CN104966103B - 一种翻译平台的稿件分析方法 - Google Patents

一种翻译平台的稿件分析方法 Download PDF

Info

Publication number
CN104966103B
CN104966103B CN201510375027.3A CN201510375027A CN104966103B CN 104966103 B CN104966103 B CN 104966103B CN 201510375027 A CN201510375027 A CN 201510375027A CN 104966103 B CN104966103 B CN 104966103B
Authority
CN
China
Prior art keywords
contribution
interpreter
allocated
data
matching degree
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
Application number
CN201510375027.3A
Other languages
English (en)
Other versions
CN104966103A (zh
Inventor
江潮
张芃
陈钰清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Expressive language, networking, Polytron Technologies Inc
Original Assignee
Communication (wuhan) Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Communication (wuhan) Information Technology Co Ltd filed Critical Communication (wuhan) Information Technology Co Ltd
Priority to CN201510375027.3A priority Critical patent/CN104966103B/zh
Publication of CN104966103A publication Critical patent/CN104966103A/zh
Application granted granted Critical
Publication of CN104966103B publication Critical patent/CN104966103B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种翻译平台的稿件分析方法，包括：分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，确定所述待分配稿件的稿件数据与每个所述译员的译员数据之间的第一匹配程度；根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度；筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件。本发明通过提出的筛选方法，可以尽快的确定风险稿件，从而对风险稿件进行人工或其它操作处理，保证稿件翻译的顺利进行。

Description

一种翻译平台的稿件分析方法
技术领域
本发明属于翻译技术领域，尤其是涉及一种翻译平台的稿件分析方法。
背景技术
随着国际交互的日益频繁，翻译行业得到的快速发展。在大规模云翻译平台上，平台会根据稿件的语种、难度、行业领域等属性将稿件推送给相应的译员进行翻译，这些符合翻译某稿件的译员成为该稿件的目标译员池。是否领取该稿件进行翻译，对于每个译员来说由其领取概率由其自身当时的各种影响因子决定。对于整个平台而言，该稿件的领取风险由该稿件目标译员池的所有译员的领取概率决定。
目前，翻译平台在接收到待译稿件后，会根据稿件和译员的专业领域进行匹配，自动推送该稿件；但由于平台上的译员的情况变动或者主观影响，会使稿件无法按时完成，给翻译平台和客户都造成损失。
发明内容
本发明的目的之一是提供一种翻译平台的稿件分析方法，以解决现有技术中稿件无法正常翻译完成的问题。
在一些说明性实施例中，所述翻译平台的稿件分析方法，包括：分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，确定所述待分配稿件的稿件数据与每个所述译员的译员数据之间的第一匹配程度；根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度；筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件。
优选地，所述筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件之后，还包括：对所述疑难稿件进行碎片化处理，将所述疑难稿件分割为至少两部分的任务片段；其中，每个任务片段内的字符数不高于预设字符数；将所述任务片段分配给所述译员池中不同的译员进行处理。
优选地，所述分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，包括：确定所述待分配稿件的发布时段，以及所述匹配模型的影响因子；根据所述影响因子，建立所述译员在所述发布时段内和所述待分配稿件进行匹配的所述匹配模型。
优选地，还包括：计算出所述译员在以往多个该时段内匹配模型的影响因子，并建立所述影响因子的概率分布；根据所述影响因子的概率分布，模拟出所述译员在该时段的多个转换系数，将所述多个转化系数的均值作为第一转化系数；将译员池中的多个译员的第一转化系数的中位值或均值作为第二转化系数，并根据所述第二转化系数确定出所述第一匹配程度。
优选地，所述将译员池中的多个译员的第一转化系数的中位值作为第二转化系数，并根据所述第二转化系数确定出所述第一匹配程度，具体包括：
其中，PI为所述译员对所述待分配稿件的第一匹配程度，K为第一转换系数，kmed为第二转换系数。
优选地，所述根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度，具体包括：
其中，PD为所述待分配稿件对所有译员数据的第二匹配程度，PIi为第i个译员对所述待分配稿件的第一匹配程度，n为译员池的译员个数。
优选地，所述匹配模型的影响因子包括：领取频度、活跃频度、行为因子、负载因子、能力因子；根据所述领取频度、活跃频度、行为因子、负载因子、能力因子，建立所述匹配模型。
优选地，所述筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件之后，还包括：根据所述疑难稿件的字符数和/或任务发布时间，确定出该疑难稿件的风险系数；若所述风险系数大于最大系数值，则将所述待分配稿件推送至人工处理。
与现有技术相比，本发明的说明性实施例包括以下优点：
本发明通过提出的分析方法，可以尽快的确定风险稿件，从而对风险稿件进行人工或其它操作处理，保证稿件翻译的顺利进行。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是按照本发明的说明性实施例的流程图。
具体实施方式
在以下详细描述中，提出大量特定细节，以便于提供对本发明的透彻理解。但是，本领域的技术人员会理解，即使没有这些特定细节也可实施本发明。在其它情况下，没有详细描述众所周知的方法、过程、组件和电路，以免影响对本发明的理解。
如图1所示，公开了一种翻译平台的稿件分析方法，包括：
S11、分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，确定所述待分配稿件的稿件数据与每个所述译员的译员数据之间的第一匹配程度；
S12、根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度；
S13、筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件。
本发明通过提出的分析方法，可以尽快的确定风险稿件，从而对风险稿件进行人工或其它操作处理，保证稿件翻译的顺利进行。
在一些说明性实施例中，所述筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件之后，还包括：对所述疑难稿件进行碎片化处理，将所述疑难稿件分割为至少两部分的任务片段；其中，每个任务片段内的字符数不高于预设字符数；将所述任务片段分配给所述译员池中不同的译员进行处理。
在一些说明性实施例中，所述分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，包括：确定所述待分配稿件的发布时段，以及所述匹配模型的影响因子；根据所述影响因子，建立所述译员在所述发布时段内和所述待分配稿件进行匹配的所述匹配模型。
在一些说明性实施例中，还包括：计算出所述译员在以往多个该时段内匹配模型的影响因子，并建立所述影响因子的概率分布；根据所述影响因子的概率分布，模拟出所述译员在该时段的多个转换系数，将所述多个转化系数的均值作为第一转化系数；将译员池中的多个译员的第一转化系数的中位值或均值作为第二转化系数，并根据所述第二转化系数确定出所述第一匹配程度。
在一些说明性实施例中，所述将译员池中的多个译员的第一转化系数的中位值或均值作为第二转化系数，并根据所述第二转化系数确定出所述第一匹配程度，具体包括：
其中，PI为所述译员对所述待分配稿件的第一匹配程度，K为第一转换系数，kmed为第二转换系数。
在一些说明性实施例中，所述根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度，具体包括：
其中，PD为所述待分配稿件对所有译员数据的第二匹配程度，PIi为第i个译员对所述待分配稿件的第一匹配程度，n为译员池的译员个数。
在一些说明性实施例中，所述匹配模型的影响因子包括：领取频度、活跃频度、行为因子、负载因子、能力因子；根据所述领取频度、活跃频度、行为因子、负载因子、能力因子，建立所述匹配模型。
在一些说明性实施例中，所述筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件之后，还包括：根据所述疑难稿件的字符数和/或任务发布时间，确定出该疑难稿件的风险系数；若所述风险系数大于最大系数值，则将所述待分配稿件推送至人工处理。
为了可以更快的理解本发明，在此提供一个优选的实施例：
一、数据采集，采集平台上译员的统计数据和每个译员行为数据，包括：
(1)可用译员数(目标译员池)；
(2)译员能力级别、译员专业级别；
(3)稿件能力要求级别、稿件专业要求级别；
(4)上线次数、上线时段、上线时长；
(5)通知次数、通知时间；
(6)响应次数、响应时间；
(7)领取次数、领取时间；
(8)当前时段领取任务字数、当前时段未完成任务数、未完成任务截止时间、当前时段未完成字数
二、时段划分
在翻译平台上工作的译员，有专职也有兼职，有人休假也有人加班，工作时间无法做到整齐统一。但根据一般经验和统计分析，译员的作息规律一般在每周的同一时段表现出较大的一致性，即每个译员在每周的同一时段在翻译平台上的行为有统计上的规律。根据这个规律，对译员的行为数据进行统计分析，可以得到其在该时段领取推送任务的概率。
将每天划分为T个时段，这样一周就划分为7*T时段。典型的，可以按北京时间将一天划分为8～12，12～18，18～22和其他时段这4个时段，这样将一周共划分为如下表所示的28个时段。
表一：时段划分表
三、统计/计算
相关的统计计算数据包括，领取频度、活跃频度、行为因子、负载因子能力因子，其中领取频度、活跃频度、行为因子随着统计时段的不同而不同、负载因子随着当前时段的改变而变化；能力因子则是随着稿件的不同而变化。
领取频度：译员在该时段领取任务的次数；活跃频度：译员在该时段点击浏览任务的次数；行为因子：包括在线率、响应度；负载因子：译员在当前时段的任务负载程度；能力因子：包括能力符合度、专业符合度。具体如下
(1)、领取频度GT
GT＝领取任务的次数
(2)活跃频度AT
AT＝点击浏览任务次数
(3)行为因子BF
BF＝在线率*响应度
在线率＝在线时长/时段时长
响应度＝通知发出半小时内上线次数/通知次数
(4)负载因子LF
LF＝(当前时段未完成字数/(任务要求完成时间-当前时间))/译员翻译速度
(5)能力因子AF
AF＝能力符合度*专业符合度
能力符合度＝1-(|译员能力级别-稿件能力要求级别|/稿件能力要求级别)
专业符合度＝1-(|译员专业级别-稿件专业要求级别|/稿件专业要求级别)
四、领取频度转化K计算公式
根据行为因子(BF)、负载因子(LF)和能力因子(AF)，结合译员的领取频度(GT)和活跃频度(AT)，建立该译员对于该稿件在该时段的转化系数K的计算公式。
建立公式如下：
GT＝AT×BF×(1-LF)×AF×K 公式1
得到转化系数K的计算公式：
K＝GT/AT×BF×(1-LF)×AF 公式2
五、蒙特卡洛模拟
计算过往的n周译员在某个时段的领取频度{GT1，GT2，…，GTn}、活跃频度{AT1，AT，…，ATn}和行为因子{BF1，BF2，…，BFn}，得到其概率分布；
根据领取频度、活跃频度、行为因子的概率分布，设计随机数生成器，以每次生成的领取频度、活跃频度、行为因子数据，结合当前时段的负载因子和能力因子，得到一个译员当前时段的转化系数K值；
按照上述方法进行m次模拟，得到当前时段的m个K值，取这m个K值得平均数为最终该译员在该译员当前时段的转化系数K；
六、译员领取概率
统计每个译员在当前时段的K值，计算其中位数Kmed；
将K值转化成领取概率(即第一匹配程度)，转化公式为：
