CN103678273A - 互联网段落级话题识别系统 - Google Patents
互联网段落级话题识别系统 Download PDFInfo
- Publication number
- CN103678273A CN103678273A CN201210358225.5A CN201210358225A CN103678273A CN 103678273 A CN103678273 A CN 103678273A CN 201210358225 A CN201210358225 A CN 201210358225A CN 103678273 A CN103678273 A CN 103678273A
- Authority
- CN
- China
- Prior art keywords
- module
- paragraph
- semantic
- analysis
- dimension
- 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
- Machine Translation (AREA)
Abstract
本发明涉及一种互联网段落级话题识别系统,包括网络蜘蛛模块、文本段落切片模块、语义分析与标注模块、维度识别模块、LSA分析模块、语义化文本描述模块、业务表现模块和UI模块八个模块。本发明由于运用话题识别与语义维度分析、对特定文本集自动话题抽取和定义、识别文本与特定话题之间的关联强度、识别文本之间在话题层面的交叉、相似等关系特定的技术手段,因此具有可与操作人员交互并纠偏、在线离线相结合,计算速度快;能支持多个数据库、文件系统、互联网等多种分析目标等功能。
Description
技术领域
本发明涉及一种互联网话题识别系统,尤其涉及一种互联网段落级话题识别系统。
背景技术
目前,互联网的发展日新月异,但互联网文本的语义分析与商业情报提取主要依赖于对文本话题的识别,而一般的文本语义分析以篇章为单位,很难适应微博兴起之后的互联网文本分布情况。在微博逐渐兴起之时,微博生产数据的能力超乎想象,占可提取情报的比重也越来越大,但是微博的文本有段落化与碎片化等特点,这些短小文本用一般的语义分析技术已经很难应对,主要表现为:语言特征段、语义段落、去中心化、以前的信息组织方式相对有序的,分门别类的;造成微博之间联系性较低。
发明内容
为了克服上述现有技术的缺陷,本发明提供了一种段落级语义分析,能支持多个数据库、文件系统、互联网等多种分析目标的一种互联网段落级话题识别系统。
本发明通过以下方案实现的,一种互联网段落级话题识别系统,其特征在于:包括网络蜘蛛模块、文本段落切片模块、语义分析与标注模块、维度识别模块、LSA分析模块、语义化文本描述模块、业务表现模块和UI模块八个模块。
其中:1、网络蜘蛛模块,根据情报搜集与分析目标,通过网络蜘蛛模块,利用网络蜘蛛,采集各类信息,并丢入存储系统(默认存储系统为分布式存储系统hadoop系统)。
2、文本段落切片模块,文本段落切片模块对文本向段落切割,使以文本文档形式的文本数据转化为统一格式的段落。
3、语义分析与标注模块,语义分析与标注模块实现段落分词后,通过本体和语法规则,对分词后的段落内的词或词组进行语义标注,通过这种词汇向语义概念的转换(段落语义次回话描述体系),将段落从文本转变为概念组合体,以便于进行相应语义计算,抽取语义维度以及维度强度。
4、维度识别模块是维度标注段落的程序,实现段落的维度标注工作。
5、LSA分析模块,LSA分析模块首先在做好语料库的上进行潜在语义分析(LSA),分解后得到三个矩阵SVD,用S、D矩阵作为计算段落间关联度计算、话题见关联度、维度独立性计算。
6、语义化文本描述模块,是在各个语义段落做完段落级语义分析之后,对整个文本文档汇总语义信息和语义维度化描述该文档的模块。
7、业务表现模块,是情报系统内核的Shell。它将用户的情报需求逻辑表达给系统,生成执行脚本;另一方面,它根据执行脚本,调用情报系统的核心执行模块,以实现用户的情报收集与分析的需求。它的存在,使得本系统将极大减少二次开发的必要性,降低使用复杂程度,以便于推广和维护。
8、UI模块,分为两大类,一类为用户根据实际情报搜集和分析的需求,将这种需求表达给系统的UI;另一类是提供给情报最终消费者的UI。
综上所述,本发明具有以下有益效果:本发明由于运用话题识别与语义维度分析、对特定文本集自动话题抽取和定义、识别文本与特定话 题之间的关联强度、识别文本之间在话题层面的交叉、相似等关系特定的技术手段,因此具有可与操作人员交互并纠偏、在线离线相结合,计算速度快;支持多个数据库、文件系统、互联网等多种分析目标等功能。
附图说明
图1为本发明系统总体框图
图2为本发明网络蜘蛛模块流程图
图3为本发明文本段落切片模块流程图
图4为本发明语义分析与标注模块流程图
图5为本发明维度识别模块流程图
图6为本发明网络蜘蛛模块流程图
图7为本发明语义化文本描述模块流程图
图8为本发明业务表现模块流程图
图9为本发明用户UI模块流程图
具体实施方式
本发明通过以下方案实现的,一种互联网段落级话题识别系统,包括网络蜘蛛模块、文本段落切片模块、语义分析与标注模块、维度识别模块、LSA分析模块、语义化文本描述模块、业务表现模块和UI模块八个模块。
其中:1、网络蜘蛛模块。根据情报搜集与分析目标,利用网络蜘蛛,采集各类信息,并丢入存储系统(默认存储系统为分布式存储系统hadoop系统)。
2、文本段落切片模块。对文本向段落切割,使以文本文档形式的文本数据转化为统一格式的段落。
