CN110781300A - 基于百度百科知识图谱的旅游资源文化特色评分算法 - Google Patents

基于百度百科知识图谱的旅游资源文化特色评分算法 Download PDF

Info

Publication number
CN110781300A
CN110781300A CN201910890906.8A CN201910890906A CN110781300A CN 110781300 A CN110781300 A CN 110781300A CN 201910890906 A CN201910890906 A CN 201910890906A CN 110781300 A CN110781300 A CN 110781300A
Authority
CN
China
Prior art keywords
scoring
tourism
culture
characteristic
resource
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
Application number
CN201910890906.8A
Other languages
English (en)
Other versions
CN110781300B (zh
Inventor
覃晓
元昌安
何国对
乔少杰
褚徐涛
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.)
Nanning Normal University
Original Assignee
Nanning Normal University
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 Nanning Normal University filed Critical Nanning Normal University
Priority to CN201910890906.8A priority Critical patent/CN110781300B/zh
Publication of CN110781300A publication Critical patent/CN110781300A/zh
Application granted granted Critical
Publication of CN110781300B publication Critical patent/CN110781300B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/35—Clustering; Classification
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了基于百度百科知识图谱的旅游资源文化特色评分算法，涉及旅游资源评价技术领域，解决了现有的旅游资源评分和旅游资源推荐系统中对文化特色的评分机制非常匮乏的问题，其技术方案要点是：获取旅游资源的文本宣传素材，对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量；定义旅游资源文化特色评分指标，构建旅游景区景点文化评分表；根据景区景点关键词在知识图谱中的检索结果，结合文化评分表，对景区的文化特色进行评分。本发明首次提出旅游资源文化特色评分指标，评分算法的定义，对现有旅游资源评分体系是一个创新的补充，能够对旅游资源提供更全面的评价，也能为旅游资源推荐系统提供更完善的信息。

Description

基于百度百科知识图谱的旅游资源文化特色评分算法
技术领域
本发明涉及旅游资源评价技术领域，更具体地说，它涉及基于百度百科知识图谱的旅游资源文化特色评分算法。
背景技术
文化是旅游的灵魂。一个景区、景点的文化内涵，可以提升旅游资源的魅力。以旅游的方式宣传文化，以文化魅力带动旅游，是我国发展旅游业的重要策略。
目前针对旅游资源文化特色的评分几乎没有相关研究。关于旅游资源评分的研究大多聚焦于旅游资源服务质量、配套设施的评价，旅游资源推荐系统也多数从游客的兴趣和历史旅游足迹来评价一个景区景点。
现有的旅游资源评分系统，主要从在线旅游网站(OTA)上抽取旅游资源的游客评价信息，如对酒店的评价，对旅游线路、活动的评价等信息。对评价信息进行处理，如将评价信息“很好”，“满意”等文字字样，离散化为数量(如-1表示差，0表示一般，1表示好，2 表示很好等)，获得评价等级，将大量的评价等级数据做成训练数据集，用数据挖掘方法(分类、聚类等)计算游客对某个旅游资源的总体评价水平。智旅游资源评价的研究特点为：一般是针对旅游资源的某一具体特性，如地质、服务来进行，旅游资源的具体特性数据特征不同，评价算法也各不相同。
现有的旅游资源推荐系统，这类系统通过明确(提问)，或挖掘用户的在线活动日志，了解用户需求。推荐系统一般根据旅游的目的地、路线及相应的旅游花销，设置相应打分项目的权重，通过用户显示操作或者系统计算，在用户和评分项之间生成一个二维表，根据评分情况向用户提供相应的推荐信息。现有的推荐系统更关注的是游客的旅游偏好，对用户的年龄、收入、旅游时间和旅游历史数据赋予更大的权重。而对一个旅游资源的文化特色则没有相应的考虑和处理。
无论是旅游资源评分系统，还是旅游资源推荐系统，其中涉及到的评分项对于文化特色的评分机制非常匮乏。一个旅游资源的文化特色跟旅游资源的类型、特色有重要关系，而最容易获取旅游资源类型、特色的来源就是旅游资源的文字宣传素材，对景区景点来说，就是导游词。因此，如何设计一种基于百度百科知识图谱的旅游资源文化特色评分算法是我们目前迫切需要解决的问题，有助于帮助游客了解一个旅游资源的文化内涵和特色，对个性化旅游资源推荐系统有重要的参考价值，也有助于帮助旅游资源管理者了解文化对于旅游资源宣传和营销的重要性，为如何提升旅游资源的文化特色提供决策依据。
发明内容
本发明的目的是提供基于百度百科知识图谱的旅游资源文化特色评分算法，具有对文字宣传素材涉及到的知识类型给予文化识别，能够对旅游资源的文化特色进行比较客观的评价，以便能够为旅游资源的推送提供更细粒度的评价指标，也能够为游客了解一个旅游资源的文化特色提供更科学的参考意见的效果。
本发明的上述技术目的是通过以下技术方案得以实现的：基于百度百科知识图谱的旅游资源文化特色评分算法，包括以下步骤：
S1：文本处理，获取旅游资源的文本宣传素材，利用自然语言理解技术对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量V(V1,V2,...,VS)；
S2：得分表构建，约定文化特色评分因素与相应知识类型之间的对应关系和得分分值，并建立相应的文化特色得分表；
S3：知识类型检索，利用数据库和检索技术，在百度百科知识图谱中逐个检索旅游资源的词向量，并获得相应名词的知识类型；
S4：特色评分，根据文化特色得分表、旅游资源在知识图谱中所涉及的知识个数和对应类型对相应旅游资源的文化特色进行评分，计算得到相应旅游资源的得分情况。
本发明进一步设置为：在步骤S2中，所述得分表构建的具体步骤为：
S21：定义旅游资源的特色文化知识类型集合为向量C(c1,c2,...,cm)，由词条类型转换为文化评分词条类型算法，其中，ci为百度百科中与文化相关的词条类型；
S22：定义旅游资源的特色文化评价指标集为向量B(b1,b2,...,bn)，其中，bi代表第i种特色文化；
S23：选取百度百科知识分类m类进行评分，则旅游资源特色文化得分权重表Wmn定义m行n列的矩阵为：
Figure RE-GDA0002272604890000031
其中，
Figure RE-GDA0002272604890000041
表示ci类词条在bi个特色文化评分项的得分，权重为0表示知识类型与文化特色无关联，不计分；权重为1表示知识类型与文化特色有关联，计1分。
本发明进一步设置为：在步骤S4中，所述特色评分的具体步骤为：在百度百科中逐个检索Vi(1≤i≤s),若Vi在百度百科中存在，则读取的词条分类ci，根据ci读取W第i行数据，并为旅游资源的n个特色文化指标加分。
综上所述，本发明具有以下有益效果：约定旅游资源文化特色评价指标集和与文化相关的知识类型集；根据上述两个集合定义基于知识类型的旅游资源文化特色评分矩阵；利用百度百科知识图谱，获取文本词条的类型；在旅游资源文化特色评分矩阵中检索文化特色得分项，计算旅游资源得分情况。对文字宣传素材涉及到的知识类型给予文化识别，能够对旅游资源的文化特色进行比较客观的评价，以便能够为旅游资源的推送提供更细粒度的评价指标，也能够为游客了解一个旅游资源的文化特色提供更科学的参考意见。同时，对现有的旅游资源评分体系是一个创新的补充，能够对旅游资源提供更全面的评价，为旅游资源推荐系统提供更完善的信息。
附图说明
图1是本发明实施例中的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。
实施例：基于百度百科知识图谱的旅游资源文化特色评分算法，如图1所示，包括以下步骤：
步骤一，文本处理。
获取旅游资源的文本宣传素材，利用自然语言理解技术对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量V(V1,V2,...,VS)。
步骤二，得分表构建。
约定文化特色评分因素与相应知识类型之间的对应关系和得分分值，并建立相应的文化特色得分表。
(1)定义旅游资源的特色文化知识类型集合为向量C(c1,c2,...,cm)，由词条类型转换为文化评分词条类型算法，其中，ci为百度百科中与文化相关的词条类型。词条类型包括但不限于“社会”、“历史”、“宗教”、“人物”、“民俗”、“生活”、“食品”、“景区”、“景点”等。
(2)定义旅游资源的特色文化评价指标集为向量B(b1,b2,...,bn)，其中，bi代表第i种特色文化。特色文化包括但不限于民俗文化、历史文化、宗教文化、饮食文化、社会综合文化等。
(3)选取百度百科知识分类m类进行评分，则旅游资源特色文化得分权重表Wmn定义m行n列的矩阵为：
Figure RE-GDA0002272604890000051
其中，表示ci类词条在bi个特色文化评分项的得分，权重为0表示知识类型与文化特色无关联，不计分；权重为1表示知识类型与文化特色有关联，计1分。
步骤三，知识类型检索，利用数据库和检索技术，在百度百科知识图谱中逐个检索旅游资源的词向量，并获得相应名词的知识类型。
步骤四，特色评分，根据文化特色得分表、旅游资源在知识图谱中所涉及的知识个数和对应类型对相应旅游资源的文化特色进行评分，计算得到相应旅游资源的得分情况。在百度百科中逐个检索 Vi(1≤i≤s),若Vi在百度百科中存在，则读取的词条分类ci，根据ci读取 W第i行数据，并为旅游资源的n个特色文化指标加分。
旅游资源文化特色评分算法具体流程如下：
输入：词条T；
输出：词条文化属性类型Tc；
Begin；
检索百度百科词条。
Figure RE-GDA0002272604890000061
Figure RE-GDA0002272604890000071
例如，以C和B定义的特色文化得分如下表所示：
Figure RE-GDA0002272604890000072
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (3)

