CN107729455A - 一种基于多维特征分析的社交网络意见领袖排序算法 - Google Patents

一种基于多维特征分析的社交网络意见领袖排序算法 Download PDF

Info

Publication number
CN107729455A
CN107729455A CN201710931952.9A CN201710931952A CN107729455A CN 107729455 A CN107729455 A CN 107729455A CN 201710931952 A CN201710931952 A CN 201710931952A CN 107729455 A CN107729455 A CN 107729455A
Authority
CN
China
Prior art keywords
feature
calculated
mrow
characteristic
weight
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
CN201710931952.9A
Other languages
English (en)
Inventor
仇丽青
高文文
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.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
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 Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN201710931952.9A priority Critical patent/CN107729455A/zh
Publication of CN107729455A publication Critical patent/CN107729455A/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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services

Abstract

本发明公开了一种基于多维特征分析的社交网络意见领袖排序算法，a：通过从结构、行为、主题三个层面来对用户的特征进行分析并计算其特征值；b：利用熵权法计算不同特征的权重；c：结合a得出S(u)、B(u)以及T(u)的特征值和b得出的权重wj，根据MFP算法计算F(u)函数的值，通过F(u)函数值产生排名结果。所述的一种基于多维特征分析的社交网络意见领袖排序算法，综合考虑影响信息扩散的多个特征，包括结构特征、行为特征和主题特征；利用熵权法分别计算其特征的权重，避免主观判断的影响，使最终结果的排名更准确。

