CN112632998A - 基于微博平台的事件关键人物提取方法 - Google Patents

基于微博平台的事件关键人物提取方法 Download PDF

Info

Publication number
CN112632998A
CN112632998A CN202011498810.6A CN202011498810A CN112632998A CN 112632998 A CN112632998 A CN 112632998A CN 202011498810 A CN202011498810 A CN 202011498810A CN 112632998 A CN112632998 A CN 112632998A
Authority
CN
China
Prior art keywords
event
microblog
key
users
user
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
Application number
CN202011498810.6A
Other languages
English (en)
Inventor
曹娟
谢添
刘浩远
徐朝喜
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.)
Hangzhou Zhongke Ruijian Technology Co ltd
Institute Of Digital Economy Industry Institute Of Computing Technology Chinese Academy Of Sciences
Original Assignee
Hangzhou Zhongke Ruijian Technology Co ltd
Institute Of Digital Economy Industry Institute Of Computing Technology Chinese Academy Of Sciences
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 Hangzhou Zhongke Ruijian Technology Co ltd, Institute Of Digital Economy Industry Institute Of Computing Technology Chinese Academy Of Sciences filed Critical Hangzhou Zhongke Ruijian Technology Co ltd
Priority to CN202011498810.6A priority Critical patent/CN112632998A/zh
Publication of CN112632998A publication Critical patent/CN112632998A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于微博平台的事件关键人物提取方法。本发明的目的是提供一种基于微博平台的事件关键人物提取方法。本发明的技术方案是：一种基于微博平台的事件关键人物提取方法，其特征在于：所述事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，所述关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户。本发明适用于信息抽取技术领域。