七、风险度分析
设定当前时段对于该稿件的目标译员池为n个译员，每个译员的领取概率为PIi，则该时段的稿件整体领取概率((即第二匹配程度))PD为：
八、稿件筛选
将领取概率低于阈值的待分配稿件标记为风险稿件，将该稿件推送至人工处理，或者，将稿件分割为若干个稿件片段再进行系统推送译员。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种翻译平台的稿件分析方法，其特征在于，包括：
分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，确定所述待分配稿件的稿件数据与每个所述译员的译员数据之间的第一匹配程度；
根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度；
筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件。
2.根据权利要求1所述的稿件分析方法，其特征在于，所述筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件之后，还包括：
对所述疑难稿件进行碎片化处理，将所述疑难稿件分割为至少两部分的任务片段；其中，每个任务片段内的字符数不高于预设字符数；
将所述任务片段分配给所述译员池中不同的译员进行处理。
3.根据权利要求1所述的稿件分析方法，其特征在于，所述分别建立待分配稿件的稿件数据与当前译员池中的每个译员的译员数据的匹配模型，包括：
确定所述待分配稿件的发布时段，以及所述匹配模型的影响因子；
根据所述影响因子，建立所述译员在所述发布时段内和所述待分配稿件进行匹配的所述匹配模型。
4.根据权利要求3所述的稿件分析方法，其特征在于，还包括：
计算出所述译员在以往多个该时段内匹配模型的影响因子，并建立所述影响因子的概率分布；
根据所述影响因子的概率分布，模拟出所述译员在该时段的多个转换系数，将所述多个转化系数的均值作为第一转化系数；
将译员池中的多个译员的第一转化系数的中位值或均值作为第二转化系数，并根据所述第二转化系数确定出所述第一匹配程度。
5.根据权利要求4所述的稿件分析方法，其特征在于，所述将译员池中的多个译员的第一转化系数的中位值或均值作为第二转化系数，并根据所述第二转化系数确定出所述第一匹配程度，具体包括：
<mrow> <mi>P</mi> <mi>I</mi> <mo>=</mo> <mfrac> <mn>2</mn> <mi>&amp;pi;</mi> </mfrac> <mo>&amp;CenterDot;</mo> <mi>arctan</mi> <mrow> <mo>(</mo> <mfrac> <mi>K</mi> <msub> <mi>K</mi> <mrow> <mi>m</mi> <mi>e</mi> <mi>d</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> </mrow>
其中，PI为所述译员对所述待分配稿件的第一匹配程度，K为第一转换系数，kmed为第二转换系数。
6.根据权利要求4所述的稿件分析方法，其特征在于，所述根据所述第一匹配程度计算出所述待分配稿件的稿件数据与所述译员池中所有译员的译员数据的第二匹配程度，具体包括：
<mrow> <mi>P</mi> <mi>D</mi> <mo>=</mo> <mn>1</mn> <mo>-</mo> <munderover> <mi>&amp;Pi;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>PI</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow>
其中，PD为所述待分配稿件对所有译员数据的第二匹配程度，PIi为第i个译员对所述待分配稿件的第一匹配程度，n为译员池的译员个数。
7.根据权利要求3所述的稿件分析方法，其特征在于，所述匹配模型的影响因子包括：领取频度、活跃频度、行为因子、负载因子、能力因子；
根据所述领取频度、活跃频度、行为因子、负载因子、能力因子，建立所述匹配模型。
8.根据权利要求1所述的稿件分析方法，其特征在于，所述筛选出所述第二匹配程度低于阈值的待分配稿件作为当前时刻的疑难稿件之后，还包括：
根据所述疑难稿件的字符数和/或任务发布时间，确定出该疑难稿件的风险系数；
若所述风险系数大于最大系数值，则将所述待分配稿件推送至人工处理。
CN201510375027.3A 2015-07-01 2015-07-01 一种翻译平台的稿件分析方法 Active CN104966103B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510375027.3A CN104966103B (zh) 2015-07-01 2015-07-01 一种翻译平台的稿件分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510375027.3A CN104966103B (zh) 2015-07-01 2015-07-01 一种翻译平台的稿件分析方法

Publications (2)

Publication Number Publication Date
CN104966103A CN104966103A (zh) 2015-10-07
CN104966103B true CN104966103B (zh) 2018-01-23

Family

ID=54220138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510375027.3A Active CN104966103B (zh) 2015-07-01 2015-07-01 一种翻译平台的稿件分析方法

Country Status (1)

Country Link
CN (1) CN104966103B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160025A (zh) * 2015-09-30 2015-12-16 武汉传神信息技术有限公司 一种稿件推送方法
CN108921439A (zh) * 2018-07-10 2018-11-30 广州市联普翻译有限公司 一种翻译订单分配方法、系统、存储介质及终端

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10237310B4 (de) * 2002-08-14 2006-11-30 Wismüller, Axel, Dipl.-Phys. Dr.med. Verfahren, Datenverarbeitungseinrichtung und Computerprogrammprodukt zur Datenverarbeitung
CN101419619A (zh) * 2008-12-15 2009-04-29 张占平 一种具备辅助人工翻译功能的搜索网站
CN104268567A (zh) * 2014-09-18 2015-01-07 中国民航大学 一种观测数据聚类划分的扩展目标跟踪方法
CN104537009B (zh) * 2014-12-17 2017-09-29 武汉传神信息技术有限公司 译员推荐方法及装置
CN104598446A (zh) * 2015-01-09 2015-05-06 西安融成科技有限公司 一种自助翻译服务系统和方法

Also Published As

Publication number Publication date
CN104966103A (zh) 2015-10-07

Similar Documents

Publication Publication Date Title
Dumbović et al. The drag-based ensemble model (DBEM) for coronal mass ejection propagation
CN103198155B (zh) 一种基于移动终端的智能问答交互系统及方法
De Gerónimo et al. Asteroseismology of ZZ Ceti stars with fully evolutionary white dwarf models-I. The impact of the uncertainties from prior evolution on the period spectrum
CN103294812B (zh) 一种基于混合模型的商品推荐方法
CN103886105A (zh) 一种基于社交网络用户行为的用户影响力分析方法
CN103914445A (zh) 数据语义处理方法
Landin et al. Theoretical values of convective turnover times and Rossby numbers for solar-like, pre-main sequence stars
CN104616158B (zh) 生成商品详情页面的方法和装置
CN104966103B (zh) 一种翻译平台的稿件分析方法
CN108090805A (zh) 一种信息推送方法、终端及存储介质
CN103942298B (zh) 基于线性回归的推荐方法及系统
CN108549227A (zh) 一种基于分数阶血红细胞模型的时滞反馈控制器设计方法
CN106777359A (zh) 一种基于受限玻尔兹曼机的文本业务推荐方法
Gao Long-term trend of sunspot numbers
CN104102662A (zh) 一种用户兴趣偏好相似度确定方法及装置
CN105160025A (zh) 一种稿件推送方法
Frémiot et al. On the analysis of boundary value problems in nonsmooth domains
Frost et al. A note on interval estimation of the standard deviation of a gamma population with applications to statistical quality control
Stermecki et al. Numerical analysis of steady-state operation of three-phase induction machines by an approximate frequency domain technique1
CN105205627B (zh) 电网电力运营方案确定方法及系统
CN107122852A (zh) 一种基于pmf的微博用户兴趣预测方法
CN113361956A (zh) 资源生产方的资源质量评价方法、装置、设备及存储介质
Wu et al. Physics-informed generative learning to emulate unresolved physics in climate models
Lamb et al. Unsupervised learning of microphysical process rates using generative machine learning models
Lguensat et al. History Matching for parameter tuning: the Lorenz96 model as a case study

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20161214

Address after: 430073 Hubei province East Lake New Technology Development Zone Software Park, No. 4 Optics Valley Software Park, No. six, building 2, room 01, room 5, room 04

Applicant after: Communication (Wuhan) Information Technology Co., Ltd.

Address before: 430073 East Lake Hubei Development Zone, Optics Valley Software Park, a phase of the west, South Lake Road South, Optics Valley Software Park, No. 2, No. 6, layer 206, six

Applicant before: Wuhan Transn Information Technology Co., Ltd.

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190702

Address after: 430073 B2 Building (Apart from Room 101), No. 999 High-tech Avenue, Donghu New Technology Development Zone, Wuhan, Hubei Province, FutureChenglongshan Innovation Park Phase I (Wuhan Zone, Free Trade Zone)

Patentee after: Expressive language, networking, Polytron Technologies Inc

Address before: 430073 Guanggu Software Park, No. 4 Middle Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province, Phase 6, 2 buildings, 5 floors, 01 rooms, 04 rooms

Patentee before: Communication (Wuhan) Information Technology Co., Ltd.