JP6921925B2 - パラメータ調整方法、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラム - Google Patents
パラメータ調整方法、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラム Download PDFInfo
- Publication number
- JP6921925B2 JP6921925B2 JP2019219177A JP2019219177A JP6921925B2 JP 6921925 B2 JP6921925 B2 JP 6921925B2 JP 2019219177 A JP2019219177 A JP 2019219177A JP 2019219177 A JP2019219177 A JP 2019219177A JP 6921925 B2 JP6921925 B2 JP 6921925B2
- Authority
- JP
- Japan
- Prior art keywords
- video
- parameter
- network
- evaluation score
- current value
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/169—Annotation, e.g. comment data or footnotes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/43—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of news video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Description
初期行動ネットワークのネットワーク構造を決定し、初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、初期評価ネットワークのネットワークパラメータを初期化し、
少なくとも1つのパラメータの現在値を初期化し、
少なくとも1つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、サンプル特徴表現及びアノテーション映像評価点数を初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、サンプル特徴表現及びサンプル予測映像評価点数を初期行動ネットワークに入力し、予測行動情報を取得することと、予測行動情報に応じて少なくとも1つのパラメータの現在値を調整することと、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
初期行動ネットワークと初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む。
初期行動ネットワークのネットワーク構造を決定し、初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、初期評価ネットワークのネットワークパラメータを初期化し、
少なくとも1つのパラメータの現在値を初期化し、
少なくとも1つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、サンプル特徴表現及びアノテーション映像評価点数を初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、サンプル特徴表現及びサンプル予測映像評価点数を初期行動ネットワークに入力し、予測行動情報を取得することと、予測行動情報に応じて少なくとも1つのパラメータの現在値を調整することと、サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
初期行動ネットワークと初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む。
本実施例において、上記実行主体は、予め訓練された評価ネットワークにステップ203で生成された特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得することができる。ここで、上記評価ネットワークは、人工ニューラルネットワーク(Artificial Neural Network,ANN)であってもよい。なお、上記評価ネットワークは、特徴表現及び映像評価点数の両者と、予測映像評価点数との間の対応関係を特徴付けるために用いられる。
初期行動ネットワークのネットワーク構造を決定し、上記初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、上記初期評価ネットワークのネットワークパラメータを初期化し、
上記少なくとも1つのパラメータの現在値を初期化し、
上記少なくとも1つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて上記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、上記サンプル特徴表現及び上記アノテーション映像評価点数を上記初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、上記サンプル特徴表現及び上記サンプル予測映像評価点数を上記初期行動ネットワークに入力し、予測行動情報を取得することと、上記予測行動情報に応じて上記少なくとも1つのパラメータの現在値を調整することと、上記サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて上記評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、上記行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
上記初期行動ネットワークと上記初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む。
Claims (17)
- ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも1つのパラメータの現在値を取得することと、
ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像評価点数を確定することと、
前記少なくとも1つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得することと、
予め訓練された評価ネットワークに前記特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得することと、
予め訓練された行動ネットワークに前記特徴表現及び前記予測映像評価点数を入力し、現在行動情報を取得することと、
前記現在行動情報に応じて前記少なくとも1つのパラメータの現在値を調整することと、を含むパラメータ調整方法。 - 前記少なくとも1つのパラメータの現在値を調整した後、
前記少なくとも1つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成することをさらに含む請求項1に記載のパラメータ調整方法。 - 前記行動ネットワーク及び前記評価ネットワークは、訓練ステップによって予め訓練して取得されたものであり、前記訓練ステップは、
初期行動ネットワークのネットワーク構造を決定し、前記初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、前記初期評価ネットワークのネットワークパラメータを初期化し、
前記少なくとも1つのパラメータの現在値を初期化し、
前記少なくとも1つのパラメータの現在値に対して特徴抽出を行い、サンプル特徴表現を取得することと、前記少なくとも1つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、前記サンプル特徴表現及び前記アノテーション映像評価点数を前記初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、前記サンプル特徴表現及び前記サンプル予測映像評価点数を前記初期行動ネットワークに入力し、予測行動情報を取得することと、前記予測行動情報に応じて前記少なくとも1つのパラメータの現在値を調整することと、前記サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて前記評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、前記行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
前記初期行動ネットワークと前記初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む、請求項2に記載のパラメータ調整方法。 - 端末装置から送信された、前記の対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信することをさらに含む請求項3に記載のパラメータ調整方法。
- 前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信した後、
受信した映像を表示するように前記端末装置を制御することをさらに含む請求項4に記載のパラメータ調整方法。 - 前記のニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数を確定することは、
少なくとも1人のユーザが、ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像である少なくとも1つの対象映像を視聴した視聴行動情報を取得することと、
取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定することと、
確定された各映像評価点数の平均値を、ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数として決定することと、を含む請求項5に記載のパラメータ調整方法。 - 視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも1つを含む請求項6に記載のパラメータ調整方法。
- ニュースクラスタに基づいてニュースクラスタの解説に対応する映像を生成するプロセスにおける少なくとも1つのパラメータの現在値を取得するように構成されたパラメータ現在値取得ユニットと、
ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数を確定するように構成された映像評価点数確定ユニットと、
前記少なくとも1つのパラメータの現在値に対して特徴抽出を行い、特徴表現を取得するように構成された特徴抽出ユニットと、
予め訓練された評価ネットワークに前記特徴表現及び確定された映像評価点数を入力し、予測映像評価点数を取得するように構成された第1の入力ユニットと、
予め訓練された行動ネットワークに前記特徴表現及び前記予測映像評価点数を入力し、現在行動情報を取得するように構成された第2の入力ユニットと、
前記現在行動情報に応じて前記少なくとも1つのパラメータの現在値を調整するように構成された調整ユニットと、を備えるパラメータ調整装置。 - 前記少なくとも1つのパラメータの現在値を調整した後、前記少なくとも1つのパラメータの現在値に基づいて、対象ニュースクラスタの解説に対応する映像を生成するように構成された映像生成ユニットをさらに備える請求項8に記載のパラメータ調整装置。
- 前記行動ネットワーク及び前記評価ネットワークは、訓練ステップによって予め訓練して取得されたものであり、前記訓練ステップは、
初期行動ネットワークのネットワーク構造を決定し、前記初期行動ネットワークのネットワークパラメータを初期化し、
初期評価ネットワークのネットワーク構造を決定し、前記初期評価ネットワークのネットワークパラメータを初期化し、
前記少なくとも1つのパラメータの現在値を初期化し、
前記少なくとも1つのパラメータの現在値に対して特徴抽出を行い、サンプル特徴表現を取得することと、前記少なくとも1つのパラメータの現在値に対応するアノテーション映像評価点数を取得することにおいて、取得したアノテーション映像評価点数が、ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数であることと、前記サンプル特徴表現及び前記アノテーション映像評価点数を前記初期評価ネットワークに入力し、サンプル予測映像評価点数を取得することと、前記サンプル特徴表現及び前記サンプル予測映像評価点数を前記初期行動ネットワークに入力し、予測行動情報を取得することと、前記予測行動情報に応じて前記少なくとも1つのパラメータの現在値を調整することと、前記サンプル予測映像評価点数と取得したアノテーション映像評価点数との差に応じて前記評価ネットワークのネットワークパラメータを調整し、取得したアノテーション映像評価点数の最大化を最適化目標とし、前記行動ネットワークのネットワークパラメータを調整することと、を含むパラメータ調整ステップを所定の訓練終了条件を満たすまで実行し、
前記初期行動ネットワークと前記初期評価ネットワークのそれぞれを予め訓練された行動ネットワークと評価ネットワークとして決定することを含む請求項9に記載のパラメータ調整装置。 - 端末装置から送信された、前記の対象ニュースクラスタの解説に対応する映像の再生を指示するための再生要求の受信に応じて、前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信するように構成された映像送信ユニットをさらに備える請求項10に記載のパラメータ調整装置。
- 前記の対象ニュースクラスタの解説に対応する映像を端末装置に送信した後、
受信した映像を表示するように前記端末装置を制御するように構成された制御ユニットをさらに備える請求項11に記載のパラメータ調整装置。 - 前記映像評価点数確定ユニットは、
少なくとも1人のユーザが、ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像である少なくとも1つの対象映像を視聴した視聴行動情報を取得するように構成された視聴行動情報取得モジュールと、
取得した視聴行動情報のそれぞれに対して、該視聴行動情報に対応する映像評価点数を確定するように構成された第1の決定モジュールと、
確定された各映像評価点数の平均値を、ニュースクラスタに基づいて前記少なくとも1つのパラメータの現在値に応じて生成された映像の映像評価点数として決定するように構成された第2の決定モジュールと、を備える請求項12に記載のパラメータ調整装置。 - 視聴行動情報は、映像識別子、ユーザ識別子、ユーザ画像情報、映像をオンにしたか否かを示す識別子、映像視聴の合計時間、映像をオフにするときの映像再生時間の少なくとも1つを含む請求項13に記載のパラメータ調整装置。
- 1つ以上のプロセッサと、
1つ以上のプログラムが記憶されているメモリとを備えており、
前記1つ以上のプログラムが前記1つ以上のプロセッサにより実行されるとき、前記1つ以上のプロセッサに請求項1〜7のいずれか1項に記載のパラメータ調整方法を実現させるサーバ。 - コンピュータプログラムが記憶されているコンピュータ可読記憶媒体であって、
前記コンピュータプログラムが1つ以上のプロセッサにより実行されるとき、請求項1〜7のいずれか1項に記載のパラメータ調整方法を実現するコンピュータ可読記憶媒体。 - コンピュータプログラムであって、
前記コンピュータプログラムがプロセッサにより実行されると、請求項1〜7のいずれか1項に記載のパラメータ調整方法を実現する、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910277782.6 | 2019-04-08 | ||
CN201910277782.6A CN111797273B (zh) | 2019-04-08 | 2019-04-08 | 用于调整参数的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020174341A JP2020174341A (ja) | 2020-10-22 |
JP6921925B2 true JP6921925B2 (ja) | 2021-08-18 |
Family
ID=71125205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019219177A Active JP6921925B2 (ja) | 2019-04-08 | 2019-12-03 | パラメータ調整方法、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10699127B1 (ja) |
JP (1) | JP6921925B2 (ja) |
CN (1) | CN111797273B (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115103023B (zh) * | 2022-06-14 | 2024-04-05 | 北京字节跳动网络技术有限公司 | 视频缓存方法、装置、设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070113181A1 (en) * | 2003-03-03 | 2007-05-17 | Blattner Patrick D | Using avatars to communicate real-time information |