Description

基于微博平台的事件关键人物提取方法
技术领域
本发明涉及一种基于微博平台的事件关键人物提取方法。适用于信息抽取技术领域。
背景技术
随着WEB2.0技术的快速发展，普通用户已经成为互联网上内容的主要生产者，UGC(User Generated Content)具有反应及时，传播快的特点。作为UGC的典型代表，微博平台凭借进入门槛低、数据量大、分享自由及时，形式多元化等优势，已成为重要的事件来源和网络舆论场所，基于微博平台进行事件分析的相关条件已经具备，而人物作为事件的重要主体，其提取的准确和全面与否在很大程度上影响了事件分析的准确性和全面性。
现有基于微博的信息抽取技术主要集中在针对微博用户及社交圈的抓取，不能有效考虑用户及人物在事件中的角色和作用，难于实现提取事件中关键人物的目标。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种基于微博平台的事件关键人物提取方法。
本发明所采用的技术方案是：一种基于微博平台的事件关键人物提取方法，其特征在于：所述事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，所述关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户。
所述事件中的关键人名的提取方法，包括：
获取事件微博；
对事件微博进行人名识别和歧义人名修正，获取事件中的关键人名。
所述对事件微博进行人名识别和歧义人名修正，包括：
利用分词工具对事件涉及的微博数据进行分词和词性标注，选取其中的人名，并将每个人名在整个事件微博中出现的次数作为其权重；
对选取的人名，如果出现在先验概率词典中，则以对应的先验概率调整其权重；
对调整权重后的人名，依照权重大小排序，选择前k个作为事件中的关键人名；
所述先验概率词典的生成方法如下：
通过利用分词工具对大规模微博语料进行分词和词性标注处理；
统计所有歧义词项出现次数和被标注为人名的次数；
用标注为人名的次数除以出现次数作为该歧义词作为人名的先验概率，生成歧义人名的先验概率词典。
所述重要传播用户的提取方法，包括：
获取事件微博；
获取该事件传播过程中传播热度较高微博对应的作者作为重要传播用户；
所述微博传播热度hot(wi)的计算公式如下：
Figure BDA0002842985890000021
其中For(wi)为微博wi的转发量，Com(wi)为微博wi的评论量，Fan(ui)为wi对应用户ui的粉丝量。
所述事件发展节点用户的提取方法，包括：
使用single-pass聚类算法按照时间先后顺序对事件涉及的微博进行聚类，并将每个类看作事件发展的一个阶段或一个观点，在每个类中选取热度最高的微博对应的用户为当前事件发展节点的用户代表，作为事件发展节点用户。
所述公众指向用户的提取方法，包括：
获取事件涉及微博中被公众用户通知频率最高的用户，作为公众指向用户。
所述信息源头用户的提取方法，包括：
获取事件微博；
基于事件涉及微博发布的时间戳，获取发布时间较早的事件涉及微博；
根据微博转发量和评论量阈值过滤掉发布时间较早的事件涉及微博中转发量和评论量较少的微博，将过滤后剩余的事件涉及微博用户作为信息源头用户。
一种基于微博平台的事件关键人物提取系统，其特征在于，所述事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，所述关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户；
该系统包括：
关键人名提取模块，用于对事件微博进行人名识别和歧义人名修正，获取事件中的关键人名；
重要传播用户提取模块，用于获取该事件传播过程中传播热度较高微博对应的作者作为重要传播用户；
事件发展节点用户提取模块，用于使用single-pass聚类算法按照时间先后顺序对事件涉及的微博进行聚类，并将每个类看作事件发展的一个阶段或一个观点，在每个类中选取热度最高的微博对应的用户为当前事件发展节点的用户代表，作为事件发展节点用户；
公众指向用户提取模块，用于获取事件涉及微博中被公众用户通知频率最高的用户，作为公众指向用户；
信息源头用户提取模块，用于基于事件涉及微博发布的时间戳，获取发布时间较早的事件涉及微博；根据微博转发量和评论量阈值过滤掉发布时间较早的事件涉及微博中转发量和评论量较少的微博，将过滤后剩余的事件涉及微博用户作为信息源头用户。
一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于微博平台的事件关键人物提取方法的步骤。
一种基于微博平台的事件关键人物提取设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述基于微博平台的事件关键人物提取方法的步骤。
本发明的有益效果是：本发明将通过有效考虑用户及人物在事件中的角色和作用，确定事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户为事件关键人物。
本发明利用已有的分词工具获取人名，通过大规模预料建立歧义人名概率词典调整歧义人名权重，过滤错误识别的人名。
微博用户作为事件的参与者、传播者、意见提出者，对事件脉络的发展有重要推动作用，定位到推动事件发展的关键用户，对事件分析有重要意义。本发明根据微博平台特点，将关键用户分为三类，分别为：重要传播用户、事件发展节点用户、公众指向用户，并对三类用户进行发掘。
信息源头用户是指首先在微博平台提出事件相关信息并得到其他用户评论和转发的微博用户，本发明通过微博发布时间以及微博转发量和评论量规则，定位信息源头用户。
附图说明
图1为实施例的流程图。
图2为实施例中关键人名提取的流程图。
具体实施方式
本实施例为一种基于微博平台的事件关键人物提取方法，事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户。
本实施例中事件中关键人名的提取方法，包括：
获取事件微博；
对事件微博进行人名识别和歧义人名修正，获取事件中的关键人名。
本例中人名识别和歧义人名修正，包括以下步骤：
A、一个事件中频繁出现的人名很有可能就是事件的主人公，利用现有分词工具对事件涉及的微博数据进行分词和词性标注，选取其中的人名，并将每个人名在整个事件微博中出现的次数作为其权重，一个人名出现次数越多，他是事件主人公的可能性越大；
B、词性标注常遇到的一个问题是歧义词的处理，比如“博文”一次，可以作为一个人名出现，也可以作为名词表达微博的意思，尽管分词工具本身提供根据上下文判断歧义词词性的功能，但在实际使用中发现，对于微博这样格式松散的短文本，单纯依赖分词工具进行歧义词的处理不能满足需求。
本实施例通过利用分词工具对大规模微博语料进行分词和词性标注处理，统计所有歧义词项出现次数和被标注为人名的次数，用标注为人名的次数除以出现次数作为该歧义词作为人名的先验概率，生成歧义人名的先验概率词典。
对步骤A所有选取的人名，如果出现在该先验概率词典中，则以对应的先验概率调整其权重。
C、最后对调整权重后的人名，依照权重大小排序，根据阈值规则选择前k个作为事件中的关键人名。
本实施例将关键微博用户分为三类：重要传播用户、事件发展节点用户、公众指向用户。
本例中重要传播用户的提取方法如下：
微博作为社交媒体，不仅有信息的分享，还有转发、评论等社交行为，本实施例将一条微博转发量和评论量求和作为微博的热度，事件中热度比较大的微博自然对事件的传播起了重要作用，但是微博的热度比较容易受到微博作者本身名人效应的影响，当一个微博用户拥有大量粉丝，则他的微博很容易引起大量转发和评论。
本实施例使用如下公式作为微博的传播热度hot(wi)，获取传播热度较高微博对应的作者作为重要传播用户，从而减少名人效应，更注重由微博内容带来的传播效应。
Figure BDA0002842985890000061
其中For(wi)为微博wi的转发量，Com(wi)为微博wi的评论量，Fan(ui)为wi对应用户ui的粉丝量。
本实施例中事件发展节点用户的提取方法如下：
很多事件发展是多阶段的，随着参与用户的不断增多，很多新的信息被提供和发现，用户对事件的观点、情感都有可能发生新的变化，从不同的事件发展阶段中获取每个阶段的重要用户或者意见领袖，对分析事件的发展和变化有重要意义。Single-pass聚类算法按照一定的顺序读取文档集中的每篇文档并进行聚类，简单高效，适合具有时间顺序的事件微博文本聚类。
本实施例使用single-pass聚类算法按照时间先后顺序对事件涉及的微博进行聚类，并将每个类看作事件发展的一个阶段或一个观点，在每个类中选取热度最高的微博对应的用户为当前事件发展节点的用户代表，并将其作为事件发展节点用户。
本实施例中公众指向用户的提取方法如下：
公众指向用户指的是参与的微博用户在分享信息时使用@功能通知某个特定的微博用户，表达告知或与其互动的意愿，在一个事件涉及微博中，如果一个用户频繁被多数人@，则可以认为该用户与当前事件有一定关系。
本实施例通过文本处理，提取事件涉及微博中被@通知频率高的用户，作为公众指向用户。
本实施例中信息源头用户的提取方法，包括：
获取事件微博；
基于事件涉及微博发布的时间戳，获取发布时间较早的事件涉及微博；
根据微博转发量和评论量阈值，过滤掉发布时间较早的事件涉及微博中转发量和评论量较少，其微博内容未能引起其他用户关注的用户，将过滤后剩余的事件涉及微博用户作为信息源头用户。
本实施例基于微博平台的事件关键人物提取方法同样适用于推特、facebook等类似平台。
本实施例还提供一种基于微博平台的事件关键人物提取系统，事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户，该系统包括：关键人名提取模块、重要传播用户提取模块、事件发展节点用户提取模块、公众指向用户提取模块和信息源头用户提取模块。
本例中关键人名提取模块用于对事件微博进行人名识别和歧义人名修正，获取事件中的关键人名。
重要传播用户提取模块用于获取该事件传播过程中传播热度较高微博对应的作者作为重要传播用户。
本例中事件发展节点用户提取模块用于使用single-pass聚类算法按照时间先后顺序对事件涉及的微博进行聚类，并将每个类看作事件发展的一个阶段或一个观点，在每个类中选取热度最高的微博对应的用户为当前事件发展节点的用户代表，作为事件发展节点用户。
本实施例中公众指向用户提取模块用于获取事件涉及微博中被公众用户通知频率最高的用户，作为公众指向用户。
本例中信息源头用户提取模块用于基于事件涉及微博发布的时间戳，获取发布时间较早的事件涉及微博；根据微博转发量和评论量阈值过滤掉发布时间较早的事件涉及微博中转发量和评论量较少的微博，将过滤后剩余的事件涉及微博用户作为信息源头用户。
本实施例还提供一种存储介质，其上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本实施例基于微博平台的事件关键人物提取方法的步骤。
本实施例还提供一种基于微博平台的事件关键人物提取设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本实施例基于微博平台的事件关键人物提取方法的步骤。

Claims (10)

1.一种基于微博平台的事件关键人物提取方法，其特征在于：所述事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，所述关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户。
2.根据要求要求1所述的基于微博平台的事件关键人物提取方法，其特征在于，所述事件中的关键人名的提取方法，包括：
获取事件微博；
对事件微博进行人名识别和歧义人名修正，获取事件中的关键人名。
3.根据权利要求2所述的基于微博平台的事件关键人物提取方法，其特征在于，所述对事件微博进行人名识别和歧义人名修正，包括：
利用分词工具对事件涉及的微博数据进行分词和词性标注，选取其中的人名，并将每个人名在整个事件微博中出现的次数作为其权重；
对选取的人名，如果出现在先验概率词典中，则以对应的先验概率调整其权重；
对调整权重后的人名，依照权重大小排序，选择前k个作为事件中的关键人名；
所述先验概率词典的生成方法如下：
通过利用分词工具对大规模微博语料进行分词和词性标注处理；
统计所有歧义词项出现次数和被标注为人名的次数；
用标注为人名的次数除以出现次数作为该歧义词作为人名的先验概率，生成歧义人名的先验概率词典。
4.根据权利要求1所述的基于微博平台的事件关键人物提取方法，其特征在于，所述重要传播用户的提取方法，包括：
获取事件微博；
获取该事件传播过程中传播热度较高微博对应的作者作为重要传播用户；
所述微博传播热度hot(wi)的计算公式如下：
Figure FDA0002842985880000021
其中For(wi)为微博wi的转发量，Com(wi)为微博wi的评论量，Fan(ui)为wi对应用户ui的粉丝量。
5.根据权利要求1所述的基于微博平台的事件关键人物提取方法，其特征在于，所述事件发展节点用户的提取方法，包括：
使用single-pass聚类算法按照时间先后顺序对事件涉及的微博进行聚类，并将每个类看作事件发展的一个阶段或一个观点，在每个类中选取热度最高的微博对应的用户为当前事件发展节点的用户代表，作为事件发展节点用户。
6.根据权利要求1所述的基于微博平台的事件关键人物提取方法，其特征在于，所述公众指向用户的提取方法，包括：
获取事件涉及微博中被公众用户通知频率最高的用户，作为公众指向用户。
7.根据权利要求1所述的基于微博平台的事件关键人物提取方法，其特征在于，所述信息源头用户的提取方法，包括：
获取事件微博；
基于事件涉及微博发布的时间戳，获取发布时间较早的事件涉及微博；
根据微博转发量和评论量阈值过滤掉发布时间较早的事件涉及微博中转发量和评论量较少的微博，将过滤后剩余的事件涉及微博用户作为信息源头用户。
8.一种基于微博平台的事件关键人物提取系统，其特征在于，所述事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，所述关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户；
该系统包括：
关键人名提取模块，用于对事件微博进行人名识别和歧义人名修正，获取事件中的关键人名；
重要传播用户提取模块，用于获取该事件传播过程中传播热度较高微博对应的作者作为重要传播用户；
事件发展节点用户提取模块，用于使用single-pass聚类算法按照时间先后顺序对事件涉及的微博进行聚类，并将每个类看作事件发展的一个阶段或一个观点，在每个类中选取热度最高的微博对应的用户为当前事件发展节点的用户代表，作为事件发展节点用户；
公众指向用户提取模块，用于获取事件涉及微博中被公众用户通知频率最高的用户，作为公众指向用户；
信息源头用户提取模块，用于基于事件涉及微博发布的时间戳，获取发布时间较早的事件涉及微博；根据微博转发量和评论量阈值过滤掉发布时间较早的事件涉及微博中转发量和评论量较少的微博，将过滤后剩余的事件涉及微博用户作为信息源头用户。
9.一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～7任意一项所述基于微博平台的事件关键人物提取方法的步骤。
10.一种基于微博平台的事件关键人物提取设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现权利要求1～7任意一项所述基于微博平台的事件关键人物提取方法的步骤。
CN202011498810.6A 2020-12-17 2020-12-17 基于微博平台的事件关键人物提取方法 Pending CN112632998A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011498810.6A CN112632998A (zh) 2020-12-17 2020-12-17 基于微博平台的事件关键人物提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011498810.6A CN112632998A (zh) 2020-12-17 2020-12-17 基于微博平台的事件关键人物提取方法

Publications (1)

Publication Number Publication Date
CN112632998A true CN112632998A (zh) 2021-04-09

Family

ID=75316628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011498810.6A Pending CN112632998A (zh) 2020-12-17 2020-12-17 基于微博平台的事件关键人物提取方法

Country Status (1)

Country Link
CN (1) CN112632998A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104991956A (zh) * 2015-07-21 2015-10-21 中国人民解放军信息工程大学 基于主题概率模型的微博传播群体划分与账户活跃度评估方法
CN106503230A (zh) * 2016-11-07 2017-03-15 贾志娟 一种基于复杂网络的微博传播溯源方法
CN106708796A (zh) * 2015-07-15 2017-05-24 中国科学院计算技术研究所 一种基于文本的关键人名的提取方法及系统
CN109948024A (zh) * 2019-03-12 2019-06-28 安徽新华学院 一种基于微博的舆情监控方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106708796A (zh) * 2015-07-15 2017-05-24 中国科学院计算技术研究所 一种基于文本的关键人名的提取方法及系统
CN104991956A (zh) * 2015-07-21 2015-10-21 中国人民解放军信息工程大学 基于主题概率模型的微博传播群体划分与账户活跃度评估方法
CN106503230A (zh) * 2016-11-07 2017-03-15 贾志娟 一种基于复杂网络的微博传播溯源方法
CN109948024A (zh) * 2019-03-12 2019-06-28 安徽新华学院 一种基于微博的舆情监控方法及系统

Similar Documents

Publication Publication Date Title
Kumar et al. Sentiment analysis of multimodal twitter data
Phuvipadawat et al. Breaking news detection and tracking in Twitter
Aisopos et al. Content vs. context for sentiment analysis: a comparative analysis over microblogs
US9286619B2 (en) System and method for generating social summaries
CN113055386B (zh) 一种攻击组织的识别分析方法和装置
CN102682120B (zh) 一种网络评论精华文本的获取方法和装置
CN103955453B (zh) 一种从文档集中自动发现新词的方法及装置
US9407589B2 (en) System and method for following topics in an electronic textual conversation
CN107944032B (zh) 用于生成信息的方法和装置
Cao et al. Machine learning based detection of clickbait posts in social media
Anoop et al. Leveraging heterogeneous data for fake news detection
Narr et al. Extracting semantic annotations from twitter
CN111651559B (zh) 一种基于事件抽取的社交网络用户关系抽取方法
CN112632215A (zh) 一种基于词对语义主题模型的社区发现方法及系统
WO2015062377A1 (zh) 一种相似文本检测装置、方法以及应用
Stojanovski et al. Emotion identification in FIFA world cup tweets using convolutional neural network
Gamallo et al. Naive-Bayesian Classification for Bot Detection in Twitter.
Andriotis et al. Smartphone message sentiment analysis
CN110019763B (zh) 文本过滤方法、系统、设备及计算机可读存储介质
Sagcan et al. Toponym recognition in social media for estimating the location of events
Phuvipadawat et al. Detecting a multi-level content similarity from microblogs based on community structures and named entities
Carvalho et al. Towards intelligent mining of public social networks' influence in society
CN115757776A (zh) 一种基于sq-lda主题模型的交通安全舆情分析方法
CN112632998A (zh) 基于微博平台的事件关键人物提取方法
Litou et al. Pythia: A system for online topic discovery of social media posts

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 310015 floor 12, building D, No. 108 Xiangyuan Road, Gongshu District, Hangzhou City, Zhejiang Province

Applicant after: Zhongke Computing Technology Innovation Research Institute

Applicant after: Hangzhou Zhongke Ruijian Technology Co.,Ltd.

Address before: 12 / F, building 4, 108 Xiangyuan Road, Gongshu District, Hangzhou City, Zhejiang Province 310015

Applicant before: Institute of digital economy industry, Institute of computing technology, Chinese Academy of Sciences

Applicant before: Hangzhou Zhongke Ruijian Technology Co.,Ltd.

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Cao Juan

Inventor after: Xie Tian

Inventor after: Huang Yan

Inventor before: Cao Juan

Inventor before: Xie Tian

Inventor before: Liu Haoyuan

Inventor before: Xu Chaoxi

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210409