CN107066568A - 基于用户意图预测的人机对话方法及装置 - Google Patents
基于用户意图预测的人机对话方法及装置 Download PDFInfo
- Publication number
- CN107066568A CN107066568A CN201710221498.8A CN201710221498A CN107066568A CN 107066568 A CN107066568 A CN 107066568A CN 201710221498 A CN201710221498 A CN 201710221498A CN 107066568 A CN107066568 A CN 107066568A
- Authority
- CN
- China
- Prior art keywords
- text
- user
- dialogue
- characteristic value
- content
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于智能识别技术领域,提供了一种基于用户意图预测的人机对话方法及装置。本发明提供的基于用户意图预测的人机对话方法,包括:根据用户输入的文本内容获取文本意图特征值和对话理解特征值;将所述文本意图特征值和所述对话理解特征值输入意图预测模型,得到意图预测结果;根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单;根据所述意图预测结果,从所述候选回应清单中筛选出合适的语句作为机器人的回答。本发明提供的基于用户意图预测的人机对话方法及装置,能够预测不同情境下用户不同的回答可能产生的意图改变,并给出合适的回答,达到机器人服务效率的提升。
Description
技术领域
本发明涉及智能识别技术领域,具体涉及一种基于用户意图预测的人机对话方法及装置。
背景技术
在现有的人工智能对话系统中,根据用户的讲话,利用语料库以及模板来寻找合适的回答,在寻找到的回答之中,常会存在多个合适的答案,但这多个答案适用于不同的对话脉络、目的、与意图倾向。因此,现有的人工智能对话系统无法针对不同情境,给出合适的回答。
发明内容
针对现有技术中的缺陷,本发明提供了一种基于用户意图预测的人机对话方法及装置,能够预测不同情境下用户不同的回答可能产生的意图改变,并给出合适的回答,达到机器人服务效率的提升。
第一方面,本发明提供的一种基于用户意图预测的人机对话方法,包括:根据用户输入的文本内容获取文本意图特征值和对话理解特征值;将所述文本意图特征值和所述对话理解特征值输入意图预测模型,得到意图预测结果;根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单;根据所述意图预测结果,从所述候选回应清单中筛选出合适的语句作为机器人的回答。
本发明提供的基于用户意图预测的人机对话方法,利用对话理解识别、意图预测、机器人候选回应清单,预测不同情境下用户不同的回答可能产生的意图改变,结合意图诱导机制,解决了人工智能机器人在不同的情境下,能够针对用户的对话进行意图的转向、诱导,达到机器人服务效率的提升。
优选地,所述根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单,包括:根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果,从语料库中挑选候选回应清单。
优选地,所述根据用户输入的文本内容获取文本意图特征值和对话理解特征值,包括:
将用户输入的文本内容输入情绪识别模型,得到情绪信息;
将用户输入的文本内容输入文本信息提取模型,得到文本信息;
将用户输入的文本内容输入话题识别模型,得到话题信息;
将用户输入的文本内容输入语言行为识别模型,得到语言行为信息;
根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息,得到文本意图特增值和对话理解特征值。
优选地,所述情绪信息包括:用户当时下情绪状态、用户过去主要情绪、用户过去次要情绪。
优选地,所述文本信息包括:语意信息、单词信息、改写语句、文本语句。
优选地,所述话题信息包括:当前主要话题、当前次要话题、同时根据过往的文本内容取得过去主要话题、过去次要话题、常聊话题、喜好话题、时下热门话题等话题信息。
优选地,所述语言行为信息包括:句型、语气、当前主要语言行为、当前次要语言行为。
第二方面,本发明提供的一种基于用户意图预测的人机对话装置,包括:特征值获取模块,用于根据用户输入的文本内容获取文本意图特征值和对话理解特征值;意图预测模块,用于将所述文本意图特征值和所述对话理解特征值输入意图预测模型,得到意图预测结果;候选回应清单生成模块,用于根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单;回答筛选模块,用于根据所述意图预测结果,从所述候选回应清单中筛选出合适的语句作为机器人的回答。
本发明提供的基于用户意图预测的人机对话装置,利用对话理解识别、意图预测、机器人候选回应清单,预测不同情境下用户不同的回答可能产生的意图改变,结合意图诱导机制,解决了人工智能机器人在不同的情境下,能够针对用户的对话进行意图的转向、诱导,达到机器人服务效率的提升。
优选地,所述候选回应清单生成模块具体用于:根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果,从语料库中挑选候选回应清单。
优选地,所述特征值获取模块具体用于:将用户输入的文本内容输入情绪识别模型,得到情绪信息;将用户输入的文本内容输入文本信息提取模型,得到文本信息;将用户输入的文本内容输入话题识别模型,得到话题信息;将用户输入的文本内容输入语言行为识别模型,得到语言行为信息;根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息,得到文本意图特增值和对话理解特征值。
附图说明
图1示出了本发明实施例所提供的基于用户意图预测的人机对话方法的流程图;
图2示出了本发明实施例所提供的基于用户意图预测的人机对话装置的结构框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,本实施例提供的一种基于用户意图预测的人机对话方法,包括:
步骤S1,根据用户输入的文本内容获取文本意图特征值和对话理解特征值。
步骤S2,将文本意图特征值和对话理解特征值输入意图预测模型,得到意图预测结果。
步骤S3,根据文本意图特征值和对话理解特征值,从语料库中挑选候选回应清单。
步骤S4,根据意图预测结果,从候选回应清单中筛选出合适的语句作为机器人的回答。
下面举例说明步骤S1~S4的方法,例如:
用户回应:“我喜欢粉红色的衣服”。
商场对话机器人会根据文本内容“我喜欢粉红色的衣服。”得到文本意图特征值为“衣服”“粉色”,对话理解特征值为“喜欢粉色”。
商场对话机器人根据文本意图特征值“衣服”“粉色”,先确认库存,如果有粉红色衣服,就把将粉色衣服的信息提供给消费者;如果没有粉红色衣服,就会采用意图诱导的回应策略进行回答:“其实,你穿蓝色的也很好看,要试试吗?”
在商场对话机器人中,意图预测模型可以包括规则或机器学习等模型中的一种或多种,以上述例子为例,通过意图预测模型可以推断用户“想要购买衣服”的意图可能性大过表达“今天要穿什么颜色”的意图。
结合上述例子,说明步骤S3的处理方法。根据文本意图特征值“衣服”“粉色”和对话理解特征值“喜欢粉色”,机器人可选取一系列的回应清单,切中使用者表达的主题衣服,也能表达偏好等语料。例如,回应清单为:
候选一:“我也喜欢粉色,也喜欢粉色的裤子”;
候选二:“今天就穿这件粉色出门吧”。
本发明实施例提供的基于用户意图预测的人机对话方法,利用对话理解识别、意图预测、机器人候选回应清单,预测不同情境下用户不同的回答可能产生的意图改变,结合意图诱导机制,解决了人工智能机器人在不同的情境下,能够针对用户的对话进行意图的转向、诱导,达到机器人服务效率的提升。
为了提高挑选候选回应清单的准确度,步骤S3具体包括:根据文本意图特征值、对话理解特征值和意图预测结果,从语料库中挑选候选回应清单。根据步骤S2,商场对话机器人对用户进行了意图预测,知道用户“想要购买衣服”,进而可以积极地根据主题“买衣服”找到更好的语料,而非给出关于颜色的回答。例如,回应清单中的候选语料可以是:“帮你看了几件粉色衣服,你要看看吗?”、“其实,你穿蓝色的也很好看,要试试吗?”。因此,加入了意图预测结果后,商场机器人的回答让用户觉得机器人更贴心。
其中,步骤S1具体包括:
步骤S11,将用户输入的文本内容输入情绪识别模型,得到情绪特信息。
步骤S12,将用户输入的文本内容输入文本信息提取模型,得到文本信息。
步骤S13,将用户输入的文本内容输入话题识别模型,得到话题信息。
步骤S14,将用户输入的文本内容输入语言行为识别模型,得到语言行为信息。
步骤S15,根据情绪信息、文本信息、话题信息和语言行为信息,得到文本意图特增值和对话理解特征值。
其中,步骤S11~步骤S14是同时进行的。
其中,情绪识别模型、文本信息提取模型、话题识别模型、语言行为识别模型可以是规则或机器学习模型。
其中,情绪信息包括:用户当时下情绪状态、用户过去主要情绪、用户过去次要情绪。
其中,文本信息包括:语意信息、单词信息、改写语句、文本语句。单词信息包括关键名词、专有名词、地名、人名等信息。句型信息包括:肯定句、否定句、疑问句等。改写语句为根据前文文意改写用户输入的文本内容得到的语句。文本语句为用户输入的文本内容。
其中,话题信息包括:当前主要话题、当前次要话题、同时根据过往的文本内容取得过去主要话题、过去次要话题、常聊话题、喜好话题、时下热门话题等话题信息。
其中,语言行为信息包括:句型、语气、当前主要语言行为、当前次要语言行为。
其中,步骤S15为整合步骤S11-S14中得到的信息得到文本意图特增值、对话理解特征值。具体的整合算法可以是规则或机器学习。例如,用户说“我喜欢粉红色的衣服”,从中可以抽出“喜欢”是动词,“粉红色”是一个词,所以就可以整合得到文本意图特征值为“衣服”“粉色”,对话理解特征值为“喜欢粉色”。
基于与上述基于用户意图预测的人机对话方法相同的发明构思,本发明实施例提供了一种基于用户意图预测的人机对话装置,如图2所示,包括:特征值获取模块101,用于根据用户输入的文本内容获取文本意图特征值和对话理解特征值;意图预测模块102,用于将文本意图特征值和对话理解特征值输入意图预测模型,得到意图预测结果;候选回应清单生成模块103,用于根据文本意图特征值和对话理解特征值,从语料库中挑选候选回应清单;回答筛选模块104,用于根据意图预测结果,从候选回应清单中筛选出合适的语句作为机器人的回答。
其中,候选回应清单生成模块103具体用于:根据文本意图特征值、对话理解特征值和意图预测结果,从语料库中挑选候选回应清单。
其中,特征值获取模块101具体用于:将用户输入的文本内容输入情绪识别模型,得到情绪信息;将用户输入的文本内容输入文本信息提取模型,得到文本信息;将用户输入的文本内容输入话题识别模型,得到话题信息;将用户输入的文本内容输入语言行为识别模型,得到语言行为信息;根据情绪信息、文本信息、话题信息和语言行为信息,得到文本意图特增值和对话理解特征值。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于用户意图预测的人机对话方法,其特征在于,包括:
根据用户输入的文本内容获取文本意图特征值和对话理解特征值;
将所述文本意图特征值和所述对话理解特征值输入意图预测模型,得到意图预测结果;
根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单;
根据所述意图预测结果,从所述候选回应清单中筛选出合适的语句作为机器人的回答。
2.根据权利要求1所述的方法,其特征在于,所述根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单,包括:
根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果,从语料库中挑选候选回应清单。
3.根据权利要求1所述的方法,其特征在于,所述根据用户输入的文本内容获取文本意图特征值和对话理解特征值,包括:
将用户输入的文本内容输入情绪识别模型,得到情绪信息;
将用户输入的文本内容输入文本信息提取模型,得到文本信息;
将用户输入的文本内容输入话题识别模型,得到话题信息;
将用户输入的文本内容输入语言行为识别模型,得到语言行为信息;
根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息,得到文本意图特增值和对话理解特征值。
4.根据权利要求3所述的方法,其特征在于,所述情绪信息包括:用户当时下情绪状态、用户过去主要情绪、用户过去次要情绪。
5.根据权利要求3所述的方法,其特征在于,所述文本信息包括:语意信息、单词信息、改写语句、文本语句。
6.根据权利要求3所述的方法,其特征在于,所述话题信息包括:当前主要话题、当前次要话题、同时根据过往的文本内容取得过去主要话题、过去次要话题、常聊话题、喜好话题、时下热门话题等话题信息。
7.根据权利要求3所述的方法,其特征在于,所述语言行为信息包括:句型、语气、当前主要语言行为、当前次要语言行为。
8.一种基于用户意图预测的人机对话装置,其特征在于,包括:
特征值获取模块,用于根据用户输入的文本内容获取文本意图特征值和对话理解特征值;
意图预测模块,用于将所述文本意图特征值和所述对话理解特征值输入意图预测模型,得到意图预测结果;
候选回应清单生成模块,用于根据所述文本意图特征值和所述对话理解特征值,从语料库中挑选候选回应清单;
回答筛选模块,用于根据所述意图预测结果,从所述候选回应清单中筛选出合适的语句作为机器人的回答。
9.根据权利要求8所述的装置,其特征在于,所述候选回应清单生成模块具体用于:
根据所述文本意图特征值、所述对话理解特征值和所述意图预测结果,从语料库中挑选候选回应清单。
10.根据权利要求8所述的装置,其特征在于,所述特征值获取模块具体用于:
将用户输入的文本内容输入情绪识别模型,得到情绪信息;
将用户输入的文本内容输入文本信息提取模型,得到文本信息;
将用户输入的文本内容输入话题识别模型,得到话题信息;
将用户输入的文本内容输入语言行为识别模型,得到语言行为信息;
根据所述情绪信息、所述文本信息、所述话题信息和所述语言行为信息,得到文本意图特增值和对话理解特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710221498.8A CN107066568A (zh) | 2017-04-06 | 2017-04-06 | 基于用户意图预测的人机对话方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710221498.8A CN107066568A (zh) | 2017-04-06 | 2017-04-06 | 基于用户意图预测的人机对话方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107066568A true CN107066568A (zh) | 2017-08-18 |
Family
ID=59602936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710221498.8A Pending CN107066568A (zh) | 2017-04-06 | 2017-04-06 | 基于用户意图预测的人机对话方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107066568A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197191A (zh) * | 2017-12-27 | 2018-06-22 | 神思电子技术股份有限公司 | 一种多轮对话的场景意图中断方法 |
CN110223697A (zh) * | 2019-06-13 | 2019-09-10 | 苏州思必驰信息科技有限公司 | 人机对话方法及系统 |
