CN110378808A - 一种基于基因重组及特征聚类的电力营销稽查方法及系统 - Google Patents
一种基于基因重组及特征聚类的电力营销稽查方法及系统 Download PDFInfo
- Publication number
- CN110378808A CN110378808A CN201910672975.1A CN201910672975A CN110378808A CN 110378808 A CN110378808 A CN 110378808A CN 201910672975 A CN201910672975 A CN 201910672975A CN 110378808 A CN110378808 A CN 110378808A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- feature
- work order
- genetic recombination
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于基因重组及特征聚类的电力营销稽查方法及系统,方法包括如下步骤:步骤100、数据清洗,导入的工单数据经过省级稽查后,进行第一次数据清洗后会产生两种结果,分别为工单数据的有效异常和无效异常;步骤200、有效异常的数据下发到市级单位进行数据处理,无效异常的数据直接进行处理;步骤300、市级单位的数据处理通过智能稽查方法进行智能处理。本发明能够有效提升在线稽查的准确度,大幅度提升在线稽查作业效率。
Description
技术领域
本发明实施例涉及电力营销稽查技术领域,具体涉及一种基于基因重组及特征聚类的电力营销稽查方法及系统。
背景技术
电力营销稽查是电网公司对日常运营进行监督管理的基础措施之一,稽查水平的高低直接反映着供电企业的综合服务水平。对当前电力营销业务管理过程中存在的问题进行分析,并有针对性地采取相应的解决措施,已经成为我国电力企业健康发展的内在要求。
当前电网公司的营销稽查业务批量录入系统,基本实现智能化。但工单处理依旧是人为操作,随着社会经济的快速发展,显现的工单数量呈指数增长。伴随着大量的异常工单,人为处理速度已经远远赶不上工单的增长率。因此亟待提出一种有效方法来解决作业效率低下的问题。
现有背景下,有专利提出利用“历史数据池及目标代码字段(专利号为CN109146316A)”提高作业效率,该方法通过计分制统计工单得分,将不合格的工单筛选出来,在一定程度上能够减少作业时间,但该方法对分值的设置、筛选提出较高要求,在分值筛查的分界线存在处理有误的风险。
此外,还有专利(CN 105373894 A)提出对采集的异常数据确定关联信息,建立专家样本库,该方法能够在稽查范围上进行拓宽,稽查的精准性上有所提升,但具体实施的合理性略显不足,在当前一个地市区近百万的异常样本处理量来说,该方法无法解决效率低下的问题。
针对当前电力稽查显现的问题并结合现有营销智能稽查方案中的不足,现提出一种基于基因重组及特征聚类的电力营销稽查方法,从稽查精度和作业效率方面凸显优势,切实提高电力营销稽查的精准度和效率。
发明内容
为此,本发明实施例提供一种基于基因重组及特征聚类的电力营销稽查方法及系统,以解决现有技术中的问题。
为了实现上述目的,本发明的实施方式提供如下技术方案:
在本发明实施例的第一个方面,提供了一种基于基因重组及特征聚类的电力营销稽查方法,包括如下步骤:
步骤100、数据清洗,导入的工单数据经过省级稽查后,进行第一次数据清洗后会产生两种结果,分别为工单数据的有效异常和无效异常;
步骤200、有效异常的数据下发到市级单位进行数据处理,无效异常的数据直接进行处理;
步骤300、市级单位的数据处理通过智能稽查方法进行智能处理。
作为本发明一种优选的方案,所述步骤300包括如下步骤:
步骤301、基于现有数据细则,反应工单数据的问题组;
步骤302、基于基因重组法对工单数据进行重组处理并构建新规则;
步骤303、重组后的工单数据通过机器学习算法并结合新规则提取数据特征,并对数据特征进行聚类处理。
作为本发明一种优选的方案,所述现有数据细则包括业扩、电费、计量规则、分类细则以及用户信息关键词。
作为本发明一种优选的方案,所述基因重组法包括基因重组、获取基因分子段、筛选、再次重组四个步骤,再次重组后的数据进行批量处理或经过机器学习算法处理后再进行批量处理。
作为本发明一种优选的方案,所述步骤303中,聚类处理的方法包括如下步骤:
步骤3031、对于经过机器学习算法处理的工单数据分别进行特征提取和聚类分析;
步骤3032、对于特征提取后的工单数据进行数据分析处理;
步骤3033、对于聚类分析后的工单数据分别进行数据压缩处理和数据分析;
步骤3034、经过数据压缩处理后的工单数据进行批量处理。
作为本发明一种优选的方案,所述机器学习算法采用支持向量机,所述聚类分析采用密度聚类算法。
在本发明实施例的第二个方面,提供了一种基于基因重组及特征聚类的电力营销稽查系统,包括省级稽查模块、数据清洗模块、营销系统、无效异常模块、处理模块、有效异常模块、手动重复处理模块和智能稽查模块;
所述省级稽查模块对工单数据进行初步处理;
所述数据清洗模块对经过初步处理的工单数据进行第一次数据清洗后会产生两种结果,有效异常数据和无效异常数据;
所述营销系统单独与所述数据清洗模块连接,对有效且无异常的数据进行营销处理;
所述无效异常模块和有效异常模块分别用于接收有效异常数据和无效异常数据;
所述处理模块用于处理无效异常模块的数据;
所述手动重复处理模块用于对有效异常模块的数据进行人工处理;
所述智能稽查模块用于对有效异常模块的数据采用基因重组技术和机器学习技术进行批量处理。
作为本发明一种优选的方案,所述智能稽查模块包括基因重组模块、批量处理模块、特征聚类模块和机器学习模块;
所述基因重组模块对有效异常数据进行用户数据关键字段的基因重组,并对重组后的数据通过批量处理模块进行批量处理;
所述机器学习模块对基因重组后的工单数据利用智能算法提取数据,并通过特征聚类模块进行有针对性的数据分析,包括用户分析,特定问题独立分析。
作为本发明一种优选的方案,所述特征聚类模块包括特征提取模块和聚类分析模块;所述特征提取模块提取数据特征后进行数据分析,所述聚类分析模块对数据进行压缩和分析处理,经过压缩的数据再进行批量处理。
本发明的实施方式具有如下优点:
本发明通过用户数据关键字段的基因重组,能够有针对性地将同类问题进行处理,批量处理派单,大幅提升工作效率。
本发明通过对特定的基因段进行重组,在大量的数据中进行机器学习,结合支持向量机等智能学习算法,能够有效提取数据特征,有针对性地发现集中问题所在,找到问题根源。
本发明通过聚类分析,能够对用户进行分类,对数据特征进行分类,对单个或多个问题对应的所有工单进行分类。对数据的可视化分析提供了有力支持,对公司的工作计划拟定和专项治理工作提供了有力参考。
本发明通过聚类分析,可对异常基因所对应的用户进行快速查询定位,在精准稽查方面将发挥长效作用。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中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示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施方式的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本发明提供了一种基于基因重组及特征聚类的电力营销稽查方法,包括如下步骤:
步骤100、数据清洗,导入的工单数据经过省级稽查后,进行第一次数据清洗后会产生两种结果,分别为工单数据的有效异常和无效异常;
同时,同一张工单可能存在多种问题,单独进行查找,逐条处理效率极低,需要对其进行分类,需要对特定字段进行合并处理。对近千条用户信息关键词排列组合反映的问题组,可以采用应基因重组法,通过对工单中需要的关键信息-基因分子进行重组构建新规则,能够将带有指定特征的工单同时处理,集中下发,大大提高作业效率。
步骤200、有效异常的数据下发到市级单位进行数据处理,无效异常的数据直接进行处理;
步骤300、市级单位的数据处理通过智能稽查方法进行智能处理;
具体地,所述步骤300包括如下步骤:
步骤301、基于现有数据细则,反应工单数据的问题组;
步骤302、基于基因重组法对工单数据进行重组处理并构建新规则;
步骤303、重组后的工单数据通过机器学习算法并结合新规则提取数据特征,并对数据特征进行聚类处理。
上述步骤中,基于现有数据细则,反应工单数据的问题组,现有数据细则包括业扩、电费、计量规则、分类细则以及用户信息关键词。
然后基于基因重组法对工单数据进行重组处理并构建新规则;基因重组法包括基因重组、获取基因分子段、筛选、再次重组四个步骤,再次重组后的数据进行批量处理或经过机器学习算法处理后再进行批量处理。
重组后的工单数据通过机器学习算法并结合新规则提取数据特征,并对数据特征进行聚类处理。
通过用户数据关键字段的基因重组,能够有针对性地将同类问题进行处理,批量处理派单,大幅提升工作效率。
通过对特定的基因段进行重组,在大量的数据中进行机器学习,结合支持向量机等智能学习算法,能够有效提取数据特征,有针对性地发现集中问题所在,找到问题根源。
具体地,聚类处理的方法如下:对于经过机器学习算法处理的工单数据分别进行特征提取和聚类分析;对于特征提取后的工单数据进行数据分析处理;对于聚类分析后的工单数据分别进行数据压缩处理和数据分析;经过数据压缩处理后的工单数据进行批量处理。
通过聚类分析,能够对用户进行分类,对数据特征进行分类,对单个或多个问题对应的所有工单进行分类。对数据的可视化分析提供了有力支持,对公司的工作计划拟定和专项治理工作提供了有力参考。
可对异常基因所对应的用户进行快速查询定位,在精准稽查方面将发挥长效作用。
通过数据压缩的方法可以对同用户问题进行压缩,有效减少数据处理量,典型的案例是同用户、同时段反映的相同问题,可对其快速压缩处理,工单处理效率迅速提升。
机器学习算法采用支持向量机,所述聚类分析采用密度聚类算法。
实施例2:
如图1所示,本发明还提供了一种基于基因重组及特征聚类的电力营销稽查系统,其特征在于,包括省级稽查模块1、数据清洗模块2、营销系统3、无效异常模块4、处理模块5、有效异常模块6、手动重复处理模块7以及智能稽查模块8。
所述省级稽查模块1对工单数据进行初步处理;所述数据清洗模块2对经过初步处理的工单数据进行第一次数据清洗后会产生两种结果,有效异常数据和无效异常数据;所述营销系统3单独与所述数据清洗模块2连接,对有效且无异常的数据进行营销处理;所述无效异常模块4和有效异常模块6分别用于接收有效异常数据和无效异常数据;所述处理模块5用于处理无效异常模块4的数据;所述手动重复处理模块7用于对有效异常模块6的数据进行人工处理;所述智能稽查模块8用于对有效异常模块6的数据采用基因重组技术和机器学习技术进行批量处理。
所述智能稽查模块8包括基因重组模块9,批量处理模块10,特征聚类模块11和机器学习模块12。所述基因重组模块9对有效异常数据进行用户数据关键字段的基因重组,并对重组后的数据通过批量处理模块10进行批量处理。
所述机器学习模块12对基因重组后的工单数据利用智能算法提取数据,并通过特征聚类模块11进行有针对性的数据分析,包括用户分析,特定问题独立分析。
所述特征聚类模块11包括特征提取模块13和聚类分析模块14;所述特征提取模块13提取数据特征后进行数据分析,所述聚类分析模块14对数据进行压缩和分析处理,经过压缩的数据再进行批量处理。
本发明通过对特定的基因段进行重组,在大量的数据中进行机器学习,结合支持向量机等智能学习算法,能够有效提取数据特征,有针对性地发现集中问题所在,找到问题根源;通过聚类分析,能够对用户进行分类,对数据特征进行分类,对单个或多个问题对应的所有工单进行分类。对数据的可视化分析提供了有力支持,对公司的工作计划拟定和专项治理工作提供了有力参考。此外,通过聚类分析,还能够对异常基因所对应的用户进行快速查询定位,在精准稽查方面将发挥长效作用。
基于上述各个实施例,本发明能够有效提升在线稽查的准确度,大幅度提升在线稽查作业效率。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (9)
1.一种基于基因重组及特征聚类的电力营销稽查方法,其特征在于,包括如下步骤:
步骤100、数据清洗,导入的工单数据经过省级稽查后,进行第一次数据清洗后会产生两种结果,分别为工单数据的有效异常和无效异常;
步骤200、有效异常的数据下发到市级单位进行数据处理,无效异常的数据直接进行处理;
步骤300、市级单位的数据处理通过智能稽查方法进行智能处理。
2.根据权利要求1所述的一种基于基因重组及特征聚类的电力营销稽查方法,其特征在于,所述步骤300包括如下步骤:
步骤301、基于现有数据细则,反应工单数据的问题组;
步骤302、基于基因重组法对工单数据进行重组处理并构建新规则;
步骤303、重组后的工单数据通过机器学习算法并结合新规则提取数据特征,并对数据特征进行聚类处理。
3.根据权利要求2所述的一种基于基因重组及特征聚类的电力营销稽查方法,其特征在于,所述现有数据细则包括业扩、电费、计量规则、分类细则以及用户信息关键词。
4.根据权利要求3所述的一种基于基因重组及特征聚类的电力营销稽查方法,其特征在于,所述基因重组法包括基因重组、获取基因分子段、筛选和再次重组四个步骤,再次重组后的数据进行批量处理或经过机器学习算法处理后再进行批量处理。
5.根据权利要求2所述的一种基于基因重组及特征聚类的电力营销稽查方法,其特征在于,所述步骤303中,聚类处理的方法包括如下步骤:
步骤3031、对于经过机器学习算法处理的工单数据分别进行特征提取和聚类分析;
步骤3032、对于特征提取后的工单数据进行数据分析处理;
步骤3033、对于聚类分析后的工单数据分别进行数据压缩处理和数据分析;
步骤3034、经过数据压缩处理后的工单数据进行批量处理。
6.根据权利要求5所述的一种基于基因重组及特征聚类的电力营销稽查方法,其特征在于,所述机器学习算法采用支持向量机,所述聚类分析采用密度聚类算法。
7.一种基于基因重组及特征聚类的电力营销稽查系统,其特征在于,包括省级稽查模块(1)、数据清洗模块(2)、营销系统(3)、无效异常模块(4)、处理模块(5)、有效异常模块(6)、手动重复处理模块(7)和智能稽查模块(8);
所述省级稽查模块(1)对工单数据进行初步处理;
所述数据清洗模块(2)对经过初步处理的工单数据进行第一次数据清洗后会产生两种结果,有效异常数据和无效异常数据;
所述营销系统(3)单独与所述数据清洗模块(2)连接,对有效且无异常的数据进行营销处理;
所述无效异常模块(4)和有效异常模块(6)分别用于接收有效异常数据和无效异常数据;
所述处理模块(5)用于处理无效异常模块(4)的数据;
所述手动重复处理模块(7)用于对有效异常模块(6)的数据进行人工处理;
所述智能稽查模块(8)用于对有效异常模块(6)的数据采用基因重组技术和机器学习技术进行批量处理。
8.根据权利要求7所述的一种基于基因重组及特征聚类的电力营销稽查系统,其特征在于,所述智能稽查模块(8)包括基因重组模块(9)、批量处理模块(10)、特征聚类模块(11)和机器学习模块(12);
所述基因重组模块(9)对有效异常数据进行用户数据关键字段的基因重组,并对重组后的数据通过批量处理模块(10)进行批量处理;
所述机器学习模块(12)对基因重组后的工单数据利用智能算法提取数据,并通过特征聚类模块(11)进行有针对性的数据分析,包括用户分析,特定问题独立分析。
9.根据权利要求8所述的一种基于基因重组及特征聚类的电力营销稽查系统,其特征在于,所述特征聚类模块(11)包括特征提取模块(13)和聚类分析模块(14);所述特征提取模块(13)提取数据特征后进行数据分析,所述聚类分析模块(14)对数据进行压缩和分析处理,经过压缩的数据再进行批量处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910672975.1A CN110378808A (zh) | 2019-07-24 | 2019-07-24 | 一种基于基因重组及特征聚类的电力营销稽查方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910672975.1A CN110378808A (zh) | 2019-07-24 | 2019-07-24 | 一种基于基因重组及特征聚类的电力营销稽查方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110378808A true CN110378808A (zh) | 2019-10-25 |
Family
ID=68255725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910672975.1A Pending CN110378808A (zh) | 2019-07-24 | 2019-07-24 | 一种基于基因重组及特征聚类的电力营销稽查方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110378808A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100082708A1 (en) * | 2006-11-16 | 2010-04-01 | Samsung Sds Co., Ltd. | System and Method for Management of Performance Fault Using Statistical Analysis |
CN103514514A (zh) * | 2013-09-23 | 2014-01-15 | 广州供电局有限公司 | 电力营销业务数据在线监测方法 |
CN105760493A (zh) * | 2016-02-18 | 2016-07-13 | 国网江苏省电力公司电力科学研究院 | 一种电力营销服务热点95598工单自动分类方法 |
CN105809277A (zh) * | 2016-03-03 | 2016-07-27 | 国网浙江省电力公司 | 一种电力营销稽查精益化管控主题大数据预测方法 |
CN107908716A (zh) * | 2017-11-10 | 2018-04-13 | 国网山东省电力公司电力科学研究院 | 基于词向量模型的95598工单文本挖掘方法和装置 |
-
2019
- 2019-07-24 CN CN201910672975.1A patent/CN110378808A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100082708A1 (en) * | 2006-11-16 | 2010-04-01 | Samsung Sds Co., Ltd. | System and Method for Management of Performance Fault Using Statistical Analysis |
CN103514514A (zh) * | 2013-09-23 | 2014-01-15 | 广州供电局有限公司 | 电力营销业务数据在线监测方法 |
CN105760493A (zh) * | 2016-02-18 | 2016-07-13 | 国网江苏省电力公司电力科学研究院 | 一种电力营销服务热点95598工单自动分类方法 |
CN105809277A (zh) * | 2016-03-03 | 2016-07-27 | 国网浙江省电力公司 | 一种电力营销稽查精益化管控主题大数据预测方法 |
CN107908716A (zh) * | 2017-11-10 | 2018-04-13 | 国网山东省电力公司电力科学研究院 | 基于词向量模型的95598工单文本挖掘方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Umayaparvathi et al. | Applications of data mining techniques in telecom churn prediction | |
CN104077407B (zh) | 一种智能数据搜索系统及方法 | |
CN111738549A (zh) | 食品安全风险评估方法、装置、设备及存储介质 | |
CN104915334A (zh) | 一种基于语义分析的招投标项目关键信息自动化提取方法 | |
CN103812961A (zh) | 识别指定类别ip地址的方法及设备、防御方法及系统 | |
CN108566618A (zh) | 获取用户驻留规律的方法、装置、设备及存储介质 | |
Balasubramanian et al. | Churn prediction in mobile telecom system using data mining techniques | |
CN110069629A (zh) | 房屋交易任务处理方法、设备、存储介质及装置 | |
CN108647249A (zh) | 舆情数据预测方法、装置、终端及存储介质 | |
CN111221868A (zh) | 一种应用于电力客户渠道偏好的数据挖掘与分析方法 | |
CN109767269A (zh) | 一种游戏数据的处理方法和装置 | |
CN106528850B (zh) | 基于机器学习聚类算法的门禁数据异常检测方法 | |
Frietsch et al. | Patent applications–Structures, trends and recent developments | |
CN113051291A (zh) | 工单信息的处理方法、装置、设备及存储介质 | |
CN114240639A (zh) | 催收案件分案方法、装置、设备及存储介质 | |
CN111275294B (zh) | 一种商品信息批量处理分析方法、装置和设备 | |
KR100601069B1 (ko) | 권리의 유통가치 평가 장치 | |
CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
CN105447117A (zh) | 一种用户聚类的方法和装置 | |
Tanphet et al. | Applying business intelligence technology for equipment maintenance and repair plan of telecommunications services provider | |
CN110378808A (zh) | 一种基于基因重组及特征聚类的电力营销稽查方法及系统 | |
CN109544179B (zh) | 基于重要产品追溯数据服务的运行支撑系统 | |
CN110223132A (zh) | 基于多权限角色的订单处理方法、装置、终端及存储介质 | |
CN105404608A (zh) | 一种基于公式解析的复杂指标集计算方法和系统 | |
CN107609020A (zh) | 一种基于标注的日志分类的方法和装置 |
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: 20191025 |
|
RJ01 | Rejection of invention patent application after publication |