CN116881579A - 关注图模型的构建方法、装置、设备及存储介质 - Google Patents

关注图模型的构建方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116881579A
CN116881579A CN202310987745.0A CN202310987745A CN116881579A CN 116881579 A CN116881579 A CN 116881579A CN 202310987745 A CN202310987745 A CN 202310987745A CN 116881579 A CN116881579 A CN 116881579A
Authority
CN
China
Prior art keywords
attention
relationship
behavior
interest
resource
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
CN202310987745.0A
Other languages
English (en)
Inventor
肖涛
李善涛
周杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202310987745.0A priority Critical patent/CN116881579A/zh
Publication of CN116881579A publication Critical patent/CN116881579A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9536Search customisation based on social or collaborative filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本公开提供了一种关注图模型的构建方法、装置、设备及存储介质,涉及数据处理技术领域,尤其涉及大数据和信息流等技术领域。具体实现方案为:响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;基于关注关系集合,构建关注图模型。利用第一关注关系获取新的关注关系,同时利用第二关注关系激活之前已有的有效的关注关系,从而使得关注图模型的覆盖面更广。

Description

关注图模型的构建方法、装置、设备及存储介质
技术领域
本公开涉及数据处理技术领域,尤其涉及大数据和信息流等技术领域,具体涉及一种关注图模型的构建方法、装置、设备及存储介质。
背景技术
关注图模型是利用用户和作者的关注关系,构建图模型,然后在图上游走训练,得到用户和作者的图嵌入向量,图嵌入向量可以用于召回、排序等阶段,以提升关注指标。
发明内容
本公开提供了一种关注图模型的构建方法、装置、设备及存储介质。
根据本公开的一方面,提供了一种关注图模型的构建方法,包括:
响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;
响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;
基于关注关系集合,构建关注图模型。
根据本公开的另一方面,提供了一种关注图模型的构建装置,包括:
第一确定单元,用于响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;
第二确定单元,用于响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;
构建单元,用于基于关注关系集合,构建关注图模型。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与该至少一个处理器通信连接的存储器;其中,
该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开实施例中任一的方法。
根据本公开的另一方面,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,该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。
根据本公开实施例提供的关注图模型的构建方法、装置、设备及存储介质,通过响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;基于关注关系集合,构建关注图模型。利用第一关注关系可以获取新的关注关系,同时利用第二关注关系可以激活之前已有的有效关注关系,从而使得关注图模型的覆盖面更广。
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为应用本公开实施例的关注图模型的构建方法的系统的结构示意图;
图2是根据本公开一个实施例提供的关注图模型的构建方法的示意图;
图3是根据本公开一个实施例提供的第一关注关系对应的关注图模型的示意图;
图4是根据本公开另一实施例提供的关注图模型的构建方法的示意图;
图5根据本公开实施例提供的关注图模型的构建装置的示意图;
图6是用来实现本公开实施例的关注图模型的构建方法的电子设备的框图。
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。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。
公开实施例提供一种关注图模型的构建方法、装置、电子设备及存储介质。具体地,本公开实施例的关注图模型的构建方法可以由电子设备执行,其中,该电子设备可以为终端或者服务器等设备。该终端可以为智能手机、平板电脑、笔记本电脑、智能语音交互设备、智能家电、穿戴式智能设备、飞行器、智能车载终端等设备,终端还可以包括客户端,该客户端可以是音频客户端、视频客户端、浏览器客户端、即时通信客户端或小程序等。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
关注图模型是利用用户和作者的关注关系,构建图模型,然后在图上游走训练,得到用户和作者的图嵌入(graph embedding)向量,图嵌入向量可以用在召回、排序等阶段,以提升关注指标。
相关技术中,关注图模型采用天级增量训练方法,即每天取新的关注关系,但是,这会导致之前已有的关注关系逐渐被遗忘。另外,平台会存在低关注用户(关注数少甚至为0关注的用户),低关注用户的样本较少,会导致关注图模型训练不充分,从而使得生成的低关注用户的图嵌入向量准确性差。
为了解决上述问题中的至少一个,本公开实施例提供一种关注图模型的构建方法、装置、设备及存储介质,通过响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;基于关注关系集合,构建关注图模型。利用第一关注关系可以获取新的关注关系,同时利用第二关注关系可以激活之前已有的有效关注关系,从而使得关注图模型的覆盖面更广。
以下将结合附图对本公开实施例进行具体说明。
图1为应用本公开实施例的关注图模型的构建方法的系统的结构示意图。请参照图1,该系统包括终端110和服务器120等;终端110和服务器120之间通过网络连接,比如,通过有线或无线网络连接等。
其中,终端110,可以用于显示图形用户界面。其中,该终端用于通过图形用户界面与用户进行交互,例如通过终端下载安装相应的客户端并运行,例如通过调用相应的小程序并运行,例如通过登录网站呈现相应的图像用户界面等。在本公开实施例中,用户可以通过终端110查看平台提供的内容,服务器120响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;基于关注关系集合,构建关注图模型。
需要说明的是,平台的应用程序可以为安装在台式机上的应用程序、也可以为安装在移动终端的应用程序,还可以为嵌入到应用程序中的小程序等。
需要注意的是,上述应用场景仅是为了便于理解本公开的精神和原理而示出,本公开的实施例在此方面不受任何限制。相反,本公开的实施例可以应用于适用的任何场景。
以下进行详细说明。需说明的是,以下实施例的描述顺序不作为对实施例优先顺序的限定。
图2是根据本公开一个实施例提供的关注图模型的构建方法的示意图;图3是根据本公开一个实施例提供的第一关注关系对应的关注图模型的示意图。请参照图1和图2,本公开实施例提供一种关注图模型的构建方法200,包括以下步骤S201至步骤S203。
步骤S201,响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合。
步骤S202,响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象。
步骤S203,基于关注关系集合,构建关注图模型。
可以理解,方法200可以用于社交平台、咨询平台、购物平台等各种平台。关注图模型可以为基于平台中的用户的关注关系而生成的图模型。
如图3所示,第一对象301和第二对象302均为平台的使用对象,即用户。同理第三对象和第四对象也为平台的使用对象。预设周期可以为关注图模型的构建和训练周期,其可以根据需要进行设置,例如一天、一个周或一个月。以预设周期为一天为例,则可以利用每天中的平台数据进行关注图模型的构建。当前预设周期可以为当前所要构建的关注图模型对应的预设周期,例如当天构建的关注图模型。
以当前预设周期为当天为例,在步骤S201中,可以通过当天内的各个新增的关注行为,确定各个第一关注关系。关注行为可以是点击关注按钮等。
