CN110781404A - 好友关系链匹配方法、***、计算机设备及可读存储介质 - Google Patents
好友关系链匹配方法、***、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN110781404A CN110781404A CN201910917137.6A CN201910917137A CN110781404A CN 110781404 A CN110781404 A CN 110781404A CN 201910917137 A CN201910917137 A CN 201910917137A CN 110781404 A CN110781404 A CN 110781404A
- Authority
- CN
- China
- Prior art keywords
- user
- users
- content
- matching
- weight coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005065 mining Methods 0.000 claims abstract description 41
- 230000015654 memory Effects 0.000 claims description 35
- 230000006399 behavior Effects 0.000 claims description 31
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 4
- 230000006403 short-term memory Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007787 long-term memory Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 2
- 244000046052 Phaseolus vulgaris Species 0.000 description 2
- 235000019013 Viburnum opulus Nutrition 0.000 description 2
- 244000071378 Viburnum opulus Species 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种好友关系链匹配方法,所述方法包括通过移动终端获取用户的行为信息;根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户;将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;接收所述用户针对其中一个或多个待选用户的选择操作;根据所述选择操作,在所述用户和被选择的一个或多个待选用户之间建立好友关系链。本发明实施例所述的好友关系链匹配,无需用户手动干预,且通过这些行为信息来匹配好友,匹配准确度更高。
Description
技术领域
本发明实施例涉及计算机数据处理领域,尤其涉及一种好友关系链匹配方法、***、计算机设备及计算机可读存储介质。
背景技术
即时通信软件旨在帮助人们建立好友关系链,通过建立好友关系链解决人与人之的远距离沟通问题。好友关系链的数量和质量在很大程度上会影响用户在即时通讯平台上的留存和活跃度。通常情况下,可以通过输入其他用户ID直接手工添加好友,也可以根据通讯录里的各个联系人的电话号码,匹配对应的好友。然而,仅通过上述方式建立好友关系链,无法建立具有一定规模且质量较高的好友关系链。
为解决上述问题,本发明人目前所了解的解决方式是:(1)用户输入查找条件,如输入性别、地区、年龄等查找条件,根据用户输入的查找条件查询符合条件的用户,并将查找到的用户推荐给该用户。(2)将用户注册时填写的个人基本信息作为查找条件,并根据该查找条件查询相似的用户,并将查找到的用户推荐给该用户。
然而,上述解决方式均存在一定的技术缺陷:解决方式(1),好友关系链匹配需要用户手动干预,搜索好友时,不熟悉***的用户则可能搜索不到满意的结果,从而影响用户体验;解决方式(2),这种根据在注册时填写的性别、年龄等个人基本信息为用户自动匹配好友关系链,准确度较低,因为用户资料可能出现填写不全、填写虚假资料等问题。
发明内容
有鉴于此,本发明实施例的目的是提供一种好友关系链匹配方法、***、计算机设备及计算机可读存储介质,解决匹配好友关系链手动干预的问题以及自动匹配好友关系链准确度较低的问题。
为实现上述目的,本发明实施例提供了一种好友关系链匹配方法,包括以下步骤:
获取步骤,通过移动终端获取用户的行为信息;
挖掘步骤,根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户;
推送步骤,将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;
接收步骤,接收所述用户针对其中一个或多个待选用户的选择操作;及
关系链建立步骤,根据所述选择操作,在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
优选地,所述行为信息包括页面访问记录和/或兴趣类APP使用信息;所述挖掘步骤包括:
根据所述页面访问记录获取每个被访问页面的内容主题,根据每个内容主题的出现次数,为每个内容主题配置权重系数;
以每个内容主题的权重系数为中心,设置所述每个内容主题的权重系数范围;
根据每个内容主题以及每个内容主题对应的权重系数范围,匹配符合要求的多个待选用户。
优选地,所述好友推荐列表中包括各个待选用户的被推荐系度;所述推送步骤包括:
根据每个待选用户对应的各个内容主题的权重系数,计算每个待选用户和所述用户的匹配度系数,所述匹配度系数用于确定好友推荐列表中各个待选用户的被推荐度;
所述匹配度系数计算公式如下:
其中,Pi为待选用户i和所述用户的匹配度系数,α为常量,βj为内容主题j的权重系数,δij为“所述用户中内容主题j的权重系数”和“待选用户i中内容主题j的权重系数”之间的比值,该比值小于或等于1,m为内容主题的总数量。
优选地,所述行为信息包括页面访问记录和/或兴趣类APP使用信息;所述挖掘步骤包括:
根据所述页面访问记录获取每个被访问页面的内容主题,以得到n个内容主题;
根据每个内容主题的出现次数,为每个内容主题配置权重系数;
根据所述用户的n个内容主题,定义一个N维参数向量,所述n个内容主题的权重系数分别置于所述N维参数向量的相应位置处,N≥n;
根据所述N维参数向量和长短期记忆网络模型,计算M个兴趣标签的预测匹配值;
根据M个兴趣标签的预测匹配值,筛选出预测匹配值高于预设阀值的m个有效兴趣标签;
以所述每个有效兴趣标签的预测匹配值为中心,设置每个有效兴趣标签的权重系数范围;
根据m个有效兴趣标签以及每个有效兴趣标签对应的权重系数范围,匹配符合要求的多个待选用户。
优选地,如果所述多个待选用户的数量大于预设阀值,所述推送步骤包括:
根据所述用户的基本用户信息从所述多个待选用户中筛选出部分待选用户;
将该被筛选出的部分待选用户推送到所述用户的即时通信工具的好友推荐列表中。
优选地,所述推送步骤包括:
将每个待选用户中各个内容主题的权重系数映射为相应的主题兴趣指数;
根据每个待选用户中的各个主题兴趣指数定义可视化信息;
将每个待选用户对应的可视化信息推送到所述用户的即时通信工具中的好友推荐列表中,每个待选用户对应的可视化信息被显示在好友推荐列表中的对应待选用户所在栏位。
优选地,还包括好友推荐列表调整步骤:
记录所述用户通过所述好友推荐列表点击进入的多个感兴趣用户的多个个人页面;
根据在每个个人页面的访问时长和访问次数,为这些感兴趣用户定义权重系数;
根据每个感兴趣用户的权重系数和每个感兴趣用户的各个内容主题的权重系数,重新调整所述用户对各个内容主题的权重系数;
根据调整后的各个内容主题的权重系数,重新计算所述多个待选用户与所述用户的匹配度系数;及
基于该重新计算得到的匹配度系数,调整所述多个待选用户在好友推荐列表中的次序。
为实现上述目的,本发明实施例还提供了好友关系链匹配***,包括:
获取模块,用于通过移动终端获取用户的行为信息;
挖掘模块,用于根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户;
推送模块,用于将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;
接收模块,用于接收所述用户针对其中一个或多个待选用户的选择操作;及
关系链建立模块,用于根据所述选择操作在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
为实现上述目的,本发明实施例还提供了一种计算机设备,所述计算机设备存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被处理器执行时实现如上所述的好友关系链匹配方法的步骤。
为实现上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如上所述的好友关系链匹配方法的步骤。
本发明实施例提供的好友关系链匹配方法、***、计算机设备及计算机可读存储介质,通过收集用户的行为信息(例如,浏览器上的浏览信息等),来综合分析用户的兴趣爱好,再设置挖掘条件,用户之外的其它海量用户的资料信息中挖掘符合所述挖掘条件的用户...,然后进行好友关系链匹配,而无需用户手动干预,且上述这些行为信息可以代表一个用户的真实生活状态,更加能分析出该用户的兴趣取向,通过这些行为信息来匹配好友,匹配准确度更高。
附图说明
图1为本发明好友关系链匹配方法实施例一的流程图。
图2为图1中步骤S102在示例性实施例中的流程图。
图3为图1中步骤S102在另一示例性实施例中的流程图。
图4为图1中步骤S104在示例性实施例中的流程图。
图5为图1中步骤S104在另一示例性实施例中的流程图。
图6为图1中步骤S104在另一示例性实施例中的流程图。
图7为本发明好友关系链匹配方法实施例一中步骤S110的流程图。
图8为本发明好友关系链匹配方法实施例二的流程图。
图9为本发明好友关系链匹配***实施例三的程序模块示意图。
图10为本发明计算机设备实施例四的硬件结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
以下实施例将以计算机设备2为执行主体进行示例性描述。
实施例一
参阅图1,示出了本发明实施例一之好友关系链匹配方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。具体如下。
步骤S100,通过移动终端获取用户的行为信息。
所述行为信息包括页面访问记录、兴趣类APP使用信息,如各个兴趣类APP的使用频率和使用时长等。
所述兴趣类APP,如:游戏类APP(王者荣耀、跑跑卡丁车等)、学习类APP(英语流利说、百词斩、豆瓣等)、投资类APP(雪球、天天基金等)等。
步骤S102,根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户。
在示例性的实施例中,以行为信息为页面访问记录为例,如图2所示,步骤S102可以进一步包括:
步骤S102A1,根据页面访问记录获取每个被访问页面的内容主题,根据每个内容主题的出现次数,为每个内容主题配置权重系数;
步骤S102A2,以每个内容主题的权重系数为中心,设置所述每个内容主题的权重系数范围;
步骤S102A3,根据每个内容主题以及每个内容主题对应的权重系数范围,匹配符合要求的多个待选用户。
举例而言,假设权重系数为0~100,根据页面访问记录得到4个内容主题,第一内容主题的权重系数为75,第二内容主题的权重系数为30,第三内容主题的权重系数为22,第四内容主题的权重系数为60。以这4个内容主题的权重系数为中心,如将第一内容主题的权重系数范围设置为75±5(包括端点),将第二内容主题的权重系数范围设置为30±5(包括端点),将第三内容主题的权重系数范围设置为22±5(包括端点),将第四内容主题的权重系数范围设置为60±5(包括端点),然后根据其他用户中的对应的各个主题内容在上述范围内的用户作为待选用户。如,用户A:第一内容主题的权重系数为71,第二内容主题的权重系数为32,第三内容主题的权重系数为21,第四内容主题的权重系数为65,则用户A可以作为待选用户;用户B:第一内容主题的权重系数为71,第二内容主题的权重系数为32,第三内容主题的权重系数为21,第四内容主题的权重系数为66,由于用户B的第四内容主题的权重系数在权重系数范围之外,所有不符合要求,因此用户B不属于待选用户。
在另一示例性的实施例中,如图3所示,步骤S102可以进一步包括:
步骤S102B1,根据页面访问记录获取每个被访问页面的内容主题,根据每个内容主题的出现次数,为每个内容主题配置权重系数;
步骤S102B2,根据每个内容主题的权重系数,筛选出权重系数高于预设阀值的若干个有效内容主题;
步骤S102B3,以每个有效内容主题的权重系数为中心,设置所述每个有效内容主题的权重系数范围;
步骤S102B4,根据每个有效内容主题以及每个有效内容主题对应的权重系数范围,匹配符合要求的多个待选用户。
步骤S104,将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中。
在示例性的实施例中,所述好友推荐列表中包括各个待选用户的被推荐系度;如图4所示,所述步骤S104可以进一步包括步骤:
步骤S104A1,根据每个待选用户对应的各个内容主题(或有效内容主题)的权重系数,计算每个待选用户和所述用户的匹配度系数;
步骤S104A2,根据每个待选用户和所述用户的匹配度系数,确定好友推荐列表中各个待选用户的被推荐度。具体的,各个待选用户的匹配度系数可以通过如下公式计算得到:
其中,Pi为待选用户i和所述用户的匹配度系数,α为常量,βj为内容主题(或有效内容主题)j的权重系数,δij为“所述用户中内容主题(或有效内容主题)j的权重系数”和“待选用户i中内容主题(或有效内容主题)j的权重系数”之间的比值,该比值小于或等于1,m为内容主题的总数量。
在示例性的实施例中,如图5所示,所述步骤S104可以进一步包括步骤:
步骤S104B1,将每个待选用户中各个内容主题(或有效内容主题)的权重系数映射为相应的主题兴趣指数;
步骤S104B2,据每个待选用户中的各个主题兴趣指数定义可视化信息(如文字、图像等);
步骤S104B3,将每个待选用户对应的可视化信息推送到所述用户的即时通信工具中的好友推荐列表中,每个待选用户对应的可视化信息被显示在好友推荐列表中的对应待选用户所在栏位。
即,将所述待选用户以及可视化信息推送到所述用户的即时通信工具中的好友推荐列表中。
在示例性的实施例中,如图6所示,所述步骤S104可以进一步包括步骤:
步骤S104C1,判断所述多个待选用户的数量是否大于预设阀值;
步骤S104C2,如果不大于所述预设阈值,将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;
步骤S104C3,如果大于所述预设阈值,根据所述用户的基本用户信息从所述多个待选用户中筛选出部分待选用户,并将该被筛选出的部分待选用户推送到所述用户的即时通信工具的好友推荐列表中。
所述用户的基本用户信息,包括但不限于,年龄、性别、职业、收入范围、地理位置等。
以所述用户的基本用户信息配置附加挖掘条件,如配置以用户年龄为中心的年龄范围、以用户职业为中的相关职业范围、以用户收入范围为中心的扩展收入范围、以用户地址位置为中心的地址范围。如果用户为:35岁男性、职业为IT、地址位置为深圳市XX金融大厦,可以配置附加挖掘条件为:年龄30-40岁、男、计算机行业、处于XX金融大厦100公里范围。通过该附加挖掘条件在所述多个待选用户中,筛选出符合条件的若干个待选用户。
如果通过附加挖掘条件从所述待选用户中匹配不到符合条件的待选用户,则修改附加挖掘条件,如扩大范围、删除一些项目(如,删除“职业”)。
步骤S106,接收所述用户针对其中一个或多个待选用户的选择操作。
用户可以通过即时通信工具提供的图像界面接口输入选择指令(如单次或连续多个点击鼠标操作、触控操作)。
步骤S108,根据所述选择操作,在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
例如,即时通信工具根据用户输入的选择指令发送针对其中一个待选用户(下称“目标用户”)的建立好友关系链的请求信息。计算机设备接收到该请求信息后会向该目标用户发送“好友申请加入”的请求信息,并在该目标用户发出“同意”的响应信息之后,在所述用户和该目标用户之间建立好友关系链。
在示例性的实施例中,如图7所示,所述方法还可以包括好友推荐列表调整步骤S110,所述步骤S110可以进一步包括如下步骤:
步骤S110A1,记录所述用户通过所述好友推荐列表点击进入的多个感兴趣用户的多个个人页面;
步骤S110A2,根据在每个个人页面的访问时长和访问次数,为这些感兴趣用户定义权重系数;
步骤S110A3,根据每个感兴趣用户的权重系数和每个感兴趣用户的各个内容主题的权重系数,重新调整所述用户对各个内容主题的权重系数;
步骤S110A4,根据调整后的各个内容主题的权重系数,重新计算所述多个待选用户与所述用户的匹配度系数;及
步骤S110A5,基于该重新计算得到的匹配度系数,调整所述多个待选用户在好友推荐列表中的次序。
当然步骤S110仅是好友推荐表重排的示例性方案,本实施例还可以通过其他方案调整好友推荐列表,如:当用户点击某个主题兴趣指数时,则以主题兴趣指数为单一考量因素,对所述多个待选用户在好友推荐列表中的次序。
实施例二
参阅图8,示出了本发明实施例二之好友关系链匹配方法的步骤流程图。可以理解,本方法实施例中的流程图不用于对执行步骤的顺序进行限定。具体如下。
步骤S200,通过移动终端获取用户的行为信息。
所述行为信息包括页面访问记录、兴趣类APP使用信息,如各个兴趣类APP的使用频率和使用时长等。
所述兴趣类APP,如:游戏类APP(王者荣耀、跑跑卡丁车等)、学习类APP(英语流利说、百词斩、豆瓣等)、投资类APP(雪球、天天基金等)等。
步骤S202,根据所述行为信息中的页面访问记录获取每个被访问页面的内容主题,以得到n个内容主题。
步骤S204,根据每个内容主题的出现次数,为每个内容主题配置权重系数。
步骤S206,根据所述用户的n个内容主题,定义一个N维参数向量,所述n个内容主题的权重系数分别置于所述N维参数向量的相应位置处,N≥n。
示例性的,可以预先配置N个内容主题,N为大于1的正整数,通过步骤S200获取所述用户涉及到了n个内容主题,未涉及到其他内容主题(即未出现的内容主题)。其中,其他内容主题的权重系数在所述N维参数向量中可以被设置为一固定数值,如0。
步骤S208,根据所述N维参数向量和长短期记忆网络模型(LSTM,Long Short-TermMemory),计算M个兴趣标签的预测匹配值。
具体的,计算M个兴趣标签的预测匹配值的步骤如下:
(1)根据上一时刻的输出ht-1和当前输入xt来得到ft值,以决定是否让上一时刻学到的信息Ct-1通过或部分通过:
ft=σ(Wf[xt,ht-1]+bf),其中ft∈[0,1],表示t时刻的节点对t-1时刻细胞记忆的选择权重,Wf为遗忘门的权重矩阵,bf为遗忘门的偏置项,ht-1表示t-1节点的隐层状态信息,非线性函数σ(x)=1/(1+e-x);
it=σ(Wi[xt,ht-1]+bi),其中it∈[0,1]表示t时刻的节点对当前节点信息的选择权重,bi为输入门的偏置项,Wi为输入门的权重矩阵,非线性函数σ(x)=1/(1+e-x);
对旧的记忆单元状态进行更新,添加新信息:
(3)LSTM模型输出;
ot=σ(Wo[xt,ht-1]+bo),其中ot∈[0,1]表示t时刻的节点细胞记忆信息的选择权重,bo为输出门的偏置,Wo为输出门的权重矩阵,表示向量xt和ht-1拼接后的向量,即|xt|+|ht-1|维的向量。
ht=ot·tanh(Ct)
xt表示t时刻LSTM神经网络节点的输入向量,即本实施例中的N维参数向量;ht为t时刻LSTM神经网络节点的输出向量,即本实施例中针对M个兴趣标签的预测匹配值。
步骤S210,根据M个兴趣标签的预测匹配值,筛选出预测匹配值高于预设阀值的m个有效兴趣标签;
步骤S212,以所述每个有效兴趣标签的预测匹配值为中心,设置每个有效兴趣标签的权重系数范围。
步骤S214,根据m个有效兴趣标签以及每个有效兴趣标签对应的权重系数范围,匹配符合要求的多个待选用户。
步骤S216所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中。
在示例性的实施例中,所述好友推荐列表中包括各个待选用户的被推荐系度;所述步骤S216进一步包括步骤:
根据每个待选用户对应的各个兴趣标签的预测匹配值,计算每个待选用户和所述用户的匹配度系数,所述匹配度系数用于确定好友推荐列表中各个待选用户的被推荐度。
在示例性的实施例中,所述步骤S216进一步包括步骤:
(1)判断所述多个待选用户的数量大于预设阀值;
(2)如果不大于所述预设阈值,将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;
(3)如果大于所述预设阈值,根据所述用户的基本用户信息从所述多个待选用户中筛选出部分待选用户,并将该被筛选出的部分待选用户推送到所述用户的即时通信工具的好友推荐列表中;
所述用户的基本用户信息,包括但不限于,年龄、性别、职业、收入范围、地理位置等。
以所述用户的基本用户信息配置附加挖掘条件,如配置以用户年龄为中心的年龄范围、以用户职业为中的相关职业范围、以用户收入范围为中心的扩展收入范围、以用户地址位置为中心的地址范围。如果用户为:35岁男性、职业为IT、地址位置为深圳市XX金融大厦,可以配置附加挖掘条件为:年龄30-40岁、男、计算机行业、处于XX金融大厦100公里范围。通过该附加挖掘条件在所述多个待选用户中,筛选出符合条件的若干个待选用户。
如果通过附加挖掘条件从所述待选用户中匹配不到符合条件的待选用户,则修改附加挖掘条件,如扩大范围、删除一些项目(如,删除“职业”)。
步骤S218收所述用户针对其中一个或多个待选用户的选择操作。
用户可以通过即时通信工具提供的图像界面接口输入选择指令(如单次或连续多个点击鼠标操作、触控操作)。
步骤S220据所述选择操作,在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
即时通信工具根据用户输入的选择指令发送针对其中一个待选用户(下称“目标用户”)的建立好友关系链的请求信息。计算机设备接收到该请求信息后会向该目标用户发送“好友申请加入”的请求信息,并在该目标用户发出“同意”的响应信息之后,在所述用户和该目标用户之间建立好友关系链。
实施例三
请继续参阅图9,示出了本发明好友关系链匹配***实施例三的程序模块示意图。在本实施例中,好友关系链匹配***20可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明,并可实现上述好友关系链匹配方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述好友关系链匹配***20在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能:
