CN109471939A - 一种知识分类及隐性知识显性化的系统 - Google Patents
一种知识分类及隐性知识显性化的系统 Download PDFInfo
- Publication number
- CN109471939A CN109471939A CN201811235763.9A CN201811235763A CN109471939A CN 109471939 A CN109471939 A CN 109471939A CN 201811235763 A CN201811235763 A CN 201811235763A CN 109471939 A CN109471939 A CN 109471939A
- Authority
- CN
- China
- Prior art keywords
- knowledge
- implicit
- conceptual
- domination
- classification
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了知识管理技术领域的一种知识分类及隐性知识显性化的系统,包括知识库,在知识库的基础上结合外部刺激生成概念性知识,对概念性知识进行判断是否能通过语言或书面表达使得概念性知识被表述出来,若概念性知识能够通过语言或书面表达,则概念性知识被分类为显性知识,若概念性知识不能通过语言或书面表达,则概念性知识被分类为隐性知识;本发明通过将知识分类和隐性知识的显性化结合,先对知识进行分类,有效缩短学习时间,加强学习效率,促进隐性知识快速显性化,便于建立传播隐性知识的平台对隐性知识进行传播,有助于加强知识共享,强化内部合作。
Description
技术领域
本发明涉及知识管理技术领域,具体涉及一种知识分类及隐性知识显性化的系统。
背景技术
知识是用来解释事物和解决问题的结构化信息,我们拥有的知识体系,影响着大部分的行为和决策,毫不夸张的说,一个人的知识体系决定了他的人生历程。知识类型是现代心理学提出的对知识的分类。一般分为三类:(一)陈述性知识。关于世界“是什么”的知识。有三种:(1)关于事物名称或符号的知识;(2)简单的命题知识或事实知识;(3)有意义的命题的组合知识,即经过组织的前述两种知识。(二)程序性知识。关于“怎么办”的知识。(三)策略性知识。关于“如何学习”的知识。程序性知识涉及的对象是客观事物,策略性知识处理的则是学习者自身的认知活动。
迈克尔·波拉尼(Michael Polanyi,1891-1976)从知识所具有的性质角度分类,将知识分为隐性知识和显性知识。通常以书面文字、图表和数学公式加以表述的知识,称为显性知识。在行动中所蕴含的未被表述的知识,称为隐性知识。野中郁次郎认为,隐性知识是高度个人化的知识,具有难以规范化的特点,因此不易传递给他人;它深深的植根于行为本身和个体所处环境的约束。包括个体的思维模式、信仰观点和心智模式等。在隐性知识的认识基础上,野中郁次郎提出了显性知识和隐性知识相互转换的四种类型和知识螺旋,以实现隐性知识的传递。
如专利CN201410003685.5公开了一种面向知识管理的自定义知识分类方法,为了解决知识管理系统中,在缺乏标注文本集合的条件下,实现用户自定义分类管理知识的问题,提出了一种基于词匹配的用户自定义的知识分类方法。绕过了训练文本集合标注的难题,通过用《同义词词林》扩展用户自定义关键词,利用Wu-Manber多模式匹配算法来快速匹配关键词,根据关键词在文档中的命中率来判断分类类别。该方法有适应缺乏标注文本的条件,且速度快的特点。但是该方法只是将知识进行系统的分类,不能按照显性知识和隐性知识的定义对知识进行总体分类并将其中的隐性知识显性化。基于此,本发明设计了一种知识分类及隐性知识显性化的系统,以解决上述问题。
发明内容
本发明的目的在于提供一种知识分类及隐性知识显性化的系统,以解决上述背景技术中提出的现有装置不能按照显性知识和隐性知识的定义对知识进行总体分类并将其中的隐性知识显性化的问题。
