CN103678279A - 基于异质网络时态语义路径相似度的人物唯一性识别方法 - Google Patents
基于异质网络时态语义路径相似度的人物唯一性识别方法 Download PDFInfo
- Publication number
- CN103678279A CN103678279A CN201310746652.5A CN201310746652A CN103678279A CN 103678279 A CN103678279 A CN 103678279A CN 201310746652 A CN201310746652 A CN 201310746652A CN 103678279 A CN103678279 A CN 103678279A
- Authority
- CN
- China
- Prior art keywords
- network
- relation
- heterogeneous
- similarity
- temporal meaning
- 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.)
- Granted
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于异质网络时态语义路径相似度的人物唯一性识别方法,该方法首先建立异质社会关系网络,即从人物社会活动事务数据库中提取关系并建立具有时间属性的异质关系网络。根据网络结构对人物对象间的时态语义路径进行搜索,同时根据异质社会关系网络特征以及时态语义路径对网络中人物对象的路径相似度进行测算,然后按照相似度值对人物对象进行排序,再根据网络特征以及应用需求设定的相似度阈值进行过滤,从而识别具备唯一性特征的人物对象。该方法能在大规模和高复杂度社会关系网络中准确高效地测算出人物对象的相似性,有效地解决关系网络中人物唯一性识别问题,提高了关系网络分析与挖掘过程的有效性。
Description
技术领域
本发明属于计算机应用技术领域,涉及一种基于异质网络结构的时态语义路径相似度的人物唯一性识别方法。
技术背景
从海量的文本信息中抽出语义关系网络是社会关系网络建模与挖掘的重要研究课题。通常,从Web页面、电子文档库、事务数据库以及关系数据库中抽取大规模社会关系网络时,由于事务信息的时间差异、信息的不完整以及信息模式与结构的不同,导致网络中人物关系的混乱,这使得人物的唯一性难以确定,这个问题已经成为社会关系网络分析过程中亟待解决的关键问题。
传统的社会关系网络分析与挖掘建立在以文本数据或关系型数据库为基础的同质关系网络(Homogeneous Network)基础之上的,其基本特征是网络中的节点和关系的类型相同,例如,在“师生关系”网络中,节点类型只有“人”(老师或学生),关系类型只有“师从关系”。由于上述网络特征,即使是社会关系网络规模较大的情况下,同质关系网络很难提供多样性的社会关系信息,利用网络中同种类型的社会关系建立的相似度很难对网络中人物准确地识别。由于人的社会关系是蕴含在社会活动事务记录中,这些信息一般包含在求职简历、各类项目申请书、客户记录以及个人网页等各类形式、结构和来源不一的电子文档中,这使得能够代表人物的基本属性信息往往会出现矛盾或二义性现象,其唯一性难以确定。然而,由人的各类事务活动信息建立的社会关系具有多样性语义网络特征,是一个异质结构的关系网络。与同质关系网络不同,异质关系网络(Heterogeneous Network)中的节点类型和节点之间的关系类型并不唯一,多样化的节点类型决定了多样化的关系类型,在这种网络中的人物节点的唯一性完全可以由人物固有的社会关系来确定,所以,我们提出以异质关系网络为基础的人物唯一性识别方案。
异质关系网络具有多样化的节点类型和节点之间的关系类型,例如,学术关系网络就是一种典型的异质网络,学者关系除“师生关系”、“校友关系”外,还包括了“合著论文关系”、“项目合作关系”等多种关系,可以全面反映人物的学术关系信息。每种关系网络之下,节点的类型也有所不同,如“合著论文关系”中的节点就分为“人(论文作者)”和“文章(学术论文)”两种类型。在异质关系网络中,多样化的节点类型决定着多样化的关系类型,这些特征本质上可以从不同的侧面全面地描述人物在不同性质的社会活动中所形成的社会关系网络。然而,在实际的社会关系网络中,不同的人物对象可能具有完全相同的异质网络结构,但由于这些关系的时间属性不相同,使得具有相同网络结构的节点在时间上并不相同,例如,“张三”分别于1998年至2002年以及2003年至2005年在湖南大学和中南大学获得学士和硕士学位,“李四”分别于2000年至2004年以及2006年至2009年在湖南大学和中南大学获得学士与硕士学位,虽然“张三”和“李四”曾经都就读于湖南大学和中南大学,在“求学经历”关系上具有相同的网络结构,但由于就读的时间不同,所以上述关系并不是相同的关系。所以,仅利用网络结构无法完全对人物对象的唯一性进行准确的识别,因为关系的时间属性不同直接决定了关系的不同。为此,我们提出用时态语义路径计算相似度的方法,可以更加准确的识别相同的社会关系,从而保证了人物唯一性识别的准确性。
发明内容
本发明的目的是提出了一种基于异质网络时态语义路径相似度的人物唯一性识别方法。该方法从异质关系网络中提取人物对象和关系的基本属性,通过对时态语义路径上的时态权重的计算,求出人物对象之间的时态语义路径相似度,根据该相似度的值判断人物对象的唯一性。该方法能在较大数据规模和较高网络复杂度的社会关系网络中,准确且高效地识别出相同的人物对象,能有效地解决关系网络中人物唯一性识别问题。
本发明的技术解决方案如下:
一种基于异质网络时态语义路径相似度的人物唯一性识别方法,包括以下步骤:
步骤1:建立异质社会关系网络,该过程从人物社会活动事务数据库中提取关系并建立具有时间属性的异质关系网络;
步骤2:搜索时态语义路径:首先根据异质网络中的关系的不同语义对网络进行划分,然后分别在不同语义的关系网络中利用网络结构对人物对象之间的时态语义路径进行搜索;
步骤4:识别人物对象的唯一性:首先对不同的语义网络中人物对象的相似度求算术平均值,然后按照该值对人物对象对进行排序,找出时态语义路径相似度取值大于设定阈值的人物对象。
步骤1的具体步骤为:
社会活动事务记录数据库通常从记录人物社会活动的网页或文档中抽取形成的,其数据库记录信息包括人物对象基本属性信息、社会活动事务记录以及关系活动发生的时间属性数据,将这些事务记录的关系信息导入基于网络拓扑结构的图数据库(Graphic Database)中。例如:事务记录“张三于2005年至2012年就职于微软(中国)有限公司”,节点为“张三”和“微软(中国)有限公司”,关系为“就职于”,节点类型为“职员”和“公司”的节点决定了关系网络中的关系类型为“雇主关系”。按照社会关系的不同类型对该社会关系网络进行划分,形成相对独立的异质关系网络,例如,“学习经历关系网络”、“工作经历关系网络”、“雇主关系网络”等。在图数据库中,所有的“人物”和“实体”作为网络图中的节点,并具有其基本属性,“关系”作为网络图中的边,并具有起始节点、终止节点、活动类型以及时间属性,按照社会活动的不同类型遍历图数据库形成了独立的异质关系网络。
步骤2的具体步骤为:
在具有时间属性的社会关系网络中,根据网络结构可以确定节点之间的时态语义路径。时态语义路径为关系网络中两个节点之间仅经过一个邻居节点的一条或多条路径,且该路径具有原始事物记录的明确语义和时间属性。
如图5所示,“Wang”和“Chen”分别代表社会关系网络中的两个人物对象,“CSU”表示“Wang”和“Chen”就读的高校,“(1999,2003)”、“(2004,2008)”以及“(2005,2009)”表示“就读关系”的时间属性,即关系的开始时间与结束时间。上述网络结构中包含了两条时态语义路径,分别为:“‘Wang’于1999年至2003年就读于‘CSU’且‘Chen’于2005年至2009年就读于‘CSU’”;“‘Wang’于2004年至2008年就读于‘CSU’且‘Chen’于2005年至2009年就读于‘CSU’”。我们引入来表示网络中的一条关系边。其中,表示网络中的人物对象节点,表示的邻居节点,也就是和之间的中间节点,表示关系的时间属性,即开始时间与结束时间。在上述关系中,我们用和分别表示两个人物对象“Wang”和“Chen”,用表示“CSU”,则和以及之间的关系表示为、和。那么从节点经过后到之间的时态语义路径表示为,为时态语义路径的标号。由于关系具有时间属性,例如关系的开始时间和结束时间,则时态语义路径的时态权重由关系和关系的时态权重决定。关系的时态权重反映 了关系的发生的时间以及关系的持续时间。在已知关系的时间属性的情况下,我们采用以下策略计算关系的时态权重以及由两条关系和构成的时态语义路径的时态权重:
步骤3的具体步骤为:
首先,从图数据库中按照不同的关系类型依次读取数据;
其中,表示异质社会关系网络中关系类型的标号。根据时态语义路径的起点和终点的不同时态语义路径被划分成三种不同类型的路径集合、以及。、和分别表示和之间具有不同中间结点时所有三种类型语义路径、和的路径权重之和,计算方法如下:
通过以上方法在不同类型的关系网络中分别计算人物对象对的时态语义路径相似度,可以得到人物对象节点和在整个异质社会关系网络中时态语义路径相似度的集合,其中表示该异质社会关系网络中关系类型的集合,表示该网络中的一种关系类型。
步骤4的具体步骤为:
然后,根据人物对象节点对的值进行排序,并根据当前关系网络特征以及网络分析与挖掘的应用需求设定人物唯一性阈值,用该阈值对整个关系网络中所有人物对象节点对时态语义路径相似度的计算结果进行过滤,该相似度的取值小于该阈值的人物对象节点对即为两个具有唯一性特征的人物对象。
本发明针对从自然文本中抽取人物社会关系网络过程中,由于信息的不完整,人物节点出现矛盾性或二义性,使得人物的唯一性难以确定问题,提出了基于异质网络结构时态语义路径相似度的人物唯一性识别方法。该方法利用异质关系网络中多样化的关系信息更加精确地计算人物对像之间的时态语义路径相似性;采用在不同类型关系网络中分别计算人物对象的时态语义路径相似性,即综合人物对象的网络结构和时态信息,又能体现不同的语义特征,使得人物对像的相似性更符合实际情况;采用对不同类型关系网络中的人物对像相似性求算术平均值的计算方法,能够更加全面地反映关系网络中人物对像之间的相似性,使得人物唯一性识别更具有效性,该方法为提高社会关系网络分析及挖掘的有效性具有重要的现实意义。
附图说明
图1为本发明的主流程图;
图3为实施例1流程图;
图4为实施例2流程图;
图5为时态语义路径示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清晰,下面将结合附图和具体实施例对本发明做进一步详细说明:
实施例1:
本发明实例提供了一种基于异质网络结构时态语义路径相似度的计算方法,主要步骤如下:
101异质社会关系网络建立
首先,事物活动记录数据库中读取关系以及关系对象的基本属性信息,并将它们转换成起始节点名称、终止节点名称、关系名称,关系起始时间、结束时间,保存在基于网络拓扑结构的图数据库中。在图数据库中,所有的人物和关系都以“对象”的形式保存在数据库中,人物和关系对象都具有其各自的基本属性信息,例如,人物对象一般具有姓名、性别、年龄等基本属性,关系对象一般具有起始节点名称、结束节点名称、起始时间和结束时间等基本属性。在将数据导入到图数据库中之后,形成了异质社会关系网络图数据库。
其中,集合和分别表示该人物对象的“工作经历”和“学习经历”关系属性集合,集合中的每一个元素表示与该人物对象相关的一条关系,元素中的各个项表示关系的基本属性信息,如关系另一端的节点名称、起始时间、结束时间等。
时态语义路径相似度计算
“工作经历”关系基本属性信息:
“”以及
“”。
“学习经历”关系基本属性信息:
“”以及
关系的时态权重值的计算过程如下:
在计算出每一条关系的时态权重值之后,分别计算出时间语义路径的时态权重值,计算方法如下:
关系的时态权重值的计算过程如下:
在计算出每一条关系的时态权重值之后,分别计算出时间语义路径的时态权重值,计算方法如下:
人物对象的唯一性识别
实施例2:
本实施例提供了基于异质社会关系网络的人物唯一性识别方法,具体步骤如下:
201异质社会关系网络建立
首先,从Excel数据表格中读取数据。在数据表中,人物对象基本属性信息分为:姓名、性别、出生年月,关系对象的基本属性信息分为:起始节点名称、起始节点名称、起始时间、结束时间。从关系型数据表中取出的数据以图形的形式保存在基于网络拓扑结构的图数据库中。在图数据库中,所有的人物和关系都以“对象”的形式保存在数据库中,人物和关系对象都具有其各自的基本属性信息,例如,人物对象一般具有姓名、性别、年龄等基本属性,关系对象一般具有其实节点名称、结束节点名称、起始时间和结束时间等基本属性。在将数据导入到图数据库中之后,基于基本数据建立起了异质社会关系网络。
我们从图数据库中读取一对人物对象对和,并在包括“学习经历”关系、“工作经历”关系、“发表论文”关系和“承担项目”关系的异质关系网络中计算该人物对象对的时态语义路径相似度并判断和是否为使用了不同姓名的同一个人。和的基本属性信息和关系属性信息如下:
其中,集合、、和分别表示该人物对象的“学习经历”关系、“工作经历”关系、“发表论文”关系和“承担项目”关系属性集合,集合中的每一个元素表示与该人物对象相关的一条关系,元素中的各个项表示关系的基本属性信息,如关系另一端的节点名称、起始时间、结束时间等。
时态语义路径相似度计算
首先,从图数据库中按照不同的关系类型依次读取数据,对于上述人物对象对和,分别读取他们的“学习经历”关系、“工作经历”关系、“发表论文”关系和“承担项目”关系基本属性信息,分别如下: “学习经历”关系基本属性信息:
“ ”,
“ ”,
“工作经历”关系基本属性信息:
“发表论文”关系基本属性信息:
“承担项目”关系基本属性信息:
“”,
关系的时态权重值的计算过程如下:
在计算出每一条关系的时态权重值之后,分别计算出时间语义路径的时态权重值,计算方法如下:
关系的时态权重值的计算过程如下:
在计算出每一条关系的时态权重值之后,分别计算出时间语义路径的时态权重值,计算方法如下:
关系的时态权重值的计算过程如下:
在计算出每一条关系的时态权重值之后,分别计算出时间语义路径的时态权重值,计算方法如下:
关系的时态权重值的计算过程如下:
在计算出每一条关系的时态权重值之后,分别计算出时间语义路径的时态权重值,计算方法如下:
人物对象的唯一性识别
首先,根据上述人物对象对和在“学习经历”关系网络、“工作经历”关系网络、 “发表论文”关系网络和“承担项目”关系网络中的时态语义路径相似度,计算其在整个异质网络中的时态语义路径相似度值,即,对、、和求算术平均值,如下:
Claims (5)
1.一种基于异质网络时态语义路径相似度的人物唯一性识别方法,其特征在于,包括以下步骤:
步骤1:建立异质社会关系网络:对社会活动事务数据库中的数据进行读取,建立基于异质性关系网络的图数据库,形成具有时间属性异质性关系网络;
步骤2:搜索时态语义路径:首先根据异质网络中的关系的不同语义对网络进行划分,然后分别在不同语义的关系网络中利用网络结构对人物对象之间的时态语义路径进行搜索,从而得到各个人物对象与其邻居节点之间的时态语义路径,再根据各关系的时间属性计算时态语义路径的时态权重;
步骤3:计算时态语义路径相似度 :分别在不同语义的关系网络中,利用异质关系网络的结构特征以及时态语义路径的时态权重值对网络中人物对象的相似度进行测算,从而得到每一对人物对象的具有不同语义的时态语义路径相似度;
2.根据权利要求1所述的基于异质网络时态语义路径相似度的人物唯一性识别方法,其特征在于,步骤1的具体步骤为:
从记录人物社会活动的网页或文档中抽取的人物社会活动事务记录数据库,其记录信息包括人物基本属性信息、社会活动事务以及关系活动发生的时间属性,将这些社会活动记录中的关系信息导入图数据库中;其中所有的人物或实体作为网络图中的节点,并具有其基本属性,活动关系作为网络图中的边,并具有起始节点、终止节点、活动类型以及时间属性,按照社会活动的不同类型遍历图数据库形成了独立的异质关系网络。
5.根据权利要求1所述的基于异质网络时态语义路径相似度的人物唯一性识别方法,其特征在于,步骤4的具体步骤为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310746652.5A CN103678279B (zh) | 2013-12-31 | 2013-12-31 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310746652.5A CN103678279B (zh) | 2013-12-31 | 2013-12-31 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103678279A true CN103678279A (zh) | 2014-03-26 |
CN103678279B CN103678279B (zh) | 2016-08-17 |
Family
ID=50315888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310746652.5A Expired - Fee Related CN103678279B (zh) | 2013-12-31 | 2013-12-31 | 基于异质网络时态语义路径相似度的人物唯一性识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103678279B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108509614A (zh) * | 2018-04-03 | 2018-09-07 | 中山大学 | 一种基于图数据库的任务履历管理及分析方法 |
CN109815497A (zh) * | 2019-01-23 | 2019-05-28 | 四川易诚智讯科技有限公司 | 基于句法依存的人物属性抽取方法 |
CN109857753A (zh) * | 2018-12-28 | 2019-06-07 | 考拉征信服务有限公司 | 用户数据验证方法、装置、电子设备及存储介质 |
CN110020036A (zh) * | 2017-07-18 | 2019-07-16 | 北京国双科技有限公司 | 一种网站列表路径生成方法及装置 |
CN110110222A (zh) * | 2019-04-12 | 2019-08-09 | 保定市大为计算机软件开发有限公司 | 一种目标对象确定方法、装置及计算机存储介质 |
CN112836063A (zh) * | 2021-01-27 | 2021-05-25 | 四川新网银行股份有限公司 | 一种实现特征溯源的方法 |
CN113282818A (zh) * | 2021-01-29 | 2021-08-20 | 中国人民解放军国防科技大学 | 基于BiLSTM的挖掘网络人物关系的方法、装置及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034687A (zh) * | 2012-11-29 | 2013-04-10 | 中国科学院自动化研究所 | 一种基于2-类异质网络的关联模块识别方法 |
-
2013
- 2013-12-31 CN CN201310746652.5A patent/CN103678279B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034687A (zh) * | 2012-11-29 | 2013-04-10 | 中国科学院自动化研究所 | 一种基于2-类异质网络的关联模块识别方法 |
Non-Patent Citations (6)
Title |
---|
YIZHOU SUN,JIAWEI HAN: "Meta-Path-Based Search and Mining in Heterogeneous Information", 《TSINGHUA SCIENCEAND TECHNOLOGY》 * |
YIZHOU SUN、JIAWEI HAN、XIFENG YAN、PHILIP S. YU、TIANYI WU: "PathSim: Meta Path-Based Top-K Similarity Search in Heterogeneous Information Networks", 《VLDB’11》 * |
索利军: "多关系社会网络分析和可视化系统的研究", 《中国优秀硕士学位论文全文数据库•基础科学辑》 * |
索利军: "多关系社会网络分析和可视化系统的研究", 《中国优秀硕士学位论文全文数据库•基础科学辑》, no. 3, 15 March 2011 (2011-03-15), pages 14 - 21 * |
肖文杰: "大规模时态关系网络可视化技术研究", 《中国优秀硕士学位论文全文数据库•基础科学辑》 * |
肖文杰: "大规模时态关系网络可视化技术研究", 《中国优秀硕士学位论文全文数据库•基础科学辑》, no. 2, 15 February 2013 (2013-02-15), pages 51 - 58 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020036A (zh) * | 2017-07-18 | 2019-07-16 | 北京国双科技有限公司 | 一种网站列表路径生成方法及装置 |
CN110020036B (zh) * | 2017-07-18 | 2021-06-08 | 北京国双科技有限公司 | 一种网站列表路径生成方法及装置 |
CN108509614A (zh) * | 2018-04-03 | 2018-09-07 | 中山大学 | 一种基于图数据库的任务履历管理及分析方法 |
CN109857753A (zh) * | 2018-12-28 | 2019-06-07 | 考拉征信服务有限公司 | 用户数据验证方法、装置、电子设备及存储介质 |
CN109815497A (zh) * | 2019-01-23 | 2019-05-28 | 四川易诚智讯科技有限公司 | 基于句法依存的人物属性抽取方法 |
CN109815497B (zh) * | 2019-01-23 | 2023-04-18 | 四川易诚智讯科技有限公司 | 基于句法依存的人物属性抽取方法 |
CN110110222A (zh) * | 2019-04-12 | 2019-08-09 | 保定市大为计算机软件开发有限公司 | 一种目标对象确定方法、装置及计算机存储介质 |
CN110110222B (zh) * | 2019-04-12 | 2021-03-16 | 保定市大为计算机软件开发有限公司 | 一种目标对象确定方法、装置及计算机存储介质 |
CN112836063A (zh) * | 2021-01-27 | 2021-05-25 | 四川新网银行股份有限公司 | 一种实现特征溯源的方法 |
CN113282818A (zh) * | 2021-01-29 | 2021-08-20 | 中国人民解放军国防科技大学 | 基于BiLSTM的挖掘网络人物关系的方法、装置及介质 |
CN113282818B (zh) * | 2021-01-29 | 2023-07-07 | 中国人民解放军国防科技大学 | 基于BiLSTM的挖掘网络人物关系的方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103678279B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103678279A (zh) | 基于异质网络时态语义路径相似度的人物唯一性识别方法 | |
CN110597870A (zh) | 一种企业关系挖掘方法 | |
WO2017211051A1 (zh) | 目标对象的社交账号挖掘方法、服务器和存储介质 | |
CN103559262A (zh) | 基于社区的作者及其学术论文推荐系统和推荐方法 | |
CN104636325B (zh) | 一种基于极大似然估计确定文档相似度的方法 | |
CN103092950A (zh) | 一种网络舆情地理位置实时监控系统和方法 | |
CN110059177B (zh) | 一种基于用户画像的活动推荐方法及装置 | |
WO2019109698A1 (zh) | 目标用户群体的确定方法及装置 | |
Fu et al. | Automatic record linkage of individuals and households in historical census data | |
CN111191099B (zh) | 一种基于社交媒体的用户活动类型识别方法 | |
Cardon et al. | Two Paths of Glory—Structural Positions and Trajectories of Websites within Their Topical Territory | |
CN109949174A (zh) | 一种异构社交网络用户实体锚链接识别方法 | |
CN108038734B (zh) | 基于点评数据的城市商业设施空间分布探测方法及系统 | |
Chen et al. | Data analysis and knowledge discovery in web recruitment—based on big data related jobs | |
Cheng et al. | Process and application of data mining in the university library | |
KR100938830B1 (ko) | 지식베이스 구축 방법 및 그 서버 | |
Mashat et al. | Discovery of association rules from university admission system data | |
CN105468780A (zh) | 一种微博文本中产品名实体的规范化方法及装置 | |
CN105183806A (zh) | 一种不同平台间识别同一用户的方法与系统 | |
Wenan et al. | analysis and evaluation of TripAdvisor data: a case of Pokhara, Nepal | |
Shimada et al. | On-site likelihood identification of tweets for tourism information analysis | |
CN104636324B (zh) | 话题溯源方法和系统 | |
CN107480241A (zh) | 一种基于潜在主题的相似企业推荐方法 | |
Tossavainen et al. | Implementing a system enabling open innovation by sharing public goals based on linked open data | |
Li et al. | Jian Chen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 Termination date: 20191231 |
|
CF01 | Termination of patent right due to non-payment of annual fee |