3、语义分析与标注模块。语义分析与标注模块实现段落分词后,通 过本体和语法规则,对分词后的段落内的词或词组进行语义标注,通过这种词汇向语义概念的转换(段落语义次回话描述体系),将段落从文本转变为概念组合体,以便于进行相应语义计算,抽取语义维度以及维度强度。
4、维度识别模块。是维度标注段落的程序,实现段落的维度标注工作。
5、LSA分析模块。首先在做好语料库的上进行潜在语义分析(LSA),分解后得到三个矩阵SVD,用S、D矩阵作为计算段落间关联度计算、话题见关联度、维度独立性计算。
6、语义化文本描述模块。在各个语义段落做完段落级语义分析之后,对整个文本文档汇总语义信息和语义维度化描述该文档的模块。
7、业务表现模块。业务表现模块是情报系统内核的Shell。它将用户的情报需求逻辑表达给系统,生成执行脚本;根据执行脚本,调用情报系统的核心执行模块,以实现用户的情报收集与分析的需求。
8、UI模块。UI模块分为两大类,一类为用户根据实际情报搜集和分析的需求,将这种需求表达给系统的UI;另一类是提供给情报最终消费者的UI。
具体实施例:
1、网络蜘蛛模块
根据图2所示,系统根据情报搜集与分析目标,通过网络蜘蛛模块,利用网络蜘蛛,采集各类信息,并丢入存储系统(默认存储系统为分布式存储系统hadoop系统)。
2、文本段落切片模块
根据图3所示,段落化切片模块对文本切割,使以文本文档形式的文本数据转化为统一格式的段落,这不但有利于系统便于统一接口和设计,而且充分利用在段落级别文本分析的优势,在更小粒度的文本上精 炼更加详尽、准确的语义信息,以支持情报采集、识别和分析。段落花切片模块的切割不但需要考虑文本、段落长度限制因素,而且应最大限度上保证将语义关联紧密的小段落合并为长度较为适中的语义段落。段落切割过程分为粗切割、分析段落关系、成本最小化原则下粗切割小段合并为语义段落等步骤。
根据图3所示,描述了本模块的处理流程,其输入为互联数据(html中正文、title、meta以及锚文字(取自存储系统,与采集系统物理上隔离,使用不同进程,不存在同步);输出为段落化的文本描述,输出对象为存储系统(也是与其他模块物理上隔离,以单独进程形式存在)粗切分,是对文本长度超过一定长度(300字)的文档尽量依据原文的段落结构,进行切割;对超过300字的文本,根据句点(。)叹号等标点符号,在合适位置(各段等长原则及长句子独立语义段落原则),人为强制切割为小段落。页面原始信息(html文档的title、meta,body标签以及其中文字)作为参考信息指导强制切割,原则为,body中内容进行切割,但是在title、meta中出现的词汇应尽量拆分到至少两个自然段落中。段落相关性分析与段落重组,实现根据LSA训练的矩阵计算各小的自然(包括认为强制切割的小段落)段落之间潜在语义关联度,以平均代价最小原则寻找最优合并小段落合并方案,以组成各个语义段落群(即段落级文本)。文本段落化描述,实现将原始文档与段落级文本之间建立关联,以便于知道段落与文本之间的关系、段落之间的先后关系。最后将这种关系永久地序列化到存储系统之中。
4、语义分析与标注模块
根据图4所示,语义分析与标注模块实现段落分词后,通过本体和语法规则,对分词后的段落内的词或词组进行语义标注,通过这种词汇向语义概念的转换(段落语义次回话描述体系),将段落从文本转变为概念组合体,以便于进行相应语义计算,抽取语义维度以及维度强度。段 落-维度结构化关联是将段落根据维度特征库,计算出各种维度(包括内置维度和用户自定义维度)的强度值。结构化的好处是所有段落就是格式统一的表达方式,便于检索和计算,而在文档自然词汇空间中,这种检索只能实现关键词兴致的搜索,无法体现语义信息,更不便于语义上的计算。通过段落-维度结构化关联这个过程,段落即可以在语义空间中即可以表示为一个点,然后将段落在语义空间上的点坐标表示出来,并将其按照结构化形式存储到存储系统中,即实现文档在语义维度下的结构化表示。段落语义信息结构化是进行维度识别的基础,语义词汇与段落之间可实现标准的SQL互查询。
4、维度识别模块。
根据图5所示,维度识别模块是维度标注段落的程序,实现段落的维度匹配、标注、权重计算等工作。维度识别将已经定义过的、客户在特定分析目标下关注的语义维度及其特征描述调阅出来,与语义空间中的段落特征进行匹配与计算,得出各个语义维度在特定段落上的强度值。段落-维度强弱描述,是对段落的各个维度计算结果,联系上下文关系和词频关系,对段落内多次或者重复的维度合并和矫正,得出段落的整体上对每个语义维度的强弱描述值。将所有的维度值综合起来,就可以在维度空间中表达该段落,即实现段落的维度化描述。
5、LSA分析模块。
根据图6所示,LSA分析模块首先在做好语料库的上进行潜在语义分析(LSA),分解后得到三个矩阵SVD,用S、D矩阵作为计算段落间关联度计算、话题见关联度、维度独立性计算。段落间关联度用于得出段落间语义关联的强弱指标值;话题间关联度提供了一种潜在语义意义上的话题关联情况的参考值,维度独立性分析用以对语义维度的关联性计算,这不但有利于对维度关联情况的把握,而且为分析大文档集合中的核心维度和话题核心变化以及趋势预测提供参考依据,有利于客户整体把握情报的概 貌,起到舆情监控类似效果。
6、语义化文本描述模块。
根据图7所示,语义化文本描述模块是在各个语义段落做完段落级语义分析之后,对整个文本文档汇总语义信息和语义维度化描述该文档的模块。文档特征描述是指,将文档的特征计算出来,并用来描述该文档。并且,通过特征,可以检索、调用该文档的特征。对于文档层面的描述,主要参数为文档语义向量、维度矢量以及文档语义流动图。维度互校正指的是对相邻语义段落的维度分析矢量、维度矢量做矫正:根据词语语义关联、维度关联进行平方和互乘,然后开方,并处以维度和,作为矫正后的值。这样做的结果是,相关联的维度特征被增强,而无定义维度关联的维度会被适当削弱。本块算法的逻辑基础为自然语言段落间的起承转合体现在语义空间和维度特征上,会存在相邻段落间语义向量和维度的较强的关联性。通过增强相关维度,抑制无关维度的计算,增强核心语义特征,并起到抑制噪声的效果。
7、业务表现模块。
根据图8所示,业务表现模块是情报系统内核的Shell。它将用户的情报需求逻辑表达给系统,生成执行脚本;另一方面,它根据执行脚本,调用情报系统的核心执行模块,以实现用户的情报收集与分析的需求。它的存在,使得本系统将极大减少二次开发的必要性,降低使用复杂程度,以便于推广和维护。情报系统内核允许不同维度调用和重新组合,而业务表现模块则负责将用户的搜集分析意向分解为这种调用和重新组合的脚本。通过执行该脚本,直接调阅相关维度、文本文档参数,生成符合特定场景需求的文本语义分析逻辑。
8、UI模块。
根据图9所示,描述了用户UI模块的大致结构以及本模块与其他模块的关系。情报系统的主体框架输出对象为永久化存储系统。UI模块不采 用联机事务处理逻辑,而是使用情报系统核心模块的分析结果,根据用户功能定义调阅相关数据并以合适的形式展现给最终情报消费者。UI模块分为两大类,一类为用户根据实际情报搜集和分析的需求,将这种需求表达给系统的UI;另一类是提供给情报最终消费者的UI。业务定义逻辑UI提供选择数据源头的参数选项、特别数据源头以及显而易见的无关文档过滤过滤,以便于指导系统更加高效且精准地发现情报数据;此外还提供各维度组合关系等指导信息,以便于增强用户特别关注的情报的权重提升、优先提取与运算,提高清包袱分析精度。自定义维度UI,是用户自己根据实际需要指定维度的UI界面,主要指定维度名称、关联关键词,以及检索、增删改相关本体的UI界面(无需联机有效)。可视化组建指的是提供画柱状图、饼状图、以及各类曲线图的组建。这部分组建是支撑表格查阅或者趋势可视化UI、热点可视化UI的基础。
Claims (10)
1.一种互联网段落级话题识别系统,其特征在于:包括网络蜘蛛模块、文本段落切片模块、语义分析与标注模块、维度识别模块、LSA分析模块、语义化文本描述模块、业务表现模块和UI模块八个模块。
2.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述网络蜘蛛模块是根据情报搜集与分析目标,利用网络蜘蛛,采集各类信息,并丢入存储系统(默认存储系统为分布式存储系统hadoop系统)。
3.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述文本段落切片模块对文本向段落切割,使以文本文档形式的文本数据转化为统一格式的段落。
4.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述语义分析与标注模块通过本体和语法规则,对分词后的段落内的词或词组进行语义标注,通过这种词汇向语义概念的转换(段落语义次回话描述体系),将段落从文本转变为概念组合体,以便于进行相应语义计算,抽取语义维度以及维度强度。
5.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述维度识别模块是维度标注段落的程序,实现段落的维度标注工作。
6.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述LSA分析模块首先在做好语料库的上进行潜在语义分析(LSA),分解后得到三个矩阵SVD,用S、D矩阵作为计算段落间关联度计算、话题见关联度、维度独立性计算。
7.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述语义化文本描述模块是在各个语义段落做完段落级语义分析之后,对整个文本文档汇总语义信息和语义维度化描述该文档的模块。
8.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述业务表现模块是情报系统内核的Shell,将用户的情报需求逻辑表达给系统,生成执行脚本;最后调用情报系统的核心执行模块,以实现用户的情报收集与分析的需求。
9.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述UI模块为用户根据实际情报搜集和分析的需求,将这种需求表达给系统。
10.根据权利要求1所述的一种互联网段落级话题识别系统,其特征在于:所述UI模块为用户根据实际情报搜集和分析的需求提供给情报最终消费者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210358225.5A CN103678273A (zh) | 2012-09-14 | 2012-09-14 | 互联网段落级话题识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210358225.5A CN103678273A (zh) | 2012-09-14 | 2012-09-14 | 互联网段落级话题识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103678273A true CN103678273A (zh) | 2014-03-26 |
Family
ID=50315883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210358225.5A Pending CN103678273A (zh) | 2012-09-14 | 2012-09-14 | 互联网段落级话题识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103678273A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104199803A (zh) * | 2014-07-21 | 2014-12-10 | 安徽华贞信息科技有限公司 | 一种基于组合理论的文本信息处理系统及方法 |
CN104281567A (zh) * | 2014-10-13 | 2015-01-14 | 安徽华贞信息科技有限公司 | 一种潜在语义分析方法及系统 |
CN104281566A (zh) * | 2014-10-13 | 2015-01-14 | 安徽华贞信息科技有限公司 | 一种语义化文本描述方法及系统 |
CN104281692A (zh) * | 2014-10-13 | 2015-01-14 | 安徽华贞信息科技有限公司 | 一种实现段落维度化描述方法及系统 |
CN104317579A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种文本文档业务表现方法及系统 |
CN104317846A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种语义分析与标注方法及系统 |
CN104317785A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种互联网段落级话题识别系统 |
CN104317786A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种文本段落切片方法及系统 |
WO2018196607A1 (zh) * | 2017-04-24 | 2018-11-01 | 北京金山办公软件股份有限公司 | 一种文本信息展示方法及装置 |
CN111797634A (zh) * | 2020-06-04 | 2020-10-20 | 语联网(武汉)信息技术有限公司 | 文档分割方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6598047B1 (en) * | 1999-07-26 | 2003-07-22 | David W. Russell | Method and system for searching text |
CN101251841A (zh) * | 2007-05-17 | 2008-08-27 | 华东师范大学 | 基于语义的Web文档的特征矩阵的建立和检索方法 |
CN101634983A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种文本分类方法和装置 |
CN101989292A (zh) * | 2009-07-31 | 2011-03-23 | 李超 | 一种敏感信息分析系统及方法 |
-
2012
- 2012-09-14 CN CN201210358225.5A patent/CN103678273A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6598047B1 (en) * | 1999-07-26 | 2003-07-22 | David W. Russell | Method and system for searching text |
CN101251841A (zh) * | 2007-05-17 | 2008-08-27 | 华东师范大学 | 基于语义的Web文档的特征矩阵的建立和检索方法 |
CN101634983A (zh) * | 2008-07-21 | 2010-01-27 | 华为技术有限公司 | 一种文本分类方法和装置 |
CN101989292A (zh) * | 2009-07-31 | 2011-03-23 | 李超 | 一种敏感信息分析系统及方法 |
Non-Patent Citations (1)
Title |
---|
熊颖: "中文多文档摘要关键技术研究", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, 15 September 2011 (2011-09-15) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104199803A (zh) * | 2014-07-21 | 2014-12-10 | 安徽华贞信息科技有限公司 | 一种基于组合理论的文本信息处理系统及方法 |
CN104199803B (zh) * | 2014-07-21 | 2017-10-13 | 安徽华贞信息科技有限公司 | 一种基于组合理论的文本信息处理系统及方法 |
CN104281567A (zh) * | 2014-10-13 | 2015-01-14 | 安徽华贞信息科技有限公司 | 一种潜在语义分析方法及系统 |
CN104281566A (zh) * | 2014-10-13 | 2015-01-14 | 安徽华贞信息科技有限公司 | 一种语义化文本描述方法及系统 |
CN104281692A (zh) * | 2014-10-13 | 2015-01-14 | 安徽华贞信息科技有限公司 | 一种实现段落维度化描述方法及系统 |
CN104317579A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种文本文档业务表现方法及系统 |
CN104317846A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种语义分析与标注方法及系统 |
CN104317785A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种互联网段落级话题识别系统 |
CN104317786A (zh) * | 2014-10-13 | 2015-01-28 | 安徽华贞信息科技有限公司 | 一种文本段落切片方法及系统 |
WO2018196607A1 (zh) * | 2017-04-24 | 2018-11-01 | 北京金山办公软件股份有限公司 | 一种文本信息展示方法及装置 |
CN111797634A (zh) * | 2020-06-04 | 2020-10-20 | 语联网(武汉)信息技术有限公司 | 文档分割方法及装置 |
CN111797634B (zh) * | 2020-06-04 | 2023-09-08 | 语联网(武汉)信息技术有限公司 | 文档分割方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103678273A (zh) | 互联网段落级话题识别系统 | |
CN107038158B (zh) | 对译语料库制作方法、装置、记录介质以及机器翻译系统 | |
US10664530B2 (en) | Control of automated tasks executed over search engine results | |
CN107818815B (zh) | 电子病历的检索方法及系统 | |
CN106095753B (zh) | 一种基于信息熵和术语可信度的金融领域术语识别方法 | |
CN104281702B (zh) | 基于电力关键词分词的数据检索方法及装置 | |
WO2017017527A1 (en) | Method and device for machine translation | |
CN103678564A (zh) | 一种基于数据挖掘的互联网产品调研系统 | |
CN108121739B (zh) | 数据收集方法和数据收集系统 | |
US8443008B2 (en) | Cooccurrence dictionary creating system, scoring system, cooccurrence dictionary creating method, scoring method, and program thereof | |
CN102253930A (zh) | 一种文本翻译的方法及装置 | |
CN110770735A (zh) | 具有嵌入式数学表达式的文档的编码转换 | |
CN104679735A (zh) | 语用机器翻译方法 | |
CN109086355A (zh) | 基于新闻主题词的热点关联关系分析方法及系统 | |
CN108519963B (zh) | 一种将流程模型自动转换为多语言文本的方法 | |
CN112183059A (zh) | 一种中文结构化事件抽取方法 | |
CN110516239A (zh) | 一种基于卷积神经网络的分段池化关系抽取方法 | |
CN105243056A (zh) | 一种基于标点符号处理的汉语句法分析方法及装置 | |
CN107577713B (zh) | 基于电力词典的文本处理方法 | |
CN1542648A (zh) | 用于词分析的系统和方法 | |
CN111199151A (zh) | 数据处理方法、及数据处理装置 | |
Bu et al. | An FAR-SW based approach for webpage information extraction | |
Wohlgenannt | Leveraging and balancing heterogeneous sources of evidence in ontology learning | |
CN112528640A (zh) | 一种基于异常子图检测的领域术语自动抽取方法 | |
RU2688758C1 (ru) | Способ и система для выстраивания диалога с пользователем в удобном для пользователя канале |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
DD01 | Delivery of document by public notice |
Addressee: Anhui Huazhen Information Science & Technology Co., Ltd. Document name: the First Notification of an Office Action |
|
DD01 | Delivery of document by public notice |
Addressee: Anhui Huazhen Information Science & Technology Co., Ltd. Document name: Notification that Application Deemed to be Withdrawn |
|
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140326 |