CN101770627A - 服务相对信任度评价方法和装置 - Google Patents
服务相对信任度评价方法和装置 Download PDFInfo
- Publication number
- CN101770627A CN101770627A CN201010034398A CN201010034398A CN101770627A CN 101770627 A CN101770627 A CN 101770627A CN 201010034398 A CN201010034398 A CN 201010034398A CN 201010034398 A CN201010034398 A CN 201010034398A CN 101770627 A CN101770627 A CN 101770627A
- Authority
- CN
- China
- Prior art keywords
- service
- relative
- evaluation
- matrix
- belief
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种服务相对信任度评价方法和装置。该方法包括:获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵;对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵;根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。本发明实施例技术方案通过对网络化服务应用中,获取不同服务平台的相同功能服务的相对信任度,使得服务的评价准确、可靠,可为用户提供可信性高的服务。
Description
技术领域
本发明实施例涉及网络技术领域,尤其涉及一种服务相对信任度评价方法和装置。
背景技术
随着网络化软件服务模式的发展,网络中的软件应用逐渐发展为以服务的形式透明地提供给用户,用户在执行一项业务时,可从网络中的服务平台提供的服务中获取所需的软件,从而执行业务。当用户从网络中获取服务时,要保证所选择的服务是可信的,避免因选择的某一服务的信任度较差而导致整个业务应用执行的可信度降低,形成水桶效应。
用户选择服务时,通常选择信任度较高的服务,因此,服务的信任度评价的准确性是为用户提供可信服务的前提。目前,针对现实生活中的交易、共享等活动,研究人员提出了根据历史交互经验对主体行为进行主观预测的方法,并将这类信任模型称为主观信任模型或计算型信任模型,在当前的主观信任模型中,实体间的信任关系由直接信任(Direct Trust)和推荐信任(Recomendation Trust)合成,其中,直接信任是主体直接根据其交互历史记录对另一个主体形成的信任度,推荐信任是主体根据其它主体对另一个主体的间接推荐形成的信任度,也称为间接信任(IndirectTrust)或信誉(Reputation)。但是,现有技术中对服务的信任度的评价中,一般是采用绝对信任度作为相应服务的信任度,所述的绝对信任度即是根据主体对服务的实际的评价值直接计算得到的服务的信任度,例如在电子商务网站eBay的信誉管理系统中,信任度的计算方法是基于采集到的主体的评价值,采用加权求平均的方式,其是在交易双方完成交易后,收集交易双方对彼此表现的评价,如-1表示差评,0表示中评,1表示好评等,并将获得的双方的评价进行累加并求平均,从而获得交易双方主体的信任度,这样,买家和卖家在交易前都可以获取并查看对方的信任度,并根据对方的信任度考虑是否进行交易,该种信任度评价方法的优势是计算简单,实现方便。此外,Rahman也通过基于直接经验和信誉,提出了语义距离评价信任度;等引入了事实空间和观念空间的概念来描述和度量信任关系。
发明人在实现本发明的过程中发现,现有技术中服务的信任度评价一般是基于主体对服务的实际评价值获得服务的绝对信任度,基于绝对信任度对服务进行评价,且现有服务评价均是针对于单一评价环境系统下的服务的信任度评价,但是,在网络化服务应用中,往往需要对不同服务平台提供的相同功能的服务中,选择可信的服务,因此,需要对不同服务平台提供的相同功能的服务进行评价,而由于服务是由不同的服务平台提供,各服务平台的评价体系往往是异构的,因此,若还依靠现有的基于单一评价体系环境下的信任度评价方法,由于不同评价体系下服务的评价差异较大,将导致网络化服务应用中服务的信任度评价不准确,提供给用户的服务也不可信。无法对网络化服务应用中服务的信任度进行准确、可靠地评价。
发明内容
本发明提供一种服务相对信任度评价方法和装置,可在网络化服务应用中,对不同服务平台下的相同功能的服务进行评价,获得服务的相对信任度,使得服务的评价准确、可靠,可有效保证提供给用户的服务的可信性。
本发明实施例提供一种服务相对信任度评价方法,包括:
获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵,其中,具有相同功能的服务为不同服务平台提供的服务,所述服务评价矩阵中的元素mij表示主体ui对服务平台提供的服务sj的评价值,i,j均为大于0的自然数;
对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵,其中,所述服务相对评价矩阵中的元素rij表示主体ui对服务sj的相对评价值;
根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。
上述的服务相对信任度评价方法中,所述根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度可包括:
将所述服务评价矩阵中同一服务的所有相对评价值之和作为相应服务的综合评价值,其中,所述完全评价矩阵为不存在元素均为空的矩阵;
根据服务的综合评价值,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
此外,上述的服务相对信任度评价方法中,所述服务评价矩阵为非完全评价矩阵时,将所述服务评价矩阵中的评价值为空的元素对应的服务的相对评价值置为空,其中,所述非完全评价矩阵为存在元素为空的矩阵;其中,所述根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度可包括:
基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系,其中,所述服务偏序关系为根据服务的综合评价值对服务进行排序后的排序关系;
基于获得的任意两个服务的服务偏序关系,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
所述基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系可包括:
所述服务相对评价矩阵为非完全评价矩阵时,获取所述服务相对评价矩阵中对两个服务均作出评价的主体的相对评价值,并将获得的服务的相对评价值之和作为相应服务的综合评价值;
根据获得的服务的综合评价值,对所述两个服务进行排序,获得所述两个服务的服务偏序关系。
进一步地,上述的服务相对信任度评价方法还可包括:将所述服务相对评价矩阵中,服务的相对信任度高的服务提供给用户。
本发明实施例提供了一种服务相对信任度评价装置,包括:
服务评价矩阵建立模块,用于获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵,其中,具有相同功能的服务为不同服务平台提供的服务,所述服务评价矩阵中的元素mij表示主体ui对服务平台提供的服务sj的评价值,i,j均为大于0的自然数;
服务相对评价矩阵建立模块,用于对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵,其中,所述服务相对评价矩阵中的元素rij表示主体ui对服务sj的相对评价值;
相对信任度获取模块,用于根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。
上述的服务相对信任度评价装置中,所述相对信任度获取模块可包括:
综合评价获取单元,用于将所述服务评价矩阵中同一服务的所有相对评价值之和作为相应服务的综合评价值,其中,所述完全评价矩阵为不存在元素均为空的矩阵;
第一相对信任度获取单元,用于根据服务的综合评价值,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
此外,上述的服务相对信任度评价装置还可包括:
矩阵处理模块,用于所述服务评价矩阵为非完全评价矩阵时,将所述服务评价矩阵中的评价值为空的元素对应的服务的相对评价值置为空,其中,所述非完全评价矩阵为存在元素为空的矩阵;
其中,所述相对信任度获取模块可包括:
偏序关系获取单元,用于基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系,其中,所述服务偏序关系为根据服务的综合评价值对服务进行排序后的排序关系;
相对信任度获取单元,用于基于获得的任意两个服务的服务偏序关系,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
所述偏序关系获取单元包括:
综合评价获取子单元,用于所述服务相对评价矩阵为非完全评价矩阵时,获取所述服务相对评价矩阵中对两个服务均作出评价的主体的相对评价值,并将获得的服务的相对评价值之和作为相应服务的综合评价值;
偏序关系获取子单元,用于根据获得的服务的综合评价值,对所述两个服务进行排序,获得所述两个服务的服务偏序关系。
进一步地,上述的服务相对信任度评价装置还可包括:
服务提供模块,用于将所述服务相对评价矩阵中,服务的相对信任度高的服务提供给用户。
本发明实施例提供的服务相对信任度评价方法和装置,通过获取不同服务平台上具有相同功能服务的相对信任度,使得服务的评价准确可靠,可有效避免恶意评价对服务评价的影响,使得依据相对信任度为用户提供服务时,可有效保证服务提供的可信性,提高用户获取服务的效果。
附图说明
图1为本发明服务相对信任度评价方法实施例一的流程示意图;
图2为本发明服务相对信任度评价方法实施例二的获取服务的相对信任度的流程示意图;
图3为本发明服务相对信任度评价方法实施例中非完全评价矩阵中获取两个服务的服务偏序关系的流程示意图;
图4为本发明服务相对信任度评价装置实施例一的结构示意图;
图5为本发明服务相对信任度评价装置实施例二中相对信任度获取模块的结构示意图;
图6为本发明服务相对信任度评价装置实施例三的结构示意图;
图7为本发明服务相对信任度评价装置实施例三中相对信任度获取模块的结构示意图;
图8为本发明服务相对信任度评价装置实施例中偏序关系获取单元的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
图1为本发明服务相对信任度评价方法实施例一的流程示意图。如图1所示,本实施例方法可包括以下步骤:
步骤101、获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵,其中,具有相同功能的服务为不同服务平台提供的服务,所述服务评价矩阵中的元素mij表示主体ui对服务平台提供的服务sj的评价值,i,j均为大于0的自然数;
步骤102、对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵,其中,所述服务相对评价矩阵中的元素rij表示主体ui对服务sj的相对评价值;
步骤103、根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。
本发明实施例可应用于网络化服务的评价中,特别是对网络中不同服务平台提供的相同功能的服务进行评价。具体地,本实施例中,可将网络中的不同服务平台提供的相同功能服务的评价组成服务评价矩阵,并基于该服务评价矩阵获得服务的相对评价矩阵,从而获得不同服务平台提供的相同功能的服务的相对信任度。
具体地,上述步骤103中,所述的根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度具体可包括如下步骤:
步骤103A、将所述服务评价矩阵中同一服务的所有相对评价值之和作为相应服务的综合评价值,其中,所述完全评价矩阵为不存在元素均为空的矩阵;
步骤103B、根据服务的综合评价值,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
可以看出,通过将服务的相对评价值相加获得服务的综合评价值,并基于服务的综合评价值对服务进行排序,从而可获得服务的相对信任度,服务的相对信任度的获取简单方便。
本实施例中,假设表1为两个服务平台提供的相同功能的服务s1和s2,则主体u1、u2和u3对s1和s2的评价值组成的服务评价矩阵即为表1所示。
表1:
u1 | u2 | u3 | |
s1 | 2 | 70 | 0.5 |
s2 | 1 | 75 | 0.2 |
若按照现有加权求平均计算s1和s2的信任度时,s1=2+70+0.5=72.5,s2=1+75+0.2=76.2,则服务s1的信任度就会小于服务s2,而实际上,是服务s1的好评度要高于s2,这与实际不符。经过本发明实施例基于该服务评价矩阵转换为服务相对评价矩阵可参见表2。
表2:
u1 | u2 | u3 | |
s1 | 2 | 1 | 2 |
s2 | 1 | 2 | 1 |
根据表2获得的s1和s2的综合评价值分别为:s1=2+1+2=5,s2=1+2+1=4,可以看出,对服务s1和服务s2进行排序后,服务s1的排序值就大于服务s2的排序值,则服务,服务s1的相对信任度就为1,而服务s1的相对信任度就为2,从而服务服务s1的可信性就高于服务s2。可以看出,基于本发明实施例获得的服务的相对信任度更符合服务的实际评价,可有效避免因主体的评价差异而对服务评价的影响,提高服务评价的准确性和可靠性。
本实施例中,当用户选择服务时,可将服务相对评价矩阵中,服务的相对信任度高的服务提供给用户,以便用户获得的服务是可信性最好的服务,使得用户基于获得的服务在执行业务时可获得更好的执行效果。
本发明实施例中,由于对服务进行评价时,采用的是服务的相对评价,即是利用主体对服务的相对评价值对服务进行评价,可有效避免不同主体之间评价差异较大而导致的对服务的绝对信任度不准确地问题,可有效提高服务评价的准确性和可靠性,即使存在恶意的评价主体,由于将其评价转化为相对评价时,也可避免恶意评价的影响。
本发明实施例根据主体对不同服务平台上具有相同功能服务的实际评价值,获得主体对各服务的相对评价值,并基于获得的服务的相对评价值计算得到服务的相对信任度,使得服务的评价准确可靠,可有效避免恶意主体的评价对服务评价的影响,使得依据相对信任度为用户提供服务时,可有效保证服务提供的可信性,提高用户获取服务的效果。
图2为本发明服务相对信任度评价方法实施例二的获取服务的相对信任度的流程示意图。与上述实施例一技术方案不同的是,本实施例中,在计算服务的相对信任度时,是通过对获取的服务相对评价矩阵中任何两个服务偏序关系对服务进行排序,具体地,本实施例中根据服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度具体可包括如下步骤:
步骤201、基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系,其中,所述服务偏序关系为根据服务的综合评价值对服务进行排序后的排序关系;
步骤202、基于获得的任意两个服务的服务偏序关系,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
本实施例中,当获得的服务评价矩阵为非完全评价矩阵时,可将服务评价矩阵中的评价值为空的元素对应的服务的相对评价值置为空,从而,基于该服务评价矩阵获得的服务相对评价矩阵也非完全评价矩阵,其中,非完全评价矩阵为存在元素为空的矩阵。
上述步骤201中,当服务相对评价矩阵为完全评价矩阵时,基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系具体可为:将服务相对评价矩阵中同一服务的所有相对评价值之和作为服务的综合评价值,并基于服务的综合评价值对任意两个服务进行排序,从而获得任意两个服务的服务偏序关系。
图3为本发明服务相对信任度评价方法实施例中非完全评价矩阵中获取两个服务的服务偏序关系的流程示意图。具体地,如图3所示,当服务相对评价矩阵为非完全评价矩阵时,基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系具体可包括如下步骤:
步骤301、所述服务相对评价矩阵为非完全评价矩阵时,获取所述服务相对评价矩阵中对两个服务均作出评价的主体的相对评价值,并将获得的服务的相对评价值之和作为相应服务的综合评价值;
步骤302、根据获得的服务的综合评价值,对所述两个服务进行排序,获得所述两个服务的服务偏序关系。
可以看出,若服务相对评价矩阵为非完全评价矩阵,则获取矩阵中两个服务的服务偏序关系时,对于两个服务的相对评价值为空的主体的相对评价均不予考虑,只将对两个服务均作出评价的主体的相对评价进行服务的综合评价值的计算依据,使得两个服务的信任度的比较更加准确和可靠,从而使得获得的服务的相对信任度也更加准确和可靠。
本实施例中,当获得不同平台提供的相同功能的服务的服务相对评价矩阵后,即可通过获取服务的服务间关系对获得服务间的偏序关系,通过构造偏序关系对服务进行升序的信任度进行排序,从而将升序排序的排序值作为相应服务的相对信任度,由于服务偏序关系是根据两个服务的综合评价值进行的排序,因此,综合评价值高的服务的可信性就较高,从而使得基于服务偏序对所有服务进行排序,即可准确地获得服务的相对信任度,特别是对于非完全评价矩阵的服务相对评价矩阵,使得服务的相对信任度的获取更加准确可靠,提高了服务评价的准确性,且具有较高的评价效率。
实际应用中,在同一信任评价体系下,例如DataCenter或软件运营中心,由于不同用户对于服务的评价标准,以及评价尺度不同会导致对服务的评价差异;同时,在多用户评价时,可能会存在一些用户的恶意或失误性的评价行为,从而也会对综合评价的准确性造成影响,例如,某些恶意用户,可能故意对服务的所有评价值设置的很高或很低,假设在[0,1]区间内,对服务的评价均是0,按照现有加权求平均的信任度评价中,将会导致评价结果不准确,对服务的评价造成一定的干扰。此外,对于不同评价体系下的服务进行综合评价时,由于不同评价体系往往是异构的,例如eBay、AliSoft、淘宝网等的服务评价系统不同,若采用现有绝对信任度对服务进行评价,评价结果将会不准确。而本发明实施例通过对服务的相对信任度进行评价,可有效解决上述存在的问题,从而使得服务的评价更加准确和可靠。
为对本发明实施例技术方案有更好的了解,下面对本发明服务信任度评价方法实施例的实际应用进行说明。
实际应用中,可将服务的相对信任度定义在一个三元组REP=<U,S,M>中,其中,U是一个主体集,S是一个服务集,M是一个服务相对评价矩阵。主体集U={u1,u2,...um}中的每个主体服务平台的用户,服务集S={s1,s2,...sn}表示具有相同功能的服务,假设每个主体对服务的评价函数为fk(k=1,2,......,m),例如f2(u2→s1)=70即表示主体u2对服务s1的评价是70。在服务相对评价矩阵M中,每个主体u的fk(u→s)形成一列,是主体u对不同服务平台提供的相同功能服务的所有评价,在获取主体u对服务的相对评价值时,可对主体u的所有评价值进行排序,并将每个排序值作为相应服务的相对评价值。而对于不同平台提供的服务sj,相应的服务的综合评价值就为:其中j为服务的序号,i为主体的序号,可以看出,服务的综合评价值为简单的行相加,因此,服务的相对信任度的计算效率将非常高。
此外,对于服务相对评价矩阵M中的每个元素mi,j,如果不存在相应的相对评价值,则可记作mi,j=null。同时,对于服务相对评价矩阵M而言,若其中所有的元素mi,j均存在,即不存在mi,j=null,说明每个主体对所有服务平台提供的服务均作了评价,则可将该服务相对评价矩阵M称为一个完全评价矩阵,相反地,若服务相对评价矩阵M中存在元素mi,j=null,说明存在主体未对服务作出的评价,则可将该服务相对评价矩阵M称为一个非完全评价矩阵。
此外,在服务的相对信任度计算中,若服务相对评价矩阵M为非完全评价矩阵,则在获取两个服务的服务偏序关系时,可将两个服务中元素为空的主体的相对评价值均不考虑,只将对两个服务均作出评价的主体的相对评价值进行累加,得到服务的综合评价值。
当获得任意两个服务的服务偏序关系后,即可对所有的服务进行排序,获得服务的相对信任度,并可在用户请求服务时,可将相对信任度最高的服务提供给用户,以便使用户获得的服务的可信性最高。
图4为本发明服务相对信任度评价装置实施例一的结构示意图。如图4所示,本实施例装置可包括服务评价矩阵建立模块1、服务相对评价矩阵建立模块2和相对信任度获取模块3,其中:
服务评价矩阵建立模块1,用于获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵,其中,具有相同功能的服务为不同服务平台提供的服务,所述服务评价矩阵中的元素mij表示主体ui对服务平台提供的服务sj的评价值,i,j均为大于0的自然数;
服务相对评价矩阵建立模块2,用于对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵,其中,所述服务相对评价矩阵中的元素rij表示主体ui对服务sj的相对评价值;
相对信任度获取模块3,用于根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。
本发明实施例可应用于网络化服务的评价中,对网络中不同服务平台提供的功能相同的服务进行评价,获得服务的相对信任度,具体地,可通过服务评价矩阵建立模块1获取各主体对服务的评价,组成服务评价矩阵,并利用服务相对评价矩阵建立模块2获得各服务的相对评价值,组成相对评价矩阵,最后可通过相对信任度获取模块3获得各服务的相对信任度,根据相对信任度的大小即可确定服务的可信性,从而获得较高可信度的服务提供给用户,保证用户使用服务的效果,其具体实现过程可参考上述本发明方法实施例,在此不再赘述。
图5为本发明服务相对信任度评价装置实施例二中相对信任度获取模块的结构示意图。具体地,在上述图4所示实施例技术方案的基础上,如图5所示,本实施例装置中相对信任度获取模块3可包括综合评价获取单元31和第一相对信任度获取单元32,其中:
综合评价获取单元31,用于将所述服务评价矩阵中同一服务的所有相对评价值之和作为相应服务的综合评价值,其中,所述完全评价矩阵为不存在元素均为空的矩阵;
第一相对信任度获取单元32,用于根据服务的综合评价值,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
本实施例可通过综合评价获取单元31将服务相对评价矩阵中服务的相对评价值相加作为服务的综合评价,并通过第一相对信任度获取单元32基于所有服务的综合评价值对服务进行排序,从而获得服务的相对信任度,服务的相对信任度的获取方便简单,其具体实现过程可参考上述本发明方法实施例一,在此不再赘述。
图6为本发明服务相对信任度评价装置实施例三的结构示意图;图7为本发明服务相对信任度评价装置实施例三中相对信任度获取模块的结构示意图。与上述图5所示实施例技术方案不同的是,如图6所示,本实施例装置还可包括:
矩阵处理模块4,用于所述服务评价矩阵为非完全评价矩阵时,将所述服务评价矩阵中的评价值为空的元素对应的服务的相对评价值置为空,其中,所述非完全评价矩阵为存在元素为空的矩阵;
如图7所示,本实施例中的相对信任度获取模块3具体可包括偏序关系获取单元33和第二相对信任度获取单元34,其中:
偏序关系获取单元33,用于基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系,其中,所述服务偏序关系为根据服务的综合评价值对服务进行排序后的排序关系;
第二相对信任度获取单元34,用于基于获得的任意两个服务的服务偏序关系,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
图8为本发明服务相对信任度评价装置实施例中偏序关系获取单元的结构示意图。如图8所示,本实施例中的偏序关系获取单元33具体可包括综合评价获取子单元331和偏序关系获取子单元332,其中:
综合评价获取子单元331,用于所述服务相对评价矩阵为非完全评价矩阵时,获取所述服务相对评价矩阵中对两个服务均作出评价的主体的相对评价值,并将获得的服务的相对评价值之和作为相应服务的综合评价值;
偏序关系获取子单元332,用于根据获得的服务的综合评价值,对所述两个服务进行排序,获得所述两个服务的服务偏序关系。
本实施例中,当获得不同平台提供的相同功能的服务的服务相对评价矩阵后,即可通过获取服务的服务间关系对获得服务间的偏序关系,通过构造偏序关系对服务进行升序的信任度进行排序,从而将升序排序的排序值作为相应服务的相对信任度,由于服务偏序关系是根据两个服务的综合评价值进行的排序,因此,综合评价值高的服务的可信性就较高,从而使得基于服务偏序对所有服务进行排序,即可准确地获得服务的相对信任度,特别是对于非完全评价矩阵的服务相对评价矩阵,使得服务的相对信任度的获取更加准确可靠,提高了服务评价的准确性,且具有较高的评价效率。其具体实现过程可参考上述本发明方法实施例三,在此不再赘述。
此外,如图6所示,本实施例还可包括服务提供模块5,用于将所述服务相对评价矩阵中,服务的相对信任度高的服务提供给用户。
当用户需要服务时,可根据获得的服务相对信任度,将相对信任度高的服务提供给用户,由于相对信任度高的服务的可信性高,因此,可有效提高用户使用服务的准确性和可靠性。
本发明对服务的相对信任度评价应用于大规模的对等网络、电子商务交易平台以及大量的数据中心中服务的评价时,将涉及到庞大的数据,例如淘宝网的商家数量在百万级数量之上,对于提供同一类服务的商家规模也很大,特别是这些数据往往具有很强的动态性,所以如何有效存储、更新这些服务的评价信息对于提高系统运行性能具有重要促进作用。为此,本发明实施例还提出了评价矩阵的存储管理机制,并分别说明如下:
评价矩阵的存储机制
针对原始评价值与相对评价值的存储,主要存在的问题包括:(1)按照功能划分,如果将相同功能的服务只存储在一个矩阵中,导致需要存储的矩阵数量众多;(2)相同功能的服务数量很多,参与评价的用户主体也很多,导致矩阵规模庞大;(3)用户主体并未对相同功能的所有服务进行信誉度评价,导致在评价矩阵中某些数据元素为空,使得评价矩阵变为稀疏矩阵。因此,为解决上述问题,本发明实施例可将所有服务的原始信誉评价数据与相对信誉评价数据存储在一个矩阵中。
由于用户不同职业、使用偏好等影响,现实生活中只可能使用有限的相同功能的服务,只会对有限的服务进行评价,存储矩阵存在数据不完整的情况,因此,除了存储矩阵中数据不完整的情况,还需要考虑如下因素:
矩阵需要频繁计算每列的相对评价值;矩阵需要频繁计算所有服务的相对信任度,即需要迅速计算每行,即一个服务的所有相对评价值的总和。
为此,本发明实施例可采用邻接表结构存储评价矩阵,邻接表中用来存储每一服务评价值的元素Node中,row存储该元素所在的行,row的数值对应于服务总集中的服务srow;col存储该元素所在的列,col的数值对应于主体集中的用户ucol;oriValue存储该元素的原始信誉评价值;relValue存储该元素的相对评价值;nr存储下一个非空行首元素的引用;hr存储同行下一个非空元素的引用,nc存储同列下一非空元素的引用。具体定义如下:
class Node{//表中相对信任评价值元素
int row;//元素所在行
int col;//元素所在列
int oriValue;//元素的原始信誉评价值
int relValue;//元素的相对评价值
Node nr//下一非空行首元素的引用
Node hr;//同行下一非空元素的引用
Node nc;//同列下一非空元素的引用
Node(int row,int col,int oriValue){//构造函数
this.row=row;
this.col=col;
this.oriValue=oriValue;
this.nr=null;
this.nc=null;
}
}
本发明实施例用来邻接表EvaluationMatrix存储评价矩阵。该表保存表头、行表尾(邻接表最后一行的首个非空元素)、服务总集中的服务总数及用户总数,并提供用原始信誉评价数据初始化信誉度评价矩阵EvaluationMatrix的建表方法及相对评价数据的计算方法。评价矩阵的邻接表提供对表中元素的管理方法包括按行号和列号的增加、删除、更新及搜索。下面将对各方法进行详细的介绍:
建表方法,void createMatrix()
输入:用户集U,服务总集S以及原始信誉评价数据。
输出:表中元素值仅有服务原始信誉评价值的评价矩阵EvaluationMatrix。
处理过程:
(1)按照行号row优先的顺序,若此行所有元素原始信誉评价值均为空,则行号row加1,直至该行存在非空元素,记此行号为frow;
(2)获取该行第一个原始信誉评价值非空元素的列号fcol,用行号frow,列号fcol及原始信誉评价值oriValue构造节点node,并用其初始化评价矩阵的表头head。
(3)然后依次访问该元素值所在行的下一行首个非空节点rnode,所在行的下一非空节点hnode以及所在列的下一非空节点cnode,将节点node的nr,hr与nc指针分别指向元素rnode,hnode与cnode,如此循环。直至处理完所有数据,并在处理过程中分别更新记录矩阵的行表尾rtail,即可构建出元素仅含服务原始信誉评价值的评价矩阵。
(4)若建表过程中,所有数据均不为空,则矩阵类型为完全评价矩阵,否则为非完全评价矩阵。
计算服务的相对信任评价void computeRvalue()
输入:无
输出:元素含服务原始信誉评价与相对评价的评价矩阵EvaluationMatrix
处理过程:由表头header遍历评价矩阵,按照本发明实施例对相对评价值的计算获得所有服务的相对评价值,建立的元素值同时包含原始信誉评价值与相对评价值,并形成评价矩阵EvaluationMatrix。
对于评价矩阵EvaluationMatrix,当新加用户对已有服务或新加服务提交原始信誉评价数据,已有用户对新添加服务提交原始信誉评价数据,或已有用户对已有服务首次提交原始信誉评价数据时,需要为评价矩阵增加元素;当有用户推出用户集或有服务退出服务总集时,我们需要为评价矩阵删除相关元素;当已有用户对已有服务再次提交原始信誉评价或重新计算服务的相对信任评价值时,需要更新评价矩阵的元素;而对评价矩阵元素的搜索方法则为以上各方法提供支持。具体实现方法如下:
增加元素,void add(int row,int col,int oriValue)
输入:行号row,列号col,用户ucol对服务srow的原始信誉评价值oriValue
处理过程:
(1)若row>sRow,col>uCol,表明新添加用户对新添加服务提交评价。新建元素节点Node node=newNode(sRow,uCol,oriValue),依次遍历邻接表行表尾rTail元素所在行的所有元素节点,将其nr指针指向node后,将行表尾rTail更新为node节点。将评价矩阵邻接表的行号sRow更新为输入row值,列号uCol更新为输入col值。
(2)若row>sRow,col<uCol,表明已有用户对新添加服务提交评价。对表中节点的处理与(1)中相同。与(1)不同的是,此时不需要更新矩阵邻接表的uCol值,只需将评价矩阵邻接表的行号sRow更新为输入row值。
(3)若row<sRow,col>uCol,表明新添加用户对已有服务提交评价。将评价矩阵邻接表的列号uCol更新为输入col值。新建元素节点Node node=new Node(sRow,uCol,oriValue)。由表头head开始,按nr指针查找至节点行号与输入行号row相等的节点rnode。rnode不为空,由节点rnode开始,通过hr指针查找该行最后一列的节点rcnode,将其hr指针指向node;mode为空,表明该节点node为此行首个非空元素,依次遍历row-1行的所有节点,将其nr指针指向node节点。
(4)若row<sRow,col<uCol,表明已有用户对已有服务首次提交评价。新建元素节点Node node=new Node(sRow,uCol,oriValue)。若node的行号小于评价矩阵表头head的行号,表明添加的是新表头。由head表头开始按列优先顺序查找与node在同列的首元素cnode,将node的nc指针指向cnode节点。将node的nr指针指向head节点,并将评价矩阵的表头元素head更新为node节点。
删除元素:delete(int row,int col)
输入:行号row与列号col
处理过程:
(1)首先通过搜索函数search(row,col)查找并返回要删除元素的节点dnode。
(2)dnode=head,删除元素为表头元素,若dnode的hr指针指向的元素不为空,则dnode同行的下一非空元素置为评价矩阵的表头head;若dnode的hr指针指向的元素为空,则将dnode的nr指针指向的下一行首个非空元素置为评价矩阵的表头head。
(3)dnode=rTail,删除元素为行表尾元素,若dnode的hr指针指向的元素不为空,则dnode同行的下一非空元素置为评价矩阵的行表尾rTail;若dnode的hr指针指向的元素为空,则将dnode的nr指针指向的下一行首个非空元素置为评价矩阵的行表尾rTail。
(4)若dnode不为空,搜索节点dnode所在列的位于dnode之前的元素qnode,若qnode≠null,qnode的nc指针指向dnode的nc指针指向的节点。
(5)搜索节点dnode所在行的位于dnode之前的节点pnode。
(6)若pndode≠null,将pnode节点的hr指针指向dnode的hr指针指向的节点。
(7)若pndode=null,表明dnode为该行首元素。搜索dnode所在行位于dnode后的首个非空元素mode。
(8)若rnode为空,则表明dnode所在行只有一个元素,则遍历dnode上一行的所有元素,将其nr指针指向dnode的nr指针指向的元素。
(9)若rnode不为空,则表明rnode应为此行首元素。遍历dnode上一行的所有元素,将其nr指针指向节点rnode。
(9)释放dnode节点空间。
更新元素:update(int row,int col,int value,int choice)
输入:行号row,列号col和信誉度值value
处理过程:
(1)首先通过搜索函数search(row,col)查找并返回要更新元素的节点unode。
(2)若unode不为空,choice=0,将unode节点的原始信誉评价值更新为输入的value值。
(3)若unode不为空,choice=1,将unode节点的相对信任度值更新为输入的value值。
搜索元素:Node search(int row,int col)
输入:行号row与列号col
处理过程:由评价矩阵的表头head开始,先通过nr指针查找至节点行号与输入行号row相等的节点rnode,若该节点不存在返回空。然后由节点rnode开始,通过hr指针查找与输入列号col相等的节点rcnode,若节点不存在,返回空;否则返回rcnode指针。
class Evaluation Matrix{//评价矩阵及其建表、增加、删除、更新、搜索元素的方法
Node head;//表头
Node rTail;//行表尾
int sRow;//服务总集的大小
int uCol;//用户总数
int type;//矩阵的类型,1为完全评价矩阵,2为非完全评价矩阵
//用原始信誉评价数据初始化信誉度评价矩阵EvaluationMatrix
//建立元素仅含有服务原始信誉评价值的评价矩阵
void createMatrix();
void computeRvalue();//计算评价矩阵中服务的相对信任度
void add(int row,int col,int oriValue)//增加元素
void delete(int row,int col);//删除元素
//按choice值选择更新元素的信誉度值,
//choice=0,更新绝对信誉度值;choice=1更新相对信誉度值
void updateOV(int row,int col,int Value,int choice);
Node search(int row,int col);//搜索元素
}
本实施例通过采用邻接表结构存储评价矩阵,存在如下优点:
(1)只存储信誉度矩阵中的非空信誉评价值,较之与常规矩阵存储,能大大减少存储空间。
(2)在需要频繁计算每列的相对评价值时,邻接表结构可以迅速通过nc引用链接到同列的下一个非空元素,无需重新查找。
(3)在需要频繁计算每行的相对评价值时,邻接表结构可以迅速通过hr引用链接到同行下一个非空元素,无需重新查找。
此外,本发明实施例中还提供了评价矩阵的更新机制,具体说明如下:
针对评价矩阵存在数据量大,特别是计算时需要考虑不同时刻矩阵的变化特征,如何对于规模庞大的矩阵进行高效更新,并快速定位到矩阵中的值,以高效选择其中相对信评价值较高的服务则成为主要需要解决的问题。
本实施例中,在评价矩阵更新的方式上采用一种实时更新的策略,采用主动更新与被动更新相结合的混合机制。所谓主动更新是指矩阵存储方会定时对评价矩阵中的所有服务的相对信评价值进行更新;而被动更新则是指当用户每次提交新的原始信誉评价值时,就会触发评价矩阵的更新机制,对新提交的信誉评价涉及到的服务及时更新其评价值。
进一步地,为了便于为用户提供可信的服务,本实施例还提供了一种信任度缓存机制。具体地,可通过新建一张映射表缓存相同功能的一组服务中相对信任度最好的服务信息,该映射表中每个相对信任度最好的服务信息则采用定期轮询计算的方式获取。具体实现过程说明如下:
(1)当用户每次提交新的信誉评价值时,触发矩阵的更新机制,及时更新评价矩阵中的原始信誉评价值,此处为用户触发被动更新;
(2)当通过相对信任度进行服务的选择时,先查找映射表中是否有该相同功能的服务信息,如果有则直接从映射表中获取,如果映射表不存在相关信息,则通过计算评价矩阵中相关数据获取相对信任度最好的服务,同时将服务功能名与相对信任度最好的服务信息存入映射表中。
(3)评价矩阵定时更新评价信息以及在映射表中存在的服务信息。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种服务相对信任度评价方法,其特征在于,包括:
获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵,其中,具有相同功能的服务为不同服务平台提供的服务,所述服务评价矩阵中的元素mij表示主体ui对服务平台提供的服务sj的评价值,i,j均为大于0的自然数;
对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵,其中,所述服务相对评价矩阵中的元素rij表示主体ui对服务sj的相对评价值;
根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。
2.根据权利要求1所述的服务相对信任度评价方法,其特征在于,所述根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度包括:
将所述服务评价矩阵中同一服务的所有相对评价值之和作为相应服务的综合评价值,其中,所述完全评价矩阵为不存在元素均为空的矩阵;
根据服务的综合评价值,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
3.根据权利要求1所述的服务相对信任度评价方法,其特征在于,
所述服务评价矩阵为非完全评价矩阵时,将所述服务评价矩阵中的评价值为空的元素对应的服务的相对评价值置为空,其中,所述非完全评价矩阵为存在元素为空的矩阵;
所述根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度包括:
基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系,其中,所述服务偏序关系为根据服务的综合评价值对服务进行排序后的排序关系;
基于获得的任意两个服务的服务偏序关系,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
4.根据权利要求3所述的服务相对信任度评价方法,其特征在于,所述基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系包括:
所述服务相对评价矩阵为非完全评价矩阵时,获取所述服务相对评价矩阵中对两个服务均作出评价的主体的相对评价值,并将获得的服务的相对评价值之和作为相应服务的综合评价值;
根据获得的服务的综合评价值,对所述两个服务进行排序,获得所述两个服务的服务偏序关系。
5.根据权利要求1所述的服务相对信任度评价方法,其特征在于,还包括:
将所述服务相对评价矩阵中,服务的相对信任度高的服务提供给用户。
6.一种服务相对信任度评价装置,其特征在于,包括:
服务评价矩阵建立模块,用于获取主体对具有相同功能的服务的评价值,并将所有相同功能的服务的评价组成服务评价矩阵,其中,具有相同功能的服务为不同服务平台提供的服务,所述服务评价矩阵中的元素mij表示主体ui对服务平台提供的服务sj的评价值,i,j均为大于0的自然数;
服务相对评价矩阵建立模块,用于对所述服务评价矩阵中同一主体对所有服务平台提供的所有服务的评价值进行升序排序,将排序后的排序值作为主体对相应服务的相对评价值,并将所有服务的相对评价值组成服务相对评价矩阵,其中,所述服务相对评价矩阵中的元素rij表示主体ui对服务sj的相对评价值;
相对信任度获取模块,用于根据所述服务相对评价矩阵中服务的相对评价值,获得服务的相对信任度。
7.根据权利要求6所述的服务相对信任度评价装置,其特征在于,所述相对信任度获取模块包括:
综合评价获取单元,用于将所述服务评价矩阵中同一服务的所有相对评价值之和作为相应服务的综合评价值,其中,所述完全评价矩阵为不存在元素均为空的矩阵;
第一相对信任度获取单元,用于根据服务的综合评价值,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
8.根据权利要求6所述的服务相对信任度评价装置,其特征在于,还包括:
矩阵处理模块,用于所述服务评价矩阵为非完全评价矩阵时,将所述服务评价矩阵中的评价值为空的元素对应的服务的相对评价值置为空,其中,所述非完全评价矩阵为存在元素为空的矩阵;
所述相对信任度获取模块包括:
偏序关系获取单元,用于基于所述服务相对评价矩阵中服务的相对评价值,获得任意两个服务的服务偏序关系,其中,所述服务偏序关系为根据服务的综合评价值对服务进行排序后的排序关系;
相对信任度获取单元,用于基于获得的任意两个服务的服务偏序关系,对所述服务相对评价矩阵中的所有服务进行升序排序,并将排序后的排序值作为相应服务的相对信任度。
9.根据权利要求8所述的服务相对信任度评价装置,其特征在于,所述偏序关系获取单元包括:
综合评价获取子单元,用于所述服务相对评价矩阵为非完全评价矩阵时,获取所述服务相对评价矩阵中对两个服务均作出评价的主体的相对评价值,并将获得的服务的相对评价值之和作为相应服务的综合评价值;
偏序关系获取子单元,用于根据获得的服务的综合评价值,对所述两个服务进行排序,获得所述两个服务的服务偏序关系。
10.根据权利要求6所述的服务相对信任度评价装置,其特征在于,还包括:
服务提供模块,用于将所述服务相对评价矩阵中,服务的相对信任度高的服务提供给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010034398A CN101770627A (zh) | 2010-01-21 | 2010-01-21 | 服务相对信任度评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010034398A CN101770627A (zh) | 2010-01-21 | 2010-01-21 | 服务相对信任度评价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101770627A true CN101770627A (zh) | 2010-07-07 |
Family
ID=42503477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010034398A Pending CN101770627A (zh) | 2010-01-21 | 2010-01-21 | 服务相对信任度评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101770627A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230626A (zh) * | 2016-07-28 | 2016-12-14 | 昆明理工大学 | 一种基于服务占优关系的在线服务信誉度量方法 |
CN107679887A (zh) * | 2017-08-31 | 2018-02-09 | 北京三快在线科技有限公司 | 一种商户评分的处理方法和装置 |
CN108804684A (zh) * | 2018-06-13 | 2018-11-13 | 北京搜狗科技发展有限公司 | 一种数据处理方法和装置 |
CN108989095A (zh) * | 2018-06-28 | 2018-12-11 | 安徽大学 | 可抵抗恶意评价的公有云可信度评估方法及其评估系统 |
-
2010
- 2010-01-21 CN CN201010034398A patent/CN101770627A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230626A (zh) * | 2016-07-28 | 2016-12-14 | 昆明理工大学 | 一种基于服务占优关系的在线服务信誉度量方法 |
CN107679887A (zh) * | 2017-08-31 | 2018-02-09 | 北京三快在线科技有限公司 | 一种商户评分的处理方法和装置 |
CN108804684A (zh) * | 2018-06-13 | 2018-11-13 | 北京搜狗科技发展有限公司 | 一种数据处理方法和装置 |
CN108989095A (zh) * | 2018-06-28 | 2018-12-11 | 安徽大学 | 可抵抗恶意评价的公有云可信度评估方法及其评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102521411B (zh) | 公式及公式数据处理装置和公式及公式数据处理方法 | |
CN103748579B (zh) | 在映射化简框架中处理数据 | |
CN111444394A (zh) | 获取实体间关系表达的方法、系统和设备、广告召回系统 | |
JP2014519097A (ja) | アイテムを推薦する方法およびシステム | |
WO2008016495A2 (en) | Determination of graph connectivity metrics using bit-vectors | |
CN111079014A (zh) | 基于树结构的推荐方法、系统、介质和电子设备 | |
US8028000B2 (en) | Data storage structure | |
CN108989122A (zh) | 虚拟网络请求映射方法、装置及实现装置 | |
CN117235285B (zh) | 融合知识图谱数据的方法及装置 | |
CN115860880B (zh) | 基于多层异质图卷积模型的个性化商品推荐方法及系统 | |
CN101770627A (zh) | 服务相对信任度评价方法和装置 | |
CN105550332A (zh) | 一种基于双层索引结构的起源图查询方法 | |
CN112380299A (zh) | 关系网络构建方法、装置及存储介质 | |
US20110055229A1 (en) | System and method for generating a valuation of revenue opportunity for a keyword from a valuation of online sessions on a website from user activities following a keyword search | |
EP3970025A1 (en) | Managing network event data in a telecommunications network | |
CN104750860B (zh) | 一种不确定数据的数据存储方法 | |
CN117076770A (zh) | 基于图计算的数据推荐方法、装置、存储价值及电子设备 | |
CN116701714A (zh) | 一种基于多叉树的数据存储方法、装置、设备及介质 | |
CN116383502A (zh) | 基于电子商务的信息推送方法及系统 | |
CN113127714A (zh) | 一种物流大数据采集方法 | |
CN105389337A (zh) | 用于统计显著性模式的搜索大数据空间的方法 | |
CN110348877A (zh) | 基于大数据的智能业务推荐算法、计算机可读存储介质 | |
CN116015552A (zh) | 针对跨域数据中心的纠删码方法、系统及可读存储介质 | |
CN114780443A (zh) | 微服务应用自动化测试方法、装置、电子设备及存储介质 | |
CN111626891B (zh) | 一种基于扩展节点的动态销售网络社团发现方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20100707 |