1.基于百度百科知识图谱的旅游资源文化特色评分算法，其特征是，包括以下步骤：
S1：文本处理，获取旅游资源的文本宣传素材，利用自然语言理解技术对文本宣传素材进行分词处理，并保留名词词性词条，然后获得旅游资源的词向量V(V1,V2,...,VS)；
S2：得分表构建，约定文化特色评分因素与相应知识类型之间的对应关系和得分分值，并建立相应的文化特色得分表；
S3：知识类型检索，利用数据库和检索技术，在百度百科知识图谱中逐个检索旅游资源的词向量，并获得相应名词的知识类型；
S4：特色评分，根据文化特色得分表、旅游资源在知识图谱中所涉及的知识个数和对应类型对相应旅游资源的文化特色进行评分，计算得到相应旅游资源的得分情况。
2.根据权利要求1所述的基于百度百科知识图谱的旅游资源文化特色评分算法，其特征是，在步骤S2中，所述得分表构建的具体步骤为：
S21：定义旅游资源的特色文化知识类型集合为向量C(c1,c2,...,cm)，由词条类型转换为文化评分词条类型算法，其中，ci为百度百科中与文化相关的词条类型；
S22：定义旅游资源的特色文化评价指标集为向量B(b1,b2,...,bn)，其中，bi代表第i种特色文化；
S23：选取百度百科知识分类m类进行评分，则旅游资源特色文化得分权重表Wmn定义m行n列的矩阵为：
Figure RE-FDA0002272604880000021
其中，
Figure RE-FDA0002272604880000022
表示ci类词条在bi个特色文化评分项的得分，权重为0表示知识类型与文化特色无关联，不计分；权重为1表示知识类型与文化特色有关联，计1分。
3.根据权利要求2所述的基于百度百科知识图谱的旅游资源文化特色评分算法，其特征是，在步骤S4中，所述特色评分的具体步骤为：在百度百科中逐个检索Vi(1≤i≤s),若Vi在百度百科中存在，则读取的词条分类ci，根据ci读取W第i行数据，并为旅游资源的n个特色文化指标加分。
CN201910890906.8A 2019-09-20 2019-09-20 基于百度百科知识图谱的旅游资源文化特色评分算法 Active CN110781300B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910890906.8A CN110781300B (zh) 2019-09-20 2019-09-20 基于百度百科知识图谱的旅游资源文化特色评分算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910890906.8A CN110781300B (zh) 2019-09-20 2019-09-20 基于百度百科知识图谱的旅游资源文化特色评分算法

Publications (2)

Publication Number Publication Date
CN110781300A true CN110781300A (zh) 2020-02-11
CN110781300B CN110781300B (zh) 2022-08-23

Family

ID=69384110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910890906.8A Active CN110781300B (zh) 2019-09-20 2019-09-20 基于百度百科知识图谱的旅游资源文化特色评分算法

Country Status (1)

Country Link
CN (1) CN110781300B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163782A (zh) * 2020-10-16 2021-01-01 成都中科大旗软件股份有限公司 一种区域文旅资源动态评价系统及评价方法
CN113032558A (zh) * 2021-03-11 2021-06-25 昆明理工大学 融合维基知识的变分半监督百度百科分类方法
CN113902354A (zh) * 2021-12-03 2022-01-07 环球数科集团有限公司 旅游评价数据处理方法、装置和计算机设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000719A (zh) * 2006-01-13 2007-07-18 英业达股份有限公司 测试系统及方法
US20100042576A1 (en) * 2008-08-13 2010-02-18 Siemens Aktiengesellschaft Automated computation of semantic similarity of pairs of named entity phrases using electronic document corpora as background knowledge
CN101719129A (zh) * 2009-12-31 2010-06-02 浙江大学 一种采用人工智能技术自动提取关键字的方法
US20110125734A1 (en) * 2009-11-23 2011-05-26 International Business Machines Corporation Questions and answers generation
CN106651461A (zh) * 2016-12-30 2017-05-10 重庆邮电大学 基于灰理论的电影个性化推荐方法
CN107729444A (zh) * 2017-09-30 2018-02-23 桂林电子科技大学 一种基于知识图谱的个性化旅游景点推荐方法
CN108269024A (zh) * 2018-01-31 2018-07-10 钟栎娜 一种基于大数据的旅游目的地评价方法
CN109063923A (zh) * 2018-08-21 2018-12-21 湖北文理学院 一种基于经济成本的旅游路线规划方法
CN109919653A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 房源价格评估方法、装置、设备和存储介质
CN109963175A (zh) * 2019-01-29 2019-07-02 中国人民解放军战略支援部队信息工程大学 基于显隐性潜在因子模型的电视产品精准推荐方法及系统
CN109982095A (zh) * 2019-03-20 2019-07-05 南宁师范大学 基于cnn与gep的分形图像压缩编码方法
US20190266497A1 (en) * 2018-02-23 2019-08-29 Microsoft Technology Licensing, Llc Knowledge-graph-driven recommendation of career path transitions

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101000719A (zh) * 2006-01-13 2007-07-18 英业达股份有限公司 测试系统及方法
US20100042576A1 (en) * 2008-08-13 2010-02-18 Siemens Aktiengesellschaft Automated computation of semantic similarity of pairs of named entity phrases using electronic document corpora as background knowledge
US20110125734A1 (en) * 2009-11-23 2011-05-26 International Business Machines Corporation Questions and answers generation
CN101719129A (zh) * 2009-12-31 2010-06-02 浙江大学 一种采用人工智能技术自动提取关键字的方法
CN106651461A (zh) * 2016-12-30 2017-05-10 重庆邮电大学 基于灰理论的电影个性化推荐方法
CN107729444A (zh) * 2017-09-30 2018-02-23 桂林电子科技大学 一种基于知识图谱的个性化旅游景点推荐方法
CN108269024A (zh) * 2018-01-31 2018-07-10 钟栎娜 一种基于大数据的旅游目的地评价方法
US20190266497A1 (en) * 2018-02-23 2019-08-29 Microsoft Technology Licensing, Llc Knowledge-graph-driven recommendation of career path transitions
CN109063923A (zh) * 2018-08-21 2018-12-21 湖北文理学院 一种基于经济成本的旅游路线规划方法
CN109919653A (zh) * 2019-01-17 2019-06-21 平安城市建设科技(深圳)有限公司 房源价格评估方法、装置、设备和存储介质
CN109963175A (zh) * 2019-01-29 2019-07-02 中国人民解放军战略支援部队信息工程大学 基于显隐性潜在因子模型的电视产品精准推荐方法及系统
CN109982095A (zh) * 2019-03-20 2019-07-05 南宁师范大学 基于cnn与gep的分形图像压缩编码方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ALEXANDER V. SMIRNOV等: "Context-based infomobility system for cultural heritage recommendation: Tourist Assistant—TAIS", 《PERSONAL AND UBIQUITOUS COMPUTING》 *
冯冲等: "基于词向量语义分类的微博实体链接方法", 《自动化学报》 *
孙文平等: "基于知识图谱和频繁序列挖掘的旅游路线推荐", 《计算机科学》 *
李果: "基于信息评价机制的信息推荐系统研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163782A (zh) * 2020-10-16 2021-01-01 成都中科大旗软件股份有限公司 一种区域文旅资源动态评价系统及评价方法
CN113032558A (zh) * 2021-03-11 2021-06-25 昆明理工大学 融合维基知识的变分半监督百度百科分类方法
CN113032558B (zh) * 2021-03-11 2023-08-29 昆明理工大学 融合维基知识的变分半监督百度百科分类方法
CN113902354A (zh) * 2021-12-03 2022-01-07 环球数科集团有限公司 旅游评价数据处理方法、装置和计算机设备
CN113902354B (zh) * 2021-12-03 2022-03-04 环球数科集团有限公司 旅游评价数据处理方法、装置和计算机设备

Also Published As

Publication number Publication date
CN110781300B (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
Roberts et al. Investigating the emotional responses of individuals to urban green space using twitter data: A critical comparison of three different methods of sentiment analysis
CN111737495A (zh) 基于领域自分类的中高端人才智能推荐系统及其方法
JP3981734B2 (ja) 質問応答システムおよび質問応答処理方法
CN107180045B (zh) 一种互联网文本蕴含地理实体关系的抽取方法
CN106062730A (zh) 用于主动构成内容以便在连续社交通信中使用的系统和方法
Shimada et al. Analyzing tourism information on twitter for a local city
CN112966091B (zh) 一种融合实体信息与热度的知识图谱推荐系统
CN106663125A (zh) 提问句生成装置以及计算机程序
CN110781300B (zh) 基于百度百科知识图谱的旅游资源文化特色评分算法
CN108984711B (zh) 一种基于分层嵌入的个性化app推荐方法
Hlava The taxobook: Principles and practices of building taxonomies, part 2 of a 3-part series
Tiwari et al. Ensemble approach for twitter sentiment analysis
CN111914157A (zh) 一种基于用户偏好的旅游方案生成方法和系统
CN110321918A (zh) 基于微博的舆论机器人系统情感分析和图像标注的方法
Martin et al. Are influential writers more objective? An analysis of emotionality in review comments
Kergosien et al. Are opinions expressed in land-use planning documents?
CN114443846A (zh) 一种基于多层级文本异构图的分类方法、装置及电子设备
Korade et al. Strengthening Sentence Similarity Identification Through OpenAI Embeddings and Deep Learning.
Rus et al. Measuring hotel service quality in borobudur temple using opinion mining
CN115860283B (zh) 基于知识工作者画像的贡献度预测方法及装置
Huda et al. Aspect-based sentiment analysis in tourism industry for tourism recommender system
Khatoon Real-time twitter data analysis of Saudi telecom companies for enhanced customer relationship management
Ye et al. Feature extraction of travel destinations from online Chinese-language customer reviews
Fernandez de Landa et al. Social analysis of young Basque-speaking communities in twitter
KR102434880B1 (ko) 멀티미디어 플랫폼 기반 지식 공유 서비스 제공 시스템

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