JP2006520053A (ja) * | 2003-03-03 | 2006-08-31 | アメリカ オンライン インコーポレイテッド | 通信するためにアバターを使用する方法 |
US7657523B2 (en) * | 2006-03-09 | 2010-02-02 | Customerforce.Com | Ranking search results presented to on-line users as a function of perspectives of relationships trusted by the users |
US8250605B2 (en) * | 2006-12-18 | 2012-08-21 | Verizon Services Corp. | Systems and methods for presentation of preferred program selections |
US8386457B2 (en) * | 2011-06-22 | 2013-02-26 | International Business Machines Corporation | Using a dynamically-generated content-level newsworthiness rating to provide content recommendations |
US8831999B2 (en) * | 2012-02-23 | 2014-09-09 | Collegenet, Inc. | Asynchronous video interview system |
CN103369349B (zh) * | 2012-03-28 | 2016-04-27 | 中国移动通信集团公司 | 一种数字视频质量控制方法及其装置 |
US10025861B2 (en) * | 2013-08-28 | 2018-07-17 | Oath Inc. | Prioritizing items from different categories in a news stream |
US10061856B2 (en) * | 2015-01-29 | 2018-08-28 | Facebook, Inc. | Multimedia search using reshare text on online social networks |
US10387431B2 (en) * | 2015-08-24 | 2019-08-20 | Google Llc | Video recommendation based on video titles |
US9549044B1 (en) * | 2015-11-23 | 2017-01-17 | International Business Machines Corporation | Data processing |
US10733254B2 (en) * | 2015-12-10 | 2020-08-04 | Facebook, Inc. | Ranking of news feeds of content including consideration of specific content clicks by users |
CN108600780B (zh) * | 2018-05-07 | 2020-10-16 | 上海掌门科技有限公司 | 用于推送信息的方法、电子设备、计算机可读介质 |
-
2019
- 2019-04-08 CN CN201910277782.6A patent/CN111797273B/zh active Active
- 2019-12-03 JP JP2019219177A patent/JP6921925B2/ja active Active
- 2019-12-04 US US16/702,908 patent/US10699127B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10699127B1 (en) | 2020-06-30 |
JP2020174341A (ja) | 2020-10-22 |
CN111797273B (zh) | 2024-04-23 |
CN111797273A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11243747B2 (en) | Application digital content control using an embedded machine learning module | |
CN110781321B (zh) | 一种多媒体内容推荐方法及装置 | |
JP6967059B2 (ja) | 映像を生成するための方法、装置、サーバ、コンピュータ可読記憶媒体およびコンピュータプログラム | |
US10635973B1 (en) | Recommendation system using improved neural network | |
CN110555714A (zh) | 用于输出信息的方法和装置 | |
JP6745384B2 (ja) | 情報をプッシュするための方法及び装置 | |
CA3024633A1 (en) | Machine learning of response selection to structured data input | |
CN106354856B (zh) | 基于人工智能的深度神经网络强化搜索方法和装置 | |
US9268859B2 (en) | Method and system for customizing a web site | |
JP6767499B2 (ja) | モデルを使用したコンテンツ配信の最適化 | |
WO2017184204A1 (en) | Techniques for user-centric document summarization | |
WO2018031743A1 (en) | Methods, systems, and media for presenting a user interface customized for a predicted user activity | |
CN111897950A (zh) | 用于生成信息的方法和装置 | |
CN115291503A (zh) | 推荐方法、推荐装置、电子设备和存储介质 | |
JP6921925B2 (ja) | パラメータ調整方法、装置、サーバ、コンピュータ可読記憶媒体及びコンピュータプログラム | |
GB2600817A (en) | Systems and methods for generating dynamic interface options using machine learning models | |
KR102515168B1 (ko) | 광고 컨텐츠 제작 최적화 방법, 장치 및 시스템 | |
CN109472028B (zh) | 用于生成信息的方法和装置 | |
CN112269942B (zh) | 一种推荐对象的方法、装置、系统及电子设备 | |
KR20230044885A (ko) | 추천 콘텐트를 제공하는 서버 및 방법 | |
WO2021200502A1 (ja) | 情報処理装置及び情報処理方法 | |
WO2023191811A1 (en) | Transfer machine learning for attribute prediction | |
JP7077185B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
US11711581B2 (en) | Multimodal sequential recommendation with window co-attention | |
KR102578093B1 (ko) | 상담자와 내담자의 상담 내용을 기록 및 관리하기 위한 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191216 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210517 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210601 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210701 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210728 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6921925 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |