CN114048376A - 广告的业务信息挖掘方法、装置、电子设备以及存储介质 - Google Patents
广告的业务信息挖掘方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN114048376A CN114048376A CN202111322665.0A CN202111322665A CN114048376A CN 114048376 A CN114048376 A CN 114048376A CN 202111322665 A CN202111322665 A CN 202111322665A CN 114048376 A CN114048376 A CN 114048376A
- Authority
- CN
- China
- Prior art keywords
- service point
- target
- candidate service
- candidate
- advertisement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005065 mining Methods 0.000 title claims abstract description 35
- 238000012216 screening Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Fuzzy Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种广告的业务信息挖掘方法、装置、电子设备以及存储介质,本公开涉及人工智能技术领域,具体涉及数据挖掘的技术领域,可以应用于广告的业务信息挖掘等场景。具体实现方案为:从业务点集合中筛选与目标描述内容的语义相匹配的至少一个第一候选业务点,业务点集合中的业务点表征广告的业务范围;获取每个第一候选业务点和对应的目标描述内容的属性信息的属性比较结果;根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合。上述方法能够自动地基于广告的描述内容从业务点集合确定出广告的实际业务点,可以降低针对广告的业务挖掘所消耗的人工成本和时间成本。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及数据挖掘的技术领域,可以应用于广告的业务信息挖掘等场景。
背景技术
在广告推广业务场景中,广告主在将广告投放到广告推广服务方时,在一些情况下没有提供广告的业务信息,或者提供的业务信息不够准确,,这会导致广告无法被精准地推广,影响广告主的服务体验。
发明内容
本公开提供了一种广告的业务信息挖掘方法、装置、电子设备以及存储介质。
根据本公开的第一方面,提供了一种广告的业务信息挖掘方法,包括:
获取目标广告的至少一项目标描述内容;
从业务点集合中筛选与目标描述内容的语义相匹配的至少一个第一候选业务点,业务点集合中的业务点表征广告的业务范围;
获取每个第一候选业务点和对应的目标描述内容的属性信息的属性比较结果;
根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合。
根据本公开的第二方面,提供了一种广告的业务信息挖掘装置,包括:
描述内容获取模块,用于获取目标广告的至少一项目标描述内容;
候选业务确定模块,用于从业务点集合中筛选与目标描述内容的语义相匹配的至少一个第一候选业务点,业务点集合中的业务点表征广告的业务范围;
属性比较模块,用于获取每个第一候选业务点和对应的目标描述内容的属性信息的属性比较结果;
目标业务确定模块,用于根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合。
根据本公开的第三方面,提供了一种电子设备,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上述的广告的业务信息挖掘方法。
根据本公开的第四方面,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,所述计算机指令用于使所述计算机执行上述的广告的业务信息挖掘方法。
根据本公开的第五方面,提供了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上述的广告的业务信息挖掘方法。
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示出了本公开实施例提供的一种广告的业务信息挖掘方法的流程示意图;
图2示出了本公开实施例提供的另一种广告的业务信息挖掘方法的流程示意图;
图3示出了本公开实施例提供的一种广告的业务信息挖掘装置的示意图;
图4示出了可以用来实施本公开实施例提供的广告的业务信息挖掘方法的示例电子设备的示意性框图。
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和精神。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。
在广告推广业务场景中,广告主在将广告投放到广告推广服务方时,在一些情况下没有提供广告的业务信息,或者提供的业务信息不够准确,这会导致广告无法被精准地推广,影响广告主的服务体验。通常来说,广告推广服务方有大量的广告需要推广,被推广的广告涉及到各行各业,若采用人工手动编辑广告的业务信息,会消耗大量的人力和时间成本,也无法完全保证广告的业务信息的准确率。
本公开实施例提供的广告的业务信息挖掘方法、装置、电子设备以及存储介质,旨在解决现有技术的如上技术问题中的至少一个。
图1示出了本公开实施例提供的一种广告的业务信息挖掘方法的流程示意图,如图1所示,该方法主要可以包括以下步骤:
S110:获取目标广告的至少一项目标描述内容。
为了便于理解和表述,本公开实施例将待挖掘其业务点的广告定义为目标广告,将用于描述目标广告的相关内容定义为目标描述内容。具体来说,广告推广服务方的数据库中存储有广告的相关信息,可以从数据库中调取目标广告的目标描述内容。
这里,广告推广服务方可以提供相应的应用或网站,用户可以从应用或网站中输入搜索信息来获取相应的广告内容,例如用户可以在信息搜索网站和短视频应用中输入搜索信息,从而获取相应的广告内容。
可选地,目标描述内容可以是包括目标广告的关键词和简介信息之中的至少一项。其中,关键词是广告主针对目标广告购买的搜索词,简介信息包括目标广告的标题和摘要等。本公开实施例在获取目标广告的至少一项目标描述内容时,可以获取目标广告的关键词、标题和摘要等内容。
S120:从业务点集合中筛选与目标描述内容的语义相匹配的至少一个第一候选业务点。
广告推广服务方的数据库中存储有至少一种类型的广告相关的业务点集合,业务点集合包含有多种行业的广告的业务点,业务点表征广告的业务范围。以语言培训的广告为例,相关的业务点可以包括“汉语学习”、“英语学习”和“法语学习”等业务点。本公开实施例可以从业务点集合中筛选与目标描述内容的语义相匹配的业务点,将从业务点集合中筛选出的业务点定义为第一候选业务点。
如前文所述,目标描述内容可以是包括目标广告的关键词和简介信息之中的至少一项。在该步骤中,可以从业务点集合中筛选与关键词的语义相匹配的至少一个第一候选业务点,也可以从业务点集合中筛选与简介信息的语义相匹配的至少一个第一候选业务点。
在一些情况下,两种语义非常相关的业务点实际的业务内容可能是不一样的,例如,“英语培训”和“英语培训加盟”这两个业务点的语义非常近似,但是所描述的业务范围是不同的,因此还需要从第一候选业务点做进一步筛选出准确的目标业务点,具体筛选方法可以参见步骤S130和步骤S140。
S130:获取每个第一候选业务点和对应的目标描述内容的属性信息的属性比较结果。
在本公开实施例中,属性信息包括品牌、意图、地域、术语中至少一种维度的信息。可以理解,每个目标描述内容均有可能具有对应的第一候选业务点,步骤S130可以获取第一候选业务点和对应的目标描述内容的品牌、意图、地域、术语中至少一种维度的信息,并对二者每个维度的信息进行比较,获取到对应的属性比较结果。可以理解,属性比较结果可以指示第一候选业务点和对应的目标描述内容的属性相同或不同。
S140:根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合。
可以理解,针对每个第一候选业务点,当属性比较结果指示该第一候选业务点和对应的目标描述内容的属性相同时,可以将该第一候选业务点确定为目标业务点。步骤S140可以将确定出的所有第一候选业务点组成目标广告的目标业务点集合。
本公开实施例提供的广告的业务信息挖掘方法,预先配置了包括多种行业的广告的业务点的业务点集合,能够自动地基于广告的描述内容从业务点集合确定出广告的实际业务点,可以降低针对广告的业务挖掘所消耗的人工成本和时间成本,提高所挖掘的广告的业务信息的准确性,也有助于基于实际业务点高效准确地对广告进行推广。
可选地,本公开实施例在根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合时,可以根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出至少一个与目标描述内容的属性相同的第二候选业务点;在确定出第二候选业务点之后,获取与目标广告相关的参考广告的至少一项参考描述内容;基于参考描述内容,从至少一个第二候选业务点中确定出目标业务点集合。
在本公开实施例中,可以将目标广告的广告主向广告推广服务方投放的其它广告作为参考广告,可以理解,目标广告与参考广告的业务范围是相类似的,因此可以基于参考广告的参考描述内容来辅助筛选目标广告的目标业务点。
可选地,本公开实施例在基于参考描述内容,从至少一个第二候选业务点中确定出目标业务点集合时,可以计算每个第二候选业务点与各参考描述内容的相似度。可选地,参考描述内容可以是包括参考广告的关键词和简介信息之中的至少一项,其中,关键词是广告主针对参考广告购买的搜索词,简介信息包括参考广告的标题和摘要等。本公开实施例可以计算第二候选业务点与各参考广告的搜索词和简介信息的相似度。在得到每个第二候选业务点对应的至少一个相似度之后,可以将每个第二候选业务点对应的各个相似度输入到预先训练的相似度模型,输出第二候选业务点对应的融合相似度;基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出目标业务点集合。
可选地,本公开实施例在基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出目标业务点集合时,可以基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出至少一个第三候选业务点;在确定出第三候选业务点之后,可以识别每个第三候选业务点的意图信息;基于每个第三候选业务点对应的意图信息,从至少一个第三候选业务点中确定出目标业务点集合。具体来说,可以从所有第三候选业务点对应的意图信息中确定出占比最大的意图信息,将占比最大的意图信息确定为目标意图信息;将对应的意图信息是目标意图信息的第三候选业务点,确定为目标业务点集合。
可选地,本公开实施例在确定出目标业务点集合之后,还可以基于业务点黑名单和业务点白名单对目标业务点集合进行剔除和/或补充。具体来说,可以在业务点黑名单中确定出与目标广告对应的第一业务点,从目标业务点集合中剔除第一业务点。可以在业务点白名单中确定出与目标广告对应的第二业务点,将第二业务点添加到目标业务点集合。
图2示出了本公开实施例提供的另一种广告的业务信息挖掘方法的流程示意图,如图2所示,该方法主要可以包括以下步骤:
S201:获取目标广告的关键词和简介信息。
如前文所述,为了便于理解和表述,本公开实施例将待挖掘其业务点的广告定义为目标广告。具体来说,广告推广服务方的数据库中存储有广告的关键词和简介信息,可以从数据库中调取目标广告的关键词和简介信息。其中,关键词是广告主针对目标广告购买的搜索词,简介信息包括目标广告的标题和摘要等。本公开实施例在获取目标广告的至少一项目标描述内容时,可以获取目标广告的关键词、标题和摘要等内容,依据多种维度的信息来确定目标广告的业务点,在加大程度上保证业务点结果的准确度。在此需要说明的是,在步骤S201之后,执行步骤S202和步骤S203中的至少一个。
S202:从业务点集合中筛选与关键词的语义相匹配的至少一个第一候选业务点。
在本公开实施例中,可以通过多种方式对业务点集合中的业务点和关键词进行匹配,从而确定出相应的第一候选业务点。
可选地,本公开实施例可以对关键词和业务点进行字面匹配,如果关键词中包含有业务点,可以将该业务点确定为与这个关键词相匹配的第一候选业务点。
可选地,本公开实施例可以获取关键词和/或业务点的切词,基于获取到的切词对关键词和业务点进行字面匹配。具体来说,如果关键词与业务点的权重最高的切词相同、并且关键词的核心术语被业务点的核心术语及业务点的标术语包含,或者业务点的所有核心术语被关键词的核心术语及关键词的标题术语包含,则将该业务点确定为与这个关键词相匹配的第一候选业务点。
可选地,本公开实施例可以确定出关键词和业务点的向量,通过对关键词和业务点的向量进行比较确定出与关键词的语义相匹配的第一候选业务点。
可选地,本公开实施例可以关键词进行扩展,得到关键词的扩展词。对扩展词和业务点进行字面匹配,如果扩展词中包含有业务点,可以将该业务点确定为与这个关键词相匹配的第一候选业务点。
S203:从业务点集合中筛选与简介信息的语义相匹配的至少一个第一候选业务点。
在本公开实施例中,可以通过多种方式对业务点集合中的业务点和简介信息进行匹配,从而确定出相应的第一候选业务点。
可选地,本公开实施例可以对简介信息和业务点进行字面匹配,如果简介信息中包含有业务点,可以将该业务点确定为与这个简介信息相匹配的第一候选业务点。
可选地,本公开实施例可以获取简介信息和/或业务点的切词,基于获取到的切词对简介信息和业务点进行字面匹配。具体来说,如果简介信息与业务点的权重最高的切词相同、并且简介信息的核心术语被业务点的核心术语及业务点的标题术语包含,或者业务点的所有核心术语被简介信息的核心术语及简介信息的标题术语包含,则将该业务点确定为与这个简介信息相匹配的第一候选业务点。
可选地,本公开实施例可以确定出简介信息和业务点的向量,通过对简介信息和业务点的向量进行比较确定出与简介信息的语义相匹配的第一候选业务点。
可选地,本公开实施例可以预先训练得到文本相似度计算模型(如基于CNN-DSSM算法的模型),通过文本相似度计算模型计算简介信息与业务点的相似度,基于相似度确定出与简介信息的语义相匹配的第一候选业务点。
在一些情况下,两种语义非常相关的业务点实际的业务内容可能是不一样的,例如,“英语培训”和“英语培训加盟”这两个业务点的语义非常近似,但是所描述的业务范围是不同的,因此还需要从第一候选业务点做进一步筛选出准确的目标业务点,具体筛选方法可以参见步骤S204和步骤S212。
S204:获取每个第一候选业务点和对应的目标描述内容的属性信息的属性比较结果。
在本公开实施例中,属性信息包括品牌、意图、地域、术语中至少一种维度的信息。可以理解,每个目标描述内容均有可能具有对应的第一候选业务点,步骤S204可以获取第一候选业务点和对应的目标描述内容的品牌、意图、地域、术语中至少一种维度的信息,并对二者每个维度的信息进行比较,获取到对应的属性比较结果。可以理解,属性比较结果可以指示第一候选业务点和对应的目标描述内容的属性相同或不同。
S205:根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出至少一个与目标描述内容的属性相同的第二候选业务点。
可以理解,针对每个第一候选业务点,当属性比较结果指示该第一候选业务点和对应的目标描述内容的属性相同时,可以将该第一候选业务点确定为第二候选业务点。
S206:获取与目标广告相关的参考广告的至少一项参考描述内容。
在本公开实施例中,可以将目标广告的广告主向广告推广服务方投放的其它广告作为参考广告,可以理解,目标广告与参考广告的业务范围是相类似的,因此可以基于参考广告的参考描述内容来辅助筛选目标广告的目标业务点。具体来说,广告推广服务方的数据库中存储有广告的相关信息,可以从数据库中调取参考广告的参考描述内容。
可选地,参考描述内容可以是包括参考广告的关键词和简介信息之中的至少一项。其中,关键词是广告主针对参考广告购买的搜索词,简介信息包括参考广告的标题和摘要等。本公开实施例在获取参考广告的至少一项目标描述内容时,可以获取参考广告的关键词、标题和摘要等内容。
S207:计算每个第二候选业务点与各参考描述内容的相似度。
参考描述内容包括关键词、标题和摘要。本公开实施例可以将关键词、标题、摘要和第二候选业务点通过编码器(encoder)分别转换为向量,并对向量进行池化(pooling)。基于对应的向量,分别计算第二候选业务点与各关键词、标题、摘要的余弦距离,将余弦距离作为相似度。另外,还可以基于对应的向量计算第二候选业务点与各关键词的LD距离,将LD距离作为相似度。可以理解,针对每个第二候选业务点,步骤S207可以得到第二候选业务点对应的多个相似度。
S208:将每个第二候选业务点对应的各个相似度输入到预先训练的相似度模型,输出第二候选业务点对应的融合相似度。
可以理解,对于每个第二候选业务点,第二候选业务点与参考广告的多个关键词分别具有对应的相似度,第二候选业务点与参考广告的多个标题分别具有对应的相似度,第二候选业务点与参考广告的多个摘要分别具有对应的相似度。将第二候选业务点的对应的上述相似度作为特征输入到相似度模型中,通过输出该第二候选业务点对应的融合相似度。
S209:基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出至少一个第三候选业务点。
可选地,在确定出每个第二候选业务点对应的融合相似度之后,可以按照融合相似度从高到低的顺序对各第二候选业务点进行排序,将排在前N位的第二候选业务点中确定为第三候选业务点。
可选地,在确定出每个第二候选业务点对应的融合相似度之后,可以将融合相似度大于预设的相似度阈值的第二候选业务点确定为第三候选业务点,其中,相似度阈值可以根据实际的设计需要而定。
S210:识别每个第三候选业务点的意图信息。
可选地,本公开实施例可以通过意图识别工具,识别每个第三候选业务点的意图信息。这里,意图识别是指识别文本中蕴含的主题和意图,是偏向于应用层的自然语言理解任务,意图识别工具可以是预先训练的意图识别模型,例如意图识别模型可以是包含多个分类器的模型,本公开对意图识别模型的具体形式不做具体限制。
S211:从所有第三候选业务点对应的意图信息中确定出占比最大的意图信息,将占比最大的意图信息确定为目标意图信息。
在本公开实施例中,各个第三候选业务点对应的意图信息可能是相同或不同的,本公开实施例可以对所有第三候选业务点对应的意图信息进行统计,确定出相同的意图信息的占比,将占比最大的意图信息确定为目标意图信息。
S212:将对应的意图信息是目标意图信息的第三候选业务点,确定为目标业务点集合。
在本公开实施例中,当一个第三候选业务点的对应的意图信息是目标意图信息事,可以将该第三候选业务点确定为目标业务点。步骤S212可以将确定出的所有目标业务点组成目标广告的目标业务点集合。
可选地,本公开实施例在确定出目标业务点集合之后,还可以基于业务点黑名单和业务点白名单对目标业务点集合进行剔除和/或补充,可以理解,业务点黑名单和业务点白名单均包含至少一个业务点。这样可以避免因算法的准确率不够而导致确定出的目标广告的业务点不准确或业务点被遗漏。为了便于理解和表述,本公开实施例将业务点黑名单中的业务点定义为第一业务点,将业务点白名单的业务点定义为第二业务点。
本公开实施例可以在业务点黑名单中确定出与目标广告对应的第一业务点,从目标业务点集合中剔除第一业务点。具体来说,当目标业务点集合的一个目标业务点与业务点黑名单中的一个第一业务点相同时,可以将该目标业务点从目标业务点集合中剔除。
本公开是实施例可以在业务点白名单中确定出与目标广告对应的第二业务点,将第二业务点添加到目标业务点集合。具体来说,当业务点白名单中存在与目标广告对应的第二业务点、并且目标业务点集合为包含该第二业务点时,可以将该第二业务点补充到目标业务点集合中作为新的目标业务点。
基于与上述的广告的业务信息挖掘方法相同的原理,图3示出了本公开实施例提供的一种广告的业务信息挖掘装置的示意图。如图3所示,广告的业务信息挖掘装置300包括描述内容获取模块310、候选业务确定模块320、属性比较模块330和目标业务确定模块340。
描述内容获取模块310用于获取目标广告的至少一项目标描述内容。
候选业务确定模块320用于从业务点集合中筛选与目标描述内容的语义相匹配的至少一个第一候选业务点,业务点集合中的业务点表征广告的业务范围。
属性比较模块330用于获取每个第一候选业务点和对应的目标描述内容的属性信息的属性比较结果。
目标业务确定模块340用于根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合。
本公开实施例提供的广告的业务信息挖掘装置,预先配置了包括多种行业的广告的业务点的业务点集合,能够自动地基于广告的描述内容从业务点集合确定出广告的实际业务点,可以降低针对广告的业务挖掘所消耗的人工成本和时间成本,提高所挖掘的广告的业务信息的准确性,也有助于基于实际业务点高效准确地对广告进行推广。
在本公开实施例中,描述内容获取模块310在用于获取目标广告的至少一项目标描述内容时,具体用于:
获取目标广告的关键词和简介信息之中的至少一项;
关键词是广告主针对目标广告购买的搜索词,简介信息包括目标广告的标题和摘要之中的至少一项。
在本公开实施例中,候选业务确定模块320在用于从业务点集合中筛选与目标描述内容的语义相匹配的至少一个第一候选业务点时,具体用于:
从业务点集合中筛选与关键词的语义相匹配的至少一个第一候选业务点,和/或,从业务点集合中筛选与简介信息的语义相匹配的至少一个第一候选业务点。
在本公开实施例中,属性信息包括品牌、意图、地域、术语中至少一种维度的信息。
在本公开实施例中,目标业务确定模块340在用于根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出目标业务点集合时,具体用于:
根据每个第一候选业务点对应的属性比较结果,从至少一个第一候选业务点中确定出至少一个与目标描述内容的属性相同的第二候选业务点;
获取与目标广告相关的参考广告的至少一项参考描述内容;
基于参考描述内容,从至少一个第二候选业务点中确定出目标业务点集合。
在本公开实施例中,目标业务确定模块340在用于基于参考描述内容,从至少一个第二候选业务点中确定出目标业务点集合时,具体用于:
计算每个第二候选业务点与各参考描述内容的相似度;
将每个第二候选业务点对应的各个相似度输入到预先训练的相似度模型,输出第二候选业务点对应的融合相似度;
基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出目标业务点集合。
在本公开实施例中,目标业务确定模块340在用于基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出目标业务点集合时,具体用于:
基于第二候选业务点对应的融合相似度,从至少一个第二候选业务点中确定出至少一个第三候选业务点;
识别每个第三候选业务点的意图信息;
基于每个第三候选业务点对应的意图信息,从至少一个第三候选业务点中确定出目标业务点集合。
在本公开实施例中,目标业务确定模块340在用于基于每个第三候选业务点对应的意图信息,从至少一个第三候选业务点中确定出目标业务点集合时,具体用于:
从所有第三候选业务点对应的意图信息中确定出占比最大的意图信息,将占比最大的意图信息确定为目标意图信息;
将对应的意图信息是目标意图信息的第三候选业务点,确定为目标业务点集合。
在本公开实施例中,目标业务确定模块340还用于执行一下至少一项:
在业务点黑名单中确定出与目标广告对应的第一业务点,从目标业务点集合中剔除第一业务点;
在业务点白名单中确定出与目标广告对应的第二业务点,将第二业务点添加到目标业务点集合。
可以理解的是,本公开实施例中的广告的业务信息挖掘装置的上述各模块具有实现上述的广告的业务信息挖掘方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述广告的业务信息挖掘装置的各模块的功能描述具体可以参见上述的广告的业务信息挖掘方法的对应描述,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收集、存储、使用、加工、传输、提供和公开等处理,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。
图4示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。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,个人数字处理、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4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理,例如广告的业务信息挖掘方法。例如,在一些实施例中,广告的业务信息挖掘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408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的广告的业务信息挖掘方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行广告的业务信息挖掘方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(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***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***、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***、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***、装置或设备使用或与指令执行***、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***、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***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***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(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***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***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***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***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***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。任何在本公开的精神和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 (20)
1.一种广告的业务信息挖掘方法,包括:
获取目标广告的至少一项目标描述内容;
从业务点集合中筛选与所述目标描述内容的语义相匹配的至少一个第一候选业务点,所述业务点集合中的业务点表征广告的业务范围;
获取每个所述第一候选业务点和对应的所述目标描述内容的属性信息的属性比较结果;
根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出目标业务点集合。
2.根据权利要求1所述的方法,其中,所述获取目标广告的至少一项目标描述内容,包括:
获取目标广告的关键词和简介信息之中的至少一项;
所述关键词是广告主针对所述目标广告购买的搜索词,所述简介信息包括所述目标广告的标题和摘要之中的至少一项。
3.根据权利要求2所述的方法,其中,所述从业务点集合中筛选与所述目标描述内容的语义相匹配的至少一个第一候选业务点,包括:
从业务点集合中筛选与所述关键词的语义相匹配的至少一个第一候选业务点,和/或,从业务点集合中筛选与所述简介信息的语义相匹配的至少一个第一候选业务点。
4.根据权利要求1所述的方法,所述属性信息包括品牌、意图、地域、术语中至少一种维度的信息。
5.根据权利要求1至4中任一项所述的方法,其中,根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出目标业务点集合,包括:
根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出至少一个与所述目标描述内容的属性相同的第二候选业务点;
获取与所述目标广告相关的参考广告的至少一项参考描述内容;
基于所述参考描述内容,从至少一个所述第二候选业务点中确定出目标业务点集合。
6.根据权利要求5所述的方法,其中,所述基于所述参考描述内容,从至少一个所述第二候选业务点中确定出目标业务点集合,包括:
计算每个所述第二候选业务点与各所述参考描述内容的相似度;
将每个所述第二候选业务点对应的各个相似度输入到预先训练的相似度模型,输出所述第二候选业务点对应的融合相似度;
基于所述第二候选业务点对应的融合相似度,从至少一个所述第二候选业务点中确定出目标业务点集合。
7.根据权利要求6所述的方法,其中,所述基于所述第二候选业务点对应的融合相似度,从至少一个所述第二候选业务点中确定出目标业务点集合,包括:
基于所述第二候选业务点对应的融合相似度,从至少一个所述第二候选业务点中确定出至少一个第三候选业务点;
识别每个所述第三候选业务点的意图信息;
基于每个所述第三候选业务点对应的意图信息,从至少一个所述第三候选业务点中确定出目标业务点集合。
8.根据权利要求7所述的方法,其中,所述基于每个所述第三候选业务点对应的意图信息,从至少一个所述第三候选业务点中确定出目标业务点集合,包括:
从所有所述第三候选业务点对应的意图信息中确定出占比最大的意图信息,将所述占比最大的意图信息确定为目标意图信息;
将对应的意图信息是所述目标意图信息的所述第三候选业务点,确定为目标业务点集合。
9.根据权利要求1至8中任一项所述的方法,在所述根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出目标业务点集合之后,还包括一下至少一项:
在业务点黑名单中确定出与所述目标广告对应的第一业务点,从所述目标业务点集合中剔除所述第一业务点;
在业务点白名单中确定出与所述目标广告对应的第二业务点,将所述第二业务点添加到所述目标业务点集合。
10.一种广告的业务信息挖掘装置,包括:
描述内容获取模块,用于获取目标广告的至少一项目标描述内容;
候选业务确定模块,用于从业务点集合中筛选与所述目标描述内容的语义相匹配的至少一个第一候选业务点,所述业务点集合中的业务点表征广告的业务范围;
属性比较模块,用于获取每个所述第一候选业务点和对应的所述目标描述内容的属性信息的属性比较结果;
目标业务确定模块,用于根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出目标业务点集合。
11.根据权利要求10所述的装置,其中,所述描述内容获取模块在用于获取目标广告的至少一项目标描述内容时,具体用于:
获取目标广告的关键词和简介信息之中的至少一项;
所述关键词是广告主针对所述目标广告购买的搜索词,所述简介信息包括所述目标广告的标题和摘要之中的至少一项。
12.根据权利要求11所述的装置,其中,所述候选业务确定模块在用于从业务点集合中筛选与所述目标描述内容的语义相匹配的至少一个第一候选业务点时,具体用于:
从业务点集合中筛选与所述关键词的语义相匹配的至少一个第一候选业务点,和/或,从业务点集合中筛选与所述简介信息的语义相匹配的至少一个第一候选业务点。
13.根据权利要求10所述的装置,所述属性信息包括品牌、意图、地域、术语中至少一种维度的信息。
14.根据权利要求10至13中任一项所述的装置,其中,所述目标业务确定模块在用于根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出目标业务点集合时,具体用于:
根据每个所述第一候选业务点对应的属性比较结果,从至少一个所述第一候选业务点中确定出至少一个与所述目标描述内容的属性相同的第二候选业务点;
获取与所述目标广告相关的参考广告的至少一项参考描述内容;
基于所述参考描述内容,从至少一个所述第二候选业务点中确定出目标业务点集合。
15.根据权利要求14所述的装置,其中,所述目标业务确定模块在用于基于所述参考描述内容,从至少一个所述第二候选业务点中确定出目标业务点集合时,具体用于:
计算每个所述第二候选业务点与各所述参考描述内容的相似度;
将每个所述第二候选业务点对应的各个相似度输入到预先训练的相似度模型,输出所述第二候选业务点对应的融合相似度;
基于所述第二候选业务点对应的融合相似度,从至少一个所述第二候选业务点中确定出目标业务点集合。
16.根据权利要求15所述的装置,其中,所述目标业务确定模块在用于基于所述第二候选业务点对应的融合相似度,从至少一个所述第二候选业务点中确定出目标业务点集合时,具体用于:
基于所述第二候选业务点对应的融合相似度,从至少一个所述第二候选业务点中确定出至少一个第三候选业务点;
识别每个所述第三候选业务点的意图信息;
基于每个所述第三候选业务点对应的意图信息,从至少一个所述第三候选业务点中确定出目标业务点集合。
17.根据权利要求16所述的装置,其中,所述标业务确定模块在用于基于每个所述第三候选业务点对应的意图信息,从至少一个所述第三候选业务点中确定出目标业务点集合时,具体用于:
从所有所述第三候选业务点对应的意图信息中确定出占比最大的意图信息,将所述占比最大的意图信息确定为目标意图信息;
将对应的意图信息是所述目标意图信息的所述第三候选业务点,确定为目标业务点集合。
18.一种电子设备,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1-9中任一项所述的方法。
19.一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1-9中任一项所述的方法。
20.一种计算机程序产品,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1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322665.0A CN114048376A (zh) | 2021-11-09 | 2021-11-09 | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322665.0A CN114048376A (zh) | 2021-11-09 | 2021-11-09 | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114048376A true CN114048376A (zh) | 2022-02-15 |
Family
ID=80208004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111322665.0A Pending CN114048376A (zh) | 2021-11-09 | 2021-11-09 | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048376A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391774A (zh) * | 2023-10-16 | 2024-01-12 | 百度在线网络技术(北京)有限公司 | 基于关键词的广告生成方法、装置、设备以及存储介质 |
-
2021
- 2021-11-09 CN CN202111322665.0A patent/CN114048376A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391774A (zh) * | 2023-10-16 | 2024-01-12 | 百度在线网络技术(北京)有限公司 | 基于关键词的广告生成方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113660541B (zh) | 新闻视频的摘要生成方法及装置 | |
CN112989235B (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN107609192A (zh) | 一种搜索引擎的补充搜索方法和装置 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN110874532A (zh) | 提取反馈信息的关键词的方法和装置 | |
CN113128209A (zh) | 用于生成词库的方法及装置 | |
CN112579729A (zh) | 文档质量评价模型的训练方法、装置、电子设备和介质 | |
CN115098729A (zh) | 视频处理方法、样本生成方法、模型训练方法及装置 | |
CN113191145B (zh) | 关键词的处理方法、装置、电子设备和介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN117971698A (zh) | 测试用例生成方法、装置、电子设备和存储介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN114048376A (zh) | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 | |
CN114880498B (zh) | 事件信息展示方法及装置、设备和介质 | |
CN112926297B (zh) | 处理信息的方法、装置、设备和存储介质 | |
CN111144122A (zh) | 评价处理方法、装置和计算机***及介质 | |
CN114996574A (zh) | 画像标签的构建方法、装置及电子设备 | |
CN115292506A (zh) | 应用于办公领域的知识图谱本体构建方法和装置 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN114461748A (zh) | 标签抽取方法、装置、存储介质以及电子设备 | |
CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 | |
CN112989190A (zh) | 一种商品挂载方法、装置、电子设备和存储介质 | |
CN112860626A (zh) | 一种文档排序方法、装置及电子设备 |
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 |