CN112330305A - 一种基于区块链的电子政务系统 - Google Patents
一种基于区块链的电子政务系统 Download PDFInfo
- Publication number
- CN112330305A CN112330305A CN202011366447.2A CN202011366447A CN112330305A CN 112330305 A CN112330305 A CN 112330305A CN 202011366447 A CN202011366447 A CN 202011366447A CN 112330305 A CN112330305 A CN 112330305A
- Authority
- CN
- China
- Prior art keywords
- program
- training
- government
- trainer
- user information
- 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
- 238000012549 training Methods 0.000 claims abstract description 172
- 230000010365 information processing Effects 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims abstract description 15
- 239000000463 material Substances 0.000 claims description 142
- 238000012795 verification Methods 0.000 claims description 54
- 238000011176 pooling Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 19
- 238000007477 logistic regression Methods 0.000 claims description 15
- 238000012546 transfer Methods 0.000 claims description 14
- 230000004048 modification Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008520 organization Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/10—Office automation; Time management
-
- 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
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Educational Technology (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Biomedical Technology (AREA)
Abstract
本发明公开了一种基于区块链的电子政务系统,包括:用户信息采集模块、用户信息处理模块、用户信息查询模块和用户培训模块。通过本政务系统先对用户输入信息数据进行统一的预处理,便于用户信息数据的上传和管理,并将其存储在核心服务器中封装成区块,再借由区块链技术应用到公众用户数据查验模块中,以方便数据共享,增强网络安全,提高智慧政务系统的可靠性,并且创新性的构建用户培训模块以用于政府部门的在线培训,运用智能推送和移动程序技术,实现了降低服务器压力、提高效率、提升培训效果等功能。最终提升了政务系统的功能性和效率。
Description
技术领域
本发明属于智慧政务系统技术领域,尤其涉及一种基于区块链的电子政务系统。
背景技术
随着现代电子信息技术的快速发展,电子计算机、人工智能、大信息、区块链等新技术也广泛的应用到各个领域当中。同时为了提升政府工作的效率和现代化水平,顺应时代的发展,各个政府机构开始逐渐普及电子政务即涉及网络办公、远程办公等领域,以便于为公众提供透明、规范、安全、高效的办公服务。而且,现有的电子政务系统所采用的身份验证技术的效果较差。
但在电子政务系统的建设当中,各政府机构或各机构下辖的部门之间都是各自管理各自的信息,故建设标准和信息类型都不一样,因此出现了“信息孤岛”,严重影响了行政效率。同时由于各个机构的技术水平不一,不完备的政务系统往往会出现信息泄露、篡改等问题,影响力用户信息的安全性,故需要一种更为安全的电子政务系统。
同时,为提高政府机构人员的业务水平和政治觉悟,各政府机构会经常对人员进行培训,且一般采用线下的方式进行培训,但随着互联网的飞速发展,网上培训逐渐成为趋势,而现有的网上培训一般采用网页+云服务器的形式,培训资料和题目均存储在云服务器上,并根据关键知识点对问题集进行分类,政务人员可根据详细的关键知识点检查问题集,获取具体问题。针对这种形式,当政务人员答题结果不正确时,往往需要再次访问该关键知识点并进行问题练习,云存储单元检查结果后也会将政务人员的错题推送给对应的政务人员,但由于政务人员仍然不知道错题相关联的入门知识,所以政务人员对于错题并不能更好的理解,从而导致政务人员的培训效果大打折扣;同时,当云存储单元中没有检查到对应关键知识点材料时,将无法辅导政务人员培训;而且,在培训的过程中,由于政务人员端和培训员端需与云服务器一直保持网络连接状态,故云服务器的工作压力较大,这也导致了网络拥堵和服务器崩溃等问题的经常出现。
发明内容
本发明的目的是为了解决背景中提出的问题而提出的一种基于区块链的电子政务系统。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种基于区块链的电子政务系统,包括:
用户信息采集模块、用户信息处理模块、用户信息查询模块和用户培训模块;
所述用户信息采集模块,用于采集用户信息,并传输给用户信息处理模块;
所述用户信息处理模块,用于接收所述用户信息,并将所述用户信息分别储存在区块链和核心云服务器上;
所述用户信息查询模块,用于对查询者身份进行验证,验证通过后,向所述用户信息处理模块发送查询命令,所述用户信息处理模块收到所述查询命令后根据所述查询命令调取所述核心云服务器上对应的用户信息,并将查询到用户信息返回给所述用户信息查询模块。
优选地,当查询者对查询到的用户信息产生质疑时,查询者通过所述用户信息查询模块向所述用户信息处理模块发送验证命令,所述用户信息处理模块收到所述验证命令后根据所述查询命令调取区块链上对应的用户信息,并将调取的区块链上的用户信息与核心云服务器上的用户信息进行比对,
若一致,则向所述用户信息查询模块返回用户信息无误信号;
若不一致,则向所述用户信息查询模块返回信息有误请与管理人员联系信号。
优选地,还包括电子政务系统培训模块,所述电子政务系统培训模块,包括培训工作单元、云存储单元和培训员程序单元。
优选地,所述培训工作单元工作流程为:当政务人员进入电子政务系统培训模块时,培训工作单元开始工作并建立工作程序,当培训工作单元停止时,工作程序删除,另外培训员、政务人员访问电子政务系统培训模块时,工作程序会根据获取的政务人员登入信息生成对应的程序,处理与政务人员登入信息对应的进程,工作程序生成的程序包括培训工作安排程序、修改程序、账户程序、材料访问程序和收集材料程序,其中,在获取到政务人员做题请求后,首先通过工作程序生成培训工作安排程序和首材料访问程序,培训工作安排程序依据政务人员做题请求中提供的信息和政务人员数据库中已有的培训信息,找出政务人员需要培训的关键知识点,进而在关键知识点库中检查关键知识点对应的序号,由关键知识点序号获取入门关键知识点序号,即检查到关联的入门关键知识点,找出政务人员需要培训的关键知识点,最后将政务人员信息和关联的关键知识点发送至首材料访问程序;首材料访问程序根据政务人员信息和关联的关键知识点在对应的政务人员数据库中找到关键知识点关联的培训材料和问题;政务人员的答题结束后,首先将该结果发送至对应的政务人员数据库,相应工作程序生成次材料访问程序和修改程序,次材料访问程序根据政务人员信息和入门关键知识点找到与错题关键知识点和入门关键知识点关联的的培训材料和问题;修改程序访问云存储单元中的问题集记录,对政务人员的答题结果进行判定,若问题全部答对,则将具体答题状况填入到政务人员数据库中,修改程序和次材料访问程序都被删除;若有不正确的问题,修改程序根据问题集选择出与答错问题关联的关键知识点,通过关键知识点库检查关键知识点对应的序号,根据关键知识点序号获取入门关键知识点序号,再检查到关联的入门知识,找出政务人员所需修改的入门关键知识点,并将政务人员信息和入门关键知识点发送至次材料访问程序;账户程序用于处理培训员程序单元的构建和删除,和相应的信息服务;收集材料程序采集培训材料以完善信息,解析所需采集的关联的信息,根据账户程序提供的培训员程序单元传送数据信息,并遍历每一个培训员程序单元,通过上课程序采集培训员完善的培训材料,再发送至对应政务人员,最后通过培训工作单元发送至云存储单元中的问题集和培训材料数据库;材料访问程序查找问题集和培训材料数据库中的关联的材料时依据关键知识点,若查找到关联的材料,则将关联的材料发送至政务人员端;若没有找到关联的材料,则材料访问程序将根据账户程序提供的培训员程序单元传送关联的数据,并遍历每一个培训员程序单元,其次将材料访问程序与所有培训员程序单元中的上课程序进行对比解析并将所需查找的关键知识点信息发送至上课程序,再向培训员发送培训材料完善信息,直至遍历完所有培训员程序单元,则完成进程并返回培训工作单元;材料访问程序在所有培训员程序单元之间转移,用于向培训员端发送信息,提示培训员完善培训材料,收集材料程序在所有培训员程序单元之间转移,用于采集培训员完善的培训材料,并将最后结果返回给培训工作单元和政务人员端,云存储单元包括关键知识点库、政务人员数据库、培训材料数据库和问题集,其中,关键知识点库为所有培训材料、问题对应的关键知识点集合;政务人员数据库为政务人员的培训情况、答题结果和培训材料学习进度的集合;培训材料数据库为培训员整理好的培训材料数据库;问题集为关联的关键知识点的问题集合,培训员程序单元由培训员程序和上课程序组成,其中培训员程序和上课程序均在培训员端运行,每次培训员登入培训员程序单元,生成培训员程序及上课程序,培训员程序主要被用来收取培训员登入信息,转移培训材料、问题和培训架构数据至云存储单元;每次材料访问程序和收集材料程序转移到培训员程序单元时,将会与上课程序交互,上课程序接收材料访问程序转移的关键知识点检查请求信息,并将培训员完善的关联的培训材料转移给收集材料程序;当培训员注销培训员程序单元时,生成的培训员程序和上课程序被删除,培训员程序单元通过5G访问培训工作单元,政务人员则经过网页登入电子政务系统培训模块,访问培训工作单元,当政务人员通过电子政务系统中的培训模块访问培训工作单元时,工作程序为政务人员生成相应的政务人员程序,政务人员程序用来将政务人员公开的网上培训数据进行收纳和挑选,生成个性化培训数据,并将其转移至云存储单元的政务人员数据库中。