例如,可以通过遍历平台所有用户,针对每个用户,判断当前预设周期内该用户(第一对象)是否对其他用户(第二对象)产生有关注行为,如有,则表示第一对象和第二对象之间存在第一关注关系,可以将第一关注关系作为关注关系集合中的关注关系。可以理解,在每个预设周期开始时,即步骤S201之前,可以使关注关系集合为空集合。
又例如,还可以通过平台日志直接获取新增的关注行为,然后对于每个新增的关注关系确定其涉及的关注对象(第一对象)和被关注对象(第二对象),从而确定第一对象和第二对象之间具有第一关注关系。可以理解,第一对象在当前预设周期前并未关注第二对象。
通过步骤S201可以在关注关系集合中添加当前预设周期内的所有新增的关注关系。
步骤S202可以针对平台中在当前预设周期之间已有关注关系的用户,以第三对象在当前预设周期之前已关注第四对象为例,若在当前预设周期,第三对象对已关注过的第四对象的资源有阅读行为,则确定第三对象和第四对象之间具有第二关注关系。
其中,第四对象为资源的作者,第三对象对第四对象的资源产生阅读行为可以理解为第三对象阅读、观看、查看该资源等行为。另外,用户每次阅读其关注的作者的资源,都是在激活两者之间的关注关系。
本步骤可以通过遍历平台所有用户,针对每个用户(第三对象)判断在当前预设周期中,其是否阅读已关注的其他用户(在当前预设周期前已关注的第四对象)的资源,若是,则表示第三对象和第四对象之间存在第二关注关系。当然,步骤S202也可以通过平台日志获取各个用户的阅读行为,然后从阅读行为中确定第二关注关系。
可以理解,通过步骤S202可以得到当前预设周期内平台中的所有第二关注关系,并将其添加至关注关系集合,即第二关注关系也为关注关系集合中的关注关系。可以理解在执行步骤S201和步骤S202后,关注关系集合中的关注关系为第一关注关系或第二关注关系。
步骤S203能够根据关注关系集合,构建关注图模型。
在一些实施例中,基于关注关系集合,构建关注图模型,包括以下步骤:
针对关注关系集合中的目标关注关系,获取具有目标关注关系的关注对象以及被关注对象;
基于关注对象和被关注对象,构建用于表征关注对象的第一目标节点以及用于表征被关注对象的第二目标节点,其中,第一目标节点和第二目标节点均为关注图模型中的节点;
基于目标关注关系,构建连接第一目标节点和第二目标节点的目标边,且目标边为关注图模型中的边。
可以理解,目标关注关系可以为关注关系集合中的一个关注关系,其可以是第一关注关系,也可以是第二关注关系。目标关注关系具体而言可以包括关注对象、被关注对象以及关注对象和被关注对象之间的指向关系。
以目标关注关系为第一关注关系为例,关注对象为第一对象,被关注对象为第二对象,关注对象和被关注对象之间的指向关系为由第二对象指向第一对象。
以目标关注关系为第二关注关系为例,关注对象为第三对象,被关注对象为第四对象,关注对象和被关注对象之间的指向关系为由第四对象指向第三对象。
关注图模型可以为有向图模型,其可以包括节点和边,节点可以表示关注对象或被关注对象,边可以由一个节点指向另一个节点,从而表示关注对象和被关注对象之间的指向关系。
在构建关注图模型时,对于关注关系集合中的每个关注关系,以目标关注关系为例,可以先获取该目标关注关系涉及的关注对象和被关注对象,关注对象和被关注对象可以分别构造为关注图模型中的节点,例如,关注对象可以被构造为第一目标节点,第二关注对象可以被构造为第二目标节点。
然后可以根据关注对象和被关注对象之间的指向关系,构造连接第一目标节点和第二目标节点的目标边。
如图3,以根据第一关注关系构造关注图模型为例,关注对象为第一对象,其可以构造为第一目标节点301,被关注对象为第二对象,其可以构造为第二目标节点302,关注对象和被关注对象之间的指向关系为由第二对象指向第一对象,即构造为带有指向的目标边303。
本实施例中,以由被关注对象指向关注对象的箭头代表指向关系,在其他实施例中,指向关系也可以由关注对象指向被关注对象的箭头表示。
可以理解,通过构建关注关系集合中的所有关注关系对应的节点和边,可以快速便捷地构建出当前预设周期内的关注图模型。
得到关注图模型后,可以通过游走训练等方式对关注图模型进行训练,从而得到图嵌入向量,该图嵌入向量可以用于召回阶段或排序阶段等,从而提升关注指标。
经过步骤S201和步骤S202,关注关系集合中既包括第一关注关系也包括第二关注关系,即用于构建关注图模型的关注关系集合不仅只包括当前预设周期内新增的关注行为对应的第一关注关系,还包括已有关注关系的用户之间的第二关注关系。可以理解,相关技术中对于已有关注关系的用户,在构建当前预设周期的关注图模型时,会忽略已有关注关系,本实施例根据已有关注关系的用户之间的阅读行为,可以将已有关注关系的用户之间的阅读行为转变为构建关注图模型的第二关注关系,激活了之前有效的关注关系,提升了关注图模型的覆盖面,从而避免了遗忘之前的关注关系,有利于图嵌入向量的准确度以及后续召回和排序等阶段的结果的准确性。
在一些实施例中,步骤S202中的响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,可以包括:
响应于在当前周期内第三对象对第四对象的资源产生阅读行为且阅读行为的持续时长大于或等于第一预设时长,确定第三对象与第四对象之间具有第二关注关系。
在确定第二关注关系时,除了考虑第三对象对第四对象的资源是否有阅读行为,还可以考虑该阅读行为的时长,即该阅读行为的持续时长。
第一预设时长可以为3秒、5秒等,若存在阅读行为,且阅读行为的持续时长大于或等于第一预设时长,确定第三对象和第四对象之间具有第二关注关系。
本实施例通过筛选阅读行为的持续时长大于或等于第一预设时长的已关注用户之间的第二关注关系,可以激活之前有效的关注关系,可以提高第二关注关系的准确性。
图4是根据本公开另一实施例提供的关注图模型的构建方法的示意图。请参照图4,本公开实施例还提供一种关注图模型的构建方法400,包括以下步骤S401至步骤S405。
步骤S401,响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合。
步骤S402,响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象。
步骤S403,响应于第五对象的关注对象数小于预设关注对象数且第五对象对分发给第五对象的第一分发资源的关注率高于预设关注率,确定第五对象与第六对象之间具有第三关注关系,并将第三关注关系添加至关注关系集合;其中,第一分发资源为第六对象的资源,且关注率用于表征第五对象通过第一分发资源关注第六对象的概率。
步骤S404,响应于第七对象的关注对象数小于预设关注对象数且第七对象对分发给第七对象的第二分发资源产生互动行为,确定第七对象与第八对象之间具有第四关注关系,并将第四关注关系添加至关注关系集合;其中,第二分发资源为第八对象的资源。
步骤S405,基于关注关系集合,构建关注图模型。
其中,步骤S401、步骤S402的实现与上述实施例中的步骤S201和步骤S202分别相同,具体可以参考上述实施例,不再赘述。
第五对象和第六对象也为平台中的使用对象。可以理解,平台可以向每个用户分发资源,即向用户推荐其可能感兴趣的资源。
第五对象的关注对象数可以为第五对象关注的对象数,即该用户的关注列表中的被关注对象的数量。预设关注对象数为判断低关注用户的标准,例如其可以为15,20等。可以理解,若用户的关注对象数低于预设关注对象数,则该用户为低关注用户。
可以先筛选出平台的低关注用户,针对每个低关注用户,以第五对象为例,平台向其分发的多个资源可以为多个第一分发资源。以其中一个第一分发资源为例,若第五对象对第一分发资源的关注率高于预设关注率,则确定第五对象与该第一分发资源的作者(第六对象)之间具有第三关注关系。
可以理解,用户对资源的关注率为用户通过该资源关注资源作者的概率。在向用户分发资源时,对于每个资源,平台(例如日志中)会记录有其对于该用户的关注分,即关注率。预设关注率可以为0.01、0.015等。
可以针对每个低关注用户,例如第五对象,获取向其分发的第一分发资源的关注率,若该关注率高于预设关注率,可以确定第一分发资源为高关注率的分发样本。同时确定第五对象和第六对象之间具有第三关注关系,从而可以将第五对象与第六对象之间的第三关注关系添加至关注关系集合,即第三关注关系也作为关注关系集合中的关注关系。
另外,在预设关注率为0.01时,确定第三关注关系的分发样本(第一分发资源)的关注率是平均关注率的33倍,显著高于平均关注率,因此,可以保证分发样本的置信度。
以关注关系集合中的关注关系为第三关注关系为例,关注对象为第五对象,被关注对象为第六对象,关注对象和被关注对象之间的指向关系为由第六对象指向第五对象。通过第三关注关系可以增加关注关系集合中的关注关系的数量。
可以理解,对于低关注用户,其关注的作者数量较少,若只采用相关技术中的方法构建关注图模型,那么该低关注用户对应的关注图模型中的边的数量较少,在游走训练时其被游走和经过的次数就会很少,即训练样本少,训练结果不充分,得到的图嵌入向量准确性低。
本实施例中,通过对低关注用户引入高关注率的分发样本,即根据对其分发的第一候选资源的关注率,来确定高关注率的第一候选资源,进而增加低关注用户与资源作者之间的第三关注关系,提高了低关注用户的分发样本数量。并且增加的分发样本具有一定的关注置信度,利用具有关注置信度的分发样本提高了关注图模型中该低关注用户的边的数量,训练更加充分,提高了图嵌入向量准确性。同时,提升了关注图模型的覆盖面。
在一些实施例中,方法400还可以包括:将第五对象以及第一分发资源输入排序模型,得到第一分发资源的关注率。
可以理解,排序模型可以为用于向用户推荐资源的推荐模型,通过将第五对象和多个第一分发资源输入排序模型,可以得到,各个第一分发资源的关注率,即第五对象通过第一分发资源关注资源作者的关注分(精排关注分等),通过排序模型得到准确率高的关注率。
继续参照图4,步骤S404中第七对象和第八对象也可以为平台中的使用对象。第七对象的关注对象数也小于预设关注对象数,即第七对象也为平台中的低关注用户。
可以先筛选出平台的低关注用户,针对每个低关注用户,以第七对象为例,平台向其分发的多个资源可以为多个第二分发资源。以其中一个第二分发资源为例,若第七对象对第二分发资源产生互动行为,则确定第七对象与该第二分发资源的作者(第八对象)之间具有第四关注关系。
其中,互动行为包括:评论行为、点赞行为、分享行为、收藏行为和点击作者主页行为中的至少一种。
可以理解,第七对象对第二分发资源产生互动行为可以为第七对象对第二分发资源产生评论行为,即第七对象评论第二分发资源,或者,为第七对象对第二分发资源产生点赞行为,即第七对象点赞第二分发资源,或者,为第七对象对第二分发资源产生分享行为,即第七对象分享第二分发资源,或者,为第七对象对第二分发资源产生收藏行为,即第七对象收藏第二分发资源,又或者,为第七对象对第二分发资源产生点击作者主页行为,即第七对象通过第二分发资源点击第八对象的主页等。
另外,通过互动行为确定的分发样本(第二分发资源)的关注率均高于平均关注率,例如,评论行为确定的分发样本,其关注率是是平均关注率的22倍;收藏行为确定的分发样本,其关注率是是平均关注率的86倍;分享行为确定的分发样本,其关注率是是平均关注率的38倍;点赞行为确定的分发样本,其关注率是是平均关注率的59倍;作者主页点击行为确定的分发样本,其关注率是是平均关注率的15倍。
若第七对象有上述之一的互动行为,则确定第七对象与第八对象之间具有第四关注关系,有助于进一步提高低关注用户的分发样本数量,且由于互动行为确定的分发样本的关注率高于平均关注度,因此,分发样本的置信度也得到保证。
若第七对象与第八对象之间具有第四关注关系,则可以将第四关注关系添加至关注关系集合,即第四关注关系也作为关注关系集合中的关注关系。
以关注关系集合中的关注关系为第四关注关系为例,关注对象为第七对象,被关注对象为第八对象,关注对象和被关注对象之间的指向关系为由第八对象指向第七对象。通过第四关注关系可以增加关注关系集合中的关注关系的数量。
可以理解,对于低关注用户,其关注的作者数量较少,若只采用相关技术中的方法构建关注图模型,那么该低关注用户对应的关注图模型中的边的数量较少,在游走训练时其被游走和经过的次数就会很少,即训练样本少,训练结果不充分,得到的图嵌入向量准确性低。
本实施例中,通过对低关注用户引入具有互动行为的分发样本,即根据对其分发的第二候选资源是否产生互动行为,来筛选第二候选资源,进而增加低关注用户与资源作者之间的第四关注关系,提高了低关注用户的分发样本数量,且增加的分发样本具有一定的关注置信度,利用具有关注置信度的分发样本提高了关注图模型中该低关注用户的边的数量,训练更加充分,提高了图嵌入向量准确性。同时,提升了关注图模型的覆盖面。
步骤S405可以利用关注关系集合中的关注关系构建关注图模型,关注关系可以为第一关注关系、第二关注关系、第三关注关系或第四关注关系。构建关注图模型的方法与步骤S203相同或相似,具体可以参考步骤S203的实施例,不再赘述。
可以理解,在其他实施例中,方法400还可以只包括步骤S401、步骤S402、步骤S403和步骤S405,或者,方法400还可以只包括步骤S401、步骤S402、步骤S404和步骤S405。
在上述实施例的基础上,在步骤S203中基于关注关系集合,构建关注图模型之前,方法200还包括:去除关注关系集合中重复的关注关系。
可以理解,关注关系集合中的关注关系可能为第一关注关系、第二关注关系、第三关注关系或第四关注关系,而第一关注关系、第二关注关系、第三关注关系或第四关注关系之间可能存在重复的关注关系。
重复的关注关系是指关注关系所包括的关注对象、被关注对象以及关注对象和被关注对象之间的指向关系都一致的关注关系。
通过本实施例可以去除关注关系集合中重复的关注关系,简化关注图模型的构建,避免关注图模型中出现重复的节点和边。
在一个具体实施例中,提供一种关注图模型的构建方法,提升了关注图模型的覆盖面,方法可以包括以下三点。
1、有效粉阅分发,提高了覆盖率。其是针对相关技术中的已有关注关系被遗忘的改进。
有效粉阅分发定义为:用户阅读(观看)已关注作者的资源的时长大于等于5秒。因为用户已经关注了该作者,所以粉阅分发不会产生关注这种行为。我们可以这样思考粉阅分发,用户每次阅读关注作者的资源,都是在激活这种关注关系,因此,加上这种行为,可以提取出之前的有效的关注关系(第二关注关系),之前的有效的关注关系可以被保留。
2、对低关注用户,引入高关注率(关注q)的分发样本。其是针对相关技术中的低关注用户训练不充分的改进。
关注q是指用户对资源的精排关注分,表示用户通过这条资源会关注该资源的作者的概率,这个值由排序模型计算得到。我们取关注q大于等于0.01的值为高关注q,这部分分发样本,其关注率是平均关注率的33倍,显著高于平均关注率,选这部分样本,可以扩充低关注用户训练样本,同时也保证了一定的关注置信度。
3、对低关注用户,引入互动分发样本。其是针对相关技术中的低关注用户训练不充分的改进。
