CN108334646A - 一种基于频繁浏览序列的网站结构优化方法 - Google Patents
一种基于频繁浏览序列的网站结构优化方法 Download PDFInfo
- Publication number
- CN108334646A CN108334646A CN201810320764.7A CN201810320764A CN108334646A CN 108334646 A CN108334646 A CN 108334646A CN 201810320764 A CN201810320764 A CN 201810320764A CN 108334646 A CN108334646 A CN 108334646A
- Authority
- CN
- China
- Prior art keywords
- sequence
- frequent
- user
- page
- daily record
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于频繁浏览序列的网站优化方法,通过从Web日志数据中挖掘频繁浏览序列,发现从起始页面到目标页面之间的冗余无关的点击行为,达到网站结构优化;1)基于Spark平台,完成日志数据的预处理,获取用户访问序列;2)将频繁序列模式挖掘算法进行并行化改写,挖掘用户的频繁浏览行为;3)从频繁浏览序列出发,给出网站结构优化意见,从挖掘出的用户频繁浏览序列出发,寻找优化网站的线索;针对挖掘出的某一频繁浏览序列,理解为绝大多数用户按照这条路径搜索到目标页面,发现访问路径从起始页到目标页之间的冗余链接,将目标页面前移,优化网站的结构从而提升用户访问体验。
Description
技术领域
本发明属于大规模网站日志分析领域,具体根据网站用户的频繁浏览序列对网站的结构实施优化的技术。
背景技术
网站结构的好坏直接影响用户的访问体验,尤其是对于电商网站,良好的网站结构对流量变现具有关键作用。因此,网站结构的优化问题成为近年来广泛关注的热点。目前常用的网站结构的优化策略主要有两种:基于站点模型方法和基于用户行为分析方法。基于站点模型的方法根据网站设计者的先验知识进行手动调整优化。这种主观性的优化方法往往与用户的实际浏览行为习惯存在着差异。基于用户行为分析的方法从蕴含用户访问偏好和意图的Web日志数据出发,通过关联规则、聚类算法和序列模式算法窥探用户访问意图和规律,优化网站结构。这类方法从用户浏览行为入手,一定程度上迎合了用户访问需求。但随着互联网的发展和大数据时代的来临,各大网站积累了大量的日志数据,传统的单机用户行为分析算法时间和空间效率上存在瓶颈,难以完成大规模日志数据的分析任务。近年来,随着分布式技术在提升算法的时空效率方面取得了显著效果,利用分布式计算进行用户行为分析,完成网站结构优化是一个很好的方法。
发明内容
本发明的目的是,为克服大规模日志数据场景下,基于用户行为分析优化网站结构所遇到的时间和空间瓶颈问题,凭借基于内存模型的分布式计算平台Spark,充分利用内存计算和集群计算的优势,在多台廉价的PC机上,完成对大规模日志数据的处理和频繁浏览序列的挖掘任务,通过用户的频繁浏览序列,指导网站结构的优化。
本发明解决网站结构优化问题所使用的技术方案为:一种基于频繁浏览序列的网站优化方法。通过从Web日志数据中挖掘频繁浏览序列,发现从起始页面到目标页面之间的冗余无关的点击行为,达到网站结构优化的目的。主要包括三大模块:基于Spark平台,完成日志数据的预处理,获取用户访问序列;将频繁序列模式挖掘算法进行并行化改写,挖掘用户的频繁浏览行为;从频繁浏览序列出发,给出网站结构优化意见。
对网站服务器日志数据的预处理,实现网站服务器日志数据的采集、过滤、提取和生成用户点击流序列功能,为提高效率,该过程基于Spark集群实现并行处理。具体过程如下:
步骤一、使用Flume进行日志数据采集,保存至HDFS中。
步骤二、编写Spark程序,完成日志数据的过滤、会话识别和事务识别并行处理,并将经预处理后的用户点击流数据进行持久化,步骤如下:
1)首先需要进行日志数据进行过滤,用户在网站请求页面时,服务器日志记录了请求页面信息脚本、样式表等其他冗余数据。需要根据日志数据的格式进行关键字过滤,删除后缀名为css、js、jpg、gif和请求状态码异常以及请求方式非GET的日志记录。
2)然后进行会话识别,使用时间阈值切分(设为30min)和参照页(referer)混合方法,将过滤后的日志数据划分成在规定时间内的一组访问序列。
3)最后使用最大向前引用算法(Maximal Forward Reference)将会话切分成在语义或功能上具有相关性、能表示一次访问意图的点击序列。
4)将经预处理生成的用户点击流序列持久化到HDFS中。
步骤三、为优化网站结构,需要从生成的用户点击流序列中挖掘频繁浏览路径,基于Spark平台,将序列模式挖掘算法AprioriAll进行并行化改写,将需进行迭代计算的频繁-k序列持久化到RDD中,提升迭代计算的效率。并优化频繁序列的自连接策略,减少候选频繁序列的生成空间,具体步骤如下:
1)首先从HDFS中加载经预处理之后的用户点击流序列数据集,分布到Spark的RDD中,并根据所设定最小支持度,经过滤生成频繁1序列,并持久化到内存,为提升后续迭代计算的效率,也需要将用户点击流数据集持久化到内存。
2)接着通过生成的频繁k序列,进行自连接操作获得候选频繁(k+1)序列,然后扫描用户点击了数据集,过滤不满足最小支持度的序列,得到频繁(k+1)序列,不断执行上述迭代过程,直至没有新的频繁k序列生成为止,值得注意的是,为提高内存资源的利用率,当频繁k序列生成后,需释放持久化到内存中频繁(k-1)序列的RDD。
3)为减少频繁序列通过自连接生成过多的候选序列,采用以下连接策略:对于频繁k序列集中的S1和S2两个序列,仅当S1的前k-1项和S2的后k-1项一样时,才将S1序列的第k项加到S2的结尾生成新的候选k+1序列。
步骤四、从挖掘出的用户频繁浏览序列出发,寻找优化网站的线索。针对挖掘出的某一频繁浏览序列,可理解为绝大多数用户按照这条路径搜索到目标页面,发现访问路径从起始页到目标页之间的冗余链接,根据频繁浏览序列,将目标页移植起始页后面,减少用户搜索实现,从而达到网站结构优化的目的。
本发明的有益效果:
1)本发明设计了一种基于flume+HDFS+Spark的集服务器日志数据采集、存储和分析处理为一体的系统架构,完成用户频繁浏览序列的挖掘任务为网站结构优化提供数据支持。
2)对于生成的用户点击流序列,优化AprioriAll算法的自连接策略,减少生成候选序列的数量,节省了内存空间,同时基于Spark将AprioriAll算法进行并行化改写,高效地完成大规模日志数据的频繁序列模式挖掘任务。
3)以频繁浏览序列解释用户在网站中的访问以及搜索习惯,找出网站结构中的冗余链接,将目标页面前移,能够有效地减少用户在网站中的搜索时间,提升用户体验。
附图说明
图1为系统架构图;
图2为Web日志数据预处理流程图;
图3为Web日志数据过滤流程图;
图4为会话识别流程图;
图5为AprioriAll并行化算法第一阶段;
图6为AprioriAll并行化算法第二阶段。
具体实施方式
下面结合附图对本发明进一步说明,如图1所示,具体的实施可分为日志数据采集、日志数据预处理、频繁浏览序列挖掘和数据持久化四部分。
数据采集和预处理:首先使用flume从web服务器中采集日志数据,然后经数据预处理获取用户点击流序列,日志数据预处理的过程如图2所示。在日志数据预处理时,需要根据我们设定的关键字进行过滤,剔除与用户访问序列无关的冗余日志记录,具体的过滤策略流程图如图3所示。接着进行会话识别,采用参照页和时间阈值混合策略,首先判断当前会话是否包含请求页面,若不是,则建立新的会话,读取下一条记录;若是,则继续判断请求页面与该请求页面的参照页的访问间隔是否超过30min,若是,则建立新的会话,否则将请求页插入当前会话,算法执行流程图如图4所示。最后,采用最大向前引用算法,将用户会话切分成不同的事务序列,获取最终的用户点击流序列。
频繁浏览序列挖掘和网站优化意见:首先基于Spark平台,对生成的最终用户点击流序列应用AprioriAll算法,挖掘频繁浏览序列。算法的第一阶段如图5所示,生成频繁1序列。算法的第二阶段为迭代过程,通过不断迭代最终生成频繁k序列,具体过程如图6所示。最后,针对所生成的能够反映用户访问习惯的频繁浏览序列,发现访问路径从起始页到目标页之间的冗余链接,将目标页进行前移,以优化网站结构从而提升用户访问体验。
本发明并不限于上述实施方式,采用与本发明上述实施实例相同或近似的结构,而得到的其它结构设计,均在本发明的保护范围之内。
Claims (3)
1.一种基于频繁浏览序列的网站优化方法,其特征是,通过从Web日志数据中挖掘频繁浏览序列,发现从起始页面到目标页面之间的冗余无关的点击行为,达到网站结构优化;
1)基于Spark平台,完成日志数据的预处理,获取用户访问序列;
对网站服务器日志数据的预处理,实现网站服务器日志数据的采集、过滤、提取和生成用户点击流序列功能,为提高效率,该过程基于Spark平台集群实现并行处理,具体过程如下:
步骤一、使用Flume进行日志数据采集,保存至HDFS中;
步骤二、编写Spark程序,完成日志数据的过滤、会话识别和事务识别并行处理,并将经预处理后的用户点击流数据进行持久化,步骤如下:
a)首先需要进行日志数据进行过滤,用户在网站请求页面时,服务器日志记录了请求页面信息脚本、样式表等其他冗余数据;需要根据日志数据的格式进行关键字过滤,删除后缀名为css、js、jpg、gif和请求状态码异常以及请求方式非GET的日志记录;
b)然后进行会话识别,使用时间阈值切分(设为30min)和参照页(referer)混合方法,将过滤后的日志数据划分成在规定时间内的一组访问序列;
c)最后使用最大向前引用算法(Maximal Forward Reference)将会话切分成在语义或功能上具有相关性、能表示一次访问意图的点击序列;
d)将经预处理生成的用户点击流序列持久化到HDFS(Hadoop分布式文件系统)中;
2)将频繁序列模式挖掘算法进行并行化改写,挖掘用户的频繁浏览行为;
为优化网站结构,需要从生成的用户点击流序列中挖掘频繁浏览路径,基于Spark平台,将序列模式挖掘算法AprioriAll进行并行化改写,将需进行迭代计算的频繁-k序列持久化到RDD(弹性分布式数据集)中,提升迭代计算的效率;并优化频繁序列的自连接策略,减少候选频繁序列的生成空间,具体步骤如下:
a)首先从HDFS中加载经预处理之后的用户点击流序列数据集,分布到Spark的RDD中,并根据所设定最小支持度,经过滤生成频繁1序列,并持久化到内存,为提升后续迭代计算的效率,也需要将用户点击流数据集持久化到内存。
b)接着通过生成的频繁k序列,进行自连接操作获得候选频繁(k+1)序列,然后扫描用户点击了数据集,过滤不满足最小支持度的序列,得到频繁(k+1)序列,不断执行上述迭代过程,直至没有新的频繁k序列生成为止,为提高内存资源的利用率,当频繁k序列生成后,需释放持久化到内存中频繁(k-1)序列的RDD;
c)为减少频繁序列通过自连接生成过多的候选序列,采用以下连接策略:对于频繁k序列集中的S1和S2两个序列,仅当S1的前k-1项和S2的后k-1项一样时,才将S1序列的第k项加到S2的结尾生成新的候选k+1序列;
3)从频繁浏览序列出发,给出网站结构优化意见,从挖掘出的用户频繁浏览序列出发,寻找优化网站的线索;针对挖掘出的某一频繁浏览序列,理解为绝大多数用户按照这条路径搜索到目标页面,发现访问路径从起始页到目标页之间的冗余链接,将目标页面前移,优化网站的结构从而提升用户访问体验。
2.根据权利要求1所述的基于频繁浏览序列的网站优化方法,其特征是日志数据的预处理前:首先使用flume从web服务器中采集日志数据,然后经数据预处理获取用户点击流序列;在日志数据预处理时,需要根据设定的关键字进行过滤,剔除与用户访问序列无关的冗余日志记录;接着进行会话识别,采用参照页和时间阈值混合策略,首先判断当前会话是否包含请求页面,若不是,则建立新的会话,读取下一条记录;若是,则继续判断请求页面与该请求页面的参照页的访问间隔是否超过30min,若是,则建立新的会话,否则将请求页插入当前会话;最后,采用最大向前引用算法,将用户会话切分成不同的事务序列,获取最终的用户点击流序列。
3.根据权利要求1所述的基于频繁浏览序列的网站优化方法,其特征是频繁浏览序列挖掘和网站优化意见:首先基于Spark平台,对生成的最终用户点击流序列应用AprioriAll算法,挖掘频繁浏览序列,AprioriAll算法通过不断迭代最终生成频繁k序列;最后,针对所生成的能够反映用户访问习惯的频繁浏览序列,发现访问路径从起始页到目标页之间的冗余链接,将目标页进行前移,以优化网站结构从而提升用户访问体验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810320764.7A CN108334646A (zh) | 2018-04-11 | 2018-04-11 | 一种基于频繁浏览序列的网站结构优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810320764.7A CN108334646A (zh) | 2018-04-11 | 2018-04-11 | 一种基于频繁浏览序列的网站结构优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108334646A true CN108334646A (zh) | 2018-07-27 |
Family
ID=62932924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810320764.7A Pending CN108334646A (zh) | 2018-04-11 | 2018-04-11 | 一种基于频繁浏览序列的网站结构优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334646A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599122A (zh) * | 2019-08-30 | 2019-12-20 | 国电南瑞科技股份有限公司 | 基于模式挖掘和关联分析的电网调度系统页面推荐方法 |
CN110855625A (zh) * | 2019-10-17 | 2020-02-28 | 新华三信息安全技术有限公司 | 基于流式处理的异常分析方法、装置及存储介质 |
CN111143178A (zh) * | 2019-12-12 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 用户行为分析方法、装置及设备 |
CN111756679A (zh) * | 2019-03-29 | 2020-10-09 | 北京数安鑫云信息技术有限公司 | 一种日志分析方法、装置、存储介质和计算机设备 |
CN112486935A (zh) * | 2019-09-12 | 2021-03-12 | 阿里巴巴集团控股有限公司 | 日志记录处理方法、装置、设备及机器可读存储介质 |
CN112528161A (zh) * | 2021-02-07 | 2021-03-19 | 电子科技大学 | 一种基于物品点击序列优化的会话推荐方法 |
CN112765469A (zh) * | 2021-01-25 | 2021-05-07 | 东北大学 | 一种从Web点击流数据中挖掘代表序列模式的方法 |
CN115906160B (zh) * | 2022-11-16 | 2023-07-18 | 荣科科技股份有限公司 | 一种基于人工智能分析的信息处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130282595A1 (en) * | 2012-04-24 | 2013-10-24 | 24/7 Customer, Inc. | Method and apparatus for optimizing web and mobile self-serve apps |
CN105207826A (zh) * | 2015-10-26 | 2015-12-30 | 南京联成科技发展有限公司 | 一种基于Tachyou的Spark大数据平台的安全攻击告警定位系统 |
CN106326320A (zh) * | 2015-07-09 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 一种个性化引导的实现方法及装置 |
CN107291848A (zh) * | 2017-06-05 | 2017-10-24 | 南京邮电大学 | 基于Spark的并行化关联挖掘优化方法 |
-
2018
- 2018-04-11 CN CN201810320764.7A patent/CN108334646A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130282595A1 (en) * | 2012-04-24 | 2013-10-24 | 24/7 Customer, Inc. | Method and apparatus for optimizing web and mobile self-serve apps |
CN106326320A (zh) * | 2015-07-09 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 一种个性化引导的实现方法及装置 |
CN105207826A (zh) * | 2015-10-26 | 2015-12-30 | 南京联成科技发展有限公司 | 一种基于Tachyou的Spark大数据平台的安全攻击告警定位系统 |
CN107291848A (zh) * | 2017-06-05 | 2017-10-24 | 南京邮电大学 | 基于Spark的并行化关联挖掘优化方法 |
Non-Patent Citations (3)
Title |
---|
吴海燕 等: ""基于改进的AprioriAll算法的Web序列模式挖掘研究"", 《计算机工程与设计》 * |
林宗缪 等: ""基于Spark的网络日志分析平台研究与设计"", 《自动化与仪器仪表》 * |
邵明路: ""大规模网站日志的并行分析技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111756679A (zh) * | 2019-03-29 | 2020-10-09 | 北京数安鑫云信息技术有限公司 | 一种日志分析方法、装置、存储介质和计算机设备 |
CN110599122A (zh) * | 2019-08-30 | 2019-12-20 | 国电南瑞科技股份有限公司 | 基于模式挖掘和关联分析的电网调度系统页面推荐方法 |
CN112486935B (zh) * | 2019-09-12 | 2024-01-30 | 阿里巴巴集团控股有限公司 | 日志记录处理方法、装置、设备及机器可读存储介质 |
CN112486935A (zh) * | 2019-09-12 | 2021-03-12 | 阿里巴巴集团控股有限公司 | 日志记录处理方法、装置、设备及机器可读存储介质 |
WO2021047576A1 (zh) * | 2019-09-12 | 2021-03-18 | 阿里巴巴集团控股有限公司 | 日志记录处理方法、装置、设备及机器可读存储介质 |
CN110855625A (zh) * | 2019-10-17 | 2020-02-28 | 新华三信息安全技术有限公司 | 基于流式处理的异常分析方法、装置及存储介质 |
CN111143178B (zh) * | 2019-12-12 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 用户行为分析方法、装置及设备 |
CN111143178A (zh) * | 2019-12-12 | 2020-05-12 | 支付宝(杭州)信息技术有限公司 | 用户行为分析方法、装置及设备 |
CN112765469A (zh) * | 2021-01-25 | 2021-05-07 | 东北大学 | 一种从Web点击流数据中挖掘代表序列模式的方法 |
CN112765469B (zh) * | 2021-01-25 | 2023-10-27 | 东北大学 | 一种从Web点击流数据中挖掘代表序列模式的方法 |
CN112528161B (zh) * | 2021-02-07 | 2021-04-30 | 电子科技大学 | 一种基于物品点击序列优化的会话推荐方法 |
CN112528161A (zh) * | 2021-02-07 | 2021-03-19 | 电子科技大学 | 一种基于物品点击序列优化的会话推荐方法 |
CN115906160B (zh) * | 2022-11-16 | 2023-07-18 | 荣科科技股份有限公司 | 一种基于人工智能分析的信息处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334646A (zh) | 一种基于频繁浏览序列的网站结构优化方法 | |
US9524343B2 (en) | Interactive web crawler | |
CN105468702B (zh) | 一种大规模rdf数据关联路径发现方法 | |
US20070276807A1 (en) | Search Ranking Method for File System and Related Search Engine | |
CN104182506A (zh) | 日志管理方法 | |
CN104778270A (zh) | 一种用于多文件的存储方法 | |
CN103559300B (zh) | 数据的查询方法和查询装置 | |
CN102917009B (zh) | 一种基于云计算技术的股票数据采集和存储方法和系统 | |
CN104699841A (zh) | 提供搜索结果的列表摘要信息的方法和装置 | |
CN104137095A (zh) | 用于演进分析的系统 | |
CN108959580A (zh) | 一种标签数据的优化方法及系统 | |
CN102811207A (zh) | 网络信息推送方法及系统 | |
CN107291770A (zh) | 一种分布式系统中海量数据的查询方法及装置 | |
CN110321446A (zh) | 相关数据推荐方法、装置、计算机设备及存储介质 | |
CN103678490B (zh) | 一种基于Hadoop平台的Deep Web查询接口聚类方法 | |
CN108628964A (zh) | 一种智能场景化企业大数据系统 | |
CN110990011A (zh) | 一种自动化接口的数据请求方法 | |
CN109635022B (zh) | 一种可视化的ElasticSearch数据采集方法及装置 | |
CN101763392A (zh) | 检索架构和检索方法 | |
CN106407254A (zh) | 用户点击行为链的处理方法及装置 | |
CN103136210A (zh) | 一种挖掘具有相似需求的查询的方法及装置 | |
CN107291875B (zh) | 一种基于元数据图的元数据组织管理方法和系统 | |
Verma et al. | Comprehensive survey of framework for web personalization using web mining | |
Ansari et al. | Preprocessing users web page navigational data to discover usage patterns | |
Kumar et al. | A New Web Usage Mining Approach for Website Recommendations Using Concept Hierarchy and Website Graph |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180727 |