优选地,所述核心服务器包括若干个子服务器。
优选地,所述子服务器分别用于存储不同政府机构的数据。
优选地,所述用户信息包括姓名和身份证号。
优选地,所述对查询者身份进行验证,具体为:
采集所述查询者的头部图像,然后将采集到的头部图像输入学习好的头部验证模型进行身份验证。
优选地,构建头部图像库,通过电荷耦合器件图像传感器采集所述查询者的头部图像,得到头部图像库;对头部图像库进行一次处理,通过行人检测算法对头部图像做脸部检测,消掉头部图像中与脸部不相关的数据;对一次处理完的头部图像库进行二次处理,通过裁剪、放大、缩小、镜像、翻转和添加噪音操作,补充一次处理完的头部图像数据,再将补充后的头部图像的尺寸统一;对二次处理完后的头部图像库进行三次处理,通过标准分数法对二次处理完后的头部图像库进行规范化处理,得到规范化头部图像库;建立由卷积层、池化层、模型宽度及适应度提升模块和全连接层组成的头部验证模型,所述卷积层、池化层、模型宽度及适应度提升模块和全连接层的数量分别为四层、五层、两个和两层,其中,将池化一层、池化三层、池化四层和池化五层的输出输到全连接层同深层次语义数据进行特征组合作为目标函数的输入,再将浅层特征和深层特征相连接,组合到全连接层,得到深浅层次的特征组合;所述头部验证模型的第一层为柒乘柒的卷积核,其它均通过叁乘叁的矩阵构建卷积层,通过贰乘贰的矩阵构建池化层,所述头部验证模型的最后一个池化层通过平均池化,其它池化层均使用最大池化的方式进行采样;利用逻辑回归进行脸部面部分类,首先利用规范化头部图像库对头部验证模型进行训练,然后利用训练好的模型对需要进行头部验证的图像进行验证;具体地,头部验证模型训练包括前向传播和后向传播,其中前向传播通过反复利用头部验证模型结构中的卷积、池化操作逐层提取输入数据的特征后,进行数学变换得到一个关于分类或回归结果的预测值;后向传播通过后向传播算法传递误差,根据误差不断调整权重参数值,不断的进行迭代,直到头部验证模型收敛,采用梯度下降优化算法对权重系数进行更新,所述权重系数的更新公式为:
Qn=aQn-1+Kn(1-a)
其中,a,b均为用于控制指数衰减的常数,Kn表示梯度,Qn和Rn分别为样本一阶矩和二阶矩的有偏估计;
逻辑回归位于头部验证模型的最后一层,通过运算输出结果概率完成最终的分类任务,逻辑回归分类结果是一个概率分布向量,其每个分量代表了所输入样本为哪一类别的概率,最后的分类结果即为概率值最大的分量所对应的类别,将交叉熵作为损失函数,来评估头部验证模型对数据的拟合程度,所述损失函数如下:
其中,W表示分类数,Hi表示输入样本的真实值,Xi表示逻辑回归输出值。
与现有的技术相比,本发明的优点在于:
1.本发明提供了一种基于区块链的电子政务系统,通过本政务系统先对用户输入信息数据进行统一的预处理,便于用户信息数据的上传和管理,并将其存储在核心服务器中封装成区块,再借由区块链技术应用到公众用户数据查验模块中,以方便数据共享,增强网络安全,提高智慧政务系统的可靠性。
2.本发明中将各部门的数据存储封装成区块,并通过核心服务器建立区块链,保证了各个部门间的数据共享和网络安全。
3.本发明通过设立公众用户数据验证模块,增强了政府工作的透明度和效率,并保证了安全性。
4.本发明提供了一种电子政务系统培训模块,包括培训工作单元、云存储单元和培训员程序单元,工作程序将根据获取的不同政务人员登入信息生成对应的程序,处理与访问对应的进程,工作程序生成的材料访问程序和收集材料程序是一种可在所有培训员程序单元之间工作的程序,并可在相互之间进行交互和数据传递。材料访问程序向培训员端发送访问信号,提醒培训员完善培训材料,收集材料程序用于采集培训员完善的培训材料。材料访问程序和收集材料程序在培训员程序单元端处理进程过程中,不用一直与云服务器保持网络连接,从而大大地减少了网络数据转移时间,提高了电子政务系统培训模块的效率。
5.通过智能推送的入门培训知识,政务人员将逐步通晓错题的入门知识,从而深刻理解问题的本质,找出错题的原因,从根本上解决政务人员培训中所遇到的问题,更好的实现电子政务系统培训任务。
6.采用移动程序技术对多个培训员程序单元进行访问,这样信息转移和数据处理在培训员程序单元完成,服务器与培训员程序单元之间并不需要一直保持网络连接,从而减少了服务器的压力,降低了对网络转移能力的要求,从而降低电子政务系统的配置要求,节省了资源。
