CN104854588A - 用于搜索标记的主要为非文本的项目的***和方法 - Google Patents
用于搜索标记的主要为非文本的项目的***和方法 Download PDFInfo
- Publication number
- CN104854588A CN104854588A CN201380067494.9A CN201380067494A CN104854588A CN 104854588 A CN104854588 A CN 104854588A CN 201380067494 A CN201380067494 A CN 201380067494A CN 104854588 A CN104854588 A CN 104854588A
- Authority
- CN
- China
- Prior art keywords
- lpnt
- project
- metadata
- keyword
- classification
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Television Signal Processing For Recording (AREA)
Abstract
公开了用于存储关于在标记的主要为非文本的项目(lpnt项目)的集合内的标记的主要为非文本的项目的元数据的数据库***。该***包括存储装置(10)、关键词生成装置(20)以及元数据丰富化装置(30)。存储装置(10)存储在所述集合内的lpnt项目(i)的相应的元数据,所述元数据包括至少一个lpnt项目分类(gi)以及lpnt项目描述(Ti),所述分类定义了类别。生成用于相应的类别的关键词数据的关键词生成装置(20)包括用于从与所述分类相关联的lpnt项目描述中检索术语的检索模块。关键词生成模块(20)还包括用于为所述类别指派所述术语的相关性、用于基于其指派的相关性从所述检索的术语中选择术语以及将这些选择的术语作为候选关键词进行提供的术语相关性确定模块。该***还包括用于将提供的候选关键词(K(c))的子集(Ki)作为关键词添加到类别的lpnt项目的元数据中的元数据丰富化装置(30)。
Description
技术领域
本发明涉及用于在标记的主要为非文本的项目的集合内搜索标记的主要为非文本的项目的***。
本发明还涉及用于在在标记的主要为非文本的项目的集合内搜索标记的主要为非文本的项目的方法。
相关技术
主要为非文本的项目被认为是文本在其中对信息内容只产生较小贡献的项目。其特定的示例是用于由数字媒体再现设备来进行再现的播放项目,例如电影以及歌曲。尽管播放项目包括口语的或歌唱的文本,但是其中文本的字句对数据内容而言仅起到很小的贡献。主要为非文本的项目可以具有简要的描述,例如标题以及可能有的其内容的摘要。标记的主要为非文本的项目(进一步被表示为lpnt项目)是具有分类的主要为非文本的项目。
播放项目是诸如电影之类的、可以在媒体播放器上再现的项目。提供搜索引擎以便使该用户容易在播放项目的集合中查找特定的播放项目。典型地,这些项目是被标记的,比如使用包括类型:动作片、冒险片、动画片、传记片、喜剧片、犯罪片、纪录片、戏剧片、家庭片、幻想片、黑色影片、游戏秀、历史片、惊悚片、音乐、音乐片、神秘片、新闻、现实TV、浪漫片、科幻片、运动片、脱口秀、恐怖片、战争以及西部片的IMDB类型指示。尽管播放项目可以包括例如以会话或者歌词形式的文本内容,但是该文本内容通常对于搜索目的而言是不可用的。对于有限的程度而言,播放项目的元数据可以包括诸如标题、演员以及某些时候包括的简要描述之类的文本内容。
关于这一点,US2005160460公开了用于使得用户能够搜索广播内容的信息处理装置以及信息处理方法。该装置具有基于来自用户终端的搜索信息来获取搜索关键词的搜索空间处理部件,并且其在搜索关键词字典数据库中搜索关于搜索关键词的搜索相关的关键词数据。基于搜索关键词以及搜索相关的关键词数据,该搜索空间处理部件生成搜索关键词空间并且向校正过程提交该生成的空间。搜索处理部件比较校正的搜索关键词空间、EPG数据以及EPG关键词空间以用于进行匹配。搜索显示处理部件准备来自与匹配结果的准备好进行显示的信息的列表,并将该列表发送到该用户终端。
但是已知的搜索引擎还是具有下面的示例所阐明的缺点。假设用户想要在较大的视频点播资料库中搜索意大利***电影并且该资料库不具有用于***电影的特定的类型标记,但是替代地,这些电影典型地以类型 “动作”、“匪徒”、“意大利”来标记。现在,用户可以简单地使用单词 “***”作为全文本搜索中的查询。潜在地,电影“教父”的描述实际上可能不包含单词“***”,所以因此,在该全文本搜索中该电影不会作为结果而被返回。
通常,通过对播放项目的描述来应用全文本搜索,用户可能会错过与其当前兴趣相匹配的有意思的播放项目,这仅仅是因为用户典型地将其与给定的播放项目相关联的关键词或者从字典中检索的搜索相关的关键词未在播放项目的描述中明确给出。
发明内容
本发明的目的是提供至少部分地减轻上文所提到的缺点的***。
本发明的目的是提供至少部分地减轻上文所提到的缺点的方法。
根据本发明的第一方面,如权利要求1所要求的,提供了一种***。
根据本发明的第二方面,如权利要求11所要求的,提供了一种方法。
在根据本发明的第一方面的***以及根据本发明的第二方面的方法中,由从类型规范中获得的进一步的关键词来丰富由用户所提供的一组关键词。
如上文所指示的,在lpnt项目中,特别是在播放项目中,对信息内容而言文本仅具有较小的贡献。对于该贡献的度量是将发生在lpnt项目中的文本以ascii码进行编码所必需的数据量除以用于编码该lpnt项目的总数据量的比值。
附图说明
参考附图来更详细地这些以及其他方面。其中:
图1示意性地示出了根据本发明的第一方面的数据库***的实施例,
图1A示意性地示出了用于将类别指派给lpnt项目的第一方法,
图1B示意性地示出了用于将类别指派给lpnt项目的第二方法,
图2示出了图1中的数据库***的实施例的一部分,
图2A更详细地示出了所述部分,
图3A示出了图1中的数据库***的实施例的另一部分,
图3B示出了图1中的数据库***的另一个实施例的部分,
图4示意性地示出了根据本发明的第一方面的数据库***的进一步的实施例,
图5示意性地示出了根据本发明的第一方面的数据库***的再进一步的实施例,
图6示意性地示出了根据本发明的第一方面的数据库***的更进一步的实施例,
图7示意性地示出了根据本发明的第二方面的方法的实施例,
图8更详细地示出了根据本发明的第二方面的进一步的方法的方面。
具体实施方式
除非另有指示,在各个不同的附图中相同的参考符号指示相同的元素。
图1示意性地示出了根据本发明的第一方面的用于在标记的主要为非文本的项目(lpnt项目)的集合中存储关于标记的主要为非文本的项目的元数据的数据库***。如上文所指示的,在lpnt项目中,文本对信息内容而言只具有较小的贡献。对于该贡献的度量是将发生在lpnt项目中的文本以ascii码进行编码所必需的数据量除以用于编码该lpnt项目的总数据量的比值。
作为示例,被编码为mp3项目的三分钟的歌曲使用大约1-10M字节的存储空间。根据粗略的估算,该歌曲的文本可以包括多达2000个字符,其可以由2k字节来表示。因此,该文本对该歌曲的总信息内容贡献了不多于大约0.2%。
作为另一个示例,具有两小时时长的电影可以以大概1GB来进行编码。包含在该电影中的文本(口语的,或者作为隐藏式字幕)可以以80kB来进行编码。因此,该文本对该电影的总信息内容贡献了不多于大约0.00008%。
作为一般规则,将发生在lpnt项目中的文本以ascii码进行编码所必需的数据量至多为用于编码该lpnt项目的总数据量的1%。
需要指出的是,文本对lpnt项目中的信息内容较小的贡献与文档检索***中的项目形成鲜明对比。
典型地,lpnt项目仅包括简要的说明,即不多于几百单词(比如,少于100个单词)。在一些情况下,只有该项目的标题是可用于描述的,其通常包含甚至少于10个单词。
在集合中的每个lpnt项目都具有与其相关联的一个或多个标记。给定所有标记的集合G={g1,g2,…gn},对于lpnt项目i而言,假设与i相关联的标记是由Gi?G所给出的。此外,假设I(c)是属于类别c的lpnt项目的集合。不同的方法可能用来定义类别以及可能用来确定属于每个类别的lpnt项目。在图1A所图示的一个极端情况下,由单个标记来定义每个类别。在那种情况下,如果lpnt项目可以被指派一个或多个标记,则类别会有重叠。例如,第一类别c1可以由具有标记g1的所有lpnt项目来定义,第二类别c2可以由具有标记g2的所有lpnt项目来定义,以此类推,直到由标记gn来定义的第n个类别。在这种情况下,例如具有标记g1、g2的lpnt项目属于类别c1和c1中的每一个。
在另一个极端的情况下,lpnt项目i的类别c是由标记Gi的集合来确定的。在那种情况下,每个lpnt项目属于正好一个类别并且该类别彼此不相互重叠。在图1B中图示了这一点。其中,提供定义了7个类别的三个标记g1、g2、g3。首先三个类别是包含仅分别具有标记g1、g2和g3的lpnt项目的c1、c2和c3。四个剩下的类别是具有标记g1和g2的所有lpnt项目的类别c4,具有标记g1和g3的所有lpnt项目的类别c5,具有标记g2和g3的所有lpnt项目的类别c6,具有标记g1、g2和g7的所有lpnt项目的类别c7。按照这种方式,利用相同的标记集合获得了更精细粒度的分类。例如,混合方法可能会实现每个类别包含大概相同数量的lpnt项目。例如,如果发现在图1B所描绘的的情形中类别7仅包含一个或两个lpnt项目,则可以删除类别c7并且替代地,这些lpnt项目可以被指派给类别c4、c5和c6中的每一个。
图1中的数据库***包括存储装置(storage facility)10,如在表1中示意性地指示的,已经在其中在所述集合内为lpnt项目i存储相应的元数据Gi、Ti。该元数据包括至少一个lpnt项目标记,即作为一个或多个标记的子集Gi以及被指派给该lpnt项目i的lpnt项目描述Ti。存储装置10还可以包括到该lpnt项目内容的位置的指针。在一些情况下,该内容可以被存储在所述存储装置10内。
表1:用于lpnt项目i的元数据Gi、Ti
Lpnt项目 | 标记集合 | 描述 |
1 | G1 | T1 |
… | … | … |
i | Gi | Ti |
… | … | … |
n | Gn | Tn |
图1的数据库***还包括用于为相应的类别c生成关键词数据的关键词生成装置20。如在图2中更详细地示出的,该关键词生成装置20包括用于从与所述类别相关联的lpnt项目的lpnt项目描述中检索术语的检索模块22。因此,对于每个类别,该检索模块22确定哪些lpnt项目是属于该类别,并且确定包含在这些lpnt项目的描述中的术语。关键词生成装置20还包括用于为所述类别指派所述术语的相关性R(t, c)的术语相关性确定模块24。基于该指派的相关性R(t, c),根据其指派的相关性R(t, c)来从所述检索的术语T(c)中来选择术语,并且将该选择的术语作为关键词K(c)来提供。因此,为类别c所提供的关键词K(c)是从相关联的文档的描述中为所述类别c而检索的术语T(c)的子集。典型地,仅选择术语T(c)的一小部分(例如,少于10%)作为关键词K(c)。
经常性地,用于lpnt项目的分类的标记是预定义的。例如,在电影数据库中,电影可能已经指派了上文所定义的IMDB类型标记。但是,如上文所指示的,可以基于类型标记的组合来定义类别,例如,对于具有标记“戏剧”以及“浪漫”两者的电影可以定义单独的类别。这具有如下优点:相比于通过将来自术语列表中的术语进行组合从仅基于一个标记的类别中获得术语的情况,仅需要对lpnt项目的更有限的子集进行分析并且查找到的术语可以更好地反映这些lpnt项目的内容。但是,如果基于类型标记的组合的类别仅包括非常有限数量的lpnt项目,则可以考虑移除这个类别并且替代地,将该lpnt项目指派给由单个标记或者由标记的子组合所定义的类别中。
各种不同的选项可能用于确定用于类别的术语T(c)的相关性。例如,相关性确定模块24可以对在其描述中包含该术语的类别中的lpnt项目的数量进行计数并且将该数量与基于普通使用中该术语的已知频率预计包含该术语的lpnt项目的数量进行比较。为此,该相关性确定模块24可以具有包含后一信息的查找表。
图2A示出了在数据库***中的实施例的相关性确定模块24的特定的装置。其中,该相关性确定模块24包括用于为根据所述分类具有相应的类别c的lpnt项目来提供指示了术语T(c)的频率的频率指示Ttc的术语频率分析单元241。关键词生成设备24还包括用于提供作为整体在lpnt项目的集合中指示术语T(c)的频率的参考指示Fref的参考单元242。该关键词生成设备24还包括用于根据所述频率指示Ftc以及所述参考指示Fref来为类别c确定术语的相关性的归一化单元243。基于由相关性确定模块24所指派的相关性,从在类别c的lpnt项目i的描述内查找到的术语T(c)中选择用于类别c的关键词K(c)的集合。例如,该选择的关键词Kw可以是具有高于预先确定的值的相关性的所有术语T(c)。可替换地,可以选择来自根据下降的相关性来排序的术语T(c)的列表的前Nt个术语,其中Nt是预先确定的数。在另一个实施例中,可以根据准则的组合来做出选择,例如,选择或者处于列表的前Nt的所有术语或者选择具有比阈值更高的相关性的所有术语。在又一个实施例中,从出现在列表的前Nt的位置以及额外还具有比阈值更高的相关性的术语T(c)中选择关键词K(c)。
应该指出的是,各种不同的选项是可能用来确定频率指示Ftc的。
根据第一个方法,频率指示Ftc是原始频率,即:术语T(c)在类别c的lpnt项目描述中出现的次数。
根据第二个方法,频率指示Ftc是基于“布尔频率”。就lpnt项目而言,如果术语出现在lpnt项目描述中,则该术语的布尔频率被设置为1,而如果其没有出现在其中,将术语频率设置为0。因此,频率指示Ftc是具有至少一次包含术语T(c)的描述的lpnt项目的数量。在一个实施例中,除了一之外的另一个阈值可以被用于这个度量。
根据第三个方法,频率指示是对数换算的频率,即Ftc=1+log f(t,c)(并且在f(t,c)=0时为0),其中f(t,c)是类别c中的术语的原始频率。
频率指示Ftc可以被放缩来说明描述的长度和/或类别中lpnt项目的数量中的差别。为此,原始频率f(t,c)可以根据该类别中的任何术语的最大原始频率而放缩,或者根据在该类别中的术语的总数而放缩。在下述的情况下,这不是必要的,这种情况是如果根据实质上相等大小的类别以及实质上相等的长度的描述来对lpnt项目进行分类。此外,如果该频率指示Ftc是基于“布尔频率”,则不需要考虑描述的长度。如果选择的关键词是来自根据下降的相关性而排序的术语列表T(c)的前Nt个术语,则考虑描述的大小以及该类别的大小的放缩也不是必要的。
为了将对于特定类别不具有相关性的普通的频繁地发生的术语排除在外,还为术语T(c)来确定参考指示Fref。该指示Fref被用作用于频率指示FTc的加权因子。该参考指示是指示该术语在lpnt项目的整个集合中是普通的还是稀有的的度量。典型地,通过确定lpnt项目的总数除以包含该术语的lpnt项目的数量的商的对数来获得该术语。要指出的是,可替换地,该度量可以根据整个集合的代表性子集来进行估计。在又一个实施例中,被用作加权因子的该参考指示Fref可以是整个集合中的术语的总数的倒数。可替换地,被用作加权因子的该参考指示Fref可以是该术语正常使用中该术语的频率的倒数。该数据可以作为查找表来得到。
该数据库***还包括用于向类别的lpnt项目i的元数据中添加为类别c作为关键词而查找到的提供的候选关键词K(c)的相应的子集的元数据丰富化装置30。对于被指派给仅一个类别的lpnt项目而言,将为该类别所查找到的候选关键词K(c)添加到那些lpnt项目的元数据中是足够的。提供的候选关键词K(c)的子集可以包括全部候选的关键词。但是,典型地,该子集提供了被提供的候选的关键词的选择,例如,对于lpnt项目而言,已经在该lpnt项目的lpnt项目描述中存在的候选关键词可以被排除在外。此外,对于类别的特定lpnt项目而言,其他候选关键词可以在结果的子集中被排除,这一点在下文中将更详细地予以描述。
如上文所指示的,不同的方法可能用于定义类别以及确定属于每个类别的lpnt项目。在某些情况下,lpnt项目i可以被指派给多于一个类别c。如果lpnt项目具有多于一个标记并且每个标记定义单独的类别,则就是这种情况。例如,电影可以具有标记“浪漫”以及“戏剧”,并且这两个标记的组合不被认为是单独的类别。在这种情况下,来自多于一个类别的关键词K(c)对于这样的lpnt项目而言是可用的。不同的方法是可能的。根据第一个方法,将针对lpnt项目所属的类别中的每一个选自术语T(c)的所有的关键词Kw添加到该lpnt项目的元数据中。根据另一个方法,根据关键词来做出进一步的选择。例如,元数据丰富化装置30可以构成从用于lpnt项目的相关类别中的每一个中所获得的关键词的组合的列表,并且根据它们的相关性在其中提供其全体的排序。然后,可以从组合的列表中的关键词选择具有最高排序的关键词的子集。在这种情况下,关键词生成装置20将指派给该关键词的相关性指示符提供给元数据丰富化装置30是必需的。可替换地,针对每个类别,关键词生成装置20可以以与其相关性排序相对应(而不用指定其相关性)的预先确定的顺序来将关键词的列表提供给元数据丰富化装置30,并且该元数据丰富化装置30从该列表中的每一个中选择原先确定大小的子集。
在又一个方法中,元数据丰富化装置30选择被指派给每个类别的关键词集合的交集,即该元数据丰富化装置30选择对于lpnt项目i所属的类别c中的每一个而言是公共的关键词。
针对lpnt项目所选择的关键词Ki的集合(可以与用于该lpnt所属的类别的关键词K(c)的集合相同)可以被添加到描述中。通过这种方式,现有的搜索引擎可以查找该关键词。可替换地,如在下面的表2中所示出的,可以将关键词Ki包含在单独的字段中。
表2:包括用于附加的关键词Ki的单独的字段的lpnt项目i的元数据
Lpnt项目 | 标记集合 | 描述 | 附加的关键词 |
1 | G1 | T1 | K1 |
… | … | … | … |
i | Gi | Ti | Ki |
… | … | … | … |
n | Gn | Tn | Kn |
在用于lpnt项目i的元数据的单独的字段中提供lpnt项目特定的关键词Ki是有利的,这是因为其允许搜索引擎对实际上在lpnt项目的原始描述中发生的关键词与被添加的关键词进行区分。例如,假设lpnt项目是说明烹饪食谱的准备的视频并假设该搜索指定“意大利的”(“Italian”)而非“巴尔马干酪”(Parmesan)。考虑到意大利烹饪食谱经常包括巴尔马干酪作为配料的事实,很可能这会作为附加的关键词而发生。在这种情况下,搜索将不展现任何命中。但是,在附加的关键词被添加到元数据的单独的条目中的情况下,当原始的描述不包括关键词“巴尔马干酪”时,该搜索引擎确定该食谱符合查询。
图3A示出了在数据库***的实施例中的元数据丰富化装置30。在所示出的实施例中,该元数据丰富化装置30包括用于向通用搜索引擎GSE发出第一查询q1和第二查询q2的查询发出装置31。基于lpnt项目的标题Ti以及由关键词生成装置20所提供的候选的关键词K(c)来执行第一查询q1。因此,指引该查询来搜索包括题目Ti以及候选关键词K(c)两者的目标。基于lpnt项目的标题Ti来执行第二查询q2,而不指定所提供的候选关键词K(c)。需要指出的是,在上述两种情况下,例如通过在引号间指定标题,该查询应当作为整体而被指引到该标题,而不会被指引到在其中出现的单个单词。该查询q1和q2可以共同地包括一个或多个进一步的术语来将该搜索限定在特定的范围。例如,如果在集合中的该lpnt项目是电影,该查询q1和q2可以进一步包括关键词“电影”。该元数据丰富化装置30还包括附加的相关性指示装置32,其用于使用对于第一查询q1估计的命中次数N(q1)以及对于第二查询q2估计的命中次数N(q2)来确定候选关键词K(c)的特定于lpnt项目的相关性。此处,字句“估计的”被用来指示并非所有的搜索结果实际上需要真正与涉及到的lpnt项目相关。例如,如果该查询没有被显式地限制为电影,则具有搜索术语“教父”的查询也可以展现图书以及游戏,还可以展现与作为“小孩在洗礼时的教父”的教父的原始意思相关的那些结果。但是,为了将查询1和2的查询结果进行比较的目的,由通用搜索引擎所查找到的结果的数量通常是个好的准则。候选关键词的特定于lpnt项目的相关性可以基于数值范围是从0到1之间的比值N(q1)/N(q2)(假设N(q2)≠0)。其中,如果该比值等于1,则候选关键词可以为被认为是特别相关的,而如果该比值等于0,则候选关键词可以被认为是不相关的。
元数据丰富化装置30还包括阻塞装置33,其是用于如果候选关键词的特定于lpnt项目的相关性低于预先确定的值,则阻止将所提供的候选关键词指派给lpnt项目的元数据。通过这种方式,可以根据候选关键词(即,为了实现与作为类别的成员的特定lpnt项目特别相关的关键词的子集的类别相关的关键词)来做出附加的选择。
图3B示出了根据本发明的第一个方面的数据库***的另一个实施例的元数据丰富化装置30。其中,查询发出装置31被进一步布置来用于向通用搜索引擎发出第三查询q3。基于由生成装置20所提供的候选关键词来执行该第三查询。lpnt项目的标题Ti没有被包括在该查询中。在这个实施例中,针对候选关键词所确定的该特定于lpnt项目的相关性还取决于针对所述第三查询q3估计的命中次数N(q3)。在这种情况下,比值N(q1)/N(q3)提供了对于具有标题Ti的lpnt项目候选关键词的相关性的进一步指示。在图3B中所示出的这个实施例中,由附加的相关性指示部分32a来计算比值N(q1)/N(q2),由附加的相关性指示部分32b来计算比值N(q1)/N(q3),并且附加的相关性指示部分32c确定布尔相关性指示符R。如果R为真,则阻塞装置33仅提供关键词K(c)来作为用于lpnt项目i的特定的关键词Ki。在实施例中,当且仅当(N(ql)/N(q2) > Thrl2 AND N(ql)/N(q3) > Thrl3)时,则附加的相关性指示部分32c确定R为真,其中,Thrl2以及Thr13是预先确定的阈值。
如在图4中所描绘的根据第一方面的数据库***的实施例还包括通信装置40,其用于接收包括一个或多个关键词的集合Ku的针对所查寻的lpnt项目的用户搜索请求USR。在所示出的这个实施例中,数据库***还包括搜索装置50,其用于根据包括在该搜索请求中的一个或多个关键词的集合来执行在所述丰富的元数据中的查询。
如在图5中所示出的数据库***的进一步的实施例还包括用于接收关于新的lpnt项目i的元数据的输入装置60。该实施例的数据库***附加地包括用于在存储装置10中存储所述元数据以及用于更新在集合中的lpnt项目的元数据的更新装置70。更新元数据的过程可以分批发生,即,例如每次在向该集合添加了预先确定数量的lpnt项目(例如,100个lpnt项目)之后,关键词的指派可以重新发生。
但是,优选地,可以迭代地更新元数据。为了实现这一点,如下文所阐述的,维持类别—术语—频率表(参见示例表格表3)。该类别—术语—频率表针对每个类别(C1,C2,…,Cn)包括术语的列表(术语):{T11,…T1n1},{T21,…T2n2},…,{Tm1,…Tm,nm}等。术语列表中的每一个都具有术语频率的相对应的列表{F11,…,F1n1}以及参考频率的列表{FR11,…FR1n1}。另外,可以维持归一化频率的列表{FN11,…,FN1n1}。但是,这不是必要的,这是因为后一个列表是根据在表中已经可用的比值FTc/Fref来计算得到的。
针对每个添加的lpnt项目i新,其要求如下内容:
—针对lpnt项目i新,确定术语列表,其包括在lpnt项目的描述中(例如,在标题中)发生的术语。
—针对lpnt项目,确定术语频率列表,其包括所述术语列表的术语发生的频率的指示。
—根据该术语频率列表,更新用于相关的一个类别/多个类别的术语频率Ftc,即,针对该新lpnt项目i新所属于的每个类别,通过以在术语频率列表中所指示的频率增加计数来更新术语频率Ftc。
—还根据该信息,可以更新用于该术语的参考频率FRij。可替换地,用于每个术语的相应的固定参考频率是可以假定的。但是,由于随着时间的推移会引入新的术语,所以随着时间推移应该针对新的术语来添加参考频率。附加地,由于随着时间的推移用于某些术语的频率会增加,而用于其他术语的频率会减少,所以随着时间推移每年完成若干次对参考频率的更新可能是最佳的。
—随后,针对由于新的lpnt项目的添加而改变了术语统计数据的那些类别来更新归一化的频率,即,所述类别是新的lpnt项目所属的类别,并且如果该参考频率也被更新的话,则所述类别也涵盖包含从新的lpnt项目中检索到的术语列表中的一个或多个术语的其他类别。
—基于先前在用于该新的lpnt项目所属的(多个)类别的过程中所选择的关键词的集合Kw,来丰富该lpnt项目的元数据。
—如果对于一个或多个类别其他关键词看似是相关的这个结论是从更新归一化的频率的步骤中得出的,则所有lpnt项目的元数据可以相应地被更新。
表3:类别—术语—频率表的示例
类别 | 术语 | Ftc | Fref | Ftc/Fref |
C1 | T11,T12…… | F11,F12…… | FR11,FR12…… | FN11,FN12…… |
C2 | T21,T22…… | F21,F22…… | FR21,FR22…… | FN21,FN22…… |
…… | …… | …… | …… | …… |
Ci | Ti1 | Fi1 | FRi1 | TFIDFi1 |
…… | …… | …… | …… | …… |
根据本发明的第一方面的数据库***的又一个实施例在图6中示出。在其中示出的数据库***还包括用于存储用户简档的用户简档存储装置80。用户简档至少包括用户指定的关键词。该用户指定的关键词可以由用户来显式地指定(Kexp)。可替换地,该***可以检测该用户经常使用哪些关键词并且将这些关键词作为隐式的关键词(Kimp)添加到用户简档。在图6中所示出的数据库***的实施例还包括推荐装置90。在接收到关于新的lpnt项目的元数据时以及在更新了该新的lpnt项目的元数据之后,该推荐装置90针对每个用户将新的lpnt项目的更新的元数据与相应的用户所指定的关键词进行比较。然后,推荐装置90向简档与新的lpnt项目的更新的元数据相匹配的那些用户来推荐该新的lpnt项目。
图7示意性地示出了根据本发明的第二方面的方法。用于在标记的lpnt项目的集合中存储关于lpnt项目的元数据的发明方法包括第一步骤 S1,其中为在该集合内的lpnt项目来存储相应的元数据。该元数据包括至少一个lpnt项目分类以及lpnt项目描述。如上文所讨论的,可以给lpnt项目指派多于一个的lpnt项目分类。该lpnt项目分类定义了类别。对于在lpnt项目分类以及类别定义之间的关系,各种不同的可替换的方式是可能的。根据一个定义,每个分类与类别相关联,以便具有多于一个分类的lpnt项目属于不同的类别。根据另一个定义,分类的每个组合定义类别。在这种情况下,每个lpnt项目仅属于一个类别。可替换地,混合的定义是可能的。例如,可以通过在第二个定义中的分类的组合来定义类别,假如足够多个lpnt项目具有分类的这种组合的话。如果具有这种组合的lpnt项目的数目少于一个阈值(例如,少于10),则将lpnt项目指派给由单个分类或者由这些分类的相应的子集所构成的类别。根据本发明的方法针对lpnt项目(即,将发生在该lpnt项目中的文本以ascii码进行编码所必需的数据量至多为用于编码该lpnt项目的总数据量的1%)是可操作的。典型地,在集合中的lpnt项目的描述中的平均字词数目也是很低的,例如几百个单词,例如最多100个单词,或者甚至不多于10个单词。
该方法包括针对相应的类别从与所述类别相关联的lpnt项目的lpnt项目描述中检索术语的第二步骤S2。因此,对于每个类别,确定哪些lpnt项目是属于该类别的,并且确定哪些术语出现在这些lpnt项目的描述中。可以应用预先选择步骤来过滤出诸如冠词“the”以及“a”之类的很常见的单词。
在下一个步骤S3中,将相关性指派给针对类别所检索的术语。
在步骤S4中,基于其指派的相关性来从检索的术语中选择术语,并且将其作为候选关键词来提供。典型地,只有真子集将会被选择。但是,如果只有少量的术语是可用的,则可以将全部这些作为候选的关键词来提供。
在步骤S5中,提供的候选关键词的子集被添加到类别的lpnt项目的元数据中。尽管可以考虑将类别的全部候选关键词添加到该类别的全部的lpnt项目中,但是在实践中,这可能并不是有用的。例如,被添加到lpnt项目中的提供的候选关键词的子集可以包括没有已经在lpnt项目的描述中出现的候选关键词。
而且,提供的候选关键词的子集可以附加地由参考图8所描述的附加选择过程所限制。在这个附加的选择过程中,分别在步骤S51、S52,将第一和第二查询q1、q2发出到通用搜索引擎。可以以任何顺序或者同时发出这些查询。基于lpnt项目的标题以及候选关键词(即,针对lpnt项目所属的类别而生成的关键词)来执行步骤S51中的第一查询q1。基于lpnt项目的标题来执行步骤S52中的第二查询q2,而不指定该候选关键词。随后,在步骤S54中,使用作为第一查询(q1)的结果产生的估计的命中次数以及作为第二查询(q2)的结果产生的估计的命中次数来确定候选关键词的特定于lpnt项目的相关性。在步骤S55中,如果在步骤S54中确定关键词的特定于lpnt项目的相关性低于预先确定的值,则将提供的候选关键词从要被指派到lpnt项目的元数据的关键词的子集中排除出去。
在该方法的实施例中,在步骤S53中向通用搜索引擎发出第三查询(q3)。基于候选关键词来执行第三查询q3,而不指定lpnt项目的标题。可以以任何顺序或同时发出查询q1、q2和q3。在随后的步骤S54中,针对该候选关键词来确定特定于lpnt项目的相关性,其进一步取决于所述第三查询(q3)的估计的命中次数。
Claims (17)
1.一种用于存储关于在标记的主要为非文本的项目(lpnt项目)的集合中的标记的主要为非文本的项目的元数据的数据库***,该***包括:
-其中存储有所述集合中的lpnt项目的相应的元数据的存储装置(10),所述元数据包括选自标记的集合的至少一个lpnt项目标记以及lpnt项目的描述,标记的所述集合定义类别,其中将发生在该lpnt项目中的文本以ascii码进行编码所必需的数据量至多为用于编码该lpnt项目的总数据量的1%,
-用于为相应的类别生成关键词数据的关键词生成装置(20),包括用于从与所述类别相关联的lpnt项目的lpnt项目描述中检索术语的检索模块,以及用于针对所述类别指派所述术语的相关性,用于基于它们指派的相关性来从所述检索的术语中选择术语以及将这些选择的术语作为候选的关键词来提供的术语相关性确定模块,
-用于向类别的lpnt项目的元数据中添加针对类别作为选择的关键词而生成的该候选关键词的相应的子集的元数据丰富化装置(30)。
2.根据权利要求1的所述数据库***,其中该lpnt项目是用于由媒体再现设备进行再现的播放项目。
3.根据权利要求1的所述数据库***,其中所述术语相关性确定模块包括术语频率分析单元,其用于为根据所述分类具有相应的类别的lpnt项目提供指示术语的频率的频率指示,所述关键词生成设备还包括用于提供在lpnt项目的集合中指示该术语的频率的参考指示的参考单元以及用于根据所述频率指示和所述参考指示确定该术语的该相关性的归一化单元。
4.根据权利要求1、2或3的数据库***,其中所述元数据丰富化装置包括用于向通用搜索引擎发出第一查询(q1)和第二查询(q2)的查询发出装置,其中基于lpnt项目的标题以及由该关键词生成装置所提供的候选关键词(wk)来执行所述第一查询(q1),并基于该lpnt项目的该标题来执行第二查询(q2),而不指定所提供的候选关键词,以及其中该元数据丰富化装置还包括用于使用所述第一查询(q1)的估计的命中次数和所述第二查询(q2)的估计的命中次数来确定该候选的关键词的特定于lpnt项目的相关性的附加的相关性指示装置,以及其中该元数据丰富化装置还包括阻塞装置,其用于如果用于lpnt项目的该候选关键词的该特定于lpnt项目的相关性低于预先确定的值,则阻止将所提供的候选关键词指派给该lpnt项目的元数据。
5.根据权利要求4的所述数据库***,其中所述查询发出装置被进一步布置来用于向该通用搜索引擎发出第三查询(q3),基于该候选关键词来执行所述第三查询,而不指定该lpnt项目的该标题,以及其中为该候选的关键词所确定的该特定于lpnt项目的相关性还取决于所述第三查询(q3)的估计的命中次数。
6.根据前述权利要求中的一个的所述数据库***,其中该元数据丰富化装置(30)被布置用于将该选择的关键词添加到在与用于存储该描述的条目分开的条目中的所述元数据。
7.根据前述权利要求中的一个的所述数据库***,还包括:
—用于接收包括一个或多个用户指定的关键词的集合(Ku)的用户搜索请求(USR)的通信装置(40),
—用于基于一个或多个用户指定的关键词的集合在所述丰富的元数据中执行查询的搜索装置(50)。
8.根据权利要求7的所述数据库***,还包括:
—用于接收关于新的lpnt项目的元数据的输入装置(60),
—用于在存储装置中存储所述元数据以及用于更新在该集合中的该lpnt项目的该元数据的更新装置(70)。
9.根据权利要求8的所述数据库***,还包括,
—用于存储用户简档的用户简档存储装置(80),用户简档至少包括用户指定的关键词,
—推荐装置(90),其用于在接收到关于新的lpnt项目的元数据时以及在更新所述新的lpnt项目的所述元数据之后,针对每个用户将该新的lpnt项目的该更新的元数据与相应的用户指定的关键词进行比较,以及用于向用户指定的关键词与该新的lpnt项目的该更新的元数据相匹配的那些用户推荐该新的lpnt项目。
10.一种用于存储关于在标记的主要为非文本的项目(lpnt项目)的集合中的标记的主要为非文本的项目的元数据的方法,该方法包括如下步骤:
—存储(S1)在所述集合内的lpnt项目的相应元数据,所述元数据包括选自标记的集合的至少一个lpnt项目标记以及lpnt项目的描述,标记的所述集合定义类别,其中将发生在该lpnt项目中的文本以ascii码进行编码所必需的数据量至多为用于编码该lpnt项目的总数据量的1%,
—针对相应的类别从与所述类别相关联的lpnt项目的lpnt项目描述中检索(S2)术语,
—针对所述相应的类别,指派(S3)所述检索的术语的相关性,
—基于其指派的相关性,从所述检索的术语中选择(S4)术语并将这些选择的术语作为候选的关键词来提供,
—将该提供的候选关键词的子集作为关键词来添加(S5)到类别的lpnt项目的该元数据中。
11.根据权利要求10的所述数据库***,其中该lpnt项目是用于由媒体再现设备进行再现的播放项目。
12.根据权利要去10或11的所述方法,其中指派术语相关性包括为根据所述分类具有相应的类别的lpnt项目提供指示术语的频率的频率指示,提供指示在lpnt项目的该集合中该术语的频率的参考指示,以及根据所述频率指示和所述参考指示来确定该术语的该相关性。
13.根据权利要求11或12的所述方法,还包括向通用搜索引擎发出第一查询(q1)以及第二查询(q2)的步骤,其中基于lpnt项目的标题以及由该关键词生成装置所提供的候选关键词(wk)来执行所述第一查询(q1),并且基于所述lpnt项目的该标题来执行第二查询(q2),而不指定该提供的候选关键词,并且使用所述第一查询(q1)的估计的命中次数和第二查询(q2)的估计的命中次数来确定该候选关键词的特定于lpnt项目的相关性,并且如果该候选关键词的该特定于lpnt项目的相关性低于预先确定的值则阻止将该提供的候选关键词作为关键词被指派给该lpnt项目的该元数据。
14.根据权利要求13的所述方法,还包括向该通用搜索引擎发出第三查询(q3)的步骤,基于该候选的关键词来执行所述第三查询,而不指定该lpnt项目的该标题,并且其中为该候选关键词所确定的该特定与lpnt项目的相关性还取决于所述第三查询(q3)的估计的命中次数。
15.根据权利要求11的所述方法,其中将从该候选的关键词中选择的该子集添加到与用于存储该描述的条目分开的条目中的所述元数据。
16.根据权利要求11的所述方法,还包括:
—接收包括一个或多个用户指定的关键词的集合(Ku)的用户搜索请求(USR),
—基于一个或多个用户指定的关键词的集合,在所述丰富的元数据中执行查询。
17.一种包括用于使得数据处理设备执行如下步骤的指令的计算机程序产品,所述步骤包括:
—为在标记的主要为非文本的项目(lpnt项目)的集合内的标记的主要为非文本的项目存储相应的元数据,所述元数据包括至少一个lpnt项目标记和lpnt项目的描述,标记的所述集合定义类别,其中将发生在该lpnt项目中的文本以ascii码进行编码所必需的数据量至多为用于编码该lpnt项目的总数据量的1%,
—针对相应的类别,从与所述类别相关联的lpnt项目的lpnt项目描述中检索术语,
—针对所述相应的类别,指派所述检索的术语的相关性,
—基于其指派的相关性从所述检索的术语中选择术语,并将这些选择的术语作为候选关键词来提供,
—将该提供的候选关键词的子集作为关键词来添加到类别的lpnt项目的该元数据中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261739819P | 2012-12-20 | 2012-12-20 | |
US61/739819 | 2012-12-20 | ||
PCT/IB2013/058974 WO2014097000A1 (en) | 2012-12-20 | 2013-09-29 | System and method for searching a labeled predominantly non-textual item |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104854588A true CN104854588A (zh) | 2015-08-19 |
CN104854588B CN104854588B (zh) | 2019-06-04 |
Family
ID=49920363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380067494.9A Expired - Fee Related CN104854588B (zh) | 2012-12-20 | 2013-09-29 | 用于搜索标记的主要为非文本的项目的***和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9940382B2 (zh) |
EP (1) | EP2936348A1 (zh) |
JP (1) | JP6219967B2 (zh) |
CN (1) | CN104854588B (zh) |
BR (1) | BR112015014319A2 (zh) |
RU (1) | RU2015129559A (zh) |
WO (1) | WO2014097000A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328389A (zh) * | 2021-12-31 | 2022-04-12 | 浙江汇鼎华链科技有限公司 | 一种云计算环境下的大数据文件分析处理***及方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317572A1 (en) * | 2014-05-05 | 2015-11-05 | Sap Ag | On-Demand Enrichment of Business Data |
US10489410B2 (en) * | 2016-04-18 | 2019-11-26 | Google Llc | Mapping images to search queries |
CN109635277B (zh) * | 2018-11-13 | 2023-05-26 | 北京合享智慧科技有限公司 | 一种获取实体信息的方法及相关装置 |
CN111709229A (zh) * | 2020-06-16 | 2020-09-25 | 平安科技(深圳)有限公司 | 基于人工智能的文本生成方法、装置、计算机设备和介质 |
CN114697748B (zh) * | 2020-12-25 | 2024-05-03 | 深圳Tcl新技术有限公司 | 一种基于语音识别的视频推荐方法和计算机设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1323007A (zh) * | 2000-05-15 | 2001-11-21 | 索尼公司 | 用于搜索和提供内容的***和方法以及软件存储介质 |
US20020194271A1 (en) * | 1997-02-18 | 2002-12-19 | Pioneer Electric Corporation | Computer for a reproducing medium |
US20050160460A1 (en) * | 2002-03-27 | 2005-07-21 | Nobuyuki Fujiwara | Information processing apparatus and method |
US20100082575A1 (en) * | 2008-09-25 | 2010-04-01 | Walker Hubert M | Automated tagging of objects in databases |
WO2011033457A1 (en) * | 2009-09-16 | 2011-03-24 | Intellisemantic Srl | System and method for content classification |
WO2012010510A1 (en) * | 2010-07-21 | 2012-01-26 | Spectralmind Gmbh | Method and system to organize and visualize media items |
US20120197890A1 (en) * | 2007-04-04 | 2012-08-02 | Intertrust Technologies Corp. | Discovering and scoring relationships extracted from human generated lists |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4299683B2 (ja) | 2004-01-08 | 2009-07-22 | 日本電信電話株式会社 | メタデータ管理方法、メタデータ管理装置、メタデータ管理プログラム及びメタデータ管理プログラムを記録した記録媒体 |
US8098976B1 (en) | 2011-09-26 | 2012-01-17 | Limelight Networks, Inc. | Methods and systems for performing top concepts extraction |
JP2008139942A (ja) | 2006-11-30 | 2008-06-19 | Seiko Epson Corp | 情報処理装置、情報処理方法、および、プログラム |
JP2009163600A (ja) | 2008-01-09 | 2009-07-23 | Hitachi Ltd | メタデータ共有システム、サーバ装置、クライアント装置及びメタデータ共有方法 |
NO329897B1 (no) * | 2008-12-19 | 2011-01-24 | Tandberg Telecom As | Fremgangsmate for raskere ansiktsdeteksjon |
US20100226582A1 (en) | 2009-03-03 | 2010-09-09 | Jiebo Luo | Assigning labels to images in a collection |
US8577938B2 (en) * | 2011-08-23 | 2013-11-05 | Accenture Global Services Limited | Data mapping acceleration |
-
2013
- 2013-09-29 JP JP2015548797A patent/JP6219967B2/ja not_active Expired - Fee Related
- 2013-09-29 EP EP13818375.1A patent/EP2936348A1/en not_active Ceased
- 2013-09-29 WO PCT/IB2013/058974 patent/WO2014097000A1/en active Application Filing
- 2013-09-29 CN CN201380067494.9A patent/CN104854588B/zh not_active Expired - Fee Related
- 2013-09-29 BR BR112015014319A patent/BR112015014319A2/pt not_active IP Right Cessation
- 2013-09-29 RU RU2015129559A patent/RU2015129559A/ru not_active Application Discontinuation
- 2013-09-29 US US14/653,277 patent/US9940382B2/en not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020194271A1 (en) * | 1997-02-18 | 2002-12-19 | Pioneer Electric Corporation | Computer for a reproducing medium |
CN1323007A (zh) * | 2000-05-15 | 2001-11-21 | 索尼公司 | 用于搜索和提供内容的***和方法以及软件存储介质 |
US20050160460A1 (en) * | 2002-03-27 | 2005-07-21 | Nobuyuki Fujiwara | Information processing apparatus and method |
US20120197890A1 (en) * | 2007-04-04 | 2012-08-02 | Intertrust Technologies Corp. | Discovering and scoring relationships extracted from human generated lists |
US20100082575A1 (en) * | 2008-09-25 | 2010-04-01 | Walker Hubert M | Automated tagging of objects in databases |
WO2011033457A1 (en) * | 2009-09-16 | 2011-03-24 | Intellisemantic Srl | System and method for content classification |
WO2012010510A1 (en) * | 2010-07-21 | 2012-01-26 | Spectralmind Gmbh | Method and system to organize and visualize media items |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328389A (zh) * | 2021-12-31 | 2022-04-12 | 浙江汇鼎华链科技有限公司 | 一种云计算环境下的大数据文件分析处理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104854588B (zh) | 2019-06-04 |
JP2016509703A (ja) | 2016-03-31 |
JP6219967B2 (ja) | 2017-10-25 |
EP2936348A1 (en) | 2015-10-28 |
US9940382B2 (en) | 2018-04-10 |
US20150324446A1 (en) | 2015-11-12 |
WO2014097000A1 (en) | 2014-06-26 |
RU2015129559A (ru) | 2017-01-26 |
BR112015014319A2 (pt) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220035827A1 (en) | Tag selection and recommendation to a user of a content hosting service | |
US20200125981A1 (en) | Systems and methods for recognizing ambiguity in metadata | |
US20100070507A1 (en) | Hybrid content recommending server, system, and method | |
US9311308B2 (en) | Content recommendation for groups | |
JP4388137B2 (ja) | コンテンツ検索装置及びコンテンツ検索方法 | |
CN104854588A (zh) | 用于搜索标记的主要为非文本的项目的***和方法 | |
CN103069825B (zh) | 用于电视搜索助手的***和方法 | |
CN104160712A (zh) | 计算媒体节目之间的相似度 | |
CN101477527B (zh) | 一种检索多媒体资源的方法及装置 | |
CN104182413A (zh) | 多媒体内容的推荐方法与*** | |
CN103984740A (zh) | 基于组合标签的检索页显示的方法和*** | |
JP6185379B2 (ja) | レコメンド装置およびレコメンド方法 | |
KR20120049551A (ko) | 사용자 선호도와 컨텐츠 내용을 고려한 컨텐츠 추천 방법 | |
CN105681910A (zh) | 一种基于多用户的视频推荐方法及装置 | |
CN110008396B (zh) | 对象信息推送方法、装置、设备及计算机可读存储介质 | |
EP3644195A1 (en) | System for storing and querying document collections | |
Pawar et al. | Movies Recommendation System using Cosine Similarity | |
Huang et al. | Rough-set-based approach to manufacturing process document retrieval | |
CN105279172A (zh) | 视频匹配方法和装置 | |
CN114356979A (zh) | 一种查询方法及其相关设备 | |
CN118069788A (zh) | 一种搜索联想的处理方法和装置 | |
CN111382304A (zh) | 计算视频内容相似度的方法及装置 | |
KR20190134230A (ko) | 콘텐츠 추천어 제공 방법 및 그 콘텐츠 제공 장치 | |
Baba-Hamed et al. | Improvement quality of the recommendation system using the intrinsic context | |
CN102279871A (zh) | 基于词法和本体概念重排搜索结果 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190604 Termination date: 20200929 |