获取模块200,用于通过移动终端获取用户的行为信息。
所述行为信息包括页面访问记录、兴趣类APP使用信息,如各个兴趣类APP的使用频率和使用时长等。
挖掘模块202,用于根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户。
在示例性的实施例中,挖掘模块202还用于:根据所述页面访问记录获取每个被访问页面的内容主题,根据每个内容主题的出现次数,为每个内容主题配置权重系数;以每个内容主题的权重系数为中心,设置所述每个内容主题的权重系数范围;根据每个内容主题以及每个内容主题对应的权重系数范围,匹配符合要求的多个待选用户。
其中,所述好友推荐列表中包括各个待选用户的被推荐系度,挖掘模块202还用于:
根据每个待选用户对应的各个内容主题的权重系数,计算每个待选用户和所述用户的匹配度系数,所述匹配度系数用于确定好友推荐列表中各个待选用户的被推荐度;具体的,各个待选用户的匹配度系数可以通过如下公式计算得到:
其中,Pi为待选用户i和所述用户的匹配度系数,α为常量,βj为内容主题j的权重系数,δij为“所述用户中内容主题j的权重系数”和“待选用户i中内容主题j的权重系数”之间的比值,该比值小于或等于1,m为内容主题的总数量。
在示例性的实施例中,挖掘模块202还用于:根据所述页面访问记录获取每个被访问页面的内容主题,以得到n个内容主题;根据每个内容主题的出现次数,为每个内容主题配置权重系数;根据所述用户的n个内容主题,定义一个N维参数向量,所述n个内容主题的权重系数分别置于所述N维参数向量的相应位置处,N≥n;根据所述N维参数向量和长短期记忆网络模型,计算M个兴趣标签的预测匹配值;根据M个兴趣标签的预测匹配值,筛选出预测匹配值高于预设阀值的m个有效兴趣标签,以所述每个有效兴趣标签的预测匹配值为中心,设置每个有效兴趣标签的权重系数范围;根据m个有效兴趣标签以及每个有效兴趣标签对应的权重系数范围,匹配符合要求的多个待选用户。
在示例性的实施例中,挖掘模块202还用于:如果所述多个待选用户的数量大于预设阀值,根据所述用户的基本用户信息从所述多个待选用户中筛选出部分待选用户;将该被筛选出的部分待选用户推送到所述用户的即时通信工具的好友推荐列表中。
推送模块204,用于将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中。
在示例性的实施例中,推送模块204还用于:将每个待选用户中各个内容主题的权重系数映射为相应的主题兴趣指数;根据每个待选用户中的各个主题兴趣指数定义可视化信息;将每个待选用户对应的可视化信息推送到所述用户的即时通信工具中的好友推荐列表中,每个待选用户对应的可视化信息被显示在好友推荐列表中的对应待选用户所在栏位。
接收模块206,用于接收所述用户针对其中一个或多个待选用户的选择操作。
用户可以通过即时通信工具提供的图像界面接口输入选择指令(如单次或连续多个点击鼠标操作、触控操作)。
关系链建立模块208,用于根据所述选择操作在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
即时通信工具根据用户输入的选择指令发送针对其中一个待选用户(下称“目标用户”)的建立好友关系链的请求信息。计算机设备接收到该请求信息后会向该目标用户发送“好友申请加入”的请求信息,并在该目标用户发出“同意”的响应信息之后,在所述用户和该目标用户之间建立好友关系链。
在示例性的实施例中,好友关系链匹配***20还可以包括推荐列表调整模块210,用于:记录所述用户通过所述好友推荐列表点击进入的多个感兴趣用户的多个个人页面;根据在每个个人页面的访问时长和访问次数,为这些感兴趣用户定义权重系数;根据每个感兴趣用户的权重系数和每个感兴趣用户的各个内容主题的权重系数,重新调整所述用户对各个内容主题的权重系数;根据调整后的各个内容主题的权重系数,重新计算所述多个待选用户与所述用户的匹配度系数;及基于该重新计算得到的匹配度系数,调整所述多个待选用户在好友推荐列表中的次序。
实施例四
参阅图10,是本发明实施例四之计算机设备的硬件架构示意图。本实施例中,所述计算机设备2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。该计算机设备2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图所示,所述计算机设备2至少包括,但不限于,可通过***总线相互通信连接存储器21、处理器22、网络接口23、以及好友关系链匹配***20。其中:
本实施例中,存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器21可以是计算机设备2的内部存储单元,例如该计算机设备2的硬盘或内存。在另一些实施例中,存储器21也可以是计算机设备2的外部存储设备,例如该计算机设备20上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中,存储器21通常用于存储安装于计算机设备2的操作***和各类应用软件,例如实施例三的好友关系链匹配***20的程序代码等。此外,存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中,处理器22用于运行存储器21中存储的程序代码或者处理数据,例如运行好友关系链匹配***20,以实现实施例一或二的好友关系链匹配方法。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述计算机设备2与外部终端相连,在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯***(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图10仅示出了具有部件20-23的计算机设备2,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本实施例中,存储于存储器21中的所述好友关系链匹配***20还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。
例如,图9示出了所述实现好友关系链匹配***20实施例三的程序模块示意图,该实施例中,所述基于好友关系链匹配***20可以被划分为获取模块200、挖掘模块202、推送模块204、接收模块206、关系链建立模块208和推荐列表调整模块210。其中,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述好友关系链匹配***20在所述计算机设备2中的执行过程。所述程序模块200-210的具体功能在实施例三中已有详细描述,在此不再赘述。
实施例五
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储好友关系链匹配***20,被处理器执行时实现实施例一或二的好友关系链匹配方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种好友关系链匹配方法,其特征在于,所述方法包括:
获取步骤,通过移动终端获取用户的行为信息;
挖掘步骤,根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户;
推送步骤,将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;
接收步骤,接收所述用户针对其中一个或多个待选用户的选择操作;及
关系链建立步骤,根据所述选择操作,在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
2.根据权利要求1所述的好友关系链匹配方法,其特征在于,所述行为信息包括页面访问记录和/或兴趣类APP使用信息;所述挖掘步骤包括:
根据所述页面访问记录获取每个被访问页面的内容主题,根据每个内容主题的出现次数,为每个内容主题配置权重系数;
以每个内容主题的权重系数为中心,设置所述每个内容主题的权重系数范围;
根据每个内容主题以及每个内容主题对应的权重系数范围,匹配符合要求的多个待选用户。
4.根据权利要求1所述的好友关系链匹配方法,其特征在于,所述行为信息包括页面访问记录和/或兴趣类APP使用信息;所述挖掘步骤包括:
根据所述页面访问记录获取每个被访问页面的内容主题,以得到n个内容主题;
根据每个内容主题的出现次数,为每个内容主题配置权重系数;
根据所述用户的n个内容主题,定义一个N维参数向量,所述n个内容主题的权重系数分别置于所述N维参数向量的相应位置处,N≥n;
根据所述N维参数向量和长短期记忆网络模型,计算M个兴趣标签的预测匹配值;
根据M个兴趣标签的预测匹配值,筛选出预测匹配值高于预设阀值的m个有效兴趣标签;
以所述每个有效兴趣标签的预测匹配值为中心,设置每个有效兴趣标签的权重系数范围;
根据m个有效兴趣标签以及每个有效兴趣标签对应的权重系数范围,匹配符合要求的多个待选用户。
5.根据权利要求1~4任意一项所述的好友关系链匹配方法,其特征在于,如果所述多个待选用户的数量大于预设阀值,所述推送步骤包括:
根据所述用户的基本用户信息从所述多个待选用户中筛选出部分待选用户;
将该被筛选出的部分待选用户推送到所述用户的即时通信工具的好友推荐列表中。
6.根据权利要求5所述的好友关系链匹配方法,其特征在于,所述推送步骤包括:
将每个待选用户中各个内容主题的权重系数映射为相应的主题兴趣指数;
根据每个待选用户中的各个主题兴趣指数定义可视化信息;
将每个待选用户对应的可视化信息推送到所述用户的即时通信工具中的好友推荐列表中,每个待选用户对应的可视化信息被显示在好友推荐列表中的对应待选用户所在栏位。
7.根据权利要求6所述的好友关系链匹配方法,其特征在于,还包括好友推荐列表调整步骤:
记录所述用户通过所述好友推荐列表点击进入的多个感兴趣用户的多个个人页面;
根据在每个个人页面的访问时长和访问次数,为这些感兴趣用户定义权重系数;
根据每个感兴趣用户的权重系数和每个感兴趣用户的各个内容主题的权重系数,重新调整所述用户对各个内容主题的权重系数;
根据调整后的各个内容主题的权重系数,重新计算所述多个待选用户与所述用户的匹配度系数;及
基于该重新计算得到的匹配度系数,调整所述多个待选用户在好友推荐列表中的次序。
8.一种好友关系链匹配***,其特征在于,包括:
获取模块,用于通过移动终端获取用户的行为信息;
挖掘模块,用于根据所述行为信息配置挖掘条件,在所述用户之外的其它用户的行为信息中挖掘符合所述挖掘条件的多个待选用户;
推送模块,用于将所述多个待选用户推送到所述用户的即时通信工具中的好友推荐列表中;
接收模块,用于接收所述用户针对其中一个或多个待选用户的选择操作;及
关系链建立模块,用于根据所述选择操作在所述用户和被选择的一个或多个待选用户之间建立好友关系链。
9.一种计算机设备,所述计算机设备存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的好友关系链匹配方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序可被至少一个处理器所执行,以使所述至少一个处理器执行如权利要求1至7中任一项所述的好友关系链匹配方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917137.6A CN110781404B (zh) | 2019-09-26 | 2019-09-26 | 好友关系链匹配方法、***、计算机设备及可读存储介质 |
PCT/CN2019/117556 WO2021056734A1 (zh) | 2019-09-26 | 2019-11-12 | 好友关系链匹配方法、***、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917137.6A CN110781404B (zh) | 2019-09-26 | 2019-09-26 | 好友关系链匹配方法、***、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781404A true CN110781404A (zh) | 2020-02-11 |
CN110781404B CN110781404B (zh) | 2024-07-02 |
Family
ID=69384731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910917137.6A Active CN110781404B (zh) | 2019-09-26 | 2019-09-26 | 好友关系链匹配方法、***、计算机设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110781404B (zh) |
WO (1) | WO2021056734A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883073A (zh) * | 2021-03-22 | 2021-06-01 | 北京同邦卓益科技有限公司 | 数据筛选方法、装置、设备、可读存储介质以及产品 |
CN113420230A (zh) * | 2020-12-31 | 2021-09-21 | 深圳市镜玩科技有限公司 | 基于群聊的匹配咨询推送方法、相关装置、设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7231419B1 (en) * | 2001-10-19 | 2007-06-12 | Outlooksoft Corporation | System and method for adaptively selecting and delivering recommendations to a requester |
CN102915309A (zh) * | 2011-08-03 | 2013-02-06 | 腾讯科技(深圳)有限公司 | 即时通信工具中好友关系链匹配方法和设备 |
GB201412195D0 (en) * | 2014-07-09 | 2014-08-20 | Jaguar Land Rover Ltd | Generating contact identifier recommendations |
CN104008109A (zh) * | 2013-02-26 | 2014-08-27 | 南京邮电大学 | 基于用户兴趣的Web信息推送服务*** |
CN105468598A (zh) * | 2014-08-18 | 2016-04-06 | 大连民族学院 | 好友推荐方法及装置 |
CN105635210A (zh) * | 2014-10-30 | 2016-06-01 | 腾讯科技(武汉)有限公司 | 网络信息的推荐方法及装置、阅读*** |
US20160239738A1 (en) * | 2013-10-23 | 2016-08-18 | Tencent Technology (Shenzhen) Company Limited | Question recommending method, apparatus and system |
CN107808314A (zh) * | 2016-09-09 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 用户推荐方法及装置 |
CN109544396A (zh) * | 2019-01-10 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 账号推荐方法、装置、服务器、终端及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916286A (zh) * | 2010-08-23 | 2010-12-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种信息推荐方法及*** |
CN110162717B (zh) * | 2014-06-05 | 2022-11-01 | 网易(杭州)网络有限公司 | 一种推荐好友的方法和设备 |
-
2019
- 2019-09-26 CN CN201910917137.6A patent/CN110781404B/zh active Active
- 2019-11-12 WO PCT/CN2019/117556 patent/WO2021056734A1/zh active Application Filing
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7231419B1 (en) * | 2001-10-19 | 2007-06-12 | Outlooksoft Corporation | System and method for adaptively selecting and delivering recommendations to a requester |
CN102915309A (zh) * | 2011-08-03 | 2013-02-06 | 腾讯科技(深圳)有限公司 | 即时通信工具中好友关系链匹配方法和设备 |
CN104008109A (zh) * | 2013-02-26 | 2014-08-27 | 南京邮电大学 | 基于用户兴趣的Web信息推送服务*** |
US20160239738A1 (en) * | 2013-10-23 | 2016-08-18 | Tencent Technology (Shenzhen) Company Limited | Question recommending method, apparatus and system |
GB201412195D0 (en) * | 2014-07-09 | 2014-08-20 | Jaguar Land Rover Ltd | Generating contact identifier recommendations |
CN105468598A (zh) * | 2014-08-18 | 2016-04-06 | 大连民族学院 | 好友推荐方法及装置 |
CN105635210A (zh) * | 2014-10-30 | 2016-06-01 | 腾讯科技(武汉)有限公司 | 网络信息的推荐方法及装置、阅读*** |
CN107808314A (zh) * | 2016-09-09 | 2018-03-16 | 腾讯科技(深圳)有限公司 | 用户推荐方法及装置 |
CN109544396A (zh) * | 2019-01-10 | 2019-03-29 | 腾讯科技(深圳)有限公司 | 账号推荐方法、装置、服务器、终端及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420230A (zh) * | 2020-12-31 | 2021-09-21 | 深圳市镜玩科技有限公司 | 基于群聊的匹配咨询推送方法、相关装置、设备及介质 |
CN113420230B (zh) * | 2020-12-31 | 2023-07-21 | 深圳市仁凯网络科技有限公司 | 基于群聊的匹配咨询推送方法、相关装置、设备及介质 |
CN112883073A (zh) * | 2021-03-22 | 2021-06-01 | 北京同邦卓益科技有限公司 | 数据筛选方法、装置、设备、可读存储介质以及产品 |
CN112883073B (zh) * | 2021-03-22 | 2024-04-05 | 北京同邦卓益科技有限公司 | 数据筛选方法、装置、设备、可读存储介质以及产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2021056734A1 (zh) | 2021-04-01 |
CN110781404B (zh) | 2024-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI677828B (zh) | 基於資料源的業務客製裝置、方法及電腦可讀儲存介質 | |
CN110263152B (zh) | 基于神经网络的文本分类方法、***及计算机设备 | |
WO2020007138A1 (zh) | 一种事件识别的方法、模型训练的方法、设备及存储介质 | |
US10496751B2 (en) | Avoiding sentiment model overfitting in a machine language model | |
CN110674391B (zh) | 基于大数据的产品数据推送方法、***和计算机设备 | |
US20210141993A1 (en) | Hyperlink processing method and apparatus | |
CN110659667A (zh) | 图片分类模型训练方法、***和计算机设备 | |
CN111984792A (zh) | 网站分类方法、装置、计算机设备及存储介质 | |
CN111651666A (zh) | 用户主题推荐方法、装置、计算机设备及存储介质 | |
CN111369313A (zh) | 订房失败订单的处理方法、装置、计算机设备及存储介质 | |
CN110781404B (zh) | 好友关系链匹配方法、***、计算机设备及可读存储介质 | |
CN112070550A (zh) | 基于搜索平台的关键词确定方法、装置、设备及存储介质 | |
CN113220657A (zh) | 数据处理方法、装置及计算机设备 | |
CN111930891B (zh) | 基于知识图谱的检索文本扩展方法及相关装置 | |
CN108427701B (zh) | 基于操作页面识别帮助信息的方法及应用服务器 | |
CN112749258A (zh) | 数据搜索的方法和装置、电子设备和存储介质 | |
CN112734307A (zh) | 一种在线实时企业画像生成方法、装置、设备及存储介质 | |
CN112765450A (zh) | 推荐内容确定方法、装置及存储介质 | |
CN112650940A (zh) | 应用程序的推荐方法、装置、计算机设备及存储介质 | |
CN113961811B (zh) | 基于事件图谱的话术推荐方法、装置、设备及介质 | |
US11321375B2 (en) | Text object management system | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
CN109885710B (zh) | 基于差分演化算法的用户画像刻画方法及服务器 | |
CN114063983A (zh) | 需求信息的溯源方法、装置、计算机设备及存储介质 | |
CN110827160A (zh) | 保险信息推送方法、装置、计算机设备和存储介质 |
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 |