为实现上述目的,本发明提供如下技术方案:一种知识分类及隐性知识显性化的系统,包括知识库,具体步骤如下:
步骤一:生成概念性知识
在所述知识库的基础上结合外部刺激生成概念性知识,对所述概念性知识进行判断是否能通过语言或书面表达使得所述概念性知识被表述出来;
步骤二:进行知识分类
若所述概念性知识能够通过语言或书面表达,则所述概念性知识被分类为显性知识,若所述概念性知识不能通过语言或书面表达,则所述概念性知识被分类为隐性知识;
步骤三:隐性知识显性化
判断所述隐性知识是否能够进行关键字词提取;
步骤四:构造知识框架
第一步:若所述隐性知识能够进行关键字词提取,则提取出所述隐性知识中包含的关键字词,对提取出来的关键字词进行关键字词集合,根据所述关键字词集合通过Sharemind思维导图工具进行框架构造;
第二步:所述框架构造完成后得到知识整合,所述知识整合形成系统模型,通过所述系统模型展现出显性知识,完成隐性知识显性化;
第三步:若所述隐性知识不能够进行关键字词提取,则对所述隐性知识进行类似举例,将所述类似举例内容载入大数据库通过Wu-Manber多模式匹配算法进行大数据对比,从所述大数据对比中提取相似点,结合所述类似举例和提取相似点生成归纳总结关键点,将所述归纳总结关键点通过MindManager思维导图工具进行框架构造;
第四步:重复第二步,实现隐性知识显性化。
优选的,所述知识库为个人所掌握的知识体系。
优选的,所述通过语言或书面表达的判断步骤如下:
步骤一:通过计算机和大脑构建资料库
所述资料库包括四大类,分别为理解宇宙以及人类生存环境所需要的知识、理解社会形成和制约个体的社会环境及商业经济环境所需要的知识、理解自己心理和情感世界的知识和专业知识;
步骤二:在所述理解宇宙以及人类生存环境所需要的知识大类分支下按照自然科学的分类将个人的知识库进行记录,在所述理解社会形成和制约个体的社会环境及商业经济环境所需要的知识大类分支下按照人类学、社会学、经济学、政治学、历史学和法律学的分类将个人的知识库进行记录,在所述理解自己心理和情感世界的知识大类分支下按照心理学、哲学、美学、宗教和文学的分类将个人的知识库进行记录,在所述专业知识的大类分支下按照个人参与社会分工、立足于社会的知识库进行记录,记录完成进行存储;
步骤三:将所述概念性知识在资料库中输入,进行检索匹配,完成所述检索匹配过程,若所述检索匹配未输出结果,则所述概念性知识为隐性知识,若所述检索匹配输出资料库中存储的内容,则所述概念性知识为显性知识,完成所述通过语言或书面表达的判断。
优选的,所述自然科学包括数学、物理学、化学、生物科学、天文学、地质学、地理科学、海洋科学、大气科学、电子信息科学、材料科学、环境科学、心理学和统计学。
优选的,所述显性知识能够细化为语言、文字、肢体动作、色彩、布局、图像或动画。
优选的,所述资料库构建完成后支持添加删减的更改。
与现有技术相比,本发明的有益效果是:本发明通过将知识分类和隐性知识的显性化结合,先对知识进行分类,有效缩短学习时间,加强学习效率,促进隐性知识快速显性化,便于建立传播隐性知识的平台对隐性知识进行传播,有助于加强知识共享,强化内部合作,可以促进建立隐性知识传播者和接收者之间的良好关系,内部合作高的团队会比内部合作低的团队获得更多的利益,有利于组织结构的适当调整。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统结流程图。
图2为本发明通过语言或书面表达判断框图。
附图中,各标号所代表的部件列表如下:
1-知识库,2-概念性知识,3-通过语言或书面表达,4-显性知识,5-隐性知识,6-关键字词提取,7-关键字词集合,8-框架构造,9-知识整合,10-系统模型,11-类似举例,12-大数据对比,13-提取相似点,14-归纳总结关键点,15-资料库,16-理解宇宙以及人类生存环境所需要的知识,17-理解社会形成和制约个体的社会环境及商业经济环境所需要的知识,18-理解自己心理和情感世界的知识,19-专业知识,20-存储,21-输入,22-检索匹配。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供一种技术方案:一种知识分类及隐性知识显性化的系统,包括知识库1,具体步骤如下:
步骤一:生成概念性知识2
在知识库1的基础上结合外部刺激生成概念性知识2,对概念性知识2进行判断是否能通过语言或书面表达3使得概念性知识2被表述出来;
步骤二:进行知识分类
若概念性知识2能够通过语言或书面表达3,则概念性知识2被分类为显性知识4,若概念性知识2不能通过语言或书面表达3,则概念性知识2被分类为隐性知识5;
步骤三:隐性知识5显性化
判断隐性知识5是否能够进行关键字词提取6;
步骤四:构造知识框架8
第一步:若隐性知识5能够进行关键字词提取6,则提取出隐性知识5中包含的关键字词,对提取出来的关键字词进行关键字词集合7,根据关键字词集合7通过Sharemind思维导图工具进行框架构造8;
第二步:框架构造8完成后得到知识整合9,知识整合9形成系统模型10,通过系统模型10展现出显性知识4,完成隐性知识5显性化;
第三步:若隐性知识5不能够进行关键字词提取6,则对隐性知识5进行类似举例11,将类似举例11内容载入大数据库通过Wu-Manber多模式匹配算法进行大数据对比12,从大数据对比12中提取相似点13,结合类似举例11和提取相似点13生成归纳总结关键点14,将归纳总结关键点14通过MindManager思维导图工具进行框架构造8;
第四步:重复第二步,实现隐性知识5显性化。
其中,知识库1为个人所掌握的知识体系。
通过语言或书面表达3的判断步骤如下:
步骤一:通过计算机和大脑构建资料库15
资料库15包括四大类,分别为理解宇宙以及人类生存环境所需要的知识16、理解社会形成和制约个体的社会环境及商业经济环境所需要的知识17、理解自己心理和情感世界的知识18和专业知识19;
步骤二:在理解宇宙以及人类生存环境所需要的知识16大类分支下按照自然科学的分类将个人的知识库1进行记录,在理解社会形成和制约个体的社会环境及商业经济环境所需要的知识17大类分支下按照人类学、社会学、经济学、政治学、历史学和法律学的分类将个人的知识库1进行记录,在理解自己心理和情感世界的知识18大类分支下按照心理学、哲学、美学、宗教和文学的分类将个人的知识库1进行记录,在专业知识19的大类分支下按照个人参与社会分工、立足于社会的知识库1进行记录,记录完成进行存储20;
步骤三:将概念性知识2在资料库15中输入21,进行检索匹配22,完成检索匹配22过程,若检索匹配22未输出结果,则概念性知识2为隐性知识5,若检索匹配22输出资料库15中存储20的内容,则概念性知识2为显性知识4,完成通过语言或书面表达3的判断。
自然科学包括数学、物理学、化学、生物科学、天文学、地质学、地理科学、海洋科学、大气科学、电子信息科学、材料科学、环境科学、心理学和统计学。
显性知识4能够细化为语言、文字、肢体动作、色彩、布局、图像或动画。
资料库15构建完成后支持添加删减的更改。
本实施例的一个具体应用为:在知识管理的过程中,我们不遗余力地将隐性知识5通过语言或书面显性化,但总有部分有价值的隐性知识5难以实现转化,通过隐性知识5的社会化阶段将隐性知识进行传递、共享及创新,曾强组织的竞争能力。结合个人生活学习经历,生成知识库1,当遇到外部某些事物刺激时,生成概念性知识2,将概念性知识2输入21资料库15中进行检索匹配22,资料库15依靠计算机工具构建完成,从计算机输入终端将概念性知识2输入,资料库15由理解宇宙以及人类生存环境所需要的知识16大类分支下按照自然科学的分类将个人的知识库1,在理解社会形成和制约个体的社会环境及商业经济环境所需要的知识17大类分支下按照人类学、社会学、经济学、政治学、历史学和法律学的分类将个人的知识库1,在理解自己心理和情感世界的知识18大类分支下按照心理学、哲学、美学、宗教和文学的分类将个人的知识库1和在专业知识19的大类分支下按照个人参与社会分工、立足于社会的知识库1构成,按照检索匹配22结构对概念性知识2进行分类,当检索匹配22无输出结果时,为隐性知识5,当检索匹配输出资料库15中存储20的资料内容,为显性知识4.
通过语言或书面表达3将隐性知识5转换为显示知识4,但是当不能通过语言或书面表达3将隐性知识5转换为显示知识4的时候,由于信息是在不断聚合过程中产生新的理念,通过关键字词提取6形成关键字词集合7,通过关键字词集合7形成框架构造8,进行知识整合9完成隐性知识5的显性化,从隐性知识5中发掘类似举例11,与互联网形成的大数据库进行大数据对比12,提取相似点12,并归纳总结关键点14形成框架构造8,进行知识整合9完成隐性知识5的显性化,使得在完成知识的分类后将隐性知识5显性化。
将知识分类和隐性知识5的显性化结合,先对知识进行分类,有效缩短学习时间,加强学习效率,促进隐性知识5快速显性化,便于建立传播隐性知识5的平台对隐性知识5进行传播,有助于加强知识共享,强化内部合作,可以促进建立隐性知识5传播者和接收者之间的良好关系,内部合作高的团队会比内部合作低的团队获得更多的利益,有利于组织结构的适当调整。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种知识分类及隐性知识显性化的系统,包括知识库(1),其特征在于:具体步骤如下:
步骤一:生成概念性知识(2)
在所述知识库(1)的基础上结合外部刺激生成概念性知识(2),对所述概念性知识(2)进行判断是否能通过语言或书面表达(3)使得所述概念性知识(2)被表述出来;
步骤二:进行知识分类
若所述概念性知识(2)能够通过语言或书面表达(3),则所述概念性知识(2)被分类为显性知识(4),若所述概念性知识(2)不能通过语言或书面表达(3),则所述概念性知识(2)被分类为隐性知识(5);
步骤三:隐性知识(5)显性化
判断所述隐性知识(5)是否能够进行关键字词提取(6);
步骤四:构造知识框架(8)
第一步:若所述隐性知识(5)能够进行关键字词提取(6),则提取出所述隐性知识(5)中包含的关键字词,对提取出来的关键字词进行关键字词集合(7),根据所述关键字词集合(7)通过Sharemind思维导图工具进行框架构造(8);
第二步:所述框架构造(8)完成后得到知识整合(9),所述知识整合(9)形成系统模型(10),通过所述系统模型(10)展现出显性知识(4),完成隐性知识(5)显性化;
第三步:若所述隐性知识(5)不能够进行关键字词提取(6),则对所述隐性知识(5)进行类似举例(11),将所述类似举例(11)内容载入大数据库通过Wu-Manber多模式匹配算法进行大数据对比(12),从所述大数据对比(12)中提取相似点(13),结合所述类似举例(11)和提取相似点(13)生成归纳总结关键点(14),将所述归纳总结关键点(14)通过MindManager思维导图工具进行框架构造(8);
第四步:重复第二步,实现隐性知识(5)显性化。
2.根据权利要求1所述的一种知识分类及隐性知识显性化的系统,其特征在于:所述知识库(1)为个人所掌握的知识体系。
3.根据权利要求1所述的一种知识分类及隐性知识显性化的系统,其特征在于:所述通过语言或书面表达(3)的判断步骤如下:
步骤一:通过计算机和大脑构建资料库(15)
所述资料库(15)包括四大类,分别为理解宇宙以及人类生存环境所需要的知识(16)、理解社会形成和制约个体的社会环境及商业经济环境所需要的知识(17)、理解自己心理和情感世界的知识(18)和专业知识(19);
步骤二:在所述理解宇宙以及人类生存环境所需要的知识(16)大类分支下按照自然科学的分类将个人的知识库(1)进行记录,在所述理解社会形成和制约个体的社会环境及商业经济环境所需要的知识(17)大类分支下按照人类学、社会学、经济学、政治学、历史学和法律学的分类将个人的知识库(1)进行记录,在所述理解自己心理和情感世界的知识(18)大类分支下按照心理学、哲学、美学、宗教和文学的分类将个人的知识库(1)进行记录,在所述专业知识(19)的大类分支下按照个人参与社会分工、立足于社会的知识库(1)进行记录,记录完成进行存储(20);
步骤三:将所述概念性知识(2)在资料库(15)中输入(21),进行检索匹配(22),完成所述检索匹配(22)过程,若所述检索匹配(22)未输出结果,则所述概念性知识(2)为隐性知识(5),若所述检索匹配(22)输出资料库(15)中存储(20)的内容,则所述概念性知识(2)为显性知识(4),完成所述通过语言或书面表达(3)的判断。
4.根据权利要求3所述的一种知识分类及隐性知识显性化的系统,其特征在于:所述自然科学包括数学、物理学、化学、生物科学、天文学、地质学、地理科学、海洋科学、大气科学、电子信息科学、材料科学、环境科学、心理学和统计学。
5.根据权利要求1所述的一种知识分类及隐性知识显性化的系统,其特征在于:所述显性知识(4)能够细化为语言、文字、肢体动作、色彩、布局、图像或动画。
6.根据权利要求1所述的一种知识分类及隐性知识显性化的系统,其特征在于:所述资料库(15)构建完成后支持添加删减的更改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811235763.9A CN109471939B (zh) | 2018-10-24 | 2018-10-24 | 一种知识分类及隐性知识显性化的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811235763.9A CN109471939B (zh) | 2018-10-24 | 2018-10-24 | 一种知识分类及隐性知识显性化的系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109471939A true CN109471939A (zh) | 2019-03-15 |
CN109471939B CN109471939B (zh) | 2021-05-11 |
Family
ID=65664017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811235763.9A Active CN109471939B (zh) | 2018-10-24 | 2018-10-24 | 一种知识分类及隐性知识显性化的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109471939B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023082387A1 (zh) * | 2021-11-12 | 2023-05-19 | 赵全军 | 一种知识的分类表示方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707496A (zh) * | 2004-06-11 | 2005-12-14 | 丁力 | 基于活动的知识管理方法及系统 |
US20060287993A1 (en) * | 2005-06-21 | 2006-12-21 | Microsoft Corporation | High scale adaptive search systems and methods |
CN102609449A (zh) * | 2012-01-06 | 2012-07-25 | 华中科技大学 | 一种基于维基百科构建概念型知识地图的方法 |
CN103258255A (zh) * | 2013-03-28 | 2013-08-21 | 国家电网公司 | 一种适用于电网管理系统的知识发现方法 |
CN104298784A (zh) * | 2014-11-07 | 2015-01-21 | 巨轮股份有限公司 | 一种模具设计隐性知识采集和搜索方法 |
CN105373546A (zh) * | 2014-08-25 | 2016-03-02 | 北大方正集团有限公司 | 一种用于知识服务的信息处理方法及系统 |
-
2018
- 2018-10-24 CN CN201811235763.9A patent/CN109471939B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1707496A (zh) * | 2004-06-11 | 2005-12-14 | 丁力 | 基于活动的知识管理方法及系统 |
US20060287993A1 (en) * | 2005-06-21 | 2006-12-21 | Microsoft Corporation | High scale adaptive search systems and methods |
CN102609449A (zh) * | 2012-01-06 | 2012-07-25 | 华中科技大学 | 一种基于维基百科构建概念型知识地图的方法 |
CN103258255A (zh) * | 2013-03-28 | 2013-08-21 | 国家电网公司 | 一种适用于电网管理系统的知识发现方法 |
CN105373546A (zh) * | 2014-08-25 | 2016-03-02 | 北大方正集团有限公司 | 一种用于知识服务的信息处理方法及系统 |
CN104298784A (zh) * | 2014-11-07 | 2015-01-21 | 巨轮股份有限公司 | 一种模具设计隐性知识采集和搜索方法 |
Non-Patent Citations (1)
Title |
---|
谭支军: "智慧学习环境下教师隐性知识转化螺旋模型设计研究——基于具身认知理论的视角", 《中国电化教育》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023082387A1 (zh) * | 2021-11-12 | 2023-05-19 | 赵全军 | 一种知识的分类表示方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109471939B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pawar et al. | Calculating the similarity between words and sentences using a lexical database and corpus statistics | |
Kenett et al. | Structure and flexibility: Investigating the relation between the structure of the mental lexicon, fluid intelligence, and creative achievement. | |
JP5904559B2 (ja) | シナリオ生成装置、及びそのためのコンピュータプログラム | |
JP6403382B2 (ja) | フレーズペア収集装置、及びそのためのコンピュータプログラム | |
CN106372058A (zh) | 一种基于深度学习的短文本情感要素抽取方法及装置 | |
JP5907393B2 (ja) | 複雑述語テンプレート収集装置、及びそのためのコンピュータプログラム | |
Legrand | Antivonbar | |
Berger | Metaphor and analogy: The sun and moon of legal persuasion | |
Collins et al. | Interaction and social structure | |
Nan et al. | Social network analysis of TV drama characters via deep concept hierarchies | |
Li et al. | Personalized learning path generation based on network embedding and learning effects | |
Vela-Almeida et al. | Imagining Plural Territories of Life | |
Leaf et al. | Introduction to the Science of Kinship | |
Light et al. | Knowledge in motion: The evolution of HIV/AIDS research | |
Hawkins et al. | Generalizing meanings from partners to populations: Hierarchical inference supports convention formation on networks | |
CN109471939A (zh) | 一种知识分类及隐性知识显性化的系统 | |
Carr et al. | Emergent strategy development, abduction, and pragmatism: New lessons for corporations | |
Zheng et al. | Relevant CommonSense Subgraphs for" What if..." Procedural Reasoning | |
Gaona-García et al. | Usability of big data resources in visual search interfaces of repositories based on KOS | |
Rescher | Aesthetic factors in natural science | |
CN112667919A (zh) | 一种基于文本数据的个性化社区矫正方案推荐系统及其工作方法 | |
Balamurugan et al. | A framework for computing linguistic hedges in fuzzy queries | |
King | A process-analysis approach for improving multi-disciplinary farming systems research, development and extension | |
Sankar et al. | Dynamics of semantic networks of independence day speeches | |
Yang et al. | Structure of semantic knowledge database rules-based religious portrait thangka image |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |