CN106909614A - 一种叠加网络的提取方法 - Google Patents

一种叠加网络的提取方法 Download PDF

Info

Publication number
CN106909614A
CN106909614A CN201710022383.6A CN201710022383A CN106909614A CN 106909614 A CN106909614 A CN 106909614A CN 201710022383 A CN201710022383 A CN 201710022383A CN 106909614 A CN106909614 A CN 106909614A
Authority
CN
China
Prior art keywords
node
network
shortest path
path
length
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
Application number
CN201710022383.6A
Other languages
English (en)
Inventor
曹冠杰
徐建
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201710022383.6A priority Critical patent/CN106909614A/zh
Publication of CN106909614A publication Critical patent/CN106909614A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种叠加网络的提取方法。本发明提取一个网络中具有相同属性节点所组成的叠加网络。采用一种邻接表来表示网络中的所有节点，通过区别具有不同属性的节点，首先搜索其邻近的具有相同属性的节点，在获得所有类似节点的邻接关系后，使用邻接矩阵表示具有相同属性的叠加网络。该矩阵包含相邻的任意两相同属性节点间的最短路径。本发明方法输入一个网络、网络中经过标记的具有特殊属性的节点和所有边的权重，输出一个包含所有具有特殊属性的节点组成的叠加网络，此网络仅包含特殊属性的节点，具有较小的网络规模，从而提高后续查找具有特殊属性节点之间最短路径计算的效率。

Description

一种叠加网络的提取方法
技术领域
本发明属于计算机应用技术领域，涉及一种叠加网络的提取方法，特别适用于大规模网络的分层数据处理，例如道路网络中的公交站点网络、在线社交网络中某一特定属性网络的提取等。
背景技术
在地理信息系统、社交网络等应用中，道路网络或者社交关系网络是重要的基础信息结构。随着技术的发展，人们经常面临海量网络节点、边数据的处理问题。而在一个实际应用中，经常需要针对某种特定问题求解，搜索一个网络中所有的节点、边的策略会带来效率的问题。因此针对特定问题，提取特定的网络，以加快问题求解的速度，对于提高算法的效率具有重要意义。
给定一个网络G＝(V,E)，其中V表示网络中的节点集合，E表示网络中边的集合。V中有两种类型的节点，Vw白色节点集合和Vb黑色节点集合。例如在道路网络中，可以用Vw表示道路网路的节点，Vb表示公交站点节点。在社交网络中，可以用Vw表示不具有某种属性的节点，Vb具有某种属性的节点。显然，Vw和Vb共同构成了整个网络。
在求解一个特定问题的过程中，例如查找某两个公交站vbi，vbj点的最近距离，一般的做法是搜索整个网络，从而获得这两点之间的最短距离。显然这种搜索算法需要访问vbi，vbj之间的所有节点和可能路径，效率较低。
本发明要解决的就是如何在一般网络中提取某个特定属性节点构成的网络，从而缩小以后类似查询的搜索空间。例如提取前面所述Vb节点的网络，在后续搜索Vb所属节点之间的最短路径时，就只需搜索Vb节点的网络，从而加快搜索速度。
发明内容
本发明的目的是在于克服现有技术中的不足，针对道路网络或者社交网络的特点，提供一种适用于叠加网络的提取方法。
本发明的方法具体步骤如下：
步骤(1)、网络节点的表示和索引；
所述网络节点是指网络中两条边的交叉点，或者边上具有特定属性的一个位置点。
对于一个网络G＝(V,E)使用邻接表来表示，邻接表表示一个包含|V|个列表的数组Adj组成，其中每个列表对应于V中一个节点。对于每一个节点u∈V，邻接表Adj[u]包含所有满足条件(u,v)∈E的节点v，也就是Adj[u]包含所有和节点u相邻的节点。邻接表中的节点可以以任意顺序存储。
使用Vb表示某种具有特殊性质的网络节点集合，如果一个节点u∈Vb，那么u就具有该集合的特殊性质。如Vb是网络中公交站点集合，那么u∈Vb就说明u是一个公交站点。显然，
对于一条边(u,v)∈E，使用w(u,v)表示该边的权重，在道路网络中就表示该路段的长度。
如果存在一条路径p＝<v0,v0,…,v0>，那么它的长度w(p)是指其组成边的所有长度之和。即w(p)＝∑w(vi-1，vi)，其中i＝1,2…,k。
节点u,v之间的最短路径是u,v之间所有路径中长度最短的那一条。
步骤(2)、对一个具有特殊性质的网络节点s,查找其相邻的具有相同特殊性质的所有节点；
如果一个具有特殊性质的网络节点s,到其他具有相同特殊性质的另外一个节点a的最短路径上不存在第三个具有相同特殊性质的节点，那这两个节点具有近邻关系。例如两个公交站点的最短路径上不存在另外一个公交站点，那么这两个公交站点具有近邻关系。本步骤对节点s周边所有的邻接节点展开搜索，如果在一条路径上遇到相同特殊性质的节点，那么结束在该路径方向上的搜索，具体实现如下：
2-1.初始化；
对于网络中除节点s以外的所有节点v都进行以下操作：
设置v.via为假，表示从节点s出发的当前已知最短路径没有经过本节点v。
如果节点v跟节点s直接相连，那么
设置v.d为w(s,v)，表示从节点s出发到达节点v的当前已知最短路径长度；
设置v.π为s，表示从节点s出发到达节点v的当前已知最短路径中节点v的前继节点；
如果节点v跟节点s没有直接相连，那么
设置v.d为无穷，表示当前不存在从节点s到节点v的最短路径；
设置v.π为空，表示当前节点v的前继节点为空。
2-2.在邻接节点中查找与节点s具有相同特殊性质的所有节点；
设置集合S等于{s},S表示已经找到的从节点s出发的最短路径的节点集合。
设置集合Q等于V-{s}，表示需要搜索的节点集合。
进行以下循环操作，直至集合Q中的所有节点不符合以下判断条件：v.d不等于无穷，且v.via为假的节点：
取出Q中v.d值最小的节点u；
更新S为S和{u}的并集，也就是将节点u添加到S，表示已经找到从节点s到节点u的最短路径了；
对于节点u在Adj[u]中的每个相邻节点x进行以下操作：
如果x.d大于u.d与w(u,x)的和，那么
设置x.d为u.d与w(u,x)的和，x.d表示从节点s出发到达节点x的当前已知最短路径长度；u.d表示从节点s出发到达节点u的当前已知最短路径长度；w(u,x)表示从节点u出发到达节点x的长度；
设置x.π为u，x.π表示从节点s出发到达节点x的当前已知最短路径中节点x的前继节点，也就是此时节点x的前继节点为u；
如果u∈Vb或者u.via为真，那么设置x.via为真。
u.via为真表示从节点s出发到u的当前已知最短路径中已经包含有特殊性质的节点；x.via为真表示从节点s出发到x的当前已知最短路径中也已经包含有特殊性质的节点；
循环结束。
步骤(3)、叠加网络的提取。
使用一个三维矩阵D保存步骤3的计算结果，三维矩阵D包含二维矩阵d和二维矩阵path，且二维矩阵d和二维矩阵path的行索引和列索引分别是V中的所有节点。二维矩阵d中的矩阵元素D.duv用于保存节点u与节点v之间最短路径的长度，二维矩阵path中的矩阵元素D.pathuv保存节点u与节点v之间最短路径途经的一般节点。
初始化矩阵D，设置D.d矩阵元素值为无穷，D.path矩阵元素为空。
对网络中的所有具有特殊性质的节点u都进行以下操作：
使用步骤(2)查找与节点u相邻的、具有相同特殊性质的所有节点v；
对所有节点v根据步骤(2)的计算结果，进行以下更新：
设置D.duv为节点u与节点v之间最短路径的长度，即步骤2中v.d存储的值；
设置D.pathuv为节点u与节点v之间最短路径途经的一般节点，即根据步骤2中v.π存储的前继节点进行回溯，得到沿途的节点。
上述操作完成后矩阵D即包含使用邻接矩阵表示的叠加网络。
本发明的有益效果：
本发明方法输入网络G、网络中经过标记的具有特殊属性的节点和所有边的权重，输出一个包含所有具有特殊属性的节点组成的叠加网络，此网络仅包含特殊属性的节点，具有较小的网络规模，从而提高后续查找具有特殊属性节点之间最短路径计算过程的效率。
附图说明
图1本发明的邻接表构造的示意图；
图2本发明步骤2执行后获得的近邻关系示意图；
图3本发明步骤3执行后基于近邻关系构造的叠加图示意图；
图4本发明步骤3执行后获得的邻接矩阵所表示的叠加图示意图。
具体的实施方式
下面结合附图和实施例对本发明作进一步说明。
一种适用于叠加网络的提取方法，具体步骤如下：
步骤(1)、网络节点的表示和索引；
所述网络节点是指网络中两条边的交叉点，或者边上具有特定属性的一个位置点。
对于一个网络G＝(V,E)使用邻接表来表示，邻接表表示一个包含|V|个列表的数组Adj组成，其中每个列表对应于V中一个节点。对于每一个节点u∈V，邻接表Adj[u]包含所有满足条件(u,v)∈E的节点v，也就是Adj[u]包含所有和节点u相邻的节点。邻接表中的节点可以以任意顺序存储。图1是一个网络的邻接表表示。
使用Vb表示某种具有特殊性质的网络节点集合，如果一个节点u∈Vb，那么u就具有该集合的特殊性质。如Vb是网络中公交站点集合，那么u∈Vb就说明u是一个公交站点。显然，
对于一条边(u,v)∈E，使用w(u,v)表示该边的权重，在道路网络中就表示该路段的长度。
如果存在一条路径p＝<v0,v0,…,v0>，那么它的长度w(p)是指其组成边的所有长度之和。即w(p)＝∑w(vi-1，vi)，其中i＝1,2…,k。
节点u,v之间的最短路径是u,v之间所有路径中长度最短的那一条。
步骤(2)、对一个具有特殊性质的网络节点s,查找其相邻的具有相同特殊性质的所有节点；
如果一个具有特殊性质的网络节点s,到其他具有相同特殊性质的另外一个节点a的最短路径上不存在第三个具有相同特殊性质的节点，那这两个节点具有近邻关系。例如两个公交站点的最短路径上不存在另外一个公交站点，那么这两个公交站点具有近邻关系。本步骤对节点s周边所有的邻接节点展开搜索，如果在一条路径上遇到相同特殊性质的节点，那么结束在该路径方向上的搜索，具体实现如下：
2-1.初始化；
对于网络中除节点s以外的所有节点v都进行以下操作：
设置v.via为假，表示从节点s出发的当前已知最短路径没有经过本节点v。
如果节点v跟节点s直接相连，那么
设置v.d为w(s,v)，表示从节点s出发到达节点v的当前已知最短路径长度；
设置v.π为s，表示从节点s出发到达节点v的当前已知最短路径中节点v的前继节点；
如果节点v跟节点s没有直接相连，那么
设置v.d为无穷，表示当前不存在从节点s到节点v的最短路径；
设置v.π为空，表示当前节点v的前继节点为空。
2-2.在邻接节点中查找与节点s具有相同特殊性质的所有节点；
设置集合S等于{s},S表示已经找到的从节点s出发的最短路径的节点集合。
设置集合Q等于V-{s}，表示需要搜索的节点集合。
进行以下循环操作，直至集合Q中的所有节点不符合以下判断条件：v.d不等于无穷，且v.via为假的节点：
取出Q中v.d值最小的节点u；
更新S为S和{u}的并集，也就是将节点u添加到S，表示已经找到从节点s到节点u的最短路径了；
对于节点u在Adj[u]中的每个相邻节点x进行以下操作：
如果x.d大于u.d与w(u,x)的和，那么
设置x.d为u.d与w(u,x)的和，x.d表示从节点s出发到达节点x的当前已知最短路径长度；u.d表示从节点s出发到达节点u的当前已知最短路径长度；w(u,x)表示从节点u出发到达节点x的长度；
设置x.π为u，x.π表示从节点s出发到达节点x的当前已知最短路径中节点x的前继节点，也就是此时节点x的前继节点为u；
如果u∈Vb或者u.via为真，那么设置x.via为真。
u.via为真表示从节点s出发到u的当前已知最短路径中已经包含有特殊性质的节点；x.via为真表示从节点s出发到x的当前已知最短路径中也已经包含有特殊性质的节点；
循环结束，具体可参看图2所示的具有特殊性质的近邻关系示意图；
步骤(3)、叠加网络的提取。
使用一个三维矩阵D保存步骤3的计算结果，三维矩阵D包含二维矩阵d和二维矩阵path，且二维矩阵d和二维矩阵path的行索引和列索引分别是V中的所有节点。二维矩阵d中的矩阵元素D.duv用于保存节点u与节点v之间最短路径的长度，二维矩阵path中的矩阵元素D.pathuv保存节点u与节点v之间最短路径途经的一般节点。
初始化矩阵D，设置D.d矩阵元素值为无穷，D.path矩阵元素为空。
对网络中的所有具有特殊性质的节点u都进行以下操作：
使用步骤(2)查找与节点u相邻的、具有相同特殊性质的所有节点v；
对所有节点v根据步骤(2)的计算结果，进行以下更新：
设置D.duv为节点u与节点v之间最短路径的长度，即步骤2中v.d存储的值；
设置D.pathuv为节点u与节点v之间最短路径途经的一般节点，即根据步骤2中v.π存储的前继节点进行回溯，得到沿途的节点。
上述操作完成后矩阵D即包含使用邻接矩阵表示的叠加网络，具体可参看图3和图4所示的叠加图示意图。

Claims (1)

1.一种叠加网络的提取方法，其特征在于该方法包括以下步骤：
步骤(1)、网络节点的表示和索引；
所述网络节点是指网络中两条边的交叉点，或者边上具有特定属性的一个位置点；
对于一个网络G＝(V,E)使用邻接表来表示，邻接表表示一个包含|V|个列表的数组Adj组成，其中每个列表对应于V中一个节点；对于每一个节点u∈V，邻接表Adj[u]包含所有满足条件(u,v)∈E的节点v，也就是Adj[u]包含所有和节点u相邻的节点；邻接表中的节点可以以任意顺序存储；
使用Vb表示某种具有特殊性质的网络节点集合，如果一个节点u∈Vb，那么u就具有该集合的特殊性质；
对于一条边(u,v)∈E，使用w(u,v)表示该边的权重，在道路网络中就表示该路段的长度；
如果存在一条路径p＝<v0,v0,…,v0>，那么它的长度w(p)是指其组成边的所有长度之和；即w(p)＝∑w(vi-1，vi)，其中i＝1,2…,k；
节点u,v之间的最短路径是u,v之间所有路径中长度最短的那一条；
步骤(2)、对一个具有特殊性质的网络节点s,查找其相邻的具有相同特殊性质的所有节点,具体实现如下：
2-1.初始化；
对于网络中除节点s以外的所有节点v都进行以下操作：
设置v.via为假，表示从节点s出发的当前已知最短路径没有经过本节点v；
如果节点v跟节点s直接相连，那么
设置v.d为w(s,v)，表示从节点s出发到达节点v的当前已知最短路径长度；
设置v.π为s，表示从节点s出发到达节点v的当前已知最短路径中节点v的前继节点；
如果节点v跟节点s没有直接相连，那么
设置v.d为无穷，表示当前不存在从节点s到节点v的最短路径；
设置v.π为空，表示当前节点v的前继节点为空；
2-2.在邻接节点中查找与节点s具有相同特殊性质的所有节点；
设置集合S等于{s},S表示已经找到的从节点s出发的最短路径的节点集合；
设置集合Q等于V-{s}，表示需要搜索的节点集合；
进行以下循环操作，直至集合Q中的所有节点不符合以下判断条件：v.d不等于无穷，且v.via为假的节点：
取出Q中v.d值最小的节点u；
更新S为S和{u}的并集，也就是将节点u添加到S，表示已经找到从节点s到节点u的最短路径了；
对于节点u在Adj[u]中的每个相邻节点x进行以下操作：
如果x.d大于u.d与w(u,x)的和，那么
设置x.d为u.d与w(u,x)的和，x.d表示从节点s出发到达节点x的当前已知最短路径长度；u.d表示从节点s出发到达节点u的当前已知最短路径长度；w(u,x)表示从节点u出发到达节点x的长度；
设置x.π为u，x.π表示从节点s出发到达节点x的当前已知最短路径中节点x的前继节点，也就是此时节点x的前继节点为u；
如果u∈Vb或者u.via为真，那么设置x.via为真；
u.via为真表示从节点s出发到u的当前已知最短路径中已经包含有特殊性质的节点；x.via为真表示从节点s出发到x的当前已知最短路径中也已经包含有特殊性质的节点；
循环结束；
步骤(3)、叠加网络的提取；
使用一个三维矩阵D保存步骤3的计算结果，三维矩阵D包含二维矩阵d和二维矩阵path，且二维矩阵d和二维矩阵path的行索引和列索引分别是V中的所有节点；二维矩阵d中的矩阵元素D.duv用于保存节点u与节点v之间最短路径的长度，二维矩阵path中的矩阵元素D.pathuv保存节点u与节点v之间最短路径途经的一般节点；
初始化矩阵D，设置D.d矩阵元素值为无穷，D.path矩阵元素为空；
对网络中的所有具有特殊性质的节点u都进行以下操作：
使用步骤(2)查找与节点u相邻的、具有相同特殊性质的所有节点v；
对所有节点v根据步骤(2)的计算结果，进行以下更新：
设置D.duv为节点u与节点v之间最短路径的长度，即步骤2中v.d存储的值；
设置D.pathuv为节点u与节点v之间最短路径途经的一般节点，即根据步骤2中v.π存储的前继节点进行回溯，得到沿途的节点；
上述操作完成后矩阵D即包含使用邻接矩阵表示的叠加网络。
CN201710022383.6A 2017-01-12 2017-01-12 一种叠加网络的提取方法 Pending CN106909614A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710022383.6A CN106909614A (zh) 2017-01-12 2017-01-12 一种叠加网络的提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710022383.6A CN106909614A (zh) 2017-01-12 2017-01-12 一种叠加网络的提取方法

Publications (1)

Publication Number Publication Date
CN106909614A true CN106909614A (zh) 2017-06-30

Family

ID=59207101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710022383.6A Pending CN106909614A (zh) 2017-01-12 2017-01-12 一种叠加网络的提取方法

Country Status (1)

Country Link
CN (1) CN106909614A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101330457A (zh) * 2008-07-24 2008-12-24 安徽大学 一种基于商空间覆盖模型的最短路径搜索方法
CN101788999A (zh) * 2009-12-30 2010-07-28 安徽大学 一种网络图中最短路径的二分查找追踪方法
US8175592B2 (en) * 2008-10-20 2012-05-08 Qualcomm Incorporated Wireless network search
CN104394568A (zh) * 2014-12-08 2015-03-04 西安电子科技大学 车辆自组织网络中基于人工蛛网的地理位置路由方法
CN106092109A (zh) * 2016-05-30 2016-11-09 清华大学 一种电子地图高效寻路的道路连接逻辑化方法及应用

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101330457A (zh) * 2008-07-24 2008-12-24 安徽大学 一种基于商空间覆盖模型的最短路径搜索方法
US8175592B2 (en) * 2008-10-20 2012-05-08 Qualcomm Incorporated Wireless network search
CN101788999A (zh) * 2009-12-30 2010-07-28 安徽大学 一种网络图中最短路径的二分查找追踪方法
CN104394568A (zh) * 2014-12-08 2015-03-04 西安电子科技大学 车辆自组织网络中基于人工蛛网的地理位置路由方法
CN106092109A (zh) * 2016-05-30 2016-11-09 清华大学 一种电子地图高效寻路的道路连接逻辑化方法及应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郑红梅: "《基于GIS的行人导航系统研究与开发》", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Similar Documents

Publication Publication Date Title
CN103729475B (zh) 一种社交网络中的多标签传播重叠社区发现方法
CN103778186B (zh) 一种“网络马甲”的检测方法
CN103218397B (zh) 一种基于无向图修改的社交网络隐私保护方法
CN105808696B (zh) 一种基于全局和局部特征的跨在线社交网络用户匹配方法
CN107729767B (zh) 基于图基元的社会网络数据隐私保护方法
CN102122291A (zh) 一种基于树形日志模式分析的博客好友推荐方法
CN104317904B (zh) 一种带权重社会网络的泛化方法
CN109919459B (zh) 一种面向社交网络对象间影响力度量的方法
CN102722566A (zh) 社交网络中潜在好友查询方法
CN103744933A (zh) 一种基于并行化模块度优化的社区发现方法
CN102662964A (zh) 对用户的好友进行分组的方法和装置
CN105808779A (zh) 基于剪枝的图漫游并行计算方法和应用
CN104700311B (zh) 一种社会网络中的邻域跟随社区发现方法
CN110086670A (zh) 基于局部邻居信息的大规模复杂网络社团发现方法及应用
CN109783805A (zh) 一种网络社区用户识别方法及装置
CN107070932A (zh) 社会网络动态发布中防止标签邻居攻击的匿名方法
CN106874931B (zh) 用户画像分群方法和装置
Su et al. A new random-walk based label propagation community detection algorithm
CN106909614A (zh) 一种叠加网络的提取方法
CN112487304B (zh) 基于观点向量化的影响力传播模型的建立方法
CN112966191A (zh) 一种新媒体平台网络信息传播弱连接节点的获取方法
CN112487473A (zh) 一种针对协同过滤中共谋推断攻击的差分隐私保护方法
Li et al. Dual convolutional network based on hypergraph and multilevel feature fusion for road extraction from high-resolution remote sensing images
CN103530413B (zh) 数据处理方法和装置
CN109918947B (zh) 一种基于社交网络组合度-邻域标签匹配攻击的敏感标签保护方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170630

RJ01 Rejection of invention patent application after publication