CN111177248B - 基于特征识别和格式转换的数据存储方法及装置 - Google Patents
基于特征识别和格式转换的数据存储方法及装置 Download PDFInfo
- Publication number
- CN111177248B CN111177248B CN202010276596.3A CN202010276596A CN111177248B CN 111177248 B CN111177248 B CN 111177248B CN 202010276596 A CN202010276596 A CN 202010276596A CN 111177248 B CN111177248 B CN 111177248B
- Authority
- CN
- China
- Prior art keywords
- behavior
- data
- data format
- determining
- user behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/258—Data format conversion from or to a database
-
- 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
- G06F16/2455—Query execution
- G06F16/24552—Database cache management
-
- 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
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)
- Computational Linguistics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供了一种基于特征识别和格式转换的数据存储方法及装置。首先,对获取到的用户行为数据进行节点化处理得到用户行为轨迹。其次,确定用户行为轨迹中的每个行为节点对应的用户行为特征,进而根据用户行为特征确定出每个行为节点对应的第一特征比较结果和第二特征比较结果。最后,根据每个行为节点对应的第一特征比较结果和第二特征比较结果确定出用户行为数据对应的目标数据格式,然后将云端服务器中存储的业务数据进行数据格式的转换,将转换得到的目标业务数据导入缓存。如此,当用户终端进行数据请求时,云端服务器能够将目标业务数据下发给用户终端以供用户终端直接使用,无需用户终端对所接收的数据进行格式转换。
Description
技术领域
本发明涉及大数据存储优化技术领域,具体而言,涉及一种基于特征识别和格式转换的数据存储方法及装置。
背景技术
随着科技的发展,数据在社会生产和人们生活中起着愈来愈重要的作用,也随之迎来了大数据时代。大数据时代为社会生产和人们生活提供了诸多便利,社会的发展以及人们日常生活已然离不开大数据。在大数据领域中,数据存储和数据下发可以通过云端服务器实现,用户终端可以从云端服务器获取数据然后进行相应的业务操作。然而,存储于云端服务器的数据的数据格式往往不同于用户终端进行业务操作时所使用的数据格式,这样会导致用户终端从云端服务器获取了数据之后还需要对数据进行格式转换。
发明内容
为了改善上述问题,本发明提供了一种基于特征识别和格式转换的数据存储方法及装置。
本发明实施例的第一方面,提供了一种基于特征识别和格式转换的数据存储方法,应用于与用户终端通信的云端服务器,所述方法包括:
获取用户终端在设定时段内的用户行为数据;
对所述用户行为数据进行节点化处理得到所述用户行为数据在所述设定时段内的连续的用户行为轨迹,所述用户行为轨迹包括多个连续的行为节点,每个行为节点封装有执行函数,所述执行函数用于执行参数化之后的用户指令;
根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征;
确定每个行为节点的用户行为特征与该行为节点的前一个行为节点的用户行为特征的第一特征比较结果以及每个行为节点的用户行为特征与该行为节点的后一个行为节点的用户行为特征的第二特征比较结果;
基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图;根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式;
根据所述目标数据格式将所述云端服务器中存储的业务数据的原始数据格式进行转换得到目标业务数据,将所述目标业务数据导入缓存。
在一种可替换的实施方式中,根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征的步骤,包括:
获取每个行为节点上封装的执行函数的函数调用信息,并确定与所述函数调用信息对应的第一函数调用列表,所述函数调用信息包括根据所述执行函数的输入信息和输出信息所确定出的钩子函数的调用路径,所述第一函数调用列表包括所述调用路径的多个层级节点的高低顺序;
确定每个行为节点接收输入信息的第一行为时刻和生成输出信息的第二行为时刻;
根据所述第一行为时刻和所述第二行为时刻的差值确定用于对所述第一函数调用列表进行修正的修正系数;基于所述修正系数对所述第一函数调用列表进行修正获得第二函数调用列表;
对所述第二函数调用列表进行拆分得到多个列表单元,对每个列表单元进行特征提取得到列表特征;根据所述第二函数调用列表对应的多个列表特征确定所述第二函数调用列表对应的行为节点的用户行为特征。
在一种可替换的实施方式中,所述方法还包括:
检测所述目标业务数据在所述缓存中的存储时长是否达到预设时长;
在所述目标业务数据在所述缓存中的存储时长达到所述预设时长时,将所述目标业务数据从所述缓存中删除,并返回获取用户终端在设定时段内的用户行为数据的步骤。
在一种可替换的实施方式中,基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图的步骤,包括:
获取基于每个行为节点对应的第一特征比较结果和第二特征比较结果所确定的特征变化曲线;
针对所述特征变化曲线中的当前特征变化曲线,基于当前特征变化曲线在所述设定时段内被标记的第一时间点以及各所述特征变化曲线在所述设定时段内被标记的第二时间点,确定当前特征变化曲线在所述设定时段内的特征标记分布;
根据每个行为节点对应的所有特征标记分布,确定每个行为节点对应的数据格式变化趋势;
提取每个数据格式变化趋势中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量,将确定出的所有曲线特征向量进行加权得到目标特征向量;
将所述目标特征向量映射至所述用户行为轨迹中,获得所述用户行为轨迹对应的数据格式分布图。
在一种可替换的实施方式中,根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式的步骤,包括:
按照所述数据格式分布图中的边界标识对所述数据格式分布图进行划分获得所述数据格式分布图对应的多个图像块;所述边界标识通过所述数据格式分布图中记载的所述用户终端在所述设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点的相对位置确定;
获取每个图像块对应的第一数据格式和位置权重;
按照图像块的位置权重由高到低的顺序对所述数据格式分布图对应的所有图像块进行排序得到目标序列并根据每个图像块在所述目标序列中的序列位置为每个图像块分配序列权重;
根据所述序列权重和所述位置权重确定每个图像块的第一数据格式对应的使用权重,所述使用权重用于表征所述第一数据格式在所述用户行为数据中的重要程度;
以使用权重最高的第一数据格式为基准数据格式,确定所述基准数据格式对应的第一目标图像块在所述数据格式分布图中的目标位置;
获取所述数据格式分布图中的其他图像块与所述第一目标图像块之间的距离,根据所述距离确定与所述第一目标图像块存在数据格式关联关系的第二目标图像块;
将所述第一目标图像块对应的第一数据格式和所述第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据所述第二数据格式确定出所述用户行为数据对应的目标数据格式。
本发明实施例的第二方面,提供了一种基于特征识别和格式转换的数据存储装置,应用于与用户终端通信的云端服务器,所述装置包括:
数据获取模块,用于获取用户终端在设定时段内的用户行为数据;
节点处理模块,用于对所述用户行为数据进行节点化处理得到所述用户行为数据在所述设定时段内的连续的用户行为轨迹,所述用户行为轨迹包括多个连续的行为节点,每个行为节点封装有执行函数,所述执行函数用于执行参数化之后的用户指令;
特征确定模块,用于根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征;
特征比较模块,用于确定每个行为节点的用户行为特征与该行为节点的前一个行为节点的用户行为特征的第一特征比较结果以及每个行为节点的用户行为特征与该行为节点的后一个行为节点的用户行为特征的第二特征比较结果;
格式确定模块,用于基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图;根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式;
格式转换模块,用于根据所述目标数据格式将所述云端服务器中存储的业务数据的原始数据格式进行转换得到目标业务数据,将所述目标业务数据导入缓存。
在一种可替换的实施方式中,所述特征确定模块,具体用于:
获取每个行为节点上封装的执行函数的函数调用信息,并确定与所述函数调用信息对应的第一函数调用列表,所述函数调用信息包括根据所述执行函数的输入信息和输出信息所确定出的钩子函数的调用路径,所述第一函数调用列表包括所述调用路径的多个层级节点的高低顺序;
确定每个行为节点接收输入信息的第一行为时刻和生成输出信息的第二行为时刻;
根据所述第一行为时刻和所述第二行为时刻的差值确定用于对所述第一函数调用列表进行修正的修正系数;基于所述修正系数对所述第一函数调用列表进行修正获得第二函数调用列表;
对所述第二函数调用列表进行拆分得到多个列表单元,对每个列表单元进行特征提取得到列表特征;根据所述第二函数调用列表对应的多个列表特征确定所述第二函数调用列表对应的行为节点的用户行为特征。
在一种可替换的实施方式中,所述装置还包括缓存检测模块,用于:
检测所述目标业务数据在所述缓存中的存储时长是否达到预设时长;
在所述目标业务数据在所述缓存中的存储时长达到所述预设时长时,将所述目标业务数据从所述缓存中删除,并返回获取用户终端在设定时段内的用户行为数据的步骤。
在一种可替换的实施方式中,所述格式确定模块,具体用于:
获取基于每个行为节点对应的第一特征比较结果和第二特征比较结果所确定的特征变化曲线;
针对所述特征变化曲线中的当前特征变化曲线,基于当前特征变化曲线在所述设定时段内被标记的第一时间点以及各所述特征变化曲线在所述设定时段内被标记的第二时间点,确定当前特征变化曲线在所述设定时段内的特征标记分布;
根据每个行为节点对应的所有特征标记分布,确定每个行为节点对应的数据格式变化趋势;
提取每个数据格式变化趋势中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量,将确定出的所有曲线特征向量进行加权得到目标特征向量;
将所述目标特征向量映射至所述用户行为轨迹中,获得所述用户行为轨迹对应的数据格式分布图。
在一种可替换的实施方式中,所述格式确定模块,具体用于:
按照所述数据格式分布图中的边界标识对所述数据格式分布图进行划分获得所述数据格式分布图对应的多个图像块;所述边界标识通过所述数据格式分布图中记载的所述用户终端在所述设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点的相对位置确定;
获取每个图像块对应的第一数据格式和位置权重;
按照图像块的位置权重由高到低的顺序对所述数据格式分布图对应的所有图像块进行排序得到目标序列并根据每个图像块在所述目标序列中的序列位置为每个图像块分配序列权重;
根据所述序列权重和所述位置权重确定每个图像块的第一数据格式对应的使用权重,所述使用权重用于表征所述第一数据格式在所述用户行为数据中的重要程度;
以使用权重最高的第一数据格式为基准数据格式,确定所述基准数据格式对应的第一目标图像块在所述数据格式分布图中的目标位置;
获取所述数据格式分布图中的其他图像块与所述第一目标图像块之间的距离,根据所述距离确定与所述第一目标图像块存在数据格式关联关系的第二目标图像块;
将所述第一目标图像块对应的第一数据格式和所述第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据所述第二数据格式确定出所述用户行为数据对应的目标数据格式。
本发明实施例所提供的基于特征识别和格式转换的数据存储方法及装置,首先,对获取到的用户行为数据进行节点化处理得到用户行为轨迹。
其次,根据用户行为轨迹中的每个行为节点对应的执行函数的输入信息和输出信息确定每个行为节点对应的用户行为特征,进而根据用户行为特征确定出每个行为节点对应的第一特征比较结果和第二特征比较结果。
最后,根据每个行为节点对应的第一特征比较结果和第二特征比较结果确定用户行为轨迹对应的格式分布图并确定出用户行为数据对应的目标数据格式,然后基于目标数据格式将云端服务器中存储的业务数据进行数据格式的转换,将转换得到的目标业务数据导入缓存。
如此,当用户终端向云端服务器请求数据时,云端服务器能够将完成数据格式转换的目标业务数据下发给用户终端以供用户终端直接使用,无需用户终端对所接收的数据进行格式转换,进而提高云端服务器在存储数据时的灵活性和适用性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种基于特征识别和格式转换的数据存储方法的流程图。
图2为一实施方式中图1所示的步骤S23的子步骤示意图。
图3为一实施方式中图1所示的步骤S24的一种可能的子步骤示意图。
图4为一实施方式中图1所示的步骤S24的另一种可能的子步骤示意图。
图5为本发明实施例所提供的一种基于特征识别和格式转换的数据存储装置的功能模块框图。
图6为本发明实施例所提供的一种云端服务器的产品模块示意图。
图标:
200-云端服务器;
201-数据存储装置;2011-数据获取模块;2012-节点处理模块;2013-特征确定模块;2014-特征比较模块;2015-格式确定模块;2016-格式转换模块;2017-缓存检测模块;
211-处理器;212-存储器;213-总线。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
为避免用户终端从云端服务器获取了数据之后还需要对数据进行格式转换,本发明实施例提供了一种基于特征识别和格式转换的数据存储方法及装置,能够对用户终端的用户行为数据进行特征识别和分析,从而确定出用户终端在不同时段内进行数据业务操作时所采用的数据格式,从而根据用户终端在不同时段内进行数据业务操作时所采用的数据格式对云端服务器中所存储的数据进行格式转换。
这样,当用户终端向云端服务器请求数据时,云端服务器能够将完成数据格式转换的数据下发给用户终端以供用户终端直接使用,无需用户终端对所接收的数据进行格式转换,进而提高云端服务器在存储数据时的灵活性和适用性。
请参阅图1,为本发明实施例所提供的一种基于特征识别和格式转换的数据存储方法的流程图,该方法可以应用于与用户终端通信的云端服务器。进一步地,该方法可以通过以下步骤S21-步骤S26所描述的内容实现。
步骤S21,获取用户终端在设定时段内的用户行为数据。
在本实施例中,设定时段可以是当前时刻之前的某一段时间,例如三天前或者一周前。在设定时段内,用户终端可以通过采集用户输入的用户指令生成用户行为数据。
步骤S22,对所述用户行为数据进行节点化处理得到所述用户行为数据在所述设定时段内的连续的用户行为轨迹。
在本实施例中,所述用户行为轨迹包括多个连续的行为节点,每个行为节点封装有执行函数,所述执行函数用于执行参数化之后的用户指令。
在实际应用中,用户在设定时段内通过操作用户终端所产生的用户行为数据是具有时间连续性的,基于用户行为数据的时间连续性对用户行为数据进行节点化处理,能够准确确定出用户行为轨迹,从而为实现用户行为的特征识别提供数据基础。
步骤S23,根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征。
在本实施例中,输入信息和输出信息可以是参数信息。其中,上一个行为节点的输出信息可以作为当前行为节点的输入信息,而当前行为节点的输出信息可以作为下一个行为节点的输入信息,由此形成一个连续的、剧本化的用户行为轨迹。
在本实施例中,用户行为特征用于表征每个行为节点对应的用户行为在数据处理、数据分析和数据传输等方面的特征。进一步地,用户行为特征中还可以包括每个行为节点对应的用户行为在数据处理、数据分析和数据传输过程中所采用的数据格式信息,该数据格式信息可以用特征向量的形式进行表示。
步骤S24,确定每个行为节点的用户行为特征与该行为节点的前一个行为节点的用户行为特征的第一特征比较结果以及每个行为节点的用户行为特征与该行为节点的后一个行为节点的用户行为特征的第二特征比较结果。
在本实施例中,第一特征比较结果和第二特征比较结果可以是相似度特征比较结果,在本实施例中,不同行为节点对应的用户行为特征之间的特征比较结果可以通过用户行为特征之间的余弦距离确定。
步骤S25,基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图;根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式。
在本实施例中,数据格式分布图中记载有用户终端在设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点。
在本实施例中,目标数据格式可以是用户行为数据在设定时段中使用权重值最高的数据格式。其中,使用权重值可以根据每个数据格式的使用时长、所处的行为节点中的执行函数的函数调用逻辑确定。
步骤S26,根据所述目标数据格式将所述云端服务器中存储的业务数据的原始数据格式进行转换得到目标业务数据,将所述目标业务数据导入缓存。
可以理解,通过上述步骤S21-步骤S26所描述的内容,首先,对获取到的用户行为数据进行节点化处理得到用户行为轨迹。
其次,根据用户行为轨迹中的每个行为节点对应的执行函数的输入信息和输出信息确定每个行为节点对应的用户行为特征,进而根据用户行为特征确定出每个行为节点对应的第一特征比较结果和第二特征比较结果。
最后,根据每个行为节点对应的第一特征比较结果和第二特征比较结果确定用户行为轨迹对应的格式分布图并确定出用户行为数据对应的目标数据格式,然后基于目标数据格式将云端服务器中存储的业务数据进行数据格式的转换,将转换得到的目标业务数据导入缓存。
如此,当用户终端向云端服务器请求数据时,云端服务器能够将完成数据格式转换的目标业务数据下发给用户终端以供用户终端直接使用,无需用户终端对所接收的数据进行格式转换,进而提高云端服务器在存储数据时的灵活性和适用性。
在具体实施时,请结合参阅图2,在步骤S23中,根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征的步骤,具体可以包括以下步骤S231-步骤S234所描述的内容。
步骤S231,获取每个行为节点上封装的执行函数的函数调用信息,并确定与所述函数调用信息对应的第一函数调用列表。
在本实施例中,所述函数调用信息包括根据所述执行函数的输入信息和输出信息所确定出的钩子函数的调用路径,所述第一函数调用列表包括所述调用路径的多个层级节点的高低顺序。
步骤S232,确定每个行为节点接收输入信息的第一行为时刻和生成输出信息的第二行为时刻。
步骤S233,根据所述第一行为时刻和所述第二行为时刻的差值确定用于对所述第一函数调用列表进行修正的修正系数;基于所述修正系数对所述第一函数调用列表进行修正获得第二函数调用列表。
步骤S234,对所述第二函数调用列表进行拆分得到多个列表单元,对每个列表单元进行特征提取得到列表特征;根据所述第二函数调用列表对应的多个列表特征确定所述第二函数调用列表对应的行为节点的用户行为特征。
基于上述步骤S231-步骤S234所描述的内容,首先,对每个行为节点对应的执行函数的函数调用信息进行分析,并先后确定出第一函数调用列表和第二函数调用列表。其次,对第二函数调用列表进行拆分得到多个列表单元。最后,根据对每个列表单元进行特征提取得到的列表特征确定行为节点的用户行为特征。如此,能够确保用户行为特征的准确性和时效性。
在具体实施时,用户终端在不同时段的用户行为数据是不同的,不同的用户行为数据对应的目标数据格式也是不同的,为了确保用户终端在不同时段能够从云端服务器处获取能够直接使用的目标业务数据,在上述步骤S21-步骤S26的基础上,该数据存储方法还可以包括以下步骤S27和步骤S28,具体描述如下。
步骤S27,检测所述目标业务数据在所述缓存中的存储时长是否达到预设时长。
在本实施例中,预设时长可以根据用户终端与云端服务器之间的标记频率确定。例如,标记频率越高,则预设时长越短。
步骤S28,在所述目标业务数据在所述缓存中的存储时长达到所述预设时长时,将所述目标业务数据从所述缓存中删除,并返回获取用户终端在设定时段内的用户行为数据的步骤。
在本实施例中,当将目标业务数据从缓存中删除并再次执行获取用户终端在设定时段内的用户行为数据的步骤时,再次执行的上述步骤中的设定时段与步骤S21中的设定时段是不同的。
以将目标业务数据从缓存中删除的时刻为当前时刻t1为例进行说明,再次执行获取用户终端在设定时段内的用户行为数据的步骤中的设定时段可以是t2-t1时段,而在此基础上,步骤S21中的设定时段可以是t3-t2时段。如此,能够确保缓存中保存的目标业务数据的数据格式是与用户终端的实时用户行为数据的数据格式对应的。
可以理解,通过上述步骤S27和步骤S28所描述的内容,能够确保用户终端在不同时段能够从云端服务器处获取能够直接使用的目标业务数据。
在具体实施时,为了准确确定出用户行为轨迹对应的数据格式分布图,请结合参阅图3,在步骤S24中,基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图,具体可以包括以下步骤S2411-步骤S2415所描述的内容。
步骤S2411,获取基于每个行为节点对应的第一特征比较结果和第二特征比较结果所确定的特征变化曲线。
步骤S2412,针对所述特征变化曲线中的当前特征变化曲线,基于当前特征变化曲线在所述设定时段内被标记的第一时间点以及各所述特征变化曲线在所述设定时段内被标记的第二时间点,确定当前特征变化曲线在所述设定时段内的特征标记分布。
步骤S2413,根据每个行为节点对应的所有特征标记分布,确定每个行为节点对应的数据格式变化趋势。
步骤S2414,提取每个数据格式变化趋势中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量,将确定出的所有曲线特征向量进行加权得到目标特征向量;
步骤S2415,将所述目标特征向量映射至所述用户行为轨迹中,获得所述用户行为轨迹对应的数据格式分布图。
可以理解,基于上述步骤S2411-步骤S2415所描述的方法,能够根据确定出的每个行为节点对应的特征变化曲线进行一系列的特征提取,从而将确定出的曲线特征向量进行加权得到目标特征向量,最后将目标特征向量映射至用户行为轨迹中,获得用户行为轨迹对应的数据格式分布图。如此,可以准确确定出用户行为轨迹对应的数据格式分布图。
在具体实施时,为了准确确定出用户行为数据对应的目标数据格式,请结合参阅图4,在步骤S24中,根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式,具体可以包括以下步骤S2421-步骤S2427所描述的方法。
步骤S2421,按照所述数据格式分布图中的边界标识对所述数据格式分布图进行划分获得所述数据格式分布图对应的多个图像块。
在本实施例中,所述边界标识通过所述数据格式分布图中记载的所述用户终端在所述设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点的相对位置确定。
步骤S2422,获取每个图像块对应的第一数据格式和位置权重。
步骤S2423,按照图像块的位置权重由高到低的顺序对所述数据格式分布图对应的所有图像块进行排序得到目标序列并根据每个图像块在所述目标序列中的序列位置为每个图像块分配序列权重。
步骤S2424,根据所述序列权重和所述位置权重确定每个图像块的第一数据格式对应的使用权重。
在本实施例中,所述使用权重用于表征所述第一数据格式在所述用户行为数据中的重要程度。
步骤S2425,以使用权重最高的第一数据格式为基准数据格式,确定所述基准数据格式对应的第一目标图像块在所述数据格式分布图中的目标位置。
步骤S2426,获取所述数据格式分布图中的其他图像块与所述第一目标图像块之间的距离,根据所述距离确定与所述第一目标图像块存在数据格式关联关系的第二目标图像块。
步骤S2427,将所述第一目标图像块对应的第一数据格式和所述第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据所述第二数据格式确定出所述用户行为数据对应的目标数据格式。
可以理解,通过上述步骤S2421-步骤S2427所描述的内容,能够按照数据格式分布图中的边界标识对数据格式分布图进行划分获得数据格式分布图对应的多个图像块,然后对每个图像块进行分析,从而确定出第一目标图像块和第二目标图像块,最后将第一目标图像块对应的第一数据格式和第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据第二数据格式确定出用户行为数据对应的目标数据格式。如此,准确确定出用户行为数据对应的目标数据格式。
在上述基础上,请结合参阅图5,为本发明实施例所提供的一种基于特征识别和格式转换的数据存储装置201的模块框图,该数据存储装置201可以包括:数据获取模块2011、节点处理模块2012、特征确定模块2013、特征比较模块2014、格式确定模块2015和格式转换模块2016。
所述数据获取模块2011,用于获取用户终端在设定时段内的用户行为数据。
关于数据获取模块2011的详细实现方式可以参阅与图1所示的步骤S21的内容,在此不作更多说明。
所述节点处理模块2012,用于对所述用户行为数据进行节点化处理得到所述用户行为数据在所述设定时段内的连续的用户行为轨迹,所述用户行为轨迹包括多个连续的行为节点,每个行为节点封装有执行函数,所述执行函数用于执行参数化之后的用户指令。
关于节点处理模块2012的详细实现方式可以参阅与图1所示的步骤S22的内容,在此不作更多说明。
所述特征确定模块2013,用于根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征。
关于特征确定模块2013的详细实现方式可以参阅与图1所示的步骤S23的内容,在此不作更多说明。
所述特征比较模块2014,用于确定每个行为节点的用户行为特征与该行为节点的前一个行为节点的用户行为特征的第一特征比较结果以及每个行为节点的用户行为特征与该行为节点的后一个行为节点的用户行为特征的第二特征比较结果。
关于特征比较模块2014的详细实现方式可以参阅与图1所示的步骤S24的内容,在此不作更多说明。
所述格式确定模块2015,用于基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图;根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式。
关于格式确定模块2015的详细实现方式可以参阅与图1所示的步骤S25的内容,在此不作更多说明。
所述格式转换模块2016,用于根据所述目标数据格式将所述云端服务器中存储的业务数据的原始数据格式进行转换得到目标业务数据,将所述目标业务数据导入缓存。
关于格式转换模块2016的详细实现方式可以参阅与图1所示的步骤S26的内容,在此不作更多说明。
在一种可替换的实施方式中,所述特征确定模块2013,具体用于:
获取每个行为节点上封装的执行函数的函数调用信息,并确定与所述函数调用信息对应的第一函数调用列表,所述函数调用信息包括根据所述执行函数的输入信息和输出信息所确定出的钩子函数的调用路径,所述第一函数调用列表包括所述调用路径的多个层级节点的高低顺序;
确定每个行为节点接收输入信息的第一行为时刻和生成输出信息的第二行为时刻;
根据所述第一行为时刻和所述第二行为时刻的差值确定用于对所述第一函数调用列表进行修正的修正系数;基于所述修正系数对所述第一函数调用列表进行修正获得第二函数调用列表;
对所述第二函数调用列表进行拆分得到多个列表单元,对每个列表单元进行特征提取得到列表特征;根据所述第二函数调用列表对应的多个列表特征确定所述第二函数调用列表对应的行为节点的用户行为特征。
在一种可替换的实施方式中,所述装置还包括缓存检测模块2017,用于:
检测所述目标业务数据在所述缓存中的存储时长是否达到预设时长;
在所述目标业务数据在所述缓存中的存储时长达到所述预设时长时,将所述目标业务数据从所述缓存中删除,并返回获取用户终端在设定时段内的用户行为数据的步骤。
在一种可替换的实施方式中,所述格式确定模块2015,具体用于:
获取基于每个行为节点对应的第一特征比较结果和第二特征比较结果所确定的特征变化曲线;
针对所述特征变化曲线中的当前特征变化曲线,基于当前特征变化曲线在所述设定时段内被标记的第一时间点以及各所述特征变化曲线在所述设定时段内被标记的第二时间点,确定当前特征变化曲线在所述设定时段内的特征标记分布;
根据每个行为节点对应的所有特征标记分布,确定每个行为节点对应的数据格式变化趋势;
提取每个数据格式变化趋势中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量,将确定出的所有曲线特征向量进行加权得到目标特征向量;
将所述目标特征向量映射至所述用户行为轨迹中,获得所述用户行为轨迹对应的数据格式分布图。
在一种可替换的实施方式中,所述格式确定模块2015,具体用于:
按照所述数据格式分布图中的边界标识对所述数据格式分布图进行划分获得所述数据格式分布图对应的多个图像块;所述边界标识通过所述数据格式分布图中记载的所述用户终端在所述设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点的相对位置确定;
获取每个图像块对应的第一数据格式和位置权重;
按照图像块的位置权重由高到低的顺序对所述数据格式分布图对应的所有图像块进行排序得到目标序列并根据每个图像块在所述目标序列中的序列位置为每个图像块分配序列权重;
根据所述序列权重和所述位置权重确定每个图像块的第一数据格式对应的使用权重,所述使用权重用于表征所述第一数据格式在所述用户行为数据中的重要程度;
以使用权重最高的第一数据格式为基准数据格式,确定所述基准数据格式对应的第一目标图像块在所述数据格式分布图中的目标位置;
获取所述数据格式分布图中的其他图像块与所述第一目标图像块之间的距离,根据所述距离确定与所述第一目标图像块存在数据格式关联关系的第二目标图像块;
将所述第一目标图像块对应的第一数据格式和所述第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据所述第二数据格式确定出所述用户行为数据对应的目标数据格式。
请结合参阅图6,本发明实施例还提供了一种云端服务器200,包括处理器211,以及与处理器211连接的存储器212和总线213。其中,处理器211和存储器212通过总线213完成相互间的通信。处理器211用于调用存储器212中的程序指令,以执行上述的基于特征识别和格式转换的数据存储方法。
综上,本发明实施例所提供的一种基于特征识别和格式转换的数据存储方法及装置,首先,对获取到的用户行为数据进行节点化处理得到用户行为轨迹。
其次,根据用户行为轨迹中的每个行为节点对应的执行函数的输入信息和输出信息确定每个行为节点对应的用户行为特征,进而根据用户行为特征确定出每个行为节点对应的第一特征比较结果和第二特征比较结果。
最后,根据每个行为节点对应的第一特征比较结果和第二特征比较结果确定用户行为轨迹对应的格式分布图并确定出用户行为数据对应的目标数据格式,然后基于目标数据格式将云端服务器中存储的业务数据进行数据格式的转换,将转换得到的目标业务数据导入缓存。
如此,当用户终端向云端服务器请求数据时,云端服务器能够将完成数据格式转换的目标业务数据下发给用户终端以供用户终端直接使用,无需用户终端对所接收的数据进行格式转换,进而提高云端服务器在存储数据时的灵活性和适用性。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种基于特征识别和格式转换的数据存储方法,其特征在于,应用于与用户终端通信的云端服务器,所述方法包括:
获取用户终端在设定时段内的用户行为数据;
对所述用户行为数据进行节点化处理得到所述用户行为数据在所述设定时段内的连续的用户行为轨迹,所述用户行为轨迹包括多个连续的行为节点,每个行为节点封装有执行函数,所述执行函数用于执行参数化之后的用户指令;
根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征;
确定每个行为节点的用户行为特征与该行为节点的前一个行为节点的用户行为特征的第一特征比较结果以及每个行为节点的用户行为特征与该行为节点的后一个行为节点的用户行为特征的第二特征比较结果;
基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图;根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式;
根据所述目标数据格式将所述云端服务器中存储的业务数据的原始数据格式进行转换得到目标业务数据,将所述目标业务数据导入缓存;
其中,所述基于每个行为节点对应的第一特征比较结果和第二特征比较结果,具体包括:
获取基于每个行为节点对应的第一特征比较结果和第二特征比较结果所确定的特征变化曲线;
针对所述特征变化曲线中的当前特征变化曲线,基于当前特征变化曲线在所述设定时段内被标记的第一时间点以及各所述特征变化曲线在所述设定时段内被标记的第二时间点,确定当前特征变化曲线在所述设定时段内的特征标记分布;
根据每个行为节点对应的所有特征标记分布,确定每个行为节点对应的数据格式变化趋势;
提取每个数据格式变化趋势中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量,将确定出的所有曲线特征向量进行加权得到目标特征向量;
将所述目标特征向量映射至所述用户行为轨迹中,获得所述用户行为轨迹对应的数据格式分布图。
2.根据权利要求1所述的数据存储方法,其特征在于,根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征的步骤,包括:
获取每个行为节点上封装的执行函数的函数调用信息,并确定与所述函数调用信息对应的第一函数调用列表,所述函数调用信息包括根据所述执行函数的输入信息和输出信息所确定出的钩子函数的调用路径,所述第一函数调用列表包括所述调用路径的多个层级节点的高低顺序;
确定每个行为节点接收输入信息的第一行为时刻和生成输出信息的第二行为时刻;
根据所述第一行为时刻和所述第二行为时刻的差值确定用于对所述第一函数调用列表进行修正的修正系数;基于所述修正系数对所述第一函数调用列表进行修正获得第二函数调用列表;
对所述第二函数调用列表进行拆分得到多个列表单元,对每个列表单元进行特征提取得到列表特征;根据所述第二函数调用列表对应的多个列表特征确定所述第二函数调用列表对应的行为节点的用户行为特征。
3.根据权利要求1所述的数据存储方法,其特征在于,所述方法还包括:
检测所述目标业务数据在所述缓存中的存储时长是否达到预设时长;
在所述目标业务数据在所述缓存中的存储时长达到所述预设时长时,将所述目标业务数据从所述缓存中删除,并返回获取用户终端在设定时段内的用户行为数据的步骤。
4.根据权利要求1所述的数据存储方法,其特征在于,根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式的步骤,包括:
按照所述数据格式分布图中的边界标识对所述数据格式分布图进行划分获得所述数据格式分布图对应的多个图像块;所述边界标识通过所述数据格式分布图中记载的所述用户终端在所述设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点的相对位置确定;
获取每个图像块对应的第一数据格式和位置权重;
按照图像块的位置权重由高到低的顺序对所述数据格式分布图对应的所有图像块进行排序得到目标序列并根据每个图像块在所述目标序列中的序列位置为每个图像块分配序列权重;
根据所述序列权重和所述位置权重确定每个图像块的第一数据格式对应的使用权重,所述使用权重用于表征所述第一数据格式在所述用户行为数据中的重要程度;
以使用权重最高的第一数据格式为基准数据格式,确定所述基准数据格式对应的第一目标图像块在所述数据格式分布图中的目标位置;
获取所述数据格式分布图中的其他图像块与所述第一目标图像块之间的距离,根据所述距离确定与所述第一目标图像块存在数据格式关联关系的第二目标图像块;
将所述第一目标图像块对应的第一数据格式和所述第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据所述第二数据格式确定出所述用户行为数据对应的目标数据格式。
5.一种基于特征识别和格式转换的数据存储装置,其特征在于,应用于与用户终端通信的云端服务器,所述装置包括:
数据获取模块,用于获取用户终端在设定时段内的用户行为数据;
节点处理模块,用于对所述用户行为数据进行节点化处理得到所述用户行为数据在所述设定时段内的连续的用户行为轨迹,所述用户行为轨迹包括多个连续的行为节点,每个行为节点封装有执行函数,所述执行函数用于执行参数化之后的用户指令;
特征确定模块,用于根据每个行为节点对应的执行函数的输入信息和输出信息,确定每个行为节点对应的用户行为特征;
特征比较模块,用于确定每个行为节点的用户行为特征与该行为节点的前一个行为节点的用户行为特征的第一特征比较结果以及每个行为节点的用户行为特征与该行为节点的后一个行为节点的用户行为特征的第二特征比较结果;
格式确定模块,用于基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图;根据所述数据格式分布图确定所述用户行为数据对应的目标数据格式;
格式转换模块,用于根据所述目标数据格式将所述云端服务器中存储的业务数据的原始数据格式进行转换得到目标业务数据,将所述目标业务数据导入缓存;
其中,所述格式确定模块,具体通过以下方式基于每个行为节点对应的第一特征比较结果和第二特征比较结果,确定所述用户行为轨迹对应的数据格式分布图:
获取基于每个行为节点对应的第一特征比较结果和第二特征比较结果所确定的特征变化曲线;
针对所述特征变化曲线中的当前特征变化曲线,基于当前特征变化曲线在所述设定时段内被标记的第一时间点以及各所述特征变化曲线在所述设定时段内被标记的第二时间点,确定当前特征变化曲线在所述设定时段内的特征标记分布;
根据每个行为节点对应的所有特征标记分布,确定每个行为节点对应的数据格式变化趋势;
提取每个数据格式变化趋势中的变化趋势曲线并确定每条变化趋势曲线的曲线特征向量,将确定出的所有曲线特征向量进行加权得到目标特征向量;
将所述目标特征向量映射至所述用户行为轨迹中,获得所述用户行为轨迹对应的数据格式分布图。
6.根据权利要求5所述的数据存储装置,其特征在于,所述特征确定模块,具体用于:
获取每个行为节点上封装的执行函数的函数调用信息,并确定与所述函数调用信息对应的第一函数调用列表,所述函数调用信息包括根据所述执行函数的输入信息和输出信息所确定出的钩子函数的调用路径,所述第一函数调用列表包括所述调用路径的多个层级节点的高低顺序;
确定每个行为节点接收输入信息的第一行为时刻和生成输出信息的第二行为时刻;
根据所述第一行为时刻和所述第二行为时刻的差值确定用于对所述第一函数调用列表进行修正的修正系数;基于所述修正系数对所述第一函数调用列表进行修正获得第二函数调用列表;
对所述第二函数调用列表进行拆分得到多个列表单元,对每个列表单元进行特征提取得到列表特征;根据所述第二函数调用列表对应的多个列表特征确定所述第二函数调用列表对应的行为节点的用户行为特征。
7.根据权利要求5所述的数据存储装置,其特征在于,所述装置还包括缓存检测模块,用于:
检测所述目标业务数据在所述缓存中的存储时长是否达到预设时长;
在所述目标业务数据在所述缓存中的存储时长达到所述预设时长时,将所述目标业务数据从所述缓存中删除,并返回获取用户终端在设定时段内的用户行为数据的步骤。
8.根据权利要求5所述的数据存储装置,其特征在于,所述格式确定模块,具体用于:
按照所述数据格式分布图中的边界标识对所述数据格式分布图进行划分获得所述数据格式分布图对应的多个图像块;所述边界标识通过所述数据格式分布图中记载的所述用户终端在所述设定时段内的用户行为数据所使用的所有数据格式以及每个数据格式的使用时长、每个数据格式所处的行为节点的相对位置确定;
获取每个图像块对应的第一数据格式和位置权重;
按照图像块的位置权重由高到低的顺序对所述数据格式分布图对应的所有图像块进行排序得到目标序列并根据每个图像块在所述目标序列中的序列位置为每个图像块分配序列权重;
根据所述序列权重和所述位置权重确定每个图像块的第一数据格式对应的使用权重,所述使用权重用于表征所述第一数据格式在所述用户行为数据中的重要程度;
以使用权重最高的第一数据格式为基准数据格式,确定所述基准数据格式对应的第一目标图像块在所述数据格式分布图中的目标位置;
获取所述数据格式分布图中的其他图像块与所述第一目标图像块之间的距离,根据所述距离确定与所述第一目标图像块存在数据格式关联关系的第二目标图像块;
将所述第一目标图像块对应的第一数据格式和所述第二目标图像块对应的第一数据格式进行整合得到第二数据格式,根据所述第二数据格式确定出所述用户行为数据对应的目标数据格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276596.3A CN111177248B (zh) | 2020-04-10 | 2020-04-10 | 基于特征识别和格式转换的数据存储方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010276596.3A CN111177248B (zh) | 2020-04-10 | 2020-04-10 | 基于特征识别和格式转换的数据存储方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177248A CN111177248A (zh) | 2020-05-19 |
CN111177248B true CN111177248B (zh) | 2020-06-26 |
Family
ID=70658437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010276596.3A Active CN111177248B (zh) | 2020-04-10 | 2020-04-10 | 基于特征识别和格式转换的数据存储方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177248B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949720B (zh) * | 2020-08-24 | 2021-07-06 | 南京硅基智能科技有限公司 | 基于大数据和人工智能的数据分析方法及云端数据服务器 |
CN112199411B (zh) * | 2020-09-15 | 2021-06-29 | 厦门立马耀网络科技有限公司 | 应用于云计算通信架构的大数据分析方法及人工智能平台 |
CN117033498B (zh) * | 2023-10-10 | 2023-12-19 | 浙江宇通信息技术工程有限公司 | 一种一体化融合通信指挥方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1187485B1 (en) * | 2000-09-11 | 2003-04-02 | MediaBricks AB | Method for providing media content over a digital network |
US7908357B2 (en) * | 2005-09-21 | 2011-03-15 | Battelle Memorial Institute | Methods and systems for detecting abnormal digital traffic |
US10482535B1 (en) * | 2011-07-27 | 2019-11-19 | Aon Benfield Global, Inc. | Impact data manager for generating dynamic intelligence cubes |
CN104063383B (zh) * | 2013-03-19 | 2019-09-27 | 北京三星通信技术研究有限公司 | 信息推荐方法及装置 |
CN105741175B (zh) * | 2016-01-27 | 2019-08-20 | 电子科技大学 | 一种对在线社交网络中账户进行关联的方法 |
-
2020
- 2020-04-10 CN CN202010276596.3A patent/CN111177248B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111177248A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177248B (zh) | 基于特征识别和格式转换的数据存储方法及装置 | |
CN110069608B (zh) | 一种语音交互的方法、装置、设备和计算机存储介质 | |
US11804053B2 (en) | Image recognition method and terminal | |
US11373642B2 (en) | Voice interaction method, system, terminal device and medium | |
CN112199623A (zh) | 脚本执行方法、装置、电子设备及存储介质 | |
CN111177358B (zh) | 意图识别方法、服务器及存储介质 | |
CN114443891B (zh) | 编码器的生成方法、指纹提取方法、介质及电子设备 | |
US10586519B2 (en) | Chord estimation method and chord estimation apparatus | |
CN115083413A (zh) | 语音交互方法、服务器和存储介质 | |
CN112487883A (zh) | 智能笔书写行为特征分析方法、装置及电子设备 | |
CN115935344A (zh) | 一种异常设备的识别方法、装置及电子设备 | |
CN111325031A (zh) | 简历解析方法及装置 | |
CN113220828B (zh) | 意图识别模型处理方法、装置、计算机设备及存储介质 | |
CN112463205B (zh) | 基于ai和大数据的应用程序管理方法及人工智能服务器 | |
CN114510599A (zh) | 特征编码模型生成方法、音频确定方法以及相关装置 | |
WO2022099872A1 (zh) | 智能笔字符识别方法、装置及电子设备 | |
CN112486337A (zh) | 笔迹图形分析方法、装置及电子设备 | |
CN112163019A (zh) | 基于区块链的可信电子批记录处理方法及区块链服务平台 | |
CN114852096A (zh) | 域控制器变量的管理方法、装置、电子设备及存储介质 | |
CN113610503A (zh) | 简历信息处理方法、装置、设备及介质 | |
CN113569938A (zh) | 基于时空域特征的业务大数据采集方法及服务器 | |
CN112487897A (zh) | 笔迹内容评价方法、装置及电子设备 | |
CN112487079A (zh) | 基于云计算的页面大数据分析方法及区块链金融服务中心 | |
CN117478685B (zh) | 群控设备识别方法、装置、设备和可读存储介质 | |
CN112837040B (zh) | 应用于智能电网的电力数据管理方法及系统 |
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 | ||
GR01 | Patent grant |