CN110347792A (zh) * | 2019-06-25 | 2019-10-18 | 腾讯科技(深圳)有限公司 | 对话生成方法及装置、存储介质、电子设备 |
WO2019201098A1 (zh) * | 2018-04-16 | 2019-10-24 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
WO2019227505A1 (en) * | 2018-06-02 | 2019-12-05 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for training and using chatbot |
CN112364167A (zh) * | 2020-11-20 | 2021-02-12 | 携程计算机技术(上海)有限公司 | 基于深度学习的意图识别方法、系统、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080052080A1 (en) * | 2005-11-30 | 2008-02-28 | University Of Southern California | Emotion Recognition System |
CN103268315A (zh) * | 2012-12-31 | 2013-08-28 | 威盛电子股份有限公司 | 自然语言对话方法及其系统 |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
CN105653738A (zh) * | 2016-03-01 | 2016-06-08 | 北京百度网讯科技有限公司 | 基于人工智能的搜索结果播报方法和装置 |
CN106528531A (zh) * | 2016-10-31 | 2017-03-22 | 北京百度网讯科技有限公司 | 基于人工智能的意图分析方法及装置 |
CN106528538A (zh) * | 2016-12-07 | 2017-03-22 | 竹间智能科技(上海)有限公司 | 智能识别情绪的方法及装置 |
-
2017
- 2017-04-06 CN CN201710221498.8A patent/CN107066568A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080052080A1 (en) * | 2005-11-30 | 2008-02-28 | University Of Southern California | Emotion Recognition System |
CN103268315A (zh) * | 2012-12-31 | 2013-08-28 | 威盛电子股份有限公司 | 自然语言对话方法及其系统 |
CN104598445A (zh) * | 2013-11-01 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 自动问答系统和方法 |
CN105653738A (zh) * | 2016-03-01 | 2016-06-08 | 北京百度网讯科技有限公司 | 基于人工智能的搜索结果播报方法和装置 |
CN106528531A (zh) * | 2016-10-31 | 2017-03-22 | 北京百度网讯科技有限公司 | 基于人工智能的意图分析方法及装置 |
CN106528538A (zh) * | 2016-12-07 | 2017-03-22 | 竹间智能科技(上海)有限公司 | 智能识别情绪的方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197191A (zh) * | 2017-12-27 | 2018-06-22 | 神思电子技术股份有限公司 | 一种多轮对话的场景意图中断方法 |
CN108197191B (zh) * | 2017-12-27 | 2018-11-23 | 神思电子技术股份有限公司 | 一种多轮对话的场景意图中断方法 |
WO2019201098A1 (zh) * | 2018-04-16 | 2019-10-24 | 上海智臻智能网络科技股份有限公司 | 问答交互方法和装置、计算机设备及计算机可读存储介质 |
WO2019227505A1 (en) * | 2018-06-02 | 2019-12-05 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for training and using chatbot |
CN112189192A (zh) * | 2018-06-02 | 2021-01-05 | 北京嘀嘀无限科技发展有限公司 | 用于训练和使用聊天机器人的系统和方法 |
CN110223697A (zh) * | 2019-06-13 | 2019-09-10 | 苏州思必驰信息科技有限公司 | 人机对话方法及系统 |
CN110223697B (zh) * | 2019-06-13 | 2022-04-22 | 思必驰科技股份有限公司 | 人机对话方法及系统 |
US11551693B2 (en) | 2019-06-13 | 2023-01-10 | Ai Speech Co., Ltd. | Method of man-machine interaction and electronic device |
CN110347792A (zh) * | 2019-06-25 | 2019-10-18 | 腾讯科技(深圳)有限公司 | 对话生成方法及装置、存储介质、电子设备 |
CN110347792B (zh) * | 2019-06-25 | 2022-12-20 | 腾讯科技(深圳)有限公司 | 对话生成方法及装置、存储介质、电子设备 |
CN112364167A (zh) * | 2020-11-20 | 2021-02-12 | 携程计算机技术(上海)有限公司 | 基于深度学习的意图识别方法、系统、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107066568A (zh) | 基于用户意图预测的人机对话方法及装置 | |
Williams et al. | A broad-coverage challenge corpus for sentence understanding through inference | |
Shi et al. | Effects of persuasive dialogues: testing bot identities and inquiry strategies | |
Marietto et al. | Artificial intelligence markup language: a brief tutorial | |
Harding et al. | Who is ‘the middle manager’? | |
Thiraviyam | Artificial intelligence marketing | |
Garimella et al. | He is very intelligent, she is very beautiful? on mitigating social biases in language modelling and generation | |
McIntyre et al. | (Im) politeness in fictional texts | |
Polyzou | Presupposition in discourse: Theoretical and methodological issues | |
Shen et al. | Kwickchat: A multi-turn dialogue system for aac using context-aware sentence generation by bag-of-keywords | |
CN106815321A (zh) | 基于智能聊天机器人的聊天方法及装置 | |
Tay | Metaphor and psychological transference | |
CN106776926A (zh) | 改善机器人对话时的应答能力的方法及系统 | |
Engelmann et al. | What people think AI should infer from faces | |
Galitsky et al. | Chatbot components and architectures | |
CN106775665A (zh) | 基于情绪指标的情绪状态变化信息的获取方法及装置 | |
Miehle et al. | Estimating user communication styles for spoken dialogue systems | |
CN117235354A (zh) | 一种基于多模态大模型的用户个性化服务策略及系统 | |
Koutsombogera et al. | Speech pause patterns in collaborative dialogs | |
Petridis et al. | ConstitutionalExperts: Training a Mixture of Principle-based Prompts | |
CN107133226A (zh) | 一种区分主题的方法及装置 | |
Zhang | Contextual and active learning-based affect-sensing from virtual drama improvisation | |
Bulla et al. | Comparing user perspectives in a virtual reality cultural heritage environment | |
Guo et al. | Embedding of the personalized sentiment engine PERSEUS in an artificial companion | |
Iglesias-Pérez et al. | Accessibility through preferences: context-aware recommender of settings |
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: 20170818 |
|
RJ01 | Rejection of invention patent application after publication |