及设备 | |
CN113747189B (zh) | 直播信息的显示控制方法、装置、电子设备及计算机介质 | |
CN113468367A (zh) | 一种生成服务信息的方法和装置 | |
CN114119153A (zh) | 一种页面展示的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |