CN115292528B - 一种新媒体视频的智能化运营方法、设备及存储介质 - Google Patents
一种新媒体视频的智能化运营方法、设备及存储介质 Download PDFInfo
- Publication number
- CN115292528B CN115292528B CN202211033154.1A CN202211033154A CN115292528B CN 115292528 B CN115292528 B CN 115292528B CN 202211033154 A CN202211033154 A CN 202211033154A CN 115292528 B CN115292528 B CN 115292528B
- Authority
- CN
- China
- Prior art keywords
- video
- planning
- simulated
- preset
- scheme
- 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 64
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000008451 emotion Effects 0.000 claims abstract description 73
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000013515 script Methods 0.000 claims abstract description 37
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 230000001815 facial effect Effects 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003058 natural language processing Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/483—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
- G06F16/437—Administration of user profiles, e.g. generation, initialisation, adaptation, distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/44—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种新媒体视频的智能化运营方法、设备及存储介质,属于专门适用于商业目的的数据处理方法技术领域。方法包括:获取初始视频策划要素;其中,初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;对初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于标准视频策划要素,通过预设的视频策划模型生成视频策划方案;在根据视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;根据小世界网络算法,分析若干个模拟投放模型,以确定待投放视频对应的投放方案。本申请通过上述方法实现了针对新媒体视频,能够形成客观化、数据化的智能运营方法。
Description
技术领域
本申请涉及专门适用于商业目的的数据处理方法技术领域,尤其涉及一种新媒体视频的智能化运营方法、设备及存储介质。
背景技术
随着短视频、新媒体领域的发展,越来越多的受众会通过移动设备、公共交通电视、电梯电视、户外广告屏等设备上观看视频,因此新媒体视频所带来的流量价值变得越来越大。
然而,随着新媒体视频数量指数级别的增长,新媒体视频成为爆款的困难程度也变得越来越大。传统的新媒体视频制作与评估是否具有爆款的潜质只能依靠主观评价,具有相当的局限性,因此如何针对新媒体视频,形成客观化、数据化的智能运营方法,从而制作并投放出更容易成为爆款的视频成为亟待解决的技术问题。
发明内容
本申请实施例提供了一种新媒体视频的智能化运营方法、设备及存储介质,用以解决如下技术问题:如何针对新媒体视频,形成客观化、数据化的智能运营方法。
第一方面,本申请实施例提供了一种新媒体视频的智能化运营方法,其特征在于,所述方法包括:获取初始视频策划要素;其中,所述初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;对所述初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,所述标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;在根据所述视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案。
在本申请的一种实现方式中,对所述初始视频策划要素进行预处理,以获得标准视频策划要素,具体包括:在所述初始视频策划要素包括人物角色图像的情况下,通过预设的人脸特征检测算法对所述人物角色图像进行处理,以获得对应的人物角色面孔特征向量;在所述初始视频策划要素包括视频拍摄剧本的情况下,通过预设的人工智能自然语言处理算法,解析所述视频拍摄剧本,以确定所述视频拍摄剧本对应的内容分类结果信息;在所述初始视频策划要素包括情感表现视频小样的情况下,通过预设的情感提取算法,对所述情感表现视频小样进行处理,以获得对应的情感特征信息;其中,所述情感特征信息包括面部情绪特征信息、声音特征信息。
在本申请的一种实现方式中,通过预设的人脸特征检测算法对所述人物角色图像进行处理,以获得对应的人物角色面孔特征向量,具体包括:通过人脸目标识别算法,识别所述人物角色图像中的人脸部分图像,并将所述人脸部分图像剪切到人脸特征检测模板中;通过人脸特征点识别算法,识别所述人脸部分图像,以确定所述人脸部分图像中对应的预设数量个面部特征点位;根据所述预设数量个面部特征点位中的额顶中点位与下巴中点位,确定所述人脸部分图像的面孔中线,并计算所述面孔中线两侧面部特征点位到所述面孔中线的距离,以确定所述人脸部分图像的面孔对称性指标;根据预设的标准面部特征点位表,计算所述预设数量个面部特征点位与对应的标准面部特征点位的几何距离,以确定所述人脸部分图像的面孔平均性指标;将所述人脸部分图像输入到预设的性别似然度回归模型,以确定所述人脸部分图像的性别二价性指标;基于所述面孔对称性指标、所述面孔平均性指标、所述性别二价性指标,确定所述人物角色图像对应人物角色面孔特征向量。
在本申请的一种实现方式中,通过预设的人工智能自然语言处理算法,解析所述视频拍摄剧本,以确定所述视频拍摄剧本对应的内容分类结果信息,具体包括:对所述视频拍摄剧本进行去噪处理,以剔除所述视频拍摄剧本中无实际含义的词汇;通过预设的内容分类特征词库,对降噪后的所述视频拍摄剧本进行分类特征词识别,以确定对应的分类特征词集;其中,所述分类特征词是用于描述某一类型剧本内容的高频特征词;基于预设的非线性降维算法,对所述分类特征词集进行处理,以确定对应的低维主因素集;对所述低维主因素集进行泛化处理,以确定所述视频拍摄剧本对应的内容分类结果信息。
在本申请的一种实现方式中,通过预设的情感提取算法,对所述情感表现视频小样进行处理,以获得对应的情感特征信息,具体包括:分离所述情感表现视频小样中的音频与视频;通过面孔情绪分析算法,对所述视频中的人物面孔特征进行识别,根据识别的人物面孔特征,确定所述情感表现视频小样表现的面部情绪特征信息;通过声音特征分析算法,解析所述音频,以确定所述情感表现视频小样表现的声音特征信息。
在本申请的一种实现方式中,基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案,具体包括:确定所述标准视频策划要素中包含的要素项数;在所述要素项数为一项或两项的情况下,基于所述标准视频策划要素,通过预设的极大似然法,计算预测播放量最高的视频策划要素组合,并基于所述视频策划要素组合确定生成视频策划方案;在所述要素项数为三项的情况下,通过预设的贝叶斯网络模型,确定基于所述标准视频策划要素达到预设播放量的概率,并生成要素调整方案,以根据所述概率与所述要素调整方案生成视频策划方案。
在本申请的一种实现方式中,进行若干次模拟投放,以获得若干个模拟投放模型,具体包括:确定若干次模拟投放过程中的阅读人群为模拟投放节点;基于所述模拟投放节点之间待投放视频的阅读关系,构建对应模拟投放的模拟投放模型,以获得所述若干个模拟投放模型。
在本申请的一种实现方式中,根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案,具体包括:根据所述小世界网络算法,依次计算所述若干个模拟投放模型与小世界网络的相似度;确定相似度大于预设阈值的模拟投放模型为待投放模型,并基于所述待投放模型,确定所述待投放视频对应的投放方案。
第二方面,本申请实施例还提供了一种新媒体视频的智能化运营设备,其特征在于,所述设备包括: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:获取初始视频策划要素;其中,所述初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;对所述初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,所述标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;在根据所述视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案。
第三方面,本申请实施例还提供了一种新媒体视频的智能化运营的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:获取初始视频策划要素;其中,所述初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;对所述初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,所述标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;在根据所述视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案。
本申请实施例提供的一种新媒体视频的智能化运营方法、设备及存储介质,通过以人物角色图像、视频拍摄剧本、情感表现视频小样为数据化的基础,确定新媒体视频的视频策划方案,从而使生成的视频策划方案能够制作出更容易成为爆款的视频。通过模拟投放与小世界网络算法,模拟投放过程并在若干个模拟投放结果确定符合小世界网络特征的模拟投放模型。通过根据符合小世界网络特征的模拟投放模型确定待投放视频对应的投放方案,可以使新媒体视频的最终播放量更接近模拟投放结果。本申请实施例通过上述方案,克服了传统的新媒体视频制作与评估只能依靠主观判断的局限性,形成了客观化、数据化的新媒体视频智能运营方法。
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为本申请实施例提供的一种新媒体视频的智能化运营方法流程图;
图2为本申请实施例提供的一种新媒体视频的智能化运营设备内部结构示意图。
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。
本申请实施例提供了一种新媒体视频的智能化运营方法、设备及存储介质,用以解决如下技术问题:如何针对新媒体视频,形成客观化、数据化的智能运营方法。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种新媒体视频的智能化运营方法流程图。如图1所示,本申请实施例提供的一种新媒体视频的智能化运营方法,具体包括以下步骤:
步骤101、获取初始视频策划要素。
首先需要说明的是,本申请对新媒体视频能否成为爆款的评估来自数据化的人物角色、内容分类与情感表现三种因素,数据化三种因素的载体分别为人物角色图像、视频拍摄剧本、情感表现视频小样,因此,在新媒体视频制作前首先需要确定制作该新媒体视频的初始视频策划要素。还需要说明的是,初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样,无需包含全部三项初始视频策划要素,仅包含一项或仅包含两项均可以;例如:现有确定的视频拍摄人物与视频拍摄剧本,但不确定通过什么样的情感表现能够使以该人物角色与视频拍摄剧本拍摄的新媒体视频能够达到最优的播放量,那么仅获取人物角色图像、视频拍摄剧本即可,通过后续的技术手段可以进行预测最优的情感特征信息;再例如:现确定的视频拍摄人物与该人物最适合表现的情绪特征,但不确定该人物适合什么类型的剧本或者确定视频拍摄剧本类设置为什么类型的内容分类标签,从而使制造的新媒体视频能够达到最优的播放量,则只需要获取人物角色图像与情感表现视频小样即可。
步骤102、对初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于标准视频策划要素,通过预设的视频策划模型生成视频策划方案。
在本申请的一个实施例中,在获取初始视频策划要素之后,为实现数据化初始视频策划要素,需要对初始视频策划要素进行预处理,以获得标准视频策划要素。
具体地,在初始视频策划要素包括人物角色图像的情况下,通过预设的人脸特征检测算法对人物角色图像进行处理,以获得对应的人物角色面孔特征向量;在初始视频策划要素包括视频拍摄剧本的情况下,通过预设的人工智能自然语言处理算法,解析视频拍摄剧本,以确定视频拍摄剧本对应的内容分类结果信息;在初始视频策划要素包括情感表现视频小样的情况下,通过预设的情感提取算法,对情感表现视频小样进行处理,以获得对应的情感特征信息;其中,情感特征信息包括面部情绪特征信息、声音特征信息。可以理解的是,标准视频策划要素即包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息。
在本申请的一个实施例中,由于获得的人物角色图像尺度不同人物在图像中的位置不同,因此通过预设的人脸特征检测算法对人物角色图像进行处理,以获得对应的人物角色面孔特征向量,首先需要通过人脸目标识别算法,识别人物角色图像中的人脸部分图像,并将人脸部分图像剪切到人脸特征检测模板中。
进一步地,通过人脸特征点识别算法,识别人脸部分图像,以确定人脸部分图像中对应的预设数量个面部特征点位;根据预设数量个面部特征点位中的额顶中点位与下巴中点位,确定人脸部分图像的面孔中线,并计算面孔中线两侧面部特征点位到面孔中线的距离,以确定人脸部分图像的面孔对称性指标。需要说明的是,计算面孔中线两侧面部特征点位到面孔中线的距离,以确定人脸部分图像的面孔对称性指标,首先是确定面孔中线两侧面部特征点位到面孔中线的距离,然后将面孔中线两侧对应特征点位到面孔中线的距离进行比值计算,在确定每对面部特征点位的比值后,进行平均比值计算,并确定计算得到的平均比值为人脸部分图像的面孔对称性指标。
进一步地,根据预设的标准面部特征点位表,计算预设数量个面部特征点位与对应的标准面部特征点位的几何距离,以确定人脸部分图像的面孔平均性指标。需要说明的是,由于在将人脸部分图像剪切到人脸特征检测模板中后,我们可以根据人脸特征检测模板对应的坐标系确定每个面部特征点位的点位坐标,再根据预设的标准面部特征点位表中包含的各个标准面部特征点位的点位坐标,即可计算这预设数量个面部特征点位与对应的标准面部特征点位的几何距离,将这预设数量个几何距离按照标准面部特征点位表规定的顺序整理成包含预设数据个数值的一维数组,确定该一维数组为人脸部分图像的面孔平均性指标。
进一步地,将人脸部分图像输入到预设的性别似然度回归模型,以确定人脸部分图像的性别二价性指标。需要说明的是,性别二价性指标用于描述人脸部分图像分别是男生还是女生的概率;性别似然度回归模型可以基于支持向量机SVM训练得到,本申请在此不做限定,可根据具体情况选择适合的神经网络训练。
进一步地,基于面孔对称性指标、面孔平均性指标、性别二价性指标,确定人物角色图像对应人物角色面孔特征向量。本申请实施例中,人物角色面孔特征向量可由以下公式表示
RFF={FA,FAV,SD}
其中,RFF表示人物角色面孔特征向量,FA表示面孔对称性指标,FAV表示面孔平均性指标,SD表示性别二价性指标。
在本申请的一个实施例中,由于视频拍摄剧本对内容分类无帮助的内容较多,因此本申请通过预设的人工智能自然语言处理算法,解析视频拍摄剧本,以确定视频拍摄剧本对应的内容分类结果信息,首先需要对视频拍摄剧本进行去噪处理,以剔除视频拍摄剧本中无实际含义的词汇。需要说明的是,无实际含义的词汇可根据偏好进行自行选择。
进一步地,通过预设的内容分类特征词库,对降噪后的视频拍摄剧本进行分类特征词识别,以确定对应的分类特征词集;其中,分类特征词是用于描述某一类型剧本内容的高频特征词。
进一步地,基于预设的非线性降维算法,对分类特征词集进行处理,以确定对应的低维主因素集;对低维主因素集进行泛化处理,以确定视频拍摄剧本对应的内容分类结果信息。需要说明的是,非线性降维算法可自行选择,泛化规则可根据内容分类列表自信设置。
在本申请的一个实施例中,通过预设的情感提取算法,对情感表现视频小样进行处理,以获得对应的情感特征信息,首先需要分离情感表现视频小样中的音频与视频。
进一步地,通过面孔情绪分析算法,对视频中的人物面孔特征进行识别,根据识别的人物面孔特征,确定情感表现视频小样表现的面部情绪特征信息;通过声音特征分析算法,解析音频,以确定情感表现视频小样表现的声音特征信息。需要说明的是,面孔情绪分析算法与声音特征分析算法需要提前规定包含的面部情绪特征信息的结果类型与声音特征信息的结果类型。另外,面部情绪特征信息与声音特征信息可根据情感表现视频小样的时间分布特征,以时间序列-特征类型的形式表达,也可以以该情感表现视频小样表现的综合性评价的形式表达。
在本申请的一个实施例中,在对初始视频策划要素进行预处理,以获得对应的标准视频策划要素之后,确定标准视频策划要素中包含的要素项数;在要素项数为一项或两项的情况下,基于标准视频策划要素,通过预设的极大似然法,计算预测播放量最高的视频策划要素组合,并基于视频策划要素组合确定生成视频策划方案;在要素项数为三项的情况下,通过预设的贝叶斯网络模型,确定基于标准视频策划要素达到预设播放量的概率,并生成要素调整方案,以根据概率与要素调整方案生成视频策划方案。
可以立即的是,本申请实施例在通过极大似然法计算预测播放量最高的视频策划要素组合前,已经预先根据大样本的已投放视频,设置了视频策划要素组合与播放量之间关联规则,具体关联规则本申请不做限定,可根据实际经验自行设置。另外,还可以理解的是,本申请实施例还在通过预设的贝叶斯网络模型,确定基于标准视频策划要素达到预设播放量的概率,并生成要素调整方案之前,通过大样本的已投放视频,训练得到了收敛的贝叶斯网络模型。
需要说明的是,由于不同类型新媒体视频制作人群的视频策划方案的需求不同,因此,基于视频策划要素组合确定生成视频策划方案或根据概率与要素调整方案生成视频策划方案,本申请在此不做限定,可以最接将视频策划要素组合或要素调整方案作为视频策划方案,也可以基于视频策划要素组合或根据概率与要素调整方案人为制作符合需求的视频策划方案,也可以设置一个视频策划方案生成模型,通过输入视频策划要素组合或根据概率与要素调整方案,生成视频策划方案,例如:在视频策划方案生成模型提前设置导演、道具、场务等人员配置,根据待制作视频的内容类型可自行搭配人员配置;根据视频策划方案生成模型中预置的剧本内容长度生成拍摄计划等。
步骤103、在根据视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型。
在本申请的一个实施例中,在根据视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,并确定若干次模拟投放过程中的阅读人群为模拟投放节点。
进一步地,基于模拟投放节点之间待投放视频的阅读关系,构建对应模拟投放的模拟投放模型,以获得若干个模拟投放模型。可以理解的是,模拟投放节点之间待投放视频的阅读关系类似“我”转发后“你”看到,“你”“我”之间构成一个“我”指向“你”的连接关系。
步骤104、根据小世界网络算法,分析若干个模拟投放模型,以确定待投放视频对应的投放方案。
在本申请的一个实施例中,在获得若干个模拟投放模型之后,根据小世界网络算法,分析若干个模拟投放模型,以确定待投放视频对应的投放方案。
具体地,根据小世界网络算法,确定每个模拟投放模型中节点的特征路径长度与聚合系数,从而基于特征路径长度与聚合系数,计算若干个模拟投放模型与小世界网络的相似度。
进一步地,确定相似度大于预设阈值的模拟投放模型为待投放模型,并基于待投放模型,确定待投放视频对应的投放方案。
可以理解的是,基于待投放模型,确定待投放视频对应的投放方案是在真实世界中找到对应待投放模型中对应节点类似的平台或人群,进行定点投放,从而可以使真实投放结果与待投放模型的投放结果接近。由于不同类型新媒体视频制作人的投放资源不同,因此,基于待投放模型,确定待投放视频对应的投放方案,本申请在此不做限定,可自行选择适合的平台或人群从而生成对应的投放方案。
以上为本申请提出的方法实施例。基于同样的发明构思,本申请实施例还提供了一种新媒体视频的智能化运营设备,其结构如图2所示。
图2为本申请实施例提供的一种新媒体视频的智能化运营设备内部结构示意图。如图2所示,设备包括:
至少一个处理器201;
以及,与至少一个处理器通信连接的存储器202;
其中,存储器202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201执行,以使至少一个处理器201能够:
获取初始视频策划要素;其中,初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;
对初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;
在根据视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;
根据小世界网络算法,分析若干个模拟投放模型,以确定待投放视频对应的投放方案。
本申请的一些实施例提供的对应于图1的一种新媒体视频的智能化运营的非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
获取初始视频策划要素;其中,初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;
对初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;
在根据视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;
根据小世界网络算法,分析若干个模拟投放模型,以确定待投放视频对应的投放方案。
本申请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,对于物联网设备和介质实施例而言,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。
本申请实施例提供的系统和介质与方法是一一对应的,因此,系统和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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(flash RAM)。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 (transitory media),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 (7)
1.一种新媒体视频的智能化运营方法,其特征在于,所述方法包括:
获取初始视频策划要素;其中,所述初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;
对所述初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,所述标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;
在根据所述视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;
根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案;
基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案,具体包括:
确定所述标准视频策划要素中包含的要素项数;
在所述要素项数为一项或两项的情况下,基于所述标准视频策划要素,通过预设的极大似然法,计算预测播放量最高的视频策划要素组合,并基于所述视频策划要素组合确定生成视频策划方案;
在所述要素项数为三项的情况下,通过预设的贝叶斯网络模型,确定基于所述标准视频策划要素达到预设播放量的概率,并生成要素调整方案,以根据所述概率与所述要素调整方案生成视频策划方案;
进行若干次模拟投放,以获得若干个模拟投放模型,具体包括:
确定若干次模拟投放过程中的阅读人群为模拟投放节点;
