CN104978630A - 一种智能测试方法和装置 - Google Patents
一种智能测试方法和装置 Download PDFInfo
- Publication number
- CN104978630A CN104978630A CN201510346056.7A CN201510346056A CN104978630A CN 104978630 A CN104978630 A CN 104978630A CN 201510346056 A CN201510346056 A CN 201510346056A CN 104978630 A CN104978630 A CN 104978630A
- Authority
- CN
- China
- Prior art keywords
- user
- answer
- scoring
- current scoring
- difficulty
- 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
Landscapes
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明实施例公开了一种智能测试方法和装置。所述方法包括:根据用户的当前评分,确定试题的难度等级;将满足难度等级要求的试题出示给用户,并接收用户提交的答案;根据所述答案更新用户的当前评分;如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则返回执行确定试题的难度等级的操作。本发明能够根据用户的答题水平,实时调整题目难度,更加准确测量出答题人的知识水平。
Description
技术领域
本发明实施例涉及计算机辅助技术,尤其涉及一种智能测试方法和装置。
背景技术
随着计算机技术的迅猛发展,人们的思维方式和学习方式发生了重大变化,计算机辅助技术正逐渐的应用到知识水平测试系统中。
现有技术中,为了测试用户某一方面的知识水平,可能需要测试相当数量的题目,由用户逐一对各道题目进行解答。然后根据每道题的答案内容正确与否,汇总确定用户的知识水平。
然而,现有技术中对所有待测用户均给出相同的试题进行测试,且测试过程对用户无差别进行,导致答题结果与用户真实知识水平之间的关联紧密性不高,因此,无法全面、准确地衡量答题人水平。
发明内容
本发明提供一种智能测试方法和装置,以提高答题结果与用户真实知识水平之间的关联紧密性,实现全面、准确地衡量答题人水平。
第一方面,本发明实施例提供了一种智能测试方法,该智能测试方法包括:
根据用户的当前评分,确定试题的难度等级;
将满足难度等级要求的试题出示给用户,并接收用户提交的答案;
根据所述答案更新用户的当前评分;
如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则返回执行确定试题的难度等级的操作。
第二方面,本发明实施例还提供了一种智能测试装置,该智能测试装置包括:
试题难度等级确定模块,用于根据用户的当前评分,确定试题的难度等级;
试题出示与答案接收模块,用于将满足难度等级要求的试题出示给用户,并接收用户提交的答案;
评分更新模块,用于根据所述答案更新用户的当前评分;
测试结果判断模块,用于如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则触发所述试题难度等级确定模块执行确定试题的难度等级的操作。
本发明实施例通过根据用户的答题水平,实时调整题目难度,解决了现有技术中答题结果与用户真实知识水平之间的关联紧密性不高,无法全面、准确地衡量答题人水平的问题,实现了更加准确测量出答题人的知识水平的效果。
附图说明
图1是本发明实施例一中的智能测试方法的流程图;
图2是本发明实施例三中的智能测试方法的流程图;
图3是本发明实施例四中的智能测试装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的智能测试方法的流程图,该方法适用于需要对用户的知识水平进行全面、准确测试的情况下,该方法可以由智能测试装置来执行,该装置可通过硬件和/或软件的方式实现,具体包括如下步骤:
步骤101、根据用户的当前评分,确定试题的难度等级;
其中,若用户已参加过本测试,则当前评分为用户上次答题的得分;若用户未参加过本测试,则其当前评分为最低值。在系统中可以预先设置试题的难度等级,根据用户的当前评分可得到所述当前评分所对应的难度等级,根据当前评分对应的难度等级确定本次试题的难度等级,具体的,可以是对当前评分对应的难度等级加或减一级,或者加或减若干级,具体形式并不限定。
步骤102、将满足难度等级要求的试题出示给用户,并接收用户提交的答案;
其中,接收用户提交的答案,具体的还可以记录用户作答的时间,便于更真实的评价用户的水平。
步骤103、根据所述答案更新用户的当前评分;
其中,更新用户的当前评分对于已参加过测试的用户即将本次作答的评分替换上次的评分,对于新用户即将本次作答的评分替换预设的最低值。
步骤104、如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则返回执行确定试题的难度等级的操作。
其中,当前评分收敛具体的可以是当用户的评分相对于历史评分不再大幅增减,即视为收敛。例如,当用户的最近的连续设定次数的评分在设定区间内,即视为评分收敛。示例性的,当用户的当前评分收敛到所述某一值或某一数值区间时,则可根据当前评分得出用户的真实水平;若当前评分不收敛,则尚需调整试题的难度等级,进一步进行测试。
优选的,如果识别到所述用户的当前评分收敛,则根据全部用户的评分,确定所述用户的排名顺序,作为所述测试结果。该操作不以用户评分作为用户的测试结果,而是以用户在全部用户中的评分排名,作为测试结果,能反映用户在整体测试对象中的水平。
本实施例的技术方案,通过根据用户的答题水平,实时调整题目难度,解决了现有技术中答题结果与用户真实知识水平之间的关联紧密性不高,无法全面、准确地衡量答题人水平的问题,实现了更加准确测量出答题人的知识水平的效果。
实施例二
本实施例以上述实施例一为基础,将上述实施例中的操作:根据所述答案更新用户的当前评分,进行具体优化。将根据所述答案更新用户的当前评分优化为:对所述答案进行语义分析,以确定所述答案中的答案要点;根据所述答案的答案要点覆盖率,确定所述用户的当前评分。
进一步的,将根据所述答案的答案要点覆盖率,确定所述用户的当前评分优化为:根据所述答案的答案要点覆盖率、用户的答题时间、以及所述答案的格式质量分,确定所述用户的当前评分。
优化后的该操作具体包括如下步骤:
步骤201、对所述答案进行语义分析,以确定所述答案中的答案要点;
对答案进行语义分析是测试系统在收集各种难度的大量试题,并分析答案要点的基础上进行的,这样大大降低了对答案要点的错判与遗漏,使得测试结果与用户真实水平更加接近。
步骤202、根据所述答案的答案要点覆盖率、用户的答题时间、以及所述答案的格式质量分,确定所述用户的当前评分。
所述答案的格式质量分具体可以是根据用户的答题格式、答题过程进行评价的指标。对答案要点覆盖率、用户的答题时间、以及所述答案的格式质量分等确定用户当前评分的指标并不做具体限定,可以有不同的表现形式,也可以根据不同的测试类型增加其他判定指标,以编程题目为例,对用户给出的答案,应测量其正确率、运行速度、程序可读性等指标,得到用户的编程水平。
本实施例的技术方案,从多个维度测量答案,衡量答题人的水平,并以此为依据调整题目难度,测试答题人的能力上限,解决了现有技术中答题结果与用户真实知识水平之间的关联紧密性不高,无法全面、准确地衡量答题人水平的问题,实现了更加准确测量出答题人的知识水平的效果。
实施例三
图2是本发明实施例三提供的智能测试方法的流程图,本实施例以上述实施例为基础进行优化,提供了一个优选实例,具体包括如下步骤:
步骤301、开始;
步骤302、判断是否为新用户;该用户若是新用户则执行步骤303,若否,则执行步骤304。
由于有些用户为首次进行测试,而有些用户已参加过测试,对于已参加过测试的用户,系统存有其上次测试的相应的评分,直接根据上一次的测试评分调整本次测试的试题难度可进一步节省用户的时间,并能够更全面的对用户知识水平进行测试。
步骤303、评分为最低值,并执行步骤305;
若用户首次参加测试,没有该用户相应的评分,将其当前评分默认为最低值。
步骤304、读取用户当前评分;
如果该用户不是新用户,则读取该用户过往的测试评分作为当前评分,如上所述,可直接根据上一次的测试评分调整本次测试的试题难度,进一步节省用户的时间,并能够更全面的对用户知识水平进行测试。
步骤305、根据当前评分给出相应难度的题目;
如上所述,根据用户的当前评分可得到所述当前评分所对应的难度等级,根据当前评分对应的难度等级确定本次试题的难度等级,具体的,可以是对当前评分对应的难度等级加或减一级,或者加或减若干级,具体形式并不限定。
步骤306、答题,记录答题时间等指标;
步骤307、使用自然语言处理技术分析答案并给出主观分;
自然语言处理技术是所有与自然语言的计算机处理有关的技术的统称,其目的是使计算机理解和接受人类用自然语言输入的指令,完成从一种语言到另一种语言的翻译功能。对答案的分析可以是分析其可读性,语法、语义是否正确等。
步骤308、根据答题时间、要点覆盖率等指标给出客观分;
示例性的,对客观分的评定还可以根据正确率、答题速度、计算量等指标。
步骤309、综合主观分和客观分得出总分;
示例性的,对于总分的计算,具体的可以是主观分与客观分各占相应的比例,采用主观分与客观分与相应的比例系数相乘并求和得到总分,也可以采用计算加权平均分的形式。
步骤310、判断总分是否收敛;若总分收敛则执行步骤311,若不收敛则继续执行步骤305。
示例性的,当题目难度接近用户的真实水平时,随着难度等级的升高,用户的答题速度、正确率等均会下降,其总分应收敛于某一特定值或某一数值区间,若不收敛,说明尚未达到用户真实水平,因根据当前评分继续调整题目的难度,进一步进行测试。
步骤311、通过大数据技术给出排名;
根据全部用户的评分,确定所述用户的排名顺序,以排名前N%的形式给出,作为测试结果。
步骤312、结束。
本实施例的技术方案采用自然语言处理技术,分析答题人的答案,从多个维度测量答案,衡量答题人的水平,并以此为依据调整题目难度,测试答题人的能力上限,解决了现有技术中答题结果与用户真实知识水平之间的关联紧密性不高,无法全面、准确地衡量答题人水平的问题,实现了更加准确测量出答题人的知识水平的效果。
实施例四
图3给出了本发明实施例四提供的智能测试装置的结构示意图。如图3所示,本实施例提供的智能测试调整装置包括:试题难度等级确定模块401、试题出示与答案接收模块402、评分更新模块403和测试结果判断模块404。
其中,试题难度等级确定模块401,用于根据用户的当前评分,确定试题的难度等级;试题出示与答案接收模块402,用于将满足难度等级要求的试题出示给用户,并接收用户提交的答案;评分更新模块403,用于根据所述答案更新用户的当前评分;测试结果判断模块404,用于如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则触发所述试题难度等级确定模块执行确定试题的难度等级的操作。
进一步的,所述评分更新模块包括:
答案要点确定单元,用于对所述答案进行语义分析,以确定所述答案中的答案要点;
当前评分确定单元,用于根据所述答案的答案要点覆盖率,确定所述用户的当前评分。
进一步的,所述当前评分确定单元具体用于:
根据所述答案的答案要点覆盖率、用户的答题时间、以及所述答案的格式质量分,确定所述用户的当前评分。
进一步的,所述测试结果判断模块具体用于:
如果识别到所述用户的当前评分收敛,则根据全部用户的评分,确定所述用户的排名顺序,作为所述测试结果。
本发明实施例提供的智能测试装置可执行本发明任意实施例所提供的智能测试方法,具备执行方法相应的功能模块和有益效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种智能测试方法,其特征在于:
根据用户的当前评分,确定试题的难度等级;
将满足难度等级要求的试题出示给用户,并接收用户提交的答案;
根据所述答案更新用户的当前评分;
如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则返回执行确定试题的难度等级的操作。
2.根据权利要求1所述的方法,其特征在于,根据所述答案更新用户的当前评分包括:
对所述答案进行语义分析,以确定所述答案中的答案要点;
根据所述答案的答案要点覆盖率,确定所述用户的当前评分。
3.根据权利要求2所述的方法,其特征在于,根据所述答案的答案要点覆盖率,确定所述用户的当前评分具体包括:
根据所述答案的答案要点覆盖率、用户的答题时间、以及所述答案的格式质量分,确定所述用户的当前评分。
4.根据权利要求1所述的方法,其特征在于,如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果具体包括:
如果识别到所述用户的当前评分收敛,则根据全部用户的评分,确定所述用户的排名顺序,作为所述测试结果。
5.一种智能测试装置,其特征在于:
试题难度等级确定模块,用于根据用户的当前评分,确定试题的难度等级;
试题出示与答案接收模块,用于将满足难度等级要求的试题出示给用户,并接收用户提交的答案;
评分更新模块,用于根据所述答案更新用户的当前评分;
测试结果判断模块,用于如果识别到所述用户的当前评分收敛,则确定所述用户的测试结果,否则触发所述试题难度等级确定模块执行确定试题的难度等级的操作。
6.根据权利要求5所述的装置,其特征在于,所述评分更新模块包括:
答案要点确定单元,用于对所述答案进行语义分析,以确定所述答案中的答案要点;
当前评分确定单元,用于根据所述答案的答案要点覆盖率,确定所述用户的当前评分。
7.根据权利要求6所述的装置,其特征在于,所述当前评分确定单元具体用于:
根据所述答案的答案要点覆盖率、用户的答题时间、以及所述答案的格式质量分,确定所述用户的当前评分。
8.根据权利要求5所述的装置,其特征在于,所述测试结果判断模块具体用于:
如果识别到所述用户的当前评分收敛,则根据全部用户的评分,确定所述用户的排名顺序,作为所述测试结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510346056.7A CN104978630A (zh) | 2015-06-19 | 2015-06-19 | 一种智能测试方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510346056.7A CN104978630A (zh) | 2015-06-19 | 2015-06-19 | 一种智能测试方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104978630A true CN104978630A (zh) | 2015-10-14 |
Family
ID=54275111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510346056.7A Pending CN104978630A (zh) | 2015-06-19 | 2015-06-19 | 一种智能测试方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104978630A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448306A (zh) * | 2016-11-11 | 2017-02-22 | 深圳中兴网信科技有限公司 | 答题数据的处理方法和处理系统 |
CN106652620A (zh) * | 2016-12-29 | 2017-05-10 | 广东小天才科技有限公司 | 一种终端测评方法及装置 |
CN107016890A (zh) * | 2017-04-26 | 2017-08-04 | 广东小天才科技有限公司 | 一种知识掌握程度的检测方法及系统 |
CN107230172A (zh) * | 2017-06-01 | 2017-10-03 | 深圳家族领袖教育科技有限公司 | 学习效果的评估方法及装置 |
WO2018098734A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育平台的数据处理方法及装置 |
WO2018098732A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育系统的数据处理方法及装置 |
CN109255998A (zh) * | 2018-10-25 | 2019-01-22 | 杭州数理大数据技术有限公司 | 一种学生成绩诊断提升系统 |
CN109344220A (zh) * | 2018-08-21 | 2019-02-15 | 广州飞硕信息科技股份有限公司 | 一种试题难度的调整方法及装置 |
CN109364488A (zh) * | 2018-12-12 | 2019-02-22 | 北京像素软件科技股份有限公司 | 游戏引导处理方法及装置 |
CN109409527A (zh) * | 2017-08-15 | 2019-03-01 | 北京国双科技有限公司 | 数据处理方法、装置、系统以及存储介质 |
CN109859550A (zh) * | 2018-12-24 | 2019-06-07 | 凡悦科技(上海)有限公司 | 一种教育云平台 |
CN111507573A (zh) * | 2020-03-18 | 2020-08-07 | 威比网络科技(上海)有限公司 | 业务员考核方法、系统、设备及存储介质 |
CN111507084A (zh) * | 2019-01-30 | 2020-08-07 | 沪江教育科技(上海)股份有限公司 | 一种语句难度确定方法及系统 |
CN111627275A (zh) * | 2020-04-23 | 2020-09-04 | 完美世界控股集团有限公司 | 语言表征信息测试的处理方法及装置、存储介质、终端 |
CN111915462A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 试题知识点难度的分析方法 |
CN111932415A (zh) * | 2020-08-10 | 2020-11-13 | 广东讯飞启明科技发展有限公司 | 一种语言自适应分级学习的方法及装置 |
CN114429269A (zh) * | 2021-12-16 | 2022-05-03 | 北京津发科技股份有限公司 | 一种人因工效测评方法、系统及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488120A (zh) * | 2008-01-18 | 2009-07-22 | 微星科技股份有限公司 | 学习评估装置及方法 |
CN101807356A (zh) * | 2009-02-13 | 2010-08-18 | 高荣冠 | 英文程度定位方法 |
CN103473959A (zh) * | 2013-09-05 | 2013-12-25 | 无敌科技(西安)有限公司 | 一种外语数字相关听写特别训练学习系统及方法 |
-
2015
- 2015-06-19 CN CN201510346056.7A patent/CN104978630A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488120A (zh) * | 2008-01-18 | 2009-07-22 | 微星科技股份有限公司 | 学习评估装置及方法 |
CN101807356A (zh) * | 2009-02-13 | 2010-08-18 | 高荣冠 | 英文程度定位方法 |
CN103473959A (zh) * | 2013-09-05 | 2013-12-25 | 无敌科技(西安)有限公司 | 一种外语数字相关听写特别训练学习系统及方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448306A (zh) * | 2016-11-11 | 2017-02-22 | 深圳中兴网信科技有限公司 | 答题数据的处理方法和处理系统 |
WO2018098734A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育平台的数据处理方法及装置 |
WO2018098732A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳益强信息科技有限公司 | 一种用于教育系统的数据处理方法及装置 |
CN106652620A (zh) * | 2016-12-29 | 2017-05-10 | 广东小天才科技有限公司 | 一种终端测评方法及装置 |
CN107016890A (zh) * | 2017-04-26 | 2017-08-04 | 广东小天才科技有限公司 | 一种知识掌握程度的检测方法及系统 |
CN107230172A (zh) * | 2017-06-01 | 2017-10-03 | 深圳家族领袖教育科技有限公司 | 学习效果的评估方法及装置 |
CN109409527A (zh) * | 2017-08-15 | 2019-03-01 | 北京国双科技有限公司 | 数据处理方法、装置、系统以及存储介质 |
CN109344220A (zh) * | 2018-08-21 | 2019-02-15 | 广州飞硕信息科技股份有限公司 | 一种试题难度的调整方法及装置 |
CN109255998A (zh) * | 2018-10-25 | 2019-01-22 | 杭州数理大数据技术有限公司 | 一种学生成绩诊断提升系统 |
CN109364488A (zh) * | 2018-12-12 | 2019-02-22 | 北京像素软件科技股份有限公司 | 游戏引导处理方法及装置 |
CN109859550A (zh) * | 2018-12-24 | 2019-06-07 | 凡悦科技(上海)有限公司 | 一种教育云平台 |
CN111507084A (zh) * | 2019-01-30 | 2020-08-07 | 沪江教育科技(上海)股份有限公司 | 一种语句难度确定方法及系统 |
CN111507573A (zh) * | 2020-03-18 | 2020-08-07 | 威比网络科技(上海)有限公司 | 业务员考核方法、系统、设备及存储介质 |
CN111627275A (zh) * | 2020-04-23 | 2020-09-04 | 完美世界控股集团有限公司 | 语言表征信息测试的处理方法及装置、存储介质、终端 |
CN111932415A (zh) * | 2020-08-10 | 2020-11-13 | 广东讯飞启明科技发展有限公司 | 一种语言自适应分级学习的方法及装置 |
CN111915462A (zh) * | 2020-08-21 | 2020-11-10 | 广州云蝶科技有限公司 | 试题知识点难度的分析方法 |
CN111915462B (zh) * | 2020-08-21 | 2023-12-26 | 广州云蝶科技有限公司 | 试题知识点难度的分析方法 |
CN114429269A (zh) * | 2021-12-16 | 2022-05-03 | 北京津发科技股份有限公司 | 一种人因工效测评方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104978630A (zh) | 一种智能测试方法和装置 | |
Bernard et al. | Using artificial neural networks to identify learning styles | |
Fulmer | Estimating critical values for strength of alignment among curriculum, assessments, and instruction | |
CN110705717B (zh) | 计算机执行的机器学习模型的训练方法、装置及设备 | |
Strauss et al. | jTRACE: A reimplementation and extension of the TRACE model of speech perception and spoken word recognition | |
Voss et al. | Sequential sampling models with variable boundaries and non-normal noise: A comparison of six models | |
Kasto et al. | Measuring the difficulty of code comprehension tasks using software metrics | |
Rojewski et al. | Use of t-test and ANOVA in career-technical education research | |
CN105427695B (zh) | 编程类考题自动测评方法和系统 | |
CN110991195B (zh) | 机器翻译模型训练方法、装置及存储介质 | |
CN111026664B (zh) | 基于ann的程序检测方法和检测系统及应用 | |
CN104239659A (zh) | 一种bp神经网络的碳钢腐蚀速率预测方法 | |
CN110580217B (zh) | 软件代码健康度的检测方法、处理方法、装置及电子设备 | |
KR20120090564A (ko) | 학습능력관리 장치 및 방법, 클라우드 컴퓨팅 서비스 장치 및 클라우드 컴퓨팅을 이용한 학습능력관리 방법 | |
CN103885341B (zh) | 基于汽车性能模拟器的性能分析系统和方法 | |
CN114090733A (zh) | 学习资源推荐方法、装置、存储介质和电子设备 | |
CN106682938A (zh) | 大数据精准营销模型的构建方法及装置 | |
CN116737580A (zh) | 一种回归测试范围确定方法、装置、设备及存储介质 | |
CN114077704A (zh) | 一种学习内容推荐方法、装置、智能终端及存储介质 | |
CN116595541A (zh) | 基于Transformer的源代码漏洞检测方法、装置、计算机设备及介质 | |
Poels et al. | Measuring the perceived semantic quality of information models | |
Englisch et al. | Adaptive learning system in automotive software engineering | |
Luo et al. | A multi-dimensional assessment model and its application in E-learning courses of computer science | |
KR20220139067A (ko) | Ai 기반 합격 예측 시스템 | |
Xu | An English teaching ability evaluation algorithm based on frequency effect |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151014 |