CN116017041A - 一种视频推送方法、装置、计算机设备及存储介质 - Google Patents
一种视频推送方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116017041A CN116017041A CN202211550330.9A CN202211550330A CN116017041A CN 116017041 A CN116017041 A CN 116017041A CN 202211550330 A CN202211550330 A CN 202211550330A CN 116017041 A CN116017041 A CN 116017041A
- Authority
- CN
- China
- Prior art keywords
- video
- pushed
- determining
- segment
- highlight
- 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
Links
Images
Landscapes
- Television Signal Processing For Recording (AREA)
Abstract
本公开提供了一种视频推送方法、装置、计算机设备及存储介质,包括:获取待推送视频;确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种视频推送方法、装置、计算机设备及存储介质。
背景技术
在进行视频推送时,为了提高视频的推送效果,一般会选择视频的高光片段进行推送,所述视频的高光片段可以理解为视频中比较精彩或比较吸引人的片段。随着互联网上的视频资源越来越多,视频资源之间的竞争也越来越激烈,高光片段的选择在部分场景中直接决定视频资源的消费情况,因此如果选择高光片段显得尤为重要。
发明内容
本公开实施例至少提供一种视频推送方法、装置、计算机设备及存储介质。
第一方面,本公开实施例提供了一种视频推送方法,包括:
获取待推送视频;
确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;
基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
一种可能的实施方式中,所述确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频,包括:
将所述待推送视频划分成多个视频片段;
针对任一视频片段,确定与该视频片段之间的相似性检测结果满足预设条件的参考视频。
一种可能的实施方式中,所述将所述待推送视频划分成多个视频片段,包括:
按照预设时长,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行场景检测,并基于场景检测结果,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行镜头检测,并基于镜头检测结果,所述待推送视频划分成多个视频片段。
一种可能的实施方式中,所述参考视频与所述待推送视频之间的相似性检测结果,包括所述待推送视频中与所述参考视频相似的视频片段的时间信息,所述历史播放信息包括历史播放次数以及历史完播次数;
所述基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,包括:
针对所述待推送视频的任一视频时刻,确定与该视频时刻对应的参考视频,其中,该参考时刻对应的参考视频为,对应的时间信息包含该视频时刻的参考视频;
基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率;
基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,所述基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段,包括:
基于各视频时刻对应的第一预测完播率,确定完播率阈值;
基于所述完播率阈值,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,所述基于所述完播率阈值,确定所述待推送视频的目标高光片段,包括:
确定对应的第一预测完播率高于所述完播率阈值的候选高光片段;
基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率;
基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段。
一种可能的实施方式中,在基于所述完播率阈值,确定对应的第一预测完播率高于所述完播率阈值的候选高光片段之后,所述方法还包括:
确定各相邻候选高光片段之间的时间间隔,并将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,并将合并后的候选高光片段作为更新后的候选高光片段。
一种可能的实施方式中,所述将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,包括:
在所述对应的时间间隔小于预设时间间隔的相邻候选高光片段中,确定在所述待推送视频中时间较早的候选高光片段的开始时刻,以及在所述待推送视频中时间较晚的候选高光片段的结束时刻;
将所述开始时刻与所述结束时刻之间的视频片段作为合并后的候选高光片段。
第二方面,本公开实施例还提供一种视频推送装置,包括:
获取模块,用于获取待推送视频;
第一确定模块,用于确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;
第二确定模块,用于基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
一种可能的实施方式中,所述第一确定模块,在确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频时,用于:
将所述待推送视频划分成多个视频片段;
针对任一视频片段,确定与该视频片段之间的相似性检测结果满足预设条件的参考视频。
一种可能的实施方式中,所述第一确定模块,在将所述待推送视频划分成多个视频片段时,用于:
按照预设时长,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行场景检测,并基于场景检测结果,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行镜头检测,并基于镜头检测结果,所述待推送视频划分成多个视频片段。
一种可能的实施方式中,所述参考视频与所述待推送视频之间的相似性检测结果时,用于所述待推送视频中与所述参考视频相似的视频片段的时间信息,所述历史播放信息包括历史播放次数以及历史完播次数;
所述第二确定模块,在基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段时,用于:
针对所述待推送视频的任一视频时刻,确定与该视频时刻对应的参考视频,其中,该参考时刻对应的参考视频为,对应的时间信息包含该视频时刻的参考视频;
基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率;
基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,所述第二确定模块,在基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段时,用于:
基于各视频时刻对应的第一预测完播率,确定完播率阈值;
基于所述完播率阈值,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,所述第二确定模块,在基于所述完播率阈值,确定所述待推送视频的目标高光片段时,用于:
确定对应的第一预测完播率高于所述完播率阈值的候选高光片段;
基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率;
基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段。
一种可能的实施方式中,在基于所述完播率阈值,确定对应的第一预测完播率高于所述完播率阈值的候选高光片段之后,所述第二确定模块,还用于:
确定各相邻候选高光片段之间的时间间隔,并将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,并将合并后的候选高光片段作为更新后的候选高光片段。
一种可能的实施方式中,所述第二确定模块,在将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并时,用于:
在所述对应的时间间隔小于预设时间间隔的相邻候选高光片段中,确定在所述待推送视频中时间较早的候选高光片段的开始时刻,以及在所述待推送视频中时间较晚的候选高光片段的结束时刻;
将所述开始时刻与所述结束时刻之间的视频片段作为合并后的候选高光片段。
第三方面,本公开实施例还提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
本公开实施例提供的视频推送方法、装置、计算机设备及存储介质,可以在获取待推送视频之后,基于与待推送视频相似的参考视频的历史播放信息,去预估待推送视频中的目标高光片段,并基于目标高光片段对待推送视频进行推送。这样,通过参考视频的历史播放信息,去预估待推送视频的各个视频播放时刻的历史播放信息,可以筛选出预估的历史播放信息较好的目标高光片段,进一步的再基于目标高光片段对待推送视频进行推送,提高了待推送视频的推送效果。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种视频推送方法的流程图;
图2示出了本公开实施例所提供的一种视频推送方法的整体流程图;
图3示出了本公开实施例所提供的一种视频推送装置的架构示意图;
图4示出了本公开实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
相关技术中,在确定视频中的高光片段时,一般主要通过以下两种方式:
方式A、基于神经网络模型。
具体的,可以预先训练神经网络模型去检测视频中的高光片段,然而这种神经网络模型在进行训练时,一般是基于样本视频,以及样本视频中的高光片段标注信息进行训练,由于样本视频中的高光片段标注信息是人工进行标注的,不同人在查看同一样本视频时,标注的高光片段可能不同,因此这种方法中,由于标注信息本身就带有主观色彩,因此训练的神经网络模型精度较低。
方法B、基于播放数据。
具体的,在任一视频播放一段时间之后,可以基于视频观看曲线、视频弹幕等,筛选出视频中的高光片段。然而这种方法仅能适用于具有一定历史播放时间的视频,对于不包含播放数据,或者播放数据较少的视频无法适用。
基于上述研究,本公开提供了一种视频推送方法、装置、计算机设备及存储介质,可以在获取待推送视频之后,基于与待推送视频相似的参考视频的历史播放信息,去预估待推送视频中的目标高光片段,并基于目标高光片段对待推送视频进行推送。这样,通过参考视频的历史播放信息,去预估待推送视频的各个视频播放时刻的历史播放信息,可以筛选出预估的历史播放信息较好的目标高光片段,进一步的再基于目标高光片段对待推送视频进行推送,提高了待推送视频的推送效果。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
可以理解的是,在使用本公开各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
例如,在响应于接收到用户的主动请求时,向用户发送提示信息,以明确地提示用户,其请求执行的操作将需要获取和使用到用户的个人信息。从而,使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
作为一种可选的但非限定性的实现方式,响应于接收到用户的主动请求,向用户发送提示信息的方式例如可以是弹窗的方式,弹窗中可以以文字的方式呈现提示信息。此外,弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
可以理解的是,上述通知和获取用户授权过程仅是示意性的,不对本公开的实现方式构成限定,其它满足相关法律法规的方式也可应用于本公开的实现方式中。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种视频推送方法进行详细介绍,本公开实施例所提供的视频推送方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为个人计算机、智能手机、平板电脑等。
参见图1所示,为本公开实施例提供的视频推送方法的流程图,所述方法包括步骤101~步骤103,其中:
步骤101、获取待推送视频。
步骤102、确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频。
步骤103、基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
以下为针对上述步骤的详细描述。
针对步骤101、
不同场景中,获取待推送视频的方式可能不同,示例性的,若执行本公开所提供的视频推送方法的执行主体为服务器,则所述获取待推送视频可以是指获取各个用户端上传的待推送视频。相应的,服务器在获取待推送视频之后,可以根据本公开所提供的方法确定待推送视频的目标高光片段,并将目标高光片段推送至各个用户端。
若执行本公开所提供的视频推送视频的执行主体为用户端,则所述获取待推送视频可以是指从本地获取待推送视频。相应的,用户端在根据本公开所提供的方法确定待推送视频的目标高光片段之后,可以将目标高光片段在所述待推送视频中的时间信息以及所述待推送视频上传至服务器,并通过服务器将所述时间信息对应的目标高光片段推送至各个用户端。
由于确定目标高光片段的目的在于进行视频推送,若待推送视频本身的质量比较差,可能推送效果会相应的受到影响。因此,一种可能的实施方式中,在获取待推送视频之后,可以先对所述待推送视频进行质量检测,在所述待推送视频质量检测通过之后,再去确定所述待推送视频的目标高光片段。
其中,所述对待推送视频进行质量检测可以是指对所述待推送视频的视频本身进行检测,例如可以检测画面清晰度、是否配有字幕、画面抖动情况等。
一种可能的实施方式中,可以通过预先训练的质量检测模型对所述待推送视频进行质量检测。所述质量检测模型可以通过样本视频以及样本视频的质量标记训练得到,所述样本视频的质量标记可以用于标记所述样本视频存在质量问题。
针对步骤102、
一种可能的实施方式中,在确定与所述待推送视频之间相似性检测结果满足预设条件的参考视频时,可以将所述待推送视频与视频库中的各个候选视频进行相似性检测。
所述视频库中的候选视频可以是指热度信息满足热度条件的视频,例如可以是指播放量超过预设播放量、和/或评论次数超过预设评论次数、和/或完播率超过预设完播率的视频。
其中,所述完播率可以是指完整播放次数与总播放次数之间的比值。
由于不同时期热度较高的视频之间的差异较大,例如上个月热度较高的视频为A类型的视频,本月热度较高的视频为B类型的视频,因此为了满足时期对于视频的类型要求,所述视频库中的候选视频还可以是距离当前时刻为预设时长之内视频,例如可以是近三年的视频。
在将所述待推送视频与视频库中的各个候选视频进行相似性检测时,示例性的可以通过视觉相似性检测。具体的,可以基于预先训练的视觉特征提取网络提取所述待推送视频的视觉特征,然后可以计算待推送视频的视觉特征与各个候选视频的视觉特征之间的相似度,所述相似性检测结果可以包括所述相似性。
实际应用中,也可以通过其他的模态特征进行相似性检测,例如可以通过音频特征、或者人像特征等,本公开并不限定。
实际应用中,由于所述待推送视频往往比较长,因此若直接将所述待推送视频与各个候选视频进行相似性检测,检测速度可能较慢,因此,为了提高检测速度,可以先将所述待推送视频划分成多个视频片段,然后针对任一视频片段,可以将该视频片段与各个候选视频进行相似性检测,确定与该视频片段之间的相似性检测结果满足预设条件的参考视频。
其中,在将所述待推送视频划分成多个视频片段时,示例性的可以通过以下方法中的任意一种:
按照预设时长,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行场景检测,并基于场景检测结果,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行镜头检测,并基于镜头检测结果,所述待推送视频划分成多个视频片段。
其中,所述预设时长可以结合历史高光片段的推送情况确定,示例性的,可以将推送效果较好的历史高光片段的时长的均值作为所述预设时长。所述推送效果可以通过推送播放次数来确定,所述推送播放次数可以是指通过点击推送的高光片段进入的对原视频的播放的播放次数,所述推送效果较好的历史高光片段例如可以是指推送播放次数超过预设次数的历史高光片段。
所述对所述待推送视频进行场景检测,例如可以通过预先训练的场景检测网络对所述待推送视频进行场景检测;所述基于场景检测结果,将所述待推送视频划分成多个视频片段,例如可以根据场景检测结果,确定场景转换的时间点,并按照场景转换的时间点对所述待推送视频进行划分。
所述对所述待推送视频进行镜头检测,例如可以通过预先训练的镜头检测网络对所述待推送视频进行镜头检测;所述基于镜头检测结果,所述待推送视频划分成多个视频片段,例如可以根据镜头检测结果,确定镜头转换的时间点,并按照镜头转换的时间点对所述待推送视频进行划分。
所述相似性检测结果满足预设条件的参考视频示例性的可以是指上述候选视频中,对应的相似度超过预设相似度的候选视频;或者可以将相似度按照从大到小进行排序,并将排在前K位的候选视频作为所述参考视频,其中K为预设正整数。
示例性的,在将所述待推送视频划分成M个视频片段之后,针对任一视频片段,可以将与该视频片段之间的相似度超过预设相似度的候选视频作为该视频片段对应的参考视频;或者可以基于与该视频片段之间的相似度,将各个候选视频由大到小进行排序,并将前K个候选视频作为与该视频片段对应的参考视频,相应的,待推送视频对应的参考视频则至多有M*K个。
针对步骤103、
所述参考视频与所述待推送视频之间的相似性检测结果满足预设条件,即可以理解为所述参考视频与所述待推送视频之间相似,但是所述参考视频可能仅与所述待推送视频的部分时间段相似,因此,在一种可能的实施方式中,所述参考视频与所述待推送视频之间的相似性检测结果,包括所述待推送视频中与所述参考视频相似的视频片段的时间信息。
示例性的,若参考视频A与待推送视频相似,则可能是所述参考视频A与所述待推送视频的第20秒~第30秒相似,因此参考视频A与待推送视频之间的相似性检测结果包括第20秒~第30秒。
所述参考视频的历史播放信息例如可以包括历史播放次数和历史完播次数,所述历史完播次数可以是指历史完整播放的次数。
一种可能的实施方式中,在基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段时,示例性的可以通过以下步骤:
步骤a1、针对所述待推送视频的任一视频时刻,确定与该视频时刻对应的参考视频,其中,该参考时刻对应的参考视频为,对应的时间信息包含该视频时刻的参考视频。
步骤a2、基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率。
步骤a3、基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段。
所述待推送视频的视频时刻可以是所述待推送视频中的预设时刻,例如可以每隔2秒钟作为一个视频时刻;或者所述待推送视频的视频时刻可以是根据所述待推送视频的时长以及预设时刻个数确定的时刻,所述预设时刻个数为所述待推送视频的视频时刻的个数,例如若所述待推送视频的时长为5分钟,预设时刻个数为5个,则所述待推送视频的第1分钟、第2分钟、第3分钟、第4分钟以及第5分钟分别为所述视频时刻。
由于所述参考视频与所述待推送视频之间的相似性检测结果,包括所述待推送视频中与所述参考视频相似的视频片段的时间信息,因此,基于所述待推送视频中与所述参考视频相似的视频片段的时间信息,可以确定各个视频时刻对应的参考视频。
示例性的,如下表1所示:
表1
视频1与待推送视频的第10~20秒相似,视频2与待推送视频的第20~30秒相似,视频3与待推送视频的第20~50秒相似,则视频时刻第10秒对应的参考视频为视频1,视频时刻第20秒对应的参考视频为视频1、视频2和视频3,视频时刻第30秒对应的参考视频为视频2和视频3,视频时刻第40秒对应的参考视频为视频3,视频时刻第50秒对应的参考视频为视频3。
步骤a2中,一种可能的实施方式中,针对任一视频时刻,在基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率时,可以将该视频时刻对应的参考视频的历史播放次数之和与该视频时刻对应的参考视频的历史完播次数之和的比值作为该视频时刻对应的第一预测完播率。
示例性的,在计算各个视频时刻对应的第一预测完播率阈值时,可以通过如下公式进行计算:
其中,ri表示第i个视频时刻的第一预测完播率,m表示第i个视频时刻对应的参考视频个数,fj表示第j个参考视频的历史完播次数,ωj表示第j个视频的历史播放次数。
示例性的,延续上表1,若表1中各参考视频对应的历史播放次数和历史完播次数如下表2所示:
表2
参考视频 | 视频1 | 视频2 | 视频3 |
时间信息 | 10秒~20秒 | 20秒~30秒 | 20秒~50秒 |
历史播放次数 | a | b | c |
历史完播次数 | m | n | p |
相应的,视频时刻第10秒对应的第一预测完播率为m/n,视频时刻第20秒对应的第一预测完播率为(m+n+p)/(a+b+c),视频时刻第30秒对应的第一预测完播率为(n+p)/(b+c),视频时刻第40秒和第50秒对应的第一预测完播率为p/c。
一种可能的实施方式中,步骤a3中,在基于各视频时刻对应的第一预测完播率,确定待推送视频的目标高光片段时,可以先基于各视频时刻对应的第一预测完播率,绘制所述待推送视频对应的预测完播率曲线,然后将所述预测完播率曲线中,超过预设完播率阈值的视频片段作为所述目标高光片段。
然而由于第一预测完播率是基于参考视频的历史播放信息确定的,不同类型的视频的历史播放信息之间差异可能较大,若采用统一规定的预测完播率,则可能无法筛选出目标高光片段,或者筛选出的目标高光片段过多,
因此,一种可能的实施方式中,可以预先为不同类型的待推送视频设置不同的预设完播率阈值,或者在另外一种可能的实施方式中,还可以根据当前待推送视频的预测完播率情况,确定完播率阈值。
具体的,可以基于各视频时刻对应的第一预测完播率,确定完播率阈值,然后再基于完播率阈值确定所述待推送视频的目标高光片段。
在基于各视频时刻对应的第一预测完播率,确定完播率阈值时,可以将各视频时刻对应的第一预测完播率按照从小到大的顺序进行排序,并将预设比例的第一预测完播率作为所述完播率阈值。
示例性的,所述预设比例可以为80%,则在将各视频时刻对应的第一预测完播率按照从小到大的顺序进行排序之后,可以将第80%个预测完播率作为所述完播率阈值。
在确定所述完播率阈值之后,在基于所述完播率阈值,确定所述待推送视频的目标高光片段时,示例性的可以通过如下步骤:
步骤b1、确定对应的第一预测完播率高于所述完播率阈值的候选高光片段。
步骤b2、基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率。
步骤b3、基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段。