基于所述模拟投放节点之间待投放视频的阅读关系,构建对应模拟投放的模拟投放模型,以获得所述若干个模拟投放模型;其中,所述阅读关系基于所述待投放视频在所述模拟投放节点之间的转发情况确定;
根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案,具体包括:
根据所述小世界网络算法,确定所述若干个模拟投放模型中节点的特征路径长度与聚合系数;
基于所述特征路径长度与聚合系数,依次计算所述若干个模拟投放模型与小世界网络的相似度;
确定相似度大于预设阈值的模拟投放模型为待投放模型,并基于所述待投放模型,确定所述待投放视频对应的投放方案。
2.根据权利要求1所述的一种新媒体视频的智能化运营方法,其特征在于,对所述初始视频策划要素进行预处理,以获得标准视频策划要素,具体包括:
在所述初始视频策划要素包括人物角色图像的情况下,通过预设的人脸特征检测算法对所述人物角色图像进行处理,以获得对应的人物角色面孔特征向量;
在所述初始视频策划要素包括视频拍摄剧本的情况下,通过预设的人工智能自然语言处理算法,解析所述视频拍摄剧本,以确定所述视频拍摄剧本对应的内容分类结果信息;
在所述初始视频策划要素包括情感表现视频小样的情况下,通过预设的情感提取算法,对所述情感表现视频小样进行处理,以获得对应的情感特征信息;其中,所述情感特征信息包括面部情绪特征信息、声音特征信息。
3.根据权利要求2所述的一种新媒体视频的智能化运营方法,其特征在于,通过预设的人脸特征检测算法对所述人物角色图像进行处理,以获得对应的人物角色面孔特征向量,具体包括:
通过人脸目标识别算法,识别所述人物角色图像中的人脸部分图像,并将所述人脸部分图像剪切到人脸特征检测模板中;
通过人脸特征点识别算法,识别所述人脸部分图像,以确定所述人脸部分图像中对应的预设数量个面部特征点位;
根据所述预设数量个面部特征点位中的额顶中点位与下巴中点位,确定所述人脸部分图像的面孔中线,并计算所述面孔中线两侧面部特征点位到所述面孔中线的距离,以确定所述人脸部分图像的面孔对称性指标;
根据预设的标准面部特征点位表,计算所述预设数量个面部特征点位与对应的标准面部特征点位的几何距离,以确定所述人脸部分图像的面孔平均性指标;
将所述人脸部分图像输入到预设的性别似然度回归模型,以确定所述人脸部分图像的性别二价性指标;
基于所述面孔对称性指标、所述面孔平均性指标、所述性别二价性指标,确定所述人物角色图像对应人物角色面孔特征向量。
4.根据权利要求2所述的一种新媒体视频的智能化运营方法,其特征在于,通过预设的人工智能自然语言处理算法,解析所述视频拍摄剧本,以确定所述视频拍摄剧本对应的内容分类结果信息,具体包括:
对所述视频拍摄剧本进行去噪处理,以剔除所述视频拍摄剧本中无实际含义的词汇;
通过预设的内容分类特征词库,对降噪后的所述视频拍摄剧本进行分类特征词识别,以确定对应的分类特征词集;其中,所述分类特征词是用于描述某一类型剧本内容的高频特征词;
基于预设的非线性降维算法,对所述分类特征词集进行处理,以确定对应的低维主因素集;
对所述低维主因素集进行泛化处理,以确定所述视频拍摄剧本对应的内容分类结果信息。
5.根据权利要求2所述的一种新媒体视频的智能化运营方法,其特征在于,通过预设的情感提取算法,对所述情感表现视频小样进行处理,以获得对应的情感特征信息,具体包括:
分离所述情感表现视频小样中的音频与视频;
通过面孔情绪分析算法,对所述视频中的人物面孔特征进行识别,根据识别的人物面孔特征,确定所述情感表现视频小样表现的面部情绪特征信息;
通过声音特征分析算法,解析所述音频,以确定所述情感表现视频小样表现的声音特征信息。
6.一种新媒体视频的智能化运营设备,其特征在于,所述设备包括:
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:
获取初始视频策划要素;其中,所述初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;
对所述初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,所述标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;
在根据所述视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;
根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案;
基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案,具体包括:
确定所述标准视频策划要素中包含的要素项数;
在所述要素项数为一项或两项的情况下,基于所述标准视频策划要素,通过预设的极大似然法,计算预测播放量最高的视频策划要素组合,并基于所述视频策划要素组合确定生成视频策划方案;
在所述要素项数为三项的情况下,通过预设的贝叶斯网络模型,确定基于所述标准视频策划要素达到预设播放量的概率,并生成要素调整方案,以根据所述概率与所述要素调整方案生成视频策划方案;
进行若干次模拟投放,以获得若干个模拟投放模型,具体包括:
确定若干次模拟投放过程中的阅读人群为模拟投放节点;
基于所述模拟投放节点之间待投放视频的阅读关系,构建对应模拟投放的模拟投放模型,以获得所述若干个模拟投放模型;其中,所述阅读关系基于所述待投放视频在所述模拟投放节点之间的转发情况确定;
根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案,具体包括:
根据所述小世界网络算法,确定所述若干个模拟投放模型中节点的特征路径长度与聚合系数;
基于所述特征路径长度与聚合系数,依次计算所述若干个模拟投放模型与小世界网络的相似度;
确定相似度大于预设阈值的模拟投放模型为待投放模型,并基于所述待投放模型,确定所述待投放视频对应的投放方案。
7.一种新媒体视频的智能化运营的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
获取初始视频策划要素;其中,所述初始视频策划要素包括以下任意一项或多项:人物角色图像、视频拍摄剧本、情感表现视频小样;
对所述初始视频策划要素进行预处理,以获得对应的标准视频策划要素,并基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案;其中,所述标准视频策划要素包括以下一项或多项:人物角色面孔特征向量、内容分类结果信息、情感特征信息;
在根据所述视频策划方案拍摄获得待投放视频后,进行若干次模拟投放,以获得若干个模拟投放模型;
根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案;
基于所述标准视频策划要素,通过预设的视频策划模型生成视频策划方案,具体包括:
确定所述标准视频策划要素中包含的要素项数;
在所述要素项数为一项或两项的情况下,基于所述标准视频策划要素,通过预设的极大似然法,计算预测播放量最高的视频策划要素组合,并基于所述视频策划要素组合确定生成视频策划方案;
在所述要素项数为三项的情况下,通过预设的贝叶斯网络模型,确定基于所述标准视频策划要素达到预设播放量的概率,并生成要素调整方案,以根据所述概率与所述要素调整方案生成视频策划方案;
进行若干次模拟投放,以获得若干个模拟投放模型,具体包括:
确定若干次模拟投放过程中的阅读人群为模拟投放节点;
基于所述模拟投放节点之间待投放视频的阅读关系,构建对应模拟投放的模拟投放模型,以获得所述若干个模拟投放模型;其中,所述阅读关系基于所述待投放视频在所述模拟投放节点之间的转发情况确定;
根据小世界网络算法,分析所述若干个模拟投放模型,以确定所述待投放视频对应的投放方案,具体包括:
根据所述小世界网络算法,确定所述若干个模拟投放模型中节点的特征路径长度与聚合系数;
基于所述特征路径长度与聚合系数,依次计算所述若干个模拟投放模型与小世界网络的相似度;
确定相似度大于预设阈值的模拟投放模型为待投放模型,并基于所述待投放模型,确定所述待投放视频对应的投放方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033154.1A CN115292528B (zh) | 2022-08-26 | 2022-08-26 | 一种新媒体视频的智能化运营方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033154.1A CN115292528B (zh) | 2022-08-26 | 2022-08-26 | 一种新媒体视频的智能化运营方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115292528A CN115292528A (zh) | 2022-11-04 |
CN115292528B true CN115292528B (zh) | 2023-05-23 |
Family
ID=83831394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211033154.1A Active CN115292528B (zh) | 2022-08-26 | 2022-08-26 | 一种新媒体视频的智能化运营方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292528B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333800B (zh) * | 2023-10-12 | 2024-04-05 | 广州有好戏网络科技有限公司 | 一种基于人工智能的跨平台内容运营优化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883861A (zh) * | 2021-02-07 | 2021-06-01 | 同济大学 | 一种基于鱼群摄食状态细粒度分类的反馈式投饵控制方法 |
CN114596619A (zh) * | 2022-05-09 | 2022-06-07 | 深圳市鹰瞳智能技术有限公司 | 基于视频流的情感分析方法、装置、设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109711885A (zh) * | 2018-12-27 | 2019-05-03 | 上海旺翔文化传媒股份有限公司 | 激励视频广告智能投放方法 |
CN111144924A (zh) * | 2019-11-25 | 2020-05-12 | 陈树铭 | 一种基于影视作品的广告制作、投放和互动方法 |
CN112989935A (zh) * | 2021-02-05 | 2021-06-18 | 北京百度网讯科技有限公司 | 一种视频生成方法、装置、设备以及存储介质 |
CN113923515A (zh) * | 2021-09-29 | 2022-01-11 | 马上消费金融股份有限公司 | 视频制作方法、装置、电子设备及存储介质 |
-
2022
- 2022-08-26 CN CN202211033154.1A patent/CN115292528B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883861A (zh) * | 2021-02-07 | 2021-06-01 | 同济大学 | 一种基于鱼群摄食状态细粒度分类的反馈式投饵控制方法 |
CN114596619A (zh) * | 2022-05-09 | 2022-06-07 | 深圳市鹰瞳智能技术有限公司 | 基于视频流的情感分析方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115292528A (zh) | 2022-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112749608B (zh) | 视频审核方法、装置、计算机设备和存储介质 | |
US20220248091A1 (en) | Sensitivity assessment for media production using artificial intelligence | |
CN109691124B (zh) | 用于自动生成视频亮点的方法和系统 | |
CN110188829B (zh) | 神经网络的训练方法、目标识别的方法及相关产品 | |
CN112163122A (zh) | 确定目标视频的标签的方法、装置、计算设备及存储介质 | |
US10580436B2 (en) | Method and device for processing speech based on artificial intelligence | |
CN113177538B (zh) | 一种视频循环识别方法、装置、计算机设备及存储介质 | |
CN114465737B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN110505498A (zh) | 视频的处理、播放方法、装置及计算机可读介质 | |
CN104980790A (zh) | 语音字幕的生成和装置、播放方法和装置 | |
CN111444357A (zh) | 内容信息确定方法、装置、计算机设备及存储介质 | |
US20220156503A1 (en) | Reinforcement Learning Techniques for Automated Video Summarization | |
CN115292528B (zh) | 一种新媒体视频的智能化运营方法、设备及存储介质 | |
CN111147871B (zh) | 直播间歌唱识别方法、装置及服务器、存储介质 | |
CN113572981B (zh) | 视频配乐方法及装置、电子设备、存储介质 | |
CN113870863A (zh) | 声纹识别方法及装置、存储介质及电子设备 | |
CN115905613A (zh) | 音视频多任务学习、评估方法、计算机设备及介质 | |
CN115690276A (zh) | 虚拟形象的视频生成方法、装置、计算机设备和存储介质 | |
CN116665083A (zh) | 一种视频分类方法、装置、电子设备及存储介质 | |
CN115049963A (zh) | 视频分类方法、装置、处理器及电子设备 | |
CN116824650A (zh) | 一种目标对象的视频生成方法及相关装置 | |
CN113762056A (zh) | 演唱视频识别方法、装置、设备及存储介质 | |
US20210019576A1 (en) | Quality Control Systems and Methods for Annotated Content | |
US11949971B2 (en) | System and method for automatically identifying key dialogues in a media | |
CN117575894B (zh) | 图像生成方法、装置、电子设备和计算机可读存储介质 |
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 |