CN114817743A - 兴趣点搜索方法和装置 - Google Patents
兴趣点搜索方法和装置 Download PDFInfo
- Publication number
- CN114817743A CN114817743A CN202210537792.0A CN202210537792A CN114817743A CN 114817743 A CN114817743 A CN 114817743A CN 202210537792 A CN202210537792 A CN 202210537792A CN 114817743 A CN114817743 A CN 114817743A
- Authority
- CN
- China
- Prior art keywords
- target
- interest
- interest points
- users
- candidate
- 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 44
- 238000012216 screening Methods 0.000 claims abstract description 113
- 238000012163 sequencing technique Methods 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 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
- 238000013461 design 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
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)
- Remote Sensing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了兴趣点搜索方法和装置,涉及计算机技术领域,具体地图搜索技术领域和人工智能技术领域。具体实现方案为:首先获取兴趣点的搜索请求,该搜索请求包括多个用户的筛选条件,筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件,然后基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域,并基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点,最后对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点,能够同时平衡满足多个用户的筛选条件,提高了目标兴趣点的搜索效率,满足多个用户的目标需求。
Description
技术领域
本公开涉及计算机技术领域,具体地图搜索技术领域和人工智能技术领域,尤其涉及兴趣点搜索方法和装置。
背景技术
电子地图为人们的出行提供了便捷,通过电子地图,用户可以查找到兴趣点(Point of Interest,POI)的地理位置信息,从而能够为出行提供参考,以及地图的数据通常较为庞大,其中包含众多的兴趣点、道路、区域等数据信息。用户在使用地图进行目标兴趣点的搜索时,通常以当前位置为中心,在预设半径的圆形区域内搜索。
面对多人多目标兴趣点选取的检索需求,需要用户根据多个目标需求手动多阶段搜索比对决策,每次检索针对单一目标需求进行查询,用户综合多个目标需求的搜索结果后,然后人工进行综合挑选。
发明内容
本公开提供了一种兴趣点搜索方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的一方面,提供了一种兴趣点搜索方法,该方法包括:获取兴趣点的搜索请求,其中,搜索请求包括多个用户的筛选条件,筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件;基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域;基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点;对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点。
根据本公开的另一方面,提供了一种兴趣点搜索装置,该装置包括:获取模块,被配置成获取兴趣点的搜索请求,其中,搜索请求包括多个用户的筛选条件,筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件;第一筛选模块,被配置成基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域;第二筛选模块,被配置成基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点;搜索模块,被配置成对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点。
根据本公开的另一方面,提供了一种电子设备,该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兴趣点搜索方法。
根据本公开的另一方面,提供了一种计算机可读介质,其上存储有计算机指令,该计算机指令用于使计算机能够执行上述兴趣点搜索方法。
根据本公开的另一方面,本申请实施例提供了一种计算机程序产品,其包括计算机程序/指令,计算机程序/指令被处理器执行时实现上述兴趣点搜索方法。
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是根据本公开的兴趣点搜索方法的一个实施例的流程图;
图2是根据本公开的兴趣点搜索方法的一个应用场景的示意图;
图3是根据本公开的筛选出符合位置需求的目标位置区域的一个实施例的流程图;
图4是根据本公开的获取预设地图信息的一个实施例的流程图;
图5是根据本公开的搜索目标兴趣点的一个实施例的流程图;
图6是根据本公开的对多个候选兴趣点进行排序的一个实施例的流程图;
图7是根据本公开的兴趣点搜索方法的另一个实施例的流程图;
图8是根据本公开的兴趣点搜索装置的一个实施例的结构示意图;
图9是用来实现本公开实施例的兴趣点搜索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。
参考图1,图1示出了可以应用于本公开的兴趣点搜索方法的实施例的流程示意图100。该兴趣点搜索方法包括以下步骤:
步骤110,获取兴趣点的搜索请求。
在本实施例中,终端可以通过屏幕向用户展示筛选条件的输入界面,可以在输入界面中同时输入多个用户的筛选条件,该多个用户可以是需要同时搜索共同兴趣点的用户,每个用户的筛选条件可以包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件,其中,位置需求类型的第一筛选条件可以是与用户当前位置信息相关的位置筛选条件,可以包括用户当前位置信息,用户的通勤方式和能够接收的通勤时长等等,每个用户可以对应多个与位置需求相关的第一筛选条件;兴趣需求类型的第二筛选条件可以是与用户感兴趣类型相关的兴趣筛选条件,可以包括用户感兴趣的美食类型、娱乐类型等等,每个用户可以对应一个或多个与兴趣需求相关的第二筛选条件。终端接收到多个用户对应的筛选条件后,可以根据输入的多个用户的筛选条件生成兴趣点的搜索请求,并将该搜索请求发送至兴趣点搜索方法的执行主体(例如服务器)。
上述执行主体接收到终端发送的搜索请求后,可以对该搜索请求进行解析处理,获取到搜索请求中包括的多个用户的筛选条件,每个用户的筛选条件中包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件。
步骤120,基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域。
在本实施例中,上述执行主体获取到搜索请求中的第一筛选条件后,可以读取本地存储的预设地图信息,该预设地图信息可以是包括多个标注有地理位置编码的地域块组成的城市地图信息,可以包括多个以GeoHash码表示的地域块,还可以包括能够达到各个地域块的通勤方式和通勤时长等多种信息。上述执行主体可以将分别根据每个用户的第一筛选条件在预设地图信息中确定出能够符合位置需求的位置区域,再根据每个用户对应的位置区域确定出能够符合多个用户的位置需求的目标位置区域。
作为示例,若存在3个用户,用户A对应第一筛选条件a,用户B对应第一筛选条件b,用户C对应第一筛选条件c,上述执行主体可以根据用户A对应第一筛选条件a,在预设地图信息中确定出符合位置需求的位置区域1,然后根据用户B对应第一筛选条件b,在预设地图信息中确定出符合位置需求的位置区域2,并根据用户C对应第一筛选条件c,在预设地图信息中确定出符合位置需求的位置区域3,最后根据位置区域1、位置区域2和位置区域3确定出交集区域,作为能够符合用户A、B、C的位置需求的目标位置区域。
步骤130,基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点。
在本实施例中,上述执行主体确定出符合多个用户的位置需求的目标位置区域后,可以在预设地图信息中确定出目标区域内包括的地图信息,该地图信息可以包括兴趣点类型信息、兴趣点位置信息等。上述执行主体可以分别根据每个用户的第二筛选条件确定出符合每个用户兴趣需求的兴趣点类型,根据兴趣点类型和每个用户的第二筛选条件在目标位置区域对应的地图信息中筛选出符合每个用户兴趣需求的候选兴趣点,从而筛选出符合多个用户的兴趣需求的多个候选兴趣点。
作为示例,若存在3个用户,用户A对应的第二筛选条件d为美食火锅,用户B的对应第二筛选条件e为美食烤肉,用户C对应的第二筛选条件f为美食烧烤,则上述执行主体可以根据用户A、用户B和用户C的第二筛选条件确定出用户A、用户B和用户C的兴趣点类型是美食类型,然后根据每个用户的第二筛选条件和美食类型在目标位置区域内确定出火锅美食店、烤肉美食店和烧烤美食店多个候选兴趣点。
步骤140,对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点。
在本实施例中,上述执行主体获取到符合多个用户兴趣需求的多个候选兴趣点后,可以获取每个候选兴趣点与多个用户之间的关联信息,该关联信息可以表征每个候选兴趣点与多个用户之间的距离信息、每个候选兴趣点的通勤便利信息等等,并根据该关联信息由小到大对多个候选兴趣点进行排序,获取到多个候选兴趣点对应的排序结果,然后上述执行主体可以将排序结果中排序在前的预设数量个候选兴趣点作为与多个用户的筛选条件对应的目标兴趣点,其中,该预设数量可以是5、10、20等等,也可以是全部,本公开对此不作具体限定。
继续参见图2,图2是根据本实施例的兴趣点搜索方法的应用场景的一个示意图。
在图2的应用场景中,终端201可以通过屏幕向用户展示筛选条件的输入界面,可以在输入界面中同时输入多个用户的筛选条件,该多个用户可以是需要同时搜索共同兴趣点的用户,每个用户的筛选条件可以包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件。终端201接收到多个用户对应的筛选条件后,可以根据输入的多个用户的筛选条件生成兴趣点的搜索请求,并将该搜索请求发送至服务器202。服务器202根据终端201发送的多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域。然后服务器202根据终端201发送的多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点。最后服务器202对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点,并将目标兴趣点发送给终端201,终端201可以将目标兴趣点通过屏幕展示给用户。
本公开的实施例提供的兴趣点搜索方法,通过获取兴趣点的搜索请求,该搜索请求包括多个用户的筛选条件,筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件,然后基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域,并基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点,最后对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点,能够同时平衡满足多个用户的筛选条件,帮助多个用户选择出符合用户需求的目标兴趣点,提升用户检索体验,并且不需要用户手动多阶段进行搜索比对决策,获取到多个用户的筛选条件后即可搜索目标兴趣点,节省用户多目标多次检索、评价决策的时间成本,节省用户大量时间,提高了目标兴趣点的搜索效率,满足多个用户的目标需求。
参考图3,图3示出了筛选出符合位置需求的目标位置区域的一个实施例的流程图300,即上述步骤120,基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域,可以包括以下步骤:
步骤310,基于多个用户的多个起始位置,确定出多个用户对应的初始位置区域。
其中,每个用户对应的第一筛选条件可以包括用户的起始位置和通勤条件,该通勤条件可以包括用户的通勤方式和用户接受的通勤时长等。
在本实施例中,上述执行主体获取到每个用户的第一筛选条件后们可以确定出每个用户的起始位置。上述执行主体可以将每个用户的起始位置作为顶点,确定出多个起始位置对应的多边形区域,并将该多边形区域作为多个用户对应的初始位置区域。
作为示例,上述执行主体可以获取到用户A的起始位置1、用户B的起始位置2和用户C的起始位置3,将起始位置1、起始位置2和起始位置3分别作为顶点,确定出起始位置1、起始位置2和起始位置3组成的多边形区域,将该多边形区域作为用户A、用户B和用户C对应的初始位置区域。
步骤320,基于预设地图信息,获取初始位置区域对应的通勤信息。
在本实施例中,上述执行主体确定出多个用户对应的初始位置区域后们可以确定该初始位置区域中包括有预设地图信息中的一个或多个地域块。上述执行主体可以在预设地图信息中确定出该地域块关联的通勤信息,该通勤信息可以包括能够达到该地域块的通勤方式和通勤时长等多种信息。
步骤330,基于多个用户的多个通勤条件和初始位置区域对应的通勤信息,从初始位置区域中筛选出符合位置需求的目标位置区域。
在本实施例中,上述执行主体确定出初始位置区域对应的通勤信息后,可以分别将每个用户的通勤条件与初始位置区域内的通勤信息进行比对,确定出能够满足多个用户的通勤条件的区域,从而在初始位置区域中筛选出符合多个用户的位置需求的目标位置区域。
在本实施例中,通过基于多个用户的起始位置确定出初始位置区域,并基于多个用户的通勤条件从初始位置区域中确定出目标位置区域,使得目标位置区域既能够满足多个用户的位置条件,又能满足多个用户的通勤条件,能够满足多个用户的位置需求,确定出最适合多个用户的目标位置区域。
参考图4,图4示出了获取预设地图信息的一个实施例的流程图400,可以包括以下步骤:
步骤410,对地图信息进行切块处理,获取到预设尺寸的多个地域块。
在本实施例中,上述执行主体可以获取到某个城市对应的地图信息,然后可以对该地图信息按照预设尺寸进行切块处理,获取到预设尺寸的多个地域块,并对每个地域块利用地理位置编码进行编码计算,得到每个地域块的GeoHash码。
步骤420,基于多个地域块的中心位置,计算多个地域块中每两个地域块之间不同通勤方式的通勤时间。
在本实施例中,上述执行主体获取到预设尺寸的多个地域块后,可以确定出每个地域块的中心位置。上述执行主体可以计算多个地域块中每两个地域块之间的通勤距离,并根据通勤距离按照不同的通勤方式计算通勤时间,通勤方式可以包括驾车、公共交通、骑行、步行等方式。
步骤430,将多个地域块和不同通勤方式的通勤时间进行存储,生成预设地图信息。
在本实施例中,上述执行主体获取到多个地域块中每两个地域块之间不同通勤方式的通勤时间后,可以将多个地域块和不同通勤方式的通勤时间进行存储,生成对应的预设地图信息。
在本实施例中,通过将地图信息进行切块处理和计算通勤时间,并将地域块之间各通勤方式的通勤时间进行存储,能够减少对位置检索的时间,减少在线检索时的计算压力,提高检索效率。
参考图5,图5示出了搜索目标兴趣点的一个实施例的流程图500,即上述步骤140,对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点,可以包括以下步骤:
步骤510,对多个候选兴趣点进行特征提取,获取到多个候选兴趣点对应的多个特征信息。
在本实施例中,上述执行主体获取到多个候选兴趣点后,可以对每个候选兴趣点进行特征提取,提取每个候选兴趣点与多个用户之间的特征信息,该特征信息可以包括兴趣点的访问热度信息、用户点击信息、历史评价信息、历史访问用户平均通勤范围、输入的多个历史用户的起始位置、平均通勤距离和通勤时间等信息,本公开还可以提取候选兴趣点的其他特征信息,对此不作具体限定。
步骤520,基于多个特征信息,利用多目标排序模型对多个候选兴趣点进行排序,得到多个候选兴趣点对应的排序结果。
在本实施例中,上述执行主体获取到每个候选兴趣点的多个特征信息后,可以将每个候选兴趣点的多个特征信息和多个候选兴趣点输入至多目标排序模型中,多目标排序模型可以基于每个候选兴趣点的多个特征信息对多个候选兴趣点进行排序,输出多个候选兴趣点对应的排序结果。其中,多目标排序模型可以是多门专家组合(MMOE)模型,可以是针对多个任务,通过在所有任务中共享专家子模型,使Mixture-ofExperts(MoE--专家组合)结构适应多任务学习,同时还训练了一个门控网络来优化每个任务。
步骤530,从排序结果中搜索与多个用户的筛选条件对应的目标兴趣点。
在本实施例中,上述执行主体获取到多个候选兴趣点对应的排序结果后,可以将排序结果中排序在前的预设数量个候选兴趣点作为与多个用户的筛选条件对应的目标兴趣点,其中,该预设数量可以是5、10、20等等,也可以是全部,本公开对此不作具体限定。
在本实施例中,通过候选兴趣点的特征信息和多目标排序模型对多个候选兴趣点进行排序,并从排序结果中确定出目标兴趣点,能够更准确地确定出多个用户感兴趣的目标兴趣点,提高了目标兴趣点的搜索效率和准确性。
参考图6,图6示出了对多个候选兴趣点进行排序的一个实施例的流程图600,可以包括以下步骤:
步骤610,基于多个特征信息和多个候选兴趣点的通勤信息,利用多目标排序模型对多个候选兴趣点进行排序,得到第一排序结果。
在本步骤中,上述执行主体获取到每个候选兴趣点的多个特征信息后,可以将每个候选兴趣点的多个特征信息和多个候选兴趣点输入至多目标排序模型中,多目标排序模型可以根据多个候选兴趣点的通勤信息,利用每个候选兴趣点的多个特征信息对多个候选兴趣点进行排序,得到以通勤信息为目标排序的第一排序结果,该第一排序结果可以是基于每个候选兴趣点的通勤便利度为目标的排序结果,可以包括每个候选兴趣点对应的通勤信息。
步骤620,基于多个特征信息和多个候选兴趣点的点击信息,利用多目标排序模型对多个候选兴趣点进行排序,得到第二排序结果。
在本步骤中,上述执行主体获取到每个候选兴趣点的多个特征信息后,可以将每个候选兴趣点的多个特征信息和多个候选兴趣点输入至多目标排序模型中,多目标排序模型可以根据多个候选兴趣点的点击信息,利用每个候选兴趣点的多个特征信息对多个候选兴趣点进行排序,得到以点击信息为目标排序的第二排序结果,该第二排序结果可以是基于每个候选兴趣点的点击率为目标的排序结果,可以包括每个候选兴趣点对应的点击信息。
步骤630,对第一排序结果和第二排序结果进行数据拟合,得到多个候选兴趣点对应的排序结果。
在本步骤中,上述执行主体获取到多个候选兴趣点对应的第一排序结果和第二排序结果后,可以分别将第一排序结果和第二排序结果中同一个候选兴趣点的通勤信息和点击信息进行数据拟合,得到每个候选兴趣点的拟合信息。上述执行主体可以基于每个候选兴趣点的拟合信息对多个候选兴趣点进行排序,得到多个候选兴趣点对应的排序结果。
在本实现方式中,通过多目标排序模型基于通勤便利度和点击率对多个候选兴趣点进行排序,并基于得到的第一排序结果和第二排序结果确定最终的排序结果,提高了每个候选兴趣点的排序准确性,从而提高了多个候选兴趣点对应的排序结果的准确性。
参考图7,图7示出了兴趣点搜索方法的另一个实施例的流程图700,该兴趣点搜索方法可以包括以下步骤:
步骤710,获取兴趣点的搜索请求。
本实施例的步骤710可以按照与图1所示实施例中的步骤110类似的方式执行,此处不赘述。
步骤720,基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域。
本实施例的步骤720可以按照与图1所示实施例中的步骤120类似的方式执行,此处不赘述。
步骤730,基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点。
本实施例的步骤730可以按照与图1所示实施例中的步骤130类似的方式执行,此处不赘述。
步骤740,对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点。
本实施例的步骤740可以按照与图1所示实施例中的步骤140类似的方式执行,此处不赘述。
步骤750,响应于获取到与多个筛选条件对应的目标兴趣点,获取目标兴趣点对应的兴趣点信息。
在本实施例中,上述执行主体获取到与多个筛选条件对应的目标兴趣点,可以对目标兴趣点进行分析,获取到目标兴趣点对应的兴趣点信息,该兴趣点信息可以包括目标兴趣点的通勤信息、评价信息等信息。
步骤760,将目标兴趣点和目标兴趣点对应的兴趣点信息呈现给用户。
在本实施例中,上述执行主体获取到目标兴趣点的兴趣点信息后,可以将目标兴趣点和目标兴趣点对应的兴趣点信息发送至终端,终端通过屏幕将目标兴趣点和目标兴趣点对应的兴趣点信息呈现给用户。
若存在多个目标兴趣点,则可以按照目标兴趣点的排序顺序展示给用户。
在本实施例中,通过将目标兴趣点和目标兴趣点对应的兴趣点信息呈现给用户,使得用户能够在了解兴趣点的同时也了解兴趣点的相关信息,提高了兴趣点确定的多样性和全面性。
进一步参考图8,作为对上述各图所示方法的实现,本公开提供了一种兴趣点搜索的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例的兴趣点搜索800包括:获取模块810,第一筛选模块820,第二筛选模块830和搜索模块840。
其中,获取模块810,被配置成获取兴趣点的搜索请求,其中,搜索请求包括多个用户的筛选条件,筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件;
第一筛选模块820,被配置成基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域;
第二筛选模块830,被配置成基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点;
搜索模块840,被配置成对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点。
在本实施例的一些可选的方式中,第一筛选条件包括用户的起始位置和通勤条件;以及,第一筛选模块820,进一步被配置成:基于多个用户的多个起始位置,确定出多个用户对应的初始位置区域;基于预设地图信息,获取初始位置区域对应的通勤信息;基于多个用户的多个通勤条件和初始位置区域对应的通勤信息,从初始位置区域筛选出符合位置需求的目标位置区域。
在本实施例的一些可选的方式中,预设地图信息基于以下步骤获取:对地图信息进行切块处理,获取到预设尺寸的多个地域块;基于多个地域块的中心位置,计算多个地域块中每两个地域块之间不同通勤方式的通勤时间;将多个地域块和不同通勤方式的通勤时间进行存储,生成预设地图信息。
在本实施例的一些可选的方式中,搜索模块840,包括:特征提取单元,被配置成对多个候选兴趣点进行特征提取,获取到多个候选兴趣点对应的多个特征信息;排序单元,被配置成基于多个特征信息,利用多目标排序模型对多个候选兴趣点进行排序,得到多个候选兴趣点对应的排序结果;搜索单元,被配置成从排序结果中搜索与多个用户的筛选条件对应的目标兴趣点。
在本实施例的一些可选的方式中,排序单元,进一步被配置成:基于多个特征信息和多个候选兴趣点的通勤信息,利用多目标排序模型对多个候选兴趣点进行排序,得到第一排序结果;基于多个特征信息和多个候选兴趣点的点击信息,利用多目标排序模型对多个候选兴趣点进行排序,得到第二排序结果;对第一排序结果和第二排序结果进行数据拟合,得到多个候选兴趣点对应的排序结果。
在本实施例的一些可选的方式中,该装置还包括呈现模块;获取模块810,进一步被配置成响应于获取到与多个筛选条件对应的目标兴趣点,获取目标兴趣点对应的兴趣点信息;呈现模块,被配置成将目标兴趣点和目标兴趣点对应的兴趣点信息呈现给用户。
本公开的实施例提供的兴趣点搜索装置,通过获取兴趣点的搜索请求,该搜索请求包括多个用户的筛选条件,筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件,然后基于多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域,并基于多个用户的第二筛选条件,从目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点,最后对多个候选兴趣点进行排序,从多个候选兴趣点中搜索与多个用户的筛选条件对应的目标兴趣点,能够同时平衡满足多个用户的筛选条件,帮助多个用户选择出符合用户需求的目标兴趣点,提升用户检索体验,并且不需要用户手动多阶段进行搜索比对决策,获取到多个用户的筛选条件后即可搜索目标兴趣点,节省用户多目标多次检索、评价决策的时间成本,节省用户大量时间,提高了目标兴趣点的搜索效率,满足多个用户的目标需求。
本领域技术人员可以理解,上述装置还包括一些其他公知结构,例如处理器、存储器等,为了不必要地模糊本公开的实施例,这些公知的结构在图8中未示出。
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9示出了可以用来实施本公开的实施例的示例电子设备900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9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理,例如兴趣点搜索方法。例如,在一些实施例中,兴趣点搜索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908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的兴趣点搜索方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行兴趣点搜索方法。
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***、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,本发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 (15)
1.一种兴趣点搜索方法,包括:
获取兴趣点的搜索请求,其中,所述搜索请求包括多个用户的筛选条件,所述筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件;
基于所述多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域;
基于所述多个用户的第二筛选条件,从所述目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点;
对所述多个候选兴趣点进行排序,从所述多个候选兴趣点中搜索与所述多个用户的筛选条件对应的目标兴趣点。
2.根据权利要求1所述的方法,其中,所述第一筛选条件包括所述用户的起始位置和通勤条件;以及,
所述基于所述多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域,包括:
基于所述多个用户的多个起始位置,确定出所述多个用户对应的初始位置区域;
基于预设地图信息,获取所述初始位置区域对应的通勤信息;
基于所述多个用户的多个通勤条件和所述初始位置区域对应的通勤信息,从所述初始位置区域中筛选出符合位置需求的目标位置区域。
3.根据权利要求1或2所述的方法,其中,所述预设地图信息基于以下步骤获取:
对地图信息进行切块处理,获取到预设尺寸的多个地域块;
基于所述多个地域块的中心位置,计算所述多个地域块中每两个地域块之间不同通勤方式的通勤时间;
将所述多个地域块和所述不同通勤方式的通勤时间进行存储,生成所述预设地图信息。
4.根据权利要求1所述的方法,其中,所述对所述多个候选兴趣点进行排序,从所述多个候选兴趣点中搜索与所述多个用户的筛选条件对应的目标兴趣点,包括:
对所述多个候选兴趣点进行特征提取,获取到所述多个候选兴趣点对应的多个特征信息;
基于所述多个特征信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到所述多个候选兴趣点对应的排序结果;
从所述排序结果中搜索与所述多个用户的筛选条件对应的目标兴趣点。
5.根据权利要求4所述的方法,其中,所述基于所述多个特征信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到所述多个候选兴趣点对应的排序结果,包括:
基于所述多个特征信息和所述多个候选兴趣点的通勤信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到第一排序结果;
基于所述多个特征信息和所述多个候选兴趣点的点击信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到第二排序结果;
对所述第一排序结果和所述第二排序结果进行数据拟合,得到所述多个候选兴趣点对应的排序结果。
6.根据权利要求1-5任意一项所述的方法,所述方法还包括:
响应于获取到与所述多个筛选条件对应的目标兴趣点,获取所述目标兴趣点对应的兴趣点信息;
将所述目标兴趣点和所述目标兴趣点对应的兴趣点信息呈现给所述用户。
7.一种兴趣点搜索装置,包括:
获取模块,被配置成获取兴趣点的搜索请求,其中,所述搜索请求包括多个用户的筛选条件,所述筛选条件包括位置需求类型的第一筛选条件和兴趣需求类型的第二筛选条件;
第一筛选模块,被配置成基于所述多个用户的第一筛选条件和预设地图信息,筛选出符合位置需求的目标位置区域;
第二筛选模块,被配置成基于所述多个用户的第二筛选条件,从所述目标位置区域对应的地图信息中筛选出符合兴趣需求的多个候选兴趣点;
搜索模块,被配置成对所述多个候选兴趣点进行排序,从所述多个候选兴趣点中搜索与所述多个用户的筛选条件对应的目标兴趣点。
8.根据权利要求7所述的装置,其中,所述第一筛选条件包括所述用户的起始位置和通勤条件;以及,所述第一筛选模块,进一步被配置成:
基于所述多个用户的多个起始位置,确定出所述多个用户对应的初始位置区域;
基于预设地图信息,获取所述初始位置区域对应的通勤信息;
基于所述多个用户的多个通勤条件和所述初始位置区域对应的通勤信息,从所述初始位置区域中筛选出符合位置需求的目标位置区域。
9.根据权利要求7或8所述的装置,其中,所述预设地图信息基于以下步骤获取:
对地图信息进行切块处理,获取到预设尺寸的多个地域块;
基于所述多个地域块的中心位置,计算所述多个地域块中每两个地域块之间不同通勤方式的通勤时间;
将所述多个地域块和所述不同通勤方式的通勤时间进行存储,生成所述预设地图信息。
10.根据权利要求7所述的装置,其中,所述搜索模块,包括:
特征提取单元,被配置成对所述多个候选兴趣点进行特征提取,获取到所述多个候选兴趣点对应的多个特征信息;
排序单元,被配置成基于所述多个特征信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到所述多个候选兴趣点对应的排序结果;
搜索单元,被配置成从所述排序结果中搜索与所述多个用户的筛选条件对应的目标兴趣点。
11.根据权利要求10所述的装置,其中,所述排序单元,进一步被配置成:
基于所述多个特征信息和所述多个候选兴趣点的通勤信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到第一排序结果;
基于所述多个特征信息和所述多个候选兴趣点的点击信息,利用多目标排序模型对所述多个候选兴趣点进行排序,得到第二排序结果;
对所述第一排序结果和所述第二排序结果进行数据拟合,得到所述多个候选兴趣点对应的排序结果。
12.根据权利要求7-11任意一项所述的装置,所述装置还包括呈现模块;
所述获取模块,进一步被配置成响应于获取到与所述多个筛选条件对应的目标兴趣点,获取所述目标兴趣点对应的兴趣点信息;
所述呈现模块,被配置成将所述目标兴趣点和所述目标兴趣点对应的兴趣点信息呈现给所述用户。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210537792.0A CN114817743A (zh) | 2022-05-17 | 2022-05-17 | 兴趣点搜索方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210537792.0A CN114817743A (zh) | 2022-05-17 | 2022-05-17 | 兴趣点搜索方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114817743A true CN114817743A (zh) | 2022-07-29 |
Family
ID=82515993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210537792.0A Pending CN114817743A (zh) | 2022-05-17 | 2022-05-17 | 兴趣点搜索方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114817743A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636457A (zh) * | 2015-02-04 | 2015-05-20 | 下一站信息技术(上海)有限公司 | 一种位置搜索认知的方法及装置 |
CN106649332A (zh) * | 2015-10-29 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种在地图上搜索兴趣点的方法及装置 |
CN108875007A (zh) * | 2018-06-15 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 兴趣点的确定方法和装置、存储介质、电子装置 |
CN111080343A (zh) * | 2019-11-27 | 2020-04-28 | 贝壳技术有限公司 | 基于多用户的房源搜索方法及*** |
CN111460068A (zh) * | 2020-03-30 | 2020-07-28 | 滴图(北京)科技有限公司 | 兴趣点搜索方法、可读存储介质和电子设备 |
CN111651688A (zh) * | 2020-04-03 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 兴趣点检索方法、装置、电子设备及存储介质 |
CN113761381A (zh) * | 2021-09-23 | 2021-12-07 | 北京百度网讯科技有限公司 | 兴趣点推荐的方法、装置、设备以及存储介质 |
-
2022
- 2022-05-17 CN CN202210537792.0A patent/CN114817743A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636457A (zh) * | 2015-02-04 | 2015-05-20 | 下一站信息技术(上海)有限公司 | 一种位置搜索认知的方法及装置 |
CN106649332A (zh) * | 2015-10-29 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 一种在地图上搜索兴趣点的方法及装置 |
CN108875007A (zh) * | 2018-06-15 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 兴趣点的确定方法和装置、存储介质、电子装置 |
CN111080343A (zh) * | 2019-11-27 | 2020-04-28 | 贝壳技术有限公司 | 基于多用户的房源搜索方法及*** |
CN111460068A (zh) * | 2020-03-30 | 2020-07-28 | 滴图(北京)科技有限公司 | 兴趣点搜索方法、可读存储介质和电子设备 |
CN111651688A (zh) * | 2020-04-03 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 兴趣点检索方法、装置、电子设备及存储介质 |
CN113761381A (zh) * | 2021-09-23 | 2021-12-07 | 北京百度网讯科技有限公司 | 兴趣点推荐的方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110726418B (zh) | 兴趣点区域确定方法、装置、设备及存储介质 | |
CN104102719B (zh) | 一种轨迹信息的推送方法及装置 | |
US11475088B2 (en) | Providing notifications based on geofencing search results | |
CN110472163B (zh) | 地图搜索结果的展现确定方法、装置、电子设备和介质 | |
CN112612957A (zh) | 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置 | |
JP7206514B2 (ja) | 地理位置点のソート方法、ソートモデルの訓練方法及び対応装置 | |
CN111105294A (zh) | 一种vr导览方法、***、客户端、服务器及其存储介质 | |
EP2973249A2 (en) | Contextual socially aware local search | |
CN113656698A (zh) | 兴趣特征提取模型的训练方法、装置和电子设备 | |
CN110427574B (zh) | 路线相似度确定方法、装置、设备和介质 | |
CN111984876A (zh) | 兴趣点处理方法、装置、设备及计算机可读存储介质 | |
CN112308477A (zh) | 库存定位方法和装置 | |
CN114817743A (zh) | 兴趣点搜索方法和装置 | |
CN113761381B (zh) | 兴趣点推荐的方法、装置、设备以及存储介质 | |
CN114756774A (zh) | 出行方案推荐、模型训练方法、装置、设备以及存储介质 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
CN113420104A (zh) | 兴趣点采全率确定方法、装置、电子设备及存储介质 | |
CN113447034A (zh) | 一种路网数据处理方法、装置、电子设备及可读存储介质 | |
CN113378082A (zh) | 一种信息推荐方法、装置、电子设备以及存储介质 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
CN117633360A (zh) | 基于多场景的内容推荐方法、装置、电子设备及存储介质 | |
CN112528145B (zh) | 信息推荐方法、装置、设备及可读存储介质 | |
CN116244529A (zh) | 兴趣点检索方法、装置、电子设备及存储介质 | |
CN114691957A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
CN113934932A (zh) | 推荐列表生成方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220729 |