互动主要指评论、收藏、分享、点赞,作者主页点击。这些互动分发样本的关注率远高于平均关注率。其中评论分发样本,其关注率是是平均关注率的22倍;收藏分发样本,其关注率是是平均关注率的86倍;分享分发样本,其关注率是是平均关注率的38倍;点赞分发样本,其关注率是是平均关注率的59倍;作者主页点击样本,其关注率是是平均关注率的15倍。选择这些样本,可以扩充低关注用户训练样本,同时也保证了一定的关注置信度。
本实施例提供的关注图模型的构建方法提升了覆盖面,激活了之前有效的关注关系,还扩充了低关注用户的样本,并且还保证这些样本的关注置信度。
图5根据本公开实施例提供的关注图模型的构建装置的示意图;请参照图5,本公开实施例提供一种关注图模型的构建装置500,包括以下单元。
第一确定单元501,用于响应于在当前预设周期内第一对象对第二对象产生关注行为,确定第一对象和第二对象之间具有第一关注关系,并将第一关注关系添加至关注关系集合;
第二确定单元502,用于响应于在当前周期内第三对象对第四对象的资源产生阅读行为,确定第三对象与第四对象之间具有第二关注关系,并将第二关注关系添加至关注关系集合,其中,第三对象在当前周期之前已关注第四对象;
构建单元503,用于基于关注关系集合,构建关注图模型。
在一些实施例中,第二确定单元502还用于:
响应于在当前周期内第三对象对第四对象的资源产生阅读行为且阅读行为的持续时长大于或等于第一预设时长,确定第三对象与第四对象之间具有第二关注关系。
在一些实施例中,装置500还包括:
第三确定单元,用于响应于第五对象的关注对象数小于预设关注对象数且第五对象对分发给第五对象的第一分发资源的关注率高于预设关注率,确定第五对象与第六对象之间具有第三关注关系,并将第三关注关系添加至关注关系集合;
其中,第一分发资源为第六对象的资源,且关注率用于表征第五对象通过第一分发资源关注第六对象的概率。
在一些实施例中,装置500还包括:
分发单元,用于将第五对象以及第一分发资源输入排序模型,得到第一分发资源的关注率。
在一些实施例中,装置500还包括:
第四确定单元,用于响应于第七对象的关注对象数小于预设关注对象数且第七对象对分发给第七对象的第二分发资源产生互动行为,确定第七对象与第八对象之间具有第四关注关系,并将第四关注关系添加至关注关系集合;
其中,第二分发资源为第八对象的资源。
在一些实施例中,互动行为包括:评论行为、点赞行为、分享行为、收藏行为和点击作者主页行为中的至少一种。
在一些实施例中,装置500还包括:
去除单元,用于去除关注关系集合中重复的关注关系。
在一些实施例中,构建单元503还用于:
针对关注关系集合中的目标关注关系,获取具有目标关注关系的关注对象以及被关注对象;
基于关注对象和被关注对象,构建用于表征关注对象的第一目标节点以及用于表征被关注对象的第二目标节点,其中,第一目标节点和第二目标节点均为关注图模型中的节点;
基于目标关注关系,构建连接第一目标节点和第二目标节点的目标边,且目标边为关注图模型中的边。
本公开实施例的装置的各模块、子模块的具体功能和示例的描述,可以参见上述方法实施例中对应步骤的相关描述,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本公开实施例提供一种电子设备,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上述任一项的方法。
本公开实施例提供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上述的方法。
本公开实施例提供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时实现根据上述的方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字助理、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。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如关注图模型的构建方法。例如,在一些实施例中,关注图模型的构建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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的关注图模型的构建方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行关注图模型的构建方法。
本文中以上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、现场可编程门阵列(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。
用于实施本公开的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。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。机器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。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (19)

1.一种关注图模型的构建方法,包括:
响应于在当前预设周期内第一对象对第二对象产生关注行为,确定所述第一对象和所述第二对象之间具有第一关注关系,并将所述第一关注关系添加至关注关系集合;
响应于在所述当前周期内第三对象对第四对象的资源产生阅读行为,确定所述第三对象与所述第四对象之间具有第二关注关系,并将所述第二关注关系添加至所述关注关系集合,其中,所述第三对象在所述当前周期之前已关注所述第四对象;
基于所述关注关系集合,构建关注图模型。
2.根据权利要求1所述的方法,其中,响应于在所述当前周期内第三对象对第四对象的资源产生阅读行为,确定所述第三对象与所述第四对象之间具有第二关注关系,包括:
响应于在所述当前周期内所述第三对象对所述第四对象的资源产生所述阅读行为且所述阅读行为的持续时长大于或等于第一预设时长,确定所述第三对象与所述第四对象之间具有所述第二关注关系。
3.根据权利要求1或2所述的方法,还包括:
响应于第五对象的关注对象数小于预设关注对象数且所述第五对象对分发给所述第五对象的第一分发资源的关注率高于预设关注率,确定所述第五对象与第六对象之间具有第三关注关系,并将所述第三关注关系添加至所述关注关系集合;
其中,所述第一分发资源为所述第六对象的资源,且所述关注率用于表征所述第五对象通过所述第一分发资源关注所述第六对象的概率。
4.根据权利要求3所述的方法,还包括:
将所述第五对象以及所述第一分发资源输入排序模型,得到第一分发资源的关注率。
5.根据权利要求1-4中任一项所述的方法,还包括:
响应于第七对象的关注对象数小于预设关注对象数且所述第七对象对分发给所述第七对象的第二分发资源产生互动行为,确定所述第七对象与第八对象之间具有第四关注关系,并将所述第四关注关系添加至所述关注关系集合;
其中,所述第二分发资源为所述第八对象的资源。
6.根据权利要求5所述的方法,其中,所述互动行为包括:评论行为、点赞行为、分享行为、收藏行为和点击作者主页行为中的至少一种。
7.根据权利要求1-6中任一项所述的方法,其中,基于所述关注关系集合,构建关注图模型之前,所述方法还包括:
去除所述关注关系集合中重复的关注关系。
8.根据权利要求1-7中任一项所述的方法,其中,基于所述关注关系集合,构建关注图模型,包括:
针对所述关注关系集合中的目标关注关系,获取具有所述目标关注关系的关注对象以及被关注对象;
基于所述关注对象和所述被关注对象,构建用于表征所述关注对象的第一目标节点以及用于表征所述被关注对象的第二目标节点,其中,所述第一目标节点和所述第二目标节点均为所述关注图模型中的节点;
基于所述目标关注关系,构建连接所述第一目标节点和所述第二目标节点的目标边,且所述目标边为所述关注图模型中的边。
9.一种关注图模型的构建装置,包括:
第一确定单元,用于响应于在当前预设周期内第一对象对第二对象产生关注行为,确定所述第一对象和所述第二对象之间具有第一关注关系,并将所述第一关注关系添加至关注关系集合;
第二确定单元,用于响应于在所述当前周期内第三对象对第四对象的资源产生阅读行为,确定所述第三对象与所述第四对象之间具有第二关注关系,并将所述第二关注关系添加至所述关注关系集合,其中,所述第三对象在所述当前周期之前已关注所述第四对象;
构建单元,用于基于所述关注关系集合,构建关注图模型。
10.根据权利要求9所述的装置,其中,所述第二确定单元还用于:
响应于在所述当前周期内所述第三对象对所述第四对象的资源产生所述阅读行为且所述阅读行为的持续时长大于或等于第一预设时长,确定所述第三对象与所述第四对象之间具有所述第二关注关系。
11.根据权利要求9或10所述的装置,还包括:
第三确定单元,用于响应于第五对象的关注对象数小于预设关注对象数且所述第五对象对分发给所述第五对象的第一分发资源的关注率高于预设关注率,确定所述第五对象与第六对象之间具有第三关注关系,并将所述第三关注关系添加至所述关注关系集合;
其中,所述第一分发资源为所述第六对象的资源,且所述关注率用于表征所述第五对象通过所述第一分发资源关注所述第六对象的概率。
12.根据权利要求11所述的装置,还包括:
分发单元,用于将所述第五对象以及第一分发资源输入排序模型,得到第一分发资源的关注率。
13.根据权利要求9-12中任一项所述的装置,还包括:
第四确定单元,用于响应于第七对象的关注对象数小于预设关注对象数且所述第七对象对分发给所述第七对象的第二分发资源产生互动行为,确定所述第七对象与第八对象之间具有第四关注关系,并将所述第四关注关系添加至所述关注关系集合;
其中,所述第二分发资源为所述第八对象的资源。
14.根据权利要求13所述的装置,其中,所述互动行为包括:评论行为、点赞行为、分享行为、收藏行为和点击作者主页行为中的至少一种。
15.根据权利要求9-14中任一项所述的装置,所述装置还包括:
去除单元,用于去除所述关注关系集合中重复的关注关系。
16.根据权利要求9-15中任一项所述的装置,其中,所述构建单元还用于:
针对所述关注关系集合中的目标关注关系,获取具有所述目标关注关系的关注对象以及被关注对象;
基于所述关注对象和所述被关注对象,构建用于表征所述关注对象的第一目标节点以及用于表征所述被关注对象的第二目标节点,其中,所述第一目标节点和所述第二目标节点均为所述关注图模型中的节点;
基于所述目标关注关系,构建连接所述第一目标节点和所述第二目标节点的目标边,且所述目标边为所述关注图模型中的边。
17.一种电子设备,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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。
CN202310987745.0A 2023-08-07 2023-08-07 关注图模型的构建方法、装置、设备及存储介质 Pending CN116881579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310987745.0A CN116881579A (zh) 2023-08-07 2023-08-07 关注图模型的构建方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310987745.0A CN116881579A (zh) 2023-08-07 2023-08-07 关注图模型的构建方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116881579A true CN116881579A (zh) 2023-10-13

Family

ID=88271473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310987745.0A Pending CN116881579A (zh) 2023-08-07 2023-08-07 关注图模型的构建方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116881579A (zh)

Similar Documents

Publication Publication Date Title
CN109460513B (zh) 用于生成点击率预测模型的方法和装置
CN109460514B (zh) 用于推送信息的方法和装置
CN109710507B (zh) 一种自动化测试的方法和装置
CN110866040A (zh) 用户画像生成方法、装置和系统
CN114119123A (zh) 信息推送的方法和装置
CN112905885A (zh) 向用户推荐资源的方法、装置、设备、介质和程序产品
CN117235371A (zh) 视频推荐方法、模型训练方法及装置
CN113590447B (zh) 埋点处理方法和装置
CN116881579A (zh) 关注图模型的构建方法、装置、设备及存储介质
CN115203564A (zh) 信息流推荐方法、装置及计算机程序产品
CN113961797A (zh) 资源推荐方法、装置、电子设备和可读存储介质
CN117009631A (zh) 投放对象筛选方法、装置、设备和存储介质
CN113901316A (zh) 一种信息推送方法、装置、电子设备及存储介质
CN112307324B (zh) 信息处理方法、装置、设备和介质
CN112348614B (zh) 用于推送信息的方法和装置
CN111131354B (zh) 用于生成信息的方法和装置
CN113360761A (zh) 信息流推荐方法、装置、电子设备和计算机可读存储介质
CN111178696A (zh) 一种业务处理时长超时预警方法和装置
CN113343090B (zh) 用于推送信息的方法、装置、设备、介质和产品
CN111767447A (zh) 用于确定用户流量路径的方法和装置
CN114969514B (zh) 一种直播推荐方法、装置及电子设备
CN113190779B (zh) 网页评估方法和装置
CN113360765B (zh) 事件信息的处理方法、装置、电子设备和介质
CN113010812B (zh) 信息采集方法、装置、电子设备和存储介质
CN117851653A (zh) 对象匹配方法、装置、电子设备、存储介质及程序产品

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