7.将浅层特征和深层特征相连接,组合到全连接层,得到深浅层次的特征组合;这样能更好的提取面部特征并融入头部图像的浅层次特征,同时,仅使用了相对靠近目标函数的几层特征,因为越深层特征包含的深层语义越强,识别能力也会越强;而且,通过引入两个模型宽度及适应度提升模块进行调整,模型宽度及适应度提升模块的优势在于同一层上同时使用多种卷积核,可以看到各种层级的特征,多种视野域提升了提取特征的丰富性,增强了头部验证模型的表达能力;另外,不同组之间的特征不交叉运算,既可以显著缩小表示层规模,又在不降低头部验证模型性能的情况下节省了运算量。
8.将模型的第一层设计为柒乘柒的卷积核,是因为输入的头部图像尺寸较大,用较大的矩阵可以通过更大的感受野学习到更多的空间特征;同时在第三层和第四层用了两个堆积的叁乘叁卷积层来表达图像更多的复杂特征,这种方式可以看作一层五乘五的卷积层,而每多一个卷积层就多做了一次非线性变换,这样便能使得头部验证模型学习到更多特征,从而提高了模型的决策函数判决力,拟合能力更强,同时也会相对减少参数量。
9.采用梯度下降优化算法对权重系数进行更新,以保证训练稳定的同时,让学习率随着训练次数的增加自动进行调整变化,同时使用批量规范化的手段来避免变量分布偏移,缓解梯度不稳定的问题。
10.通过将头部图像的深层次语义特征和浅层次特征进行融合,充分利用每个隐藏层所学习到的特征信息,来提取更加充分、更为细致的面部特征,解决头部验证效果差的问题。
附图说明
图1为本发明的原理图
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:
参照图1,本实施例提供了一种基于区块链的新型政务系统,包括:用户信息采集模块、用户信息处理模块、用户信息查询模块和用户培训模块;其中,
所述用户信息采集模块,用于采集用户信息,并传输给用户信息处理模块;
所述用户信息处理模块,用于接收所述用户信息,并将所述用户信息分别储存在区块链和核心云服务器上;
所述用户信息查询模块,用于对查询者身份进行验证,验证通过后,向所述用户信息处理模块发送查询命令,所述用户信息处理模块收到所述查询命令后根据所述查询命令调取所述核心云服务器上对应的用户信息,并将查询到用户信息返回给所述用户信息查询模块;
所述用户培训模块,用于对政务人员网上培训提供平台和帮助,并为政务人员智能推送相关错题知识点,并将数据储存在用户信息处理模块的区块链和核心云服务器上,所述信息传递运用移动程序技术,对多个培训员程序单元进行访问,将信息转移和数据处理在培训员程序单元完成;
当查询者对查询到的用户信息产生质疑时,查询者通过所述用户信息查询模块向所述用户信息处理模块发送验证命令,所述用户信息处理模块收到所述验证命令后根据所述查询命令调取区块链上对应的用户信息,并将调取的区块链上的用户信息与核心云服务器上的用户信息进行比对,
若一致,则向所述用户信息查询模块返回用户信息无误信号;
若不一致,则向所述用户信息查询模块返回信息有误请与管理人员联系信号。
所述电子政务系统培训模块,包括培训工作单元、云存储单元和培训员程序单元。当政务人员进入电子政务系统培训模块时,培训工作单元开始工作并建立工作程序,当培训工作单元停止时,工作程序删除,另外培训员、政务人员访问电子政务系统培训模块时,工作程序会根据获取的政务人员登入信息生成对应的程序,处理与政务人员登入信息对应的进程,工作程序生成的程序包括培训工作安排程序、修改程序、账户程序、材料访问程序和收集材料程序,其中,在获取到政务人员做题请求后,首先通过工作程序生成培训工作安排程序和首材料访问程序,培训工作安排程序依据政务人员做题请求中提供的信息和政务人员数据库中已有的培训信息,找出政务人员需要培训的关键知识点,进而在关键知识点库中检查关键知识点对应的序号,由关键知识点序号获取入门关键知识点序号,即检查到关联的入门关键知识点,找出政务人员需要培训的关键知识点,最后将政务人员信息和关联的关键知识点发送至首材料访问程序;首材料访问程序根据政务人员信息和关联的关键知识点在对应的政务人员数据库中找到关键知识点关联的培训材料和问题;政务人员的答题结束后,首先将该结果发送至对应的政务人员数据库,且数据库里的数据存储在区块链和核心服务器中以实现安全、高效的存储。相应工作程序生成次材料访问程序和修改程序,次材料访问程序根据政务人员信息和入门关键知识点找到与错题关键知识点和入门关键知识点关联的的培训材料和问题;修改程序访问云存储单元中的问题集记录,对政务人员的答题结果进行判定,若问题全部答对,则将具体答题状况填入到政务人员数据库中,修改程序和次材料访问程序都被删除;若有不正确的问题,修改程序根据问题集选择出与答错问题关联的关键知识点,通过关键知识点库检查关键知识点对应的序号,根据关键知识点序号获取入门关键知识点序号,再检查到关联的入门知识,找出政务人员所需修改的入门关键知识点,并将政务人员信息和入门关键知识点发送至次材料访问程序;其中首材料访问程序和次材料访问程序为对应具体的政务人员请求信息生成的对应的程序,都用于收集关联的的材料,两者的作用相同。账户程序用于处理培训员程序单元的构建和删除,和相应的信息服务(例如通讯信息等数据);培训工作安排程序、修改程序和账户程序均为固定程序,它们在电子政务系统的云服务器上工作。政务人员程序也为固定程序,培训工作单元会为每个访问本模块的政务人员生成一个政务人员程序,政务人员程序在政务人员端工作。进程结束后培训工作安排程序、修改程序和账户程序均会被工作程序删除。收集材料程序采集培训材料以完善信息,解析所需采集的关联的信息,根据账户程序提供的培训员程序单元传送数据信息,并遍历每一个培训员程序单元,通过上课程序采集培训员完善的培训材料,再发送至对应政务人员,最后通过培训工作单元发送至云存储单元中的问题集和培训材料数据库;材料访问程序查找问题集和培训材料数据库中的关联的材料时依据关键知识点,若查找到关联的材料,则将关联的材料发送至政务人员端;若没有找到关联的材料,则材料访问程序将根据账户程序提供的培训员程序单元传送关联的数据,并遍历每一个培训员程序单元,其次将材料访问程序与所有培训员程序单元中的上课程序进行对比解析并将所需查找的关键知识点信息发送至上课程序,再向培训员发送培训材料完善信息,直至遍历完所有培训员程序单元,则完成进程并返回培训工作单元;材料访问程序在所有培训员程序单元之间转移,用于向培训员端发送信息,提示培训员完善培训材料,收集材料程序在所有培训员程序单元之间转移,用于采集培训员完善的培训材料,并将最后结果返回给培训工作单元和政务人员端;由于材料访问程序和收集材料程序是可移动的,所以材料访问程序和收集材料程序在培训员程序单元端处理进程过程中,不用一直与云服务器保持网络连接,从而大大地减少了网络数据转移时间,提高了电子政务系统培训模块的效率。同时,由于材料访问程序和收集材料程序在培训员程序单元之间转移处理进程,并将最后结果返回给培训工作单元和政务人员端,进程结束后材料访问程序和材料访问程序处理完转移进程转移完数据后将删除,故节约了服务器的性能,从而使得本电子政务系统培训模块运行得更顺畅。云存储单元包括关键知识点库、政务人员数据库、培训材料数据库和问题集,云存储单元存在于电子政务系统的用户信息存储模块中,并主要由区块链和核心服务器存储。其中,关键知识点库为所有培训材料、问题对应的关键知识点集合,每个关键知识点对应一个序号,该序号采用包含入门关键知识点序号的思维导图;政务人员数据库为政务人员的培训情况、答题结果和培训材料学习进度的集合;培训材料数据库为培训员整理好的培训材料数据库,主要存储在电子政务系统的用户信息存储模块的核心服务器中;问题集为关联的关键知识点的问题集合;培训员程序单元由培训员程序和上课程序组成,其中培训员程序和上课程序均在培训员端运行,每次培训员登入培训员程序单元,生成培训员程序及上课程序,培训员程序主要被用来收取培训员登入信息,转移培训材料、问题和培训架构数据至云存储单元;每次材料访问程序和收集材料程序转移到培训员程序单元时,将会与上课程序交互,上课程序接收材料访问程序转移的关键知识点检查请求信息,并将培训员完善的关联的培训材料转移给收集材料程序;当培训员注销培训员程序单元时,生成的培训员程序和上课程序被删除,培训员程序单元通过5G访问培训工作单元,政务人员则经过网页登入电子政务系统培训模块,访问培训工作单元,当政务人员通过电子政务系统中的培训模块访问培训工作单元时,工作程序为政务人员生成相应的政务人员程序,政务人员程序用来将政务人员公开的网上培训数据进行收纳和挑选,生成个性化培训数据,并将其转移至云存储单元的政务人员数据库中。
实际使用中,政务人员通过电子政务系统登入培训模块,电子政务系统培训模块搜索政务人员之前存储在公开网络中的培训数据,生成个性化培训数据,并转移政务人员所需的培训材料和问题。政务人员提交答题信息后,电子政务系统培训模块将判定结果正误并转移给相应的政务人员;与此同时将政务人员的培训情况转移给云存储单元,解析政务人员错误题目信息,并推送关联的入门知识培训材料和问题。若云存储单元中无关联的材料,则电子政务系统培训模块将向培训员端转移培训材料完善信息,完善数据,为政务人员供给培训材料。通过推送的入门知识,政务人员将逐渐理解错题相关联的关键知识点,并深刻理解问题的本质,使政务人员可以从根本上解决相应问题。同时在对多个培训员程序单元进行访问时将采取新型移动程序技术,使信息转移和数据处理在培训员程序单元完成,服务器与培训员程序单元之间的网络并不会始终连接,以此来减少对服务器工作的压力,最终降低了对网络转移能力的要求。
所述核心服务器包括若干个子服务器。所述子服务器分别用于存储不同政府机构的数据。所述用户信息包括姓名和身份证号。
所述对查询者身份进行验证,具体为:构建头部图像库,通过电荷耦合器件图像传感器采集所述查询者的头部图像,得到头部图像库;对头部图像库进行一次处理,通过行人检测算法对头部图像做脸部检测,消掉头部图像中与脸部不相关的数据,从而大大地降低了头部验证模型对不同脸部特征的提取难度;对一次处理完的头部图像库进行二次处理,通过裁剪、放大、缩小、镜像、翻转和添加噪音操作,补充一次处理完的头部图像数据,再将补充后的头部图像的尺寸统一;对二次处理完后的头部图像库进行三次处理,通过标准分数法对二次处理完后的头部图像库进行规范化处理,得到规范化头部图像库,具体地,先运算各通道上数据的均值,接着在各通道上均减去所述均值,再在数据的各通道上再除以对应维度上数据的标准差即可;建立由卷积层、池化层、模型宽度及适应度提升模块(可采用Inception模块)和全连接层组成的头部验证模型,所述卷积层、池化层、模型宽度及适应度提升模块和全连接层的数量分别为四层、五层、两个和两层,其中,将池化一层、池化三层、池化四层和池化五层的输出输到全连接层同深层次语义数据进行特征组合作为目标函数的输入,再将浅层特征和深层特征相连接,组合到全连接层,得到深浅层次的特征组合;这样能更好的提取面部特征并融入头部图像的浅层次特征,同时,仅使用了相对靠近目标函数的几层特征,因为越深层特征包含的深层语义越强,识别能力也会越强;而且,通过引入两个模型宽度及适应度提升模块进行调整,模型宽度及适应度提升模块的优势在于同一层上同时使用多种卷积核,可以看到各种层级的特征,多种视野域提升了提取特征的丰富性,增强了头部验证模型的表达能力;另外,不同组之间的特征不交叉运算,既可以显著缩小表示层规模,又在不降低头部验证模型性能的情况下节省了运算量。所述头部验证模型的第一层为柒乘柒的卷积核,其它均通过叁乘叁的矩阵构建卷积层,通过贰乘贰的矩阵构建池化层,所述头部验证模型的最后一个池化层通过平均池化,其它池化层均使用最大池化的方式进行采样;(将模型的第一层设计为柒乘柒的卷积核,是因为输入的头部图像尺寸较大,用较大的矩阵可以通过更大的感受野学习到更多的空间特征;同时在第三层和第四层用了两个堆积的叁乘叁卷积层来表达图像更多的复杂特征,这种方式可以看作一层五乘五的卷积层,而每多一个卷积层就多做了一次非线性变换,这样便能使得头部验证模型学习到更多特征,从而提高了模型的决策函数判决力,拟合能力更强,同时也会相对减少参数量);利用逻辑回归进行脸部面部分类,首先利用规范化头部图像库对头部验证模型进行训练,然后利用训练好的模型对需要进行头部验证的图像进行验证;具体地,头部验证模型训练包括前向传播和后向传播,其中前向传播通过反复利用头部验证模型结构中的卷积、池化操作逐层提取输入数据的特征后,进行数学变换得到一个关于分类或回归结果的预测值;后向传播通过后向传播算法传递误差,根据误差不断调整权重参数值,不断的进行迭代,直到头部验证模型收敛,采用梯度下降优化算法对权重系数进行更新,以保证训练稳定的同时,让学习率随着训练次数的增加自动进行调整变化,同时使用批量规范化的手段来避免变量分布偏移,缓解梯度不稳定的问题,所述权重系数的更新公式为:
Qn=aQn-1+Km(1-a)
其中,a,b均为用于控制指数衰减的常数,Km表示梯度,Qm和Rn分别为样本一阶矩和二阶矩的有偏估计;
逻辑回归位于头部验证模型的最后一层,通过运算输出结果概率完成最终的分类任务,逻辑回归分类结果是一个概率分布向量,其每个分量代表了所输入样本为哪一类别的概率,最后的分类结果即为概率值最大的分量所对应的类别,将交叉熵作为损失函数,来评估头部验证模型对数据的拟合程度,所述损失函数如下:
其中,W表示分类数,Hi表示输入样本的真实值,Xi表示逻辑回归输出值。
Claims (9)
1.一种基于区块链的电子政务系统,其特征在于,包括:用户信息采集模块、用户信息处理模块和用户信息查询模块;其中,
所述用户信息采集模块,用于采集用户信息,并传输给用户信息处理模块;
所述用户信息处理模块,用于接收所述用户信息,并将所述用户信息分别储存在区块链和核心云服务器上;
所述用户信息查询模块,用于对查询者身份进行验证,验证通过后,向所述用户信息处理模块发送查询命令,所述用户信息处理模块收到所述查询命令后根据所述查询命令调取所述核心云服务器上对应的用户信息,并将查询到用户信息返回给所述用户信息查询模块。
2.根据权利要求1所述的一种基于区块链的电子政务系统,其特征在于,当查询者对查询到的用户信息产生质疑时,查询者通过所述用户信息查询模块向所述用户信息处理模块发送验证命令,所述用户信息处理模块收到所述验证命令后根据所述查询命令调取区块链上对应的用户信息,并将调取的区块链上的用户信息与核心云服务器上的用户信息进行比对,
若一致,则向所述用户信息查询模块返回用户信息无误信号;
若不一致,则向所述用户信息查询模块返回信息有误请与管理人员联系信号。
3.根据权利要求1所述的一种基于区块链的电子政务系统,其特征在于,还包括电子政务系统培训模块,所述电子政务系统培训模块,包括培训工作单元、云存储单元和培训员程序单元。
4.根据权利要求3所述的一种基于区块链的电子政务系统,其特征在于,所述培训工作单元工作流程为:
当政务人员进入电子政务系统培训模块时,培训工作单元开始工作并建立工作程序,当培训工作单元停止时,工作程序删除,另外培训员、政务人员访问电子政务系统培训模块时,工作程序会根据获取的政务人员登入信息生成对应的程序,处理与政务人员登入信息对应的进程,工作程序生成的程序包括培训工作安排程序、修改程序、账户程序、材料访问程序和收集材料程序,其中,在获取到政务人员做题请求后,首先通过工作程序生成培训工作安排程序和首材料访问程序,培训工作安排程序依据政务人员做题请求中提供的信息和政务人员数据库中已有的培训信息,找出政务人员需要培训的关键知识点,进而在关键知识点库中检查关键知识点对应的序号,由关键知识点序号获取入门关键知识点序号,即检查到关联的入门关键知识点,找出政务人员需要培训的关键知识点,最后将政务人员信息和关联的关键知识点发送至首材料访问程序;首材料访问程序根据政务人员信息和关联的关键知识点在对应的政务人员数据库中找到关键知识点关联的培训材料和问题;政务人员的答题结束后,首先将该结果发送至对应的政务人员数据库,相应工作程序生成次材料访问程序和修改程序,次材料访问程序根据政务人员信息和入门关键知识点找到与错题关键知识点和入门关键知识点关联的的培训材料和问题;修改程序访问云存储单元中的问题集记录,对政务人员的答题结果进行判定,若问题全部答对,则将具体答题状况填入到政务人员数据库中,修改程序和次材料访问程序都被删除;若有不正确的问题,修改程序根据问题集选择出与答错问题关联的关键知识点,通过关键知识点库检查关键知识点对应的序号,根据关键知识点序号获取入门关键知识点序号,再检查到关联的入门知识,找出政务人员所需修改的入门关键知识点,并将政务人员信息和入门关键知识点发送至次材料访问程序;账户程序用于处理培训员程序单元的构建和删除以及相应的信息服务;收集材料程序采集培训材料以完善信息,解析所需采集的关联的信息,根据账户程序提供的培训员程序单元传送数据信息,并遍历每一个培训员程序单元,通过上课程序采集培训员完善的培训材料,再发送至对应政务人员,最后通过培训工作单元发送至云存储单元中的问题集和培训材料数据库;材料访问程序查找问题集和培训材料数据库中的关联的材料时依据关键知识点,若查找到关联的材料,则将关联的材料发送至政务人员端;若没有找到关联的材料,则材料访问程序将根据账户程序提供的培训员程序单元传送关联的数据,并遍历每一个培训员程序单元,其次将材料访问程序与所有培训员程序单元中的上课程序进行对比解析并将所需查找的关键知识点信息发送至上课程序,再向培训员发送培训材料完善信息,直至遍历完所有培训员程序单元,则完成进程并返回培训工作单元;材料访问程序在所有培训员程序单元之间转移,用于向培训员端发送信息,提示培训员完善培训材料,收集材料程序在所有培训员程序单元之间转移,用于采集培训员完善的培训材料,并将最后结果返回给培训工作单元和政务人员端,云存储单元包括关键知识点库、政务人员数据库、培训材料数据库和问题集,其中,关键知识点库为所有培训材料、问题对应的关键知识点集合;政务人员数据库为政务人员的培训情况、答题结果和培训材料学习进度的集合;培训材料数据库为培训员整理好的培训材料数据库;问题集为关联的关键知识点的问题集合,培训员程序单元由培训员程序和上课程序组成,其中培训员程序和上课程序均在培训员端运行,每次培训员登入培训员程序单元,生成培训员程序及上课程序,培训员程序主要被用来收取培训员登入信息,转移培训材料、问题和培训架构数据至云存储单元;每次材料访问程序和收集材料程序转移到培训员程序单元时,将会与上课程序交互,上课程序接收材料访问程序转移的关键知识点检查请求信息,并将培训员完善的关联的培训材料转移给收集材料程序;当培训员注销培训员程序单元时,生成的培训员程序和上课程序被删除,培训员程序单元通过5G访问培训工作单元,政务人员则经过网页登入电子政务系统培训模块,访问培训工作单元,当政务人员通过电子政务系统中的培训模块访问培训工作单元时,工作程序为政务人员生成相应的政务人员程序,政务人员程序用来将政务人员公开的网上培训数据进行收纳和挑选,生成个性化培训数据,并将其转移至云存储单元的政务人员数据库中。
5.根据权利要求1所述的一种基于区块链的电子政务系统,其特征在于,所述核心服务器包括若干个子服务器。
6.根据权利要求5所述的一种基于区块链的电子政务系统,其特征在于,所述子服务器分别用于存储不同政府机构的数据。
7.根据权利要求1所述的一种基于区块链的电子政务系统,其特征在于,所述用户信息包括姓名和身份证号。
8.根据权利要求1所述的一种基于区块链的电子政务系统,其特征在于,所述对查询者身份进行验证,具体为:
采集所述查询者的头部图像,然后将采集到的头部图像输入学习好的头部验证模型进行身份验证。
9.根据权利要求8所述的一种基于区块链的电子政务系统,其特征在于,构建头部图像库,通过电荷耦合器件图像传感器采集所述查询者的头部图像,得到头部图像库;对头部图像库进行一次处理,通过行人检测算法对头部图像做脸部检测,消掉头部图像中与脸部不相关的数据;对一次处理完的头部图像库进行二次处理,通过裁剪、放大、缩小、镜像、翻转和添加噪音操作,补充一次处理完的头部图像数据,再将补充后的头部图像的尺寸统一;对二次处理完后的头部图像库进行三次处理,通过标准分数法对二次处理完后的头部图像库进行规范化处理,得到规范化头部图像库;建立由卷积层、池化层、模型宽度及适应度提升模块和全连接层组成的头部验证模型,所述卷积层、池化层、模型宽度及适应度提升模块和全连接层的数量分别为四层、五层、两个和两层,其中,将池化一层、池化三层、池化四层和池化五层的输出输到全连接层同深层次语义数据进行特征组合作为目标函数的输入,再将浅层特征和深层特征相连接,组合到全连接层,得到深浅层次的特征组合;所述头部验证模型的第一层为柒乘柒的卷积核,其它均通过叁乘叁的矩阵构建卷积层,通过贰乘贰的矩阵构建池化层,所述头部验证模型的最后一个池化层通过平均池化,其它池化层均使用最大池化的方式进行采样;利用逻辑回归进行脸部面部分类,首先利用规范化头部图像库对头部验证模型进行训练,然后利用训练好的模型对需要进行头部验证的图像进行验证;具体地,头部验证模型训练包括前向传播和后向传播,其中前向传播通过反复利用头部验证模型结构中的卷积、池化操作逐层提取输入数据的特征后,进行数学变换得到一个关于分类或回归结果的预测值;后向传播通过后向传播算法传递误差,根据误差不断调整权重参数值,不断的进行迭代,直到头部验证模型收敛,采用梯度下降优化算法对权重系数进行更新,所述权重系数的更新公式为:
Qn=aQn-1+Kn(1-a)
其中,a,b均为用于控制指数衰减的常数,Kn表示梯度,Qn和Rn分别为样本一阶矩和二阶矩的有偏估计;
逻辑回归位于头部验证模型的最后一层,通过运算输出结果概率完成最终的分类任务,逻辑回归分类结果是一个概率分布向量,其每个分量代表了所输入样本为哪一类别的概率,最后的分类结果即为概率值最大的分量所对应的类别,将交叉熵作为损失函数,来评估头部验证模型对数据的拟合程度,所述损失函数如下:
其中,W表示分类数,Hi表示输入样本的真实值,Xi表示逻辑回归输出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011366447.2A CN112330305A (zh) | 2020-11-29 | 2020-11-29 | 一种基于区块链的电子政务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011366447.2A CN112330305A (zh) | 2020-11-29 | 2020-11-29 | 一种基于区块链的电子政务系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330305A true CN112330305A (zh) | 2021-02-05 |
Family
ID=74309606
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011366447.2A Pending CN112330305A (zh) | 2020-11-29 | 2020-11-29 | 一种基于区块链的电子政务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330305A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662963A (zh) * | 2023-07-20 | 2023-08-29 | 山邮数字科技(山东)有限公司 | 基于区块链的智慧政务信息管理方法 |
-
2020
- 2020-11-29 CN CN202011366447.2A patent/CN112330305A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662963A (zh) * | 2023-07-20 | 2023-08-29 | 山邮数字科技(山东)有限公司 | 基于区块链的智慧政务信息管理方法 |
CN116662963B (zh) * | 2023-07-20 | 2024-04-05 | 山邮数字科技(山东)有限公司 | 基于区块链的智慧政务信息管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN110555148B (zh) | 一种用户行为评估方法、计算设备及存储介质 | |
CN111737486A (zh) | 基于知识图谱、深度学习的人岗匹配方法、存储装置 | |
CN112819024B (zh) | 模型处理方法、用户数据处理方法及装置、计算机设备 | |
CN111310918B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN109949175B (zh) | 一种基于协同过滤和相似性度量的用户属性推断方法 | |
CN115170874A (zh) | 一种基于解耦蒸馏损失的自蒸馏实现方法 | |
CN107784482A (zh) | 招聘方法、电子装置及可读存储介质 | |
CN112330305A (zh) | 一种基于区块链的电子政务系统 | |
CN110489142A (zh) | 设备软件升级的评估方法及装置、存储介质、终端 | |
CN112883380B (zh) | 智慧教育平台的大数据组件安全风险分析方法及系统 | |
CN111859074B (zh) | 基于深度学习的网络舆情信息源影响力评估方法及系统 | |
CN112241417B (zh) | 页面数据的验证方法、装置、介质及电子设备 | |
CN113742495B (zh) | 基于预测模型的评级特征权重确定方法及装置、电子设备 | |
CN113010664B (zh) | 一种数据处理方法、装置及计算机设备 | |
CN113222471B (zh) | 一种基于新媒体数据的资产风控方法及设备 | |
CN113011893B (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其系统 | |
CN112749554B (zh) | 确定文本匹配度的方法、装置、设备及存储介质 | |
CN113239034A (zh) | 一种基于人工智能的大数据资源整合方法、系统及云平台 | |
CN113486115A (zh) | 一种基于大数据的人才信息管理系统 | |
CN113033209A (zh) | 文本关系抽取方法、装置、存储介质及计算机设备 | |
CN111523034A (zh) | 一种应用程序的处理方法、装置、设备及介质 | |
CN112785415B (zh) | 评分卡模型构建方法、装置、设备及计算机可读存储介质 | |
CN113207013B (zh) | 多媒体数据发布管理方法、装置、设备及存储介质 |
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 |