Description

一种基于多维特征分析的社交网络意见领袖排序算法
技术领域
本发明涉及社交网络领域，尤其是一种基于多维特征分析的社交网络意见领袖排序算法。
背景技术
社交网络是由社会成员之间的相互交互所形成的相对稳定的社会结构，具有复杂的网络结构和信息动态传播机制。随着社交网络的规模增大以及规范性增强，目前大型的社交网络往往具有用户活跃、用户间交互方式比较一致以及用户特征和行为记录比较完整的特点，这给社会影响力的分析研究带来了极大的便利。因此，目前在社交网络中已有许多关于社交网络的实际应用。社交影响力的另一个重要应用：意见领袖挖掘。
意见领袖往往指具有较大社会影响力的用户，如何更有效的分析社交网络中的意见领袖，对政治选举、突发事件传播、网络口碑效应等社会现象具有重要的作用。挖掘社会网络中的意见领袖，不仅可以得到当下的热点新闻或热点信息，也可以促进社交网络上各种应用的开展，挖掘社交网络的潜在价值有着重要作用。
目前阶段，关于意见领袖的研究侧重点不同，如基于网络结构，利用节点入度、中介中心性、接近中心性等特征来对用户进行排名；通过构建社交关系网络并基于用户行为和兴趣领域发现社区中的意见领袖；或者是从用户发表的内容出发，分析文本语义信息，挖掘用户潜在情感，进而找到社区中的意见领袖。
通过以上解析过程可以看出：这些方法准确性不高，不能有效地反映用户的影响力，从而会对最终的排名造成影响；并且很少有人通过结合行为、结构及主题这三个层面来解决意见领袖排名问题。
发明内容
本发明要解决的问题是：针对目前意见领袖算法中排名准确性不高的问题，综合考虑结构、行为和主题三个层面的特征，利用熵权法分别计算他们的权重，避免主观判断的影响。
本发明解决其技术问题所采用的技术方案是：一种基于多维特征分析的社交网络意见领袖排序算法，具体方法如下：
(1)通过从结构、行为、主题三个层面来对用户的特征进行分析，其中结构特征S(u)计算公式为：s(u)＝(ufollowing+ureminding+ubetweenness)/3，行为特征B(u)的计算公式为：B(u)＝(uactivity+uspread)/2，主题特征T(u)的计算公式为：其中ufollowing为跟随影响力，ureminding为提及影响力，uconnection为联系影响力，uactivity为活跃影响力，uspread为传播影响力，topic(p)为用户主题特征；
(2)利用熵权法计算不同特征的权重wj，计算过程为：
a、计算第i个样本下第j个特征的比重pij：
其中rij表示为第i个样本下第j个特征的值，
b、计算第j个特征的信息熵ej：
式中m表示有m个样本，
c、计算第j个特征的权重wj：
(3)结合(1)得出S(u)、B(u)以及T(u)的特征值和(2)得出的权重wj，根据MFP算法计算F(u)函数的值，通过F(u)函数值产生排名结果，其F(u)的计算公式为：F(u)＝w1*S(u)+w2*B(u)+w3*T(u)。
所述的ufollowing为每个用户的好友数，ureminding为每个用户的粉丝数，uconnection为每个用户的中介中心度，uactivity为每个用户发帖数、评论数以及转发帖子数，uspread为帖子被评论数及帖子被转发数，topic(p)由帖子总数和和帖子所属的簇的比来确定，即其中Ci帖子所属的簇(由K-means算法得出)，|P|是帖子总数。
熵权法算法具体步骤如下：(1)根据社交网络中的特征数据构建判断矩阵； (2)判断矩阵归一化处理，得到归一化判断矩阵；(3)计算各个特征的比重pij； (4)计算各个特征的信息熵ej；(5)计算各个特征的权重wj。
MFP算法具体步骤如下：(1)数据预处理；(2)分析并计算结构特征S(u)、行为特征B(u)、主题特征T(u)的值；(3)根据熵权法计算不同特征的权重wj；(4) 将权重wj及S(u)、T(u)、B(u)的特征值代入公式进行F(u)迭代计算；(5)根据F(u) 函数值，产生排名结果。
本发明的有益效果是：所述的一种基于多维特征分析的社交网络意见领袖排序算法，该算法不仅分析了多维特征，而且考虑了不同特征的权重。利用熵权法对多个特征进行综合评价，避免主观因素的影响，使排序结果更加准确。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法的框架结构图；
图2是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法多特征分析的层次结构图；
图3是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法的熵权法的基本流程图；
图4是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法的MFP算算法的基本流程图；
图5是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法的相关系数基线算法的比较图；
图6是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法的重叠率基线算法的比较图；
图7是本发明所述的一种基于多维特征分析的社交网络意见领袖排序算法的算法步骤示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
如图1所示的一种基于多维特征分析的社交网络意见领袖排序算法，具体算法如下：
(1)通过从结构、行为、主题三个层面来对用户的特征进行分析，其中结构特征S(u)计算公式为：s(u)＝(ufollowing+ureminding+ubetweenness)/3，行为特征B(u)的计算公式为：B(u)＝(uactivity+uspread)/2，主题特征T(u)的计算公式为：其中ufollowing为跟随影响力，ureminding为提及影响力，uconnection为联系影响力，uactivity为活跃影响力，uspread为传播影响力，topic(p)为用户主题特征；
(2)利用熵权法计算不同特征的熵权wj，计算过程为：
a、计算第i个样本下第j个特征的比重pij：
其中rij表示为第i个样本下第j个特征的值，
b、计算第j个特征的信息熵ej：
式中m表示有m个样本，
c、计算第j个特征的权重wj：
熵权法的具体步骤如图3所示：①根据社交网络中的特征数据构建判断矩阵，②判断矩阵归一化处理，得到归一化判断矩阵；③计算各个特征的比重pij；④计算各个特征的信息熵ej；⑤计算各个特征的权重wj。
(3)：结合(1)得出的特征值和(2)得出的熵权，根据MFP算法计算函数F(u)，通过F(u)函数值产生排名结果，其F(u)的计算公式为： F(u)＝w1*S(u)+w2*B(u)+w3*T(u)，MFP算法的具体步骤如图4所示：①数据预处理；②分析多结构特征并计算结构特征S(u)、行为特征B(u)、主题特征T(u)的值；③根据熵权法计算不同特征的权重wj；④将权重wj及S(u)、T(u)、B(u)的值代入公式进行F(u)迭代计算；⑤根据F(u)函数值，产生排名果，其F(u)的计算公式为：F(u)＝w1*S(u)+w2*B(u)+w3*T(u)。
实施例：
一、实验环境及数据
实验数据集是基于对新浪论坛抓取的数据，主要选择新浪体育论坛为实证数据源。新浪论坛是互联网最具知名度的综合性BBS，拥有最大核心用户群体；是最主流的在线社交网络平台之一。由于我们的目标是收集关于用户、帖子和用户之间关系的信息对意见领袖进行排序，所以我们只对两个用户之间的交互，即跟随行为或提及行为来连接两个用户。
为了验证算法的正确性和准确性，通过人工方法抓取数据并通过数据预处理得到最终的数据集，数据集的具体情况如表1所示。
表1：实验数据统计基本情况
二、算法执行结果
经过对数据网络进行分析，通过对提出的MFP算法和经典的PageRank(简称 PR)，度中心性(简称DC)、介数中心性(简称BC)和接近中心性(简称CC)进行测试比较。得出的top10排名情况如表2所示：
(1)传统的中心算法有其局限性，只是依靠单一的特征进行评价。例如，度中心性通过计算追随者的数量来衡量节点的影响。然而，僵尸粉们强烈地影响着人们的视听效果。因此，拥有大量追随者的用户可能不会有很大的影响。例如，ID为4562037183的用户有大量不活跃的追随者，很可能是僵尸粉。
(2)我们可以看到，虽然MFP和PageRank算法前十个节点的顺序不同，但我们提出的算法的前十个节点序列中只有3个节点不在PageRank算法的序列中。因此，对于节点重要性分析，这两种算法可以看作是一致的。然而，MFP算法的结果更符合考虑多个特征的实际情况。例如，ID为1305600712的用户是在 MFP算法排名第八，而在PageRank算法排名第三。这是因为根据结构特征分析，其等级相对较低，降低了在MFR算法中的排名，但总体排名是仍处于前十。
三、肯德尔系数与重叠率
经过执行MFP算法和经典的PR，DC、BC和CC算法后，得到运算结果。首先选取前100名用户，对MFP算法的结果分别与四种基线算法的结果进行相关性计算得到肯德尔相关系数。结果由图5可知，MFP算法的前100名用户排名列表与PageRank算法具有很强的相关性，而与中心度之间存在较弱的相关性。
最后，比较了MFP算法与PR、DC、BC和CC基线算法之间前100名用户的重叠率。结果由图6可知，随着选定的意见领袖人数的增加，重叠率逐渐增加，并最终保持稳定。更重要的是，可以检测到大部分高度关注的意见领袖，而非重叠的部分表明MFP算法可以找到其他算法容易被忽视的节点。
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。

Claims (4)

1.一种基于多维特征分析的社交网络意见领袖排序算法，其特征在于，具体方法如下：
(1)通过从结构、行为、主题三个层面来对用户的特征进行分析，其中结构特征S(u)计算公式为：s(u)＝(ufollowing+ureminding+ubetweenness)/3，行为特征B(u)的计算公式为：B(u)＝(uactivity+uspread)/2，主题特征T(u)的计算公式为：其中ufollowing为跟随影响力，ureminding为提及影响力，uconnection为联系影响力，uactivity为活跃影响力，uspread为传播影响力，topic(p)为用户主题特征；
(2)利用熵权法计算不同特征的权重wj，计算过程为：
a、计算第i个样本下第j个特征的比重pij：
其中rij表示为第i个样本下第j个特征的值，
b、计算第j个特征的信息熵ej：
式中m表示有m个样本，
c、计算第j个特征的权重wj：
<mrow> <msub> <mi>w</mi> <mi>j</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>e</mi> <mi>j</mi> </msub> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>3</mn> </munderover> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msub> <mi>e</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>3</mn> </mrow>
(3)结合(1)得出S(u)、B(u)以及T(u)的特征值和(2)得出的权重wj，根据MFP算法计算F(u)函数的值，通过F(u)函数值产生排名结果，其F(u)的计算公式为：F(u)＝w1*S(u)+w2*B(u)+w3*T(u)。
2.根据权利要求1所述的一种基于多维特征分析的社交网络意见领袖排序算法，其特征在于，所述的ufollowing为每个用户的好友数，ureminding为每个用户的粉丝数，uconnection为每个用户的中介中心度，uactivity为每个用户发帖数、评论数以及转发帖子数，uspread为帖子被评论数及帖子被转发数，topic(p)由帖子总数和和帖子所属的簇的比来确定，即其中Ci帖子所属的簇(由K-means算法得出)，|P|是帖子总数。
3.根据权利要求1所述的一种基于多维特征分析的社交网络意见领袖排序算法，其特征在于，所述熵权法的具体步骤如下：(1)根据社交网络中的特征数据构建判断矩阵；(2)判断矩阵归一化处理，得到归一化判断矩阵；(3)计算各个特征的比重pij；(4)计算各个特征的信息熵ej；(5)计算各个特征的权重wj。
4.根据权利要求1所述的一种基于多维特征分析的社交网络意见领袖排序算法，其特征在于，所述MFP算法具体步骤如下：(1)数据预处理；(2)分析多结构特征并计算结构特征S(u)、行为特征B(u)、主题特征T(u)的值；(3)根据熵权法计算不同特征的权重wj；(4)将权重wj及S(u)、T(u)、B(u)的特征值代入公式进行F(u)迭代计算；(5)根据F(u)函数值，产生排名果。
CN201710931952.9A 2017-09-25 2017-09-25 一种基于多维特征分析的社交网络意见领袖排序算法 Pending CN107729455A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710931952.9A CN107729455A (zh) 2017-09-25 2017-09-25 一种基于多维特征分析的社交网络意见领袖排序算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710931952.9A CN107729455A (zh) 2017-09-25 2017-09-25 一种基于多维特征分析的社交网络意见领袖排序算法

Publications (1)

Publication Number Publication Date
CN107729455A true CN107729455A (zh) 2018-02-23

Family

ID=61208669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710931952.9A Pending CN107729455A (zh) 2017-09-25 2017-09-25 一种基于多维特征分析的社交网络意见领袖排序算法

Country Status (1)

Country Link
CN (1) CN107729455A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110489658A (zh) * 2019-07-12 2019-11-22 北京邮电大学 基于双图模型的在线社交网络意见领袖挖掘方法
CN111125453A (zh) * 2019-12-27 2020-05-08 中国电子科技集团公司信息科学研究院 基于子图同构的社交网络中意见领袖角色识别方法及存储介质
CN111177526A (zh) * 2018-11-12 2020-05-19 百度在线网络技术（北京）有限公司 网络意见领袖识别方法及装置
CN111311409A (zh) * 2020-02-13 2020-06-19 腾讯云计算（北京）有限责任公司 目标对象确定方法、装置、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6199061B1 (en) * 1998-06-17 2001-03-06 Microsoft Corporation Method and apparatus for providing dynamic help topic titles to a user
CN103136331A (zh) * 2013-01-18 2013-06-05 西北工业大学 微博网络意见领袖识别方法
CN103150333A (zh) * 2013-01-26 2013-06-12 安徽博约信息科技有限责任公司 微博媒体中的意见领袖识别方法
CN103559207A (zh) * 2013-10-10 2014-02-05 江苏名通信息科技有限公司 一种基于社交媒体计算的金融行为分析系统
CN103942340A (zh) * 2014-05-09 2014-07-23 电子科技大学 一种基于文本挖掘的微博用户兴趣识别方法
CN104281669A (zh) * 2014-09-28 2015-01-14 西安电子科技大学 社交网络用户影响数值的评估方法和装置
CN104408108A (zh) * 2014-11-18 2015-03-11 重庆邮电大学 基于灰色系统理论的热点话题群体影响力分析系统及方法
CN105701097A (zh) * 2014-11-25 2016-06-22 四三九九网络股份有限公司 一种基于社交网络平台的舆情分析方法及系统
CN106096805A (zh) * 2016-05-10 2016-11-09 华北电力大学 一种基于熵权法特征选择的居民用电负荷分类方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6199061B1 (en) * 1998-06-17 2001-03-06 Microsoft Corporation Method and apparatus for providing dynamic help topic titles to a user
CN103136331A (zh) * 2013-01-18 2013-06-05 西北工业大学 微博网络意见领袖识别方法
CN103150333A (zh) * 2013-01-26 2013-06-12 安徽博约信息科技有限责任公司 微博媒体中的意见领袖识别方法
CN103559207A (zh) * 2013-10-10 2014-02-05 江苏名通信息科技有限公司 一种基于社交媒体计算的金融行为分析系统
CN103942340A (zh) * 2014-05-09 2014-07-23 电子科技大学 一种基于文本挖掘的微博用户兴趣识别方法
CN104281669A (zh) * 2014-09-28 2015-01-14 西安电子科技大学 社交网络用户影响数值的评估方法和装置
CN104408108A (zh) * 2014-11-18 2015-03-11 重庆邮电大学 基于灰色系统理论的热点话题群体影响力分析系统及方法
CN105701097A (zh) * 2014-11-25 2016-06-22 四三九九网络股份有限公司 一种基于社交网络平台的舆情分析方法及系统
CN106096805A (zh) * 2016-05-10 2016-11-09 华北电力大学 一种基于熵权法特征选择的居民用电负荷分类方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SARA KERETNA 等: "Recognising User Identity in Twitter Social Networks via Text Mining" *
曹玖新 等: "基于多维特征分析的社交网络意见领袖挖掘" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111177526A (zh) * 2018-11-12 2020-05-19 百度在线网络技术（北京）有限公司 网络意见领袖识别方法及装置
CN111177526B (zh) * 2018-11-12 2023-08-15 百度在线网络技术（北京）有限公司 网络意见领袖识别方法及装置
CN110489658A (zh) * 2019-07-12 2019-11-22 北京邮电大学 基于双图模型的在线社交网络意见领袖挖掘方法
CN111125453A (zh) * 2019-12-27 2020-05-08 中国电子科技集团公司信息科学研究院 基于子图同构的社交网络中意见领袖角色识别方法及存储介质
CN111125453B (zh) * 2019-12-27 2023-03-28 中国电子科技集团公司信息科学研究院 基于子图同构的社交网络中意见领袖角色识别方法及存储介质
CN111311409A (zh) * 2020-02-13 2020-06-19 腾讯云计算（北京）有限责任公司 目标对象确定方法、装置、电子设备及存储介质
CN111311409B (zh) * 2020-02-13 2023-04-07 腾讯云计算（北京）有限责任公司 目标对象确定方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN106980692B (zh) 一种基于微博特定事件的影响力计算方法
US10354017B2 (en) Skill extraction system
Calvin et al. # bully: Uses of hashtags in posts about bullying on Twitter
Ratkiewicz et al. Detecting and tracking the spread of astroturf memes in microblog streams
Nagy et al. Crowd sentiment detection during disasters and crises.
CN107729455A (zh) 一种基于多维特征分析的社交网络意见领袖排序算法
CN106610955A (zh) 基于词典的多维度情感分析方法
CN106354818B (zh) 基于社交媒体的动态用户属性提取方法
Fair et al. Shouting into the void: A database of the alternative social media platform gab
Song et al. Rt^ 2m: Real-time twitter trend mining system
Al-Taie et al. Online data preprocessing: A case study approach
CN104899335A (zh) 一种对网络舆情信息进行情感分类的方法
Kang et al. Analyzing microblogs with affinity propagation
Liao et al. Coronavirus pandemic analysis through tripartite graph clustering in online social networks
Bonart et al. An investigation of biases in web search engine query suggestions
Naskar et al. Sentiment analysis in social networks through topic modeling
Floos Arabic rumours identification by measuring the credibility of Arabic tweet content
Sarkar et al. “Good morning, Twitter! What are you doing today to support the voice of people with# disability?”: disability and digital organizing
CN105045822A (zh) 一种微博中特定用户的相似用户监控方法
Cui et al. Personalized microblog recommendation using sentimental features
Jing et al. Identification of microblog opinion leader based on user feature and interaction network
Tossavainen et al. A linked open data based system utilizing structured open innovation process for addressing collaboratively public concerns in regional societies
Lei et al. Son preference in China: Why is it stronger in rural areas?
Luo et al. Structuring T weets for improving T witter search
Celli et al. Long chains or stable communities? The role of emotional stability in Twitter conversations

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180223

WD01 Invention patent application deemed withdrawn after publication