一种可能的实施方式中,在基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率时,示例性的可以将所述候选高光片段所包含的各视频时刻的第一预测完播率的均值/中值,作为该候选高光片段对应的第二预测完播率。
基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段时,示例性的可以基于对应的第二预测完播率,将各候选高光片段由大到小进行排序,并将排在前H为的候选高光片段作为所述目标高光片段(H为预设正整数),或者可以将对应的第二预测完播率大于预设值的候选高光片段作为所述目标高光片段。
在基于所述完播率阈值,确定候选高光片段之后,确定的候选高光片段可能时长较短,因此,一种可能的实施方式中,为了保证最终确定的目标高光片段的连续性,在基于所述完播率阈值确定候选高光片段之后,可以将部分候选高光片段合并。
具体的,可以确定各相邻候选高光片段之间的时间间隔,并将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,并将合并后的候选高光片段作为更新后的候选高光片段。
示例性的,若候选高光片段1为所述待推送视频的第10~50秒的视频片段,候选高光片段2为所述待推送视频第70~100秒的视频片段,待推送视频的第51~第69秒的视频片段不为所述候选高光片段,若预设时间间隔为30秒,候选高光片段1和候选高光片段2之间的时间间隔为20秒,小于预设时间间隔,则可以将候选高光片段1和候选高光片段2合并。
具体的,在将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并时,示例性的,可以在所述对应的时间间隔小于预设时间间隔的相邻候选高光片段中,确定在所述待推送视频中时间较早的候选高光片段的开始时刻,以及在所述待推送视频中时间较晚的候选高光片段的结束时刻;然后将所述开始时刻与所述结束时刻之间的视频片段作为合并后的候选高光片段。
延续上例,待合并的相邻候选高光片段中,候选高光片段1为在待推送视频中时间较早的候选高光片段,其开始时刻为第10秒,候选高光片段2为在待推送视频中事件较晚的候选高光片段,其结束时刻为第100秒,则将候选高光片段1和候选高光片段2合并之后,合并后的候选高光片段为第10~第100秒。
需要说明的是,在将候选高光片段进行合并时,可以将至少两个候选高光片段合并,合并后的候选高光片段可以作为更新后的一个候选高光片段。
在将候选高光片段进行合并之后,需要重新计算合并后的候选高光片段的第二预测完播率,例如可以将合并后的候选高光片段所包含的各视频时刻对应的第一预测完播率的均值/中值,作为合并后的候选高光片段的第二预测完播率,合并后的候选高光片段与直接基于第一预测完播率筛选出的候选高光片段无实质区别,同样可以参与步骤b3的筛选。
在一种可能的实施方式中,为了保证目标高光片段的场景完整性或者镜头完整性,在基于上述方法确定目标高光片段之后,还可以结合待推送视频的场景识别结果和/或镜头识别结果。
示例性的,可以确定所述目标高光片段的开始时刻所在的开始场景片段,以及所述目标高光片段的结束时刻所在的结束场景片段,并将所述开始场景片段的开始时刻至所述结束场景的结束时刻之间的片段作为更新后的目标高光片段。
在确定目标高光片段之后,可以基于所述目标高光片段对所述待推送视频进行推送,例如可以将各个目标高光片段推送至各个用户端进行展示,用户端在触发目标高光片段之后,可以跳转展示目标高光片段所在的待推送视频并进行播放,从而可以通过展示目标高光片段提高待推送视频的播放效果。
下面结合整体流程图,对上述视频推送方法的整体流程进行介绍,参见图2所示,为本公开提供的一种视频推送方法的整体流程图,包括以下几个步骤:
步骤1、获取待推送视频。
步骤2、将待推送视频划分成多个视频片段。
步骤3、查找与各视频片段相似的参考视频。
步骤4、确定各视频时刻的第一预测完播率。
步骤5、确定完播率阈值。
步骤6、筛选候选高光片段,并合并相近的候选高光片段。
步骤7、候选高光片段排序。
步骤8、确定目标高光片段。
关于上述步骤的详细描述参照上述实施例,在此将不再赘述。
本公开实施例提供的视频推送方法,可以在获取待推送视频之后,基于与待推送视频相似的参考视频的历史播放信息,去预估待推送视频中的目标高光片段,并基于目标高光片段对待推送视频进行推送。这样,通过参考视频的历史播放信息,去预估待推送视频的各个视频播放时刻的历史播放信息,可以筛选出预估的历史播放信息较好的目标高光片段,进一步的再基于目标高光片段对待推送视频进行推送,提高了待推送视频的推送效果。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与视频推送方法对应的视频推送装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述视频推送方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参照图3所示,为本公开实施例提供的一种视频推送装置的架构示意图,所述装置包括:获取模块301、第一确定模块302、第二确定模块303;其中,
获取模块301,用于获取待推送视频;
第一确定模块302,用于确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;
第二确定模块303,用于基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
一种可能的实施方式中,所述第一确定模块302,在确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频时,用于:
将所述待推送视频划分成多个视频片段;
针对任一视频片段,确定与该视频片段之间的相似性检测结果满足预设条件的参考视频。
一种可能的实施方式中,所述第一确定模块302,在将所述待推送视频划分成多个视频片段时,用于:
按照预设时长,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行场景检测,并基于场景检测结果,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行镜头检测,并基于镜头检测结果,所述待推送视频划分成多个视频片段。
一种可能的实施方式中,所述参考视频与所述待推送视频之间的相似性检测结果时,用于所述待推送视频中与所述参考视频相似的视频片段的时间信息,所述历史播放信息包括历史播放次数以及历史完播次数;
所述第二确定模块303,在基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段时,用于:
针对所述待推送视频的任一视频时刻,确定与该视频时刻对应的参考视频,其中,该参考时刻对应的参考视频为,对应的时间信息包含该视频时刻的参考视频;
基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率;
基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,所述第二确定模块303,在基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段时,用于:
基于各视频时刻对应的第一预测完播率,确定完播率阈值;
基于所述完播率阈值,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,所述第二确定模块303,在基于所述完播率阈值,确定所述待推送视频的目标高光片段时,用于:
确定对应的第一预测完播率高于所述完播率阈值的候选高光片段;
基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率;
基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段。
一种可能的实施方式中,在基于所述完播率阈值,确定对应的第一预测完播率高于所述完播率阈值的候选高光片段之后,所述第二确定模块303,还用于:
确定各相邻候选高光片段之间的时间间隔,并将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,并将合并后的候选高光片段作为更新后的候选高光片段。
一种可能的实施方式中,所述第二确定模块303,在将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并时,用于:
在所述对应的时间间隔小于预设时间间隔的相邻候选高光片段中,确定在所述待推送视频中时间较早的候选高光片段的开始时刻,以及在所述待推送视频中时间较晚的候选高光片段的结束时刻;
将所述开始时刻与所述结束时刻之间的视频片段作为合并后的候选高光片段。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
基于同一技术构思,本公开实施例还提供了一种计算机设备。参照图4所示,为本公开实施例提供的计算机设备400的结构示意图,包括处理器401、存储器402、和总线403。其中,存储器402用于存储执行指令,包括内存4021和外部存储器4022;这里的内存4021也称内存储器,用于暂时存放处理器401中的运算数据,以及与硬盘等外部存储器4022交换的数据,处理器401通过内存4021与外部存储器4022进行数据交换,当计算机设备400运行时,处理器401与存储器402之间通过总线403通信,使得处理器401在执行以下指令:
获取待推送视频;
确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;
基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
一种可能的实施方式中,处理器401执行的指令中,所述确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频,包括:
将所述待推送视频划分成多个视频片段;
针对任一视频片段,确定与该视频片段之间的相似性检测结果满足预设条件的参考视频。
一种可能的实施方式中,处理器401执行的指令中,所述将所述待推送视频划分成多个视频片段,包括:
按照预设时长,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行场景检测,并基于场景检测结果,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行镜头检测,并基于镜头检测结果,所述待推送视频划分成多个视频片段。
一种可能的实施方式中,处理器401执行的指令中,所述参考视频与所述待推送视频之间的相似性检测结果,包括所述待推送视频中与所述参考视频相似的视频片段的时间信息,所述历史播放信息包括历史播放次数以及历史完播次数;
所述基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,包括:
针对所述待推送视频的任一视频时刻,确定与该视频时刻对应的参考视频,其中,该参考时刻对应的参考视频为,对应的时间信息包含该视频时刻的参考视频;
基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率;
基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,处理器401执行的指令中,所述基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段,包括:
基于各视频时刻对应的第一预测完播率,确定完播率阈值;
基于所述完播率阈值,确定所述待推送视频的目标高光片段。
一种可能的实施方式中,处理器401执行的指令中,所述基于所述完播率阈值,确定所述待推送视频的目标高光片段,包括:
确定对应的第一预测完播率高于所述完播率阈值的候选高光片段;
基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率;
基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段。
一种可能的实施方式中,处理器401执行的指令中,在基于所述完播率阈值,确定对应的第一预测完播率高于所述完播率阈值的候选高光片段之后,还包括:
确定各相邻候选高光片段之间的时间间隔,并将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,并将合并后的候选高光片段作为更新后的候选高光片段。
一种可能的实施方式中,处理器401执行的指令中,所述将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,包括:
在所述对应的时间间隔小于预设时间间隔的相邻候选高光片段中,确定在所述待推送视频中时间较早的候选高光片段的开始时刻,以及在所述待推送视频中时间较晚的候选高光片段的结束时刻;
将所述开始时刻与所述结束时刻之间的视频片段作为合并后的候选高光片段。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的视频推送方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机产品承载有程序代码,所述程序代码包括的指令可用于执行上述方法实施例中所述的视频推送方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。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,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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网络单元上。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。
所述功能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,可以存储在一个处理器可执行的非易失的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(可以是个人计算机,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、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (11)
1.一种视频推送方法,其特征在于,包括:
获取待推送视频;
确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;
基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
2.根据权利要求1所述的方法,其特征在于,所述确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频,包括:
将所述待推送视频划分成多个视频片段;
针对任一视频片段,确定与该视频片段之间的相似性检测结果满足预设条件的参考视频。
3.根据权利要求2所述的方法,其特征在于,所述将所述待推送视频划分成多个视频片段,包括:
按照预设时长,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行场景检测,并基于场景检测结果,将所述待推送视频划分成多个视频片段;或者,
对所述待推送视频进行镜头检测,并基于镜头检测结果,所述待推送视频划分成多个视频片段。
4.根据权利要求1所述的方法,其特征在于,所述参考视频与所述待推送视频之间的相似性检测结果,包括所述待推送视频中与所述参考视频相似的视频片段的时间信息,所述历史播放信息包括历史播放次数以及历史完播次数;
所述基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,包括:
针对所述待推送视频的任一视频时刻,确定与该视频时刻对应的参考视频,其中,该参考时刻对应的参考视频为,对应的时间信息包含该视频时刻的参考视频;
基于该视频时刻对应的参考视频的所述历史播放次数以及所述历史完播次数,确定该视频时刻对应的第一预测完播率;
基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段。
5.根据权利要求4所述的方法,其特征在于,所述基于各视频时刻对应的第一预测完播率,确定所述待推送视频的目标高光片段,包括:
基于各视频时刻对应的第一预测完播率,确定完播率阈值;
基于所述完播率阈值,确定所述待推送视频的目标高光片段。
6.根据权利要求5所述的方法,其特征在于,所述基于所述完播率阈值,确定所述待推送视频的目标高光片段,包括:
确定对应的第一预测完播率高于所述完播率阈值的候选高光片段;
基于所述候选高光片段所包含的各视频时刻对应的第一预测完播率,确定所述候选高光片段对应的第二预测完播率;
基于各所述候选高光片段分别对应的第二预测完播率,确定所述目标高光片段。
7.根据权利要求6所述的方法,其特征在于,在基于所述完播率阈值,确定对应的第一预测完播率高于所述完播率阈值的候选高光片段之后,所述方法还包括:
确定各相邻候选高光片段之间的时间间隔,并将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,并将合并后的候选高光片段作为更新后的候选高光片段。
8.根据权利要求7所述的方法,其特征在于,所述将对应的时间间隔小于预设时间间隔的相邻候选高光片段合并,包括:
在所述对应的时间间隔小于预设时间间隔的相邻候选高光片段中,确定在所述待推送视频中时间较早的候选高光片段的开始时刻,以及在所述待推送视频中时间较晚的候选高光片段的结束时刻;
将所述开始时刻与所述结束时刻之间的视频片段作为合并后的候选高光片段。
9.一种视频推送装置,其特征在于,包括:
获取模块,用于获取待推送视频;
第一确定模块,用于确定与所述待推送视频之间的相似性检测结果满足预设条件的参考视频;
第二确定模块,用于基于所述参考视频的历史播放信息,以及所述参考视频与所述待推送视频的相似性检测结果,确定所述待推送视频的目标高光片段,并基于所述目标高光片段对所述待推送视频进行推送。
10.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至8任一项所述的视频推送方法的步骤。
11.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至8任一项所述的视频推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211550330.9A CN116017041A (zh) | 2022-12-05 | 2022-12-05 | 一种视频推送方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211550330.9A CN116017041A (zh) | 2022-12-05 | 2022-12-05 | 一种视频推送方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116017041A true CN116017041A (zh) | 2023-04-25 |
Family
ID=86027360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211550330.9A Pending CN116017041A (zh) | 2022-12-05 | 2022-12-05 | 一种视频推送方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116017041A (zh) |
-
2022
- 2022-12-05 CN CN202211550330.9A patent/CN116017041A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230410130A1 (en) | System and method for providing crowd sourced metrics for network content broadcasters | |
JP6891170B2 (ja) | ステムリソース利用を最適化するための映像セグメントの将来の視聴予測 | |
CN109063611B (zh) | 一种基于视频语义的人脸识别结果处理方法和装置 | |
CN110309795B (zh) | 视频检测方法、装置、电子设备及存储介质 | |
US9418297B2 (en) | Detecting video copies | |
EP3193509B1 (en) | Video advertisement filtering method, device and equipment | |
CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
US11366568B1 (en) | Identifying and recommending events of interest in real-time media content | |
CN109167934B (zh) | 一种视频处理方法、装置及计算机可读存储介质 | |
CN111479129A (zh) | 直播封面的确定方法、装置、服务器、介质及系统 | |
CN111984821A (zh) | 确定视频动态封面的方法、装置、存储介质及电子设备 | |
CN112004120A (zh) | 平台网络资源播放量的预测方法、装置、设备及存储介质 | |
CN113099304A (zh) | 视频的处理方法、装置、服务器、计算机可读存储介质 | |
CN111738042A (zh) | 识别方法、设备及存储介质 | |
CN108235126B (zh) | 在视频中插入推荐信息的方法和装置 | |
CN110401869A (zh) | 一种视频直播方法、系统及电子设备和存储介质 | |
CN113472834A (zh) | 一种对象推送方法及设备 | |
WO2020168434A1 (en) | System and method for model-driven video summarization | |
CN116017041A (zh) | 一种视频推送方法、装置、计算机设备及存储介质 | |
US20170139933A1 (en) | Electronic Device, And Computer-Readable Storage Medium For Quickly Searching Video Segments | |
CN108495150B (zh) | 一种视频点击满意度的确定方法及装置 | |
CN112804566A (zh) | 节目推荐方法、设备及计算机可读存储介质 | |
US20170154651A1 (en) | Method for presenting video segments and electronic device | |
CN110019942B (zh) | 一种视频鉴别方法及系统 | |
US20230368534A1 (en) | Method and electronic device for generating a segment of a video |
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 |