CN113240270B - 渠道商运用大数据、预测算法选择供应商的方法及系统 - Google Patents
渠道商运用大数据、预测算法选择供应商的方法及系统 Download PDFInfo
- Publication number
- CN113240270B CN113240270B CN202110516555.1A CN202110516555A CN113240270B CN 113240270 B CN113240270 B CN 113240270B CN 202110516555 A CN202110516555 A CN 202110516555A CN 113240270 B CN113240270 B CN 113240270B
- Authority
- CN
- China
- Prior art keywords
- data
- channel
- virtual channel
- supplier
- provider
- 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.)
- Active
Links
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
- G06Q10/06—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
- 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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明涉及一种渠道商运用大数据、预测算法选择供应商的方法及系统,属于大数据通信技术领域。本发明所述的渠道商首先设定多种维度属性,然后将维度属性进行组合,最后将每种组合形式映射成一种虚拟通道;渠道商的大数据平台会收集每个供应商的反馈数据,然后按照设定的虚拟通道,从反馈数据中分析得到每个供应商每种虚拟通道的质量状况;渠道商在收集一段时间的虚拟通道的指标后,运用预测技术,预测每个虚拟通道在未来一段时间的质量状况;未来终端用户的数据到达渠道商时,渠道商首先分析出终端用户发送数据对应的虚拟通道,然后结合设定的目标函数,选择最佳供应商;方法在复杂不稳定通道中,基于质量评判和预测,提高数据传输效率。
Description
技术领域
本发明涉及一种渠道商运用大数据、预测算法选择供应商的方法及系统,属于大数据通信技术领域。
背景技术
如今,通过不稳定数据通道(或者网络)传输数据时,没有利用数据带来的额外信息帮助选择通道。但是在很多情况下,这些额外的信息将会帮助渠道商选择较好的供应商(或者通道),从而提高传输速度、成功率,并且降低费用。因此,尚需要提供一种利用这些额外信息的大数据平台解决渠道商择供应商的技术方案。
发明内容
针对现有技术存在的上述缺陷,本发明提出了一种渠道商运用大数据、预测算法选择供应商的方法及系统。
本发明所述的渠道商运用大数据、预测算法选择供应商的方法,应用于终端用户与供应商之间的渠道商所在大数据平台,渠道商首先设定多种维度属性,然后将维度属性进行组合,最后将每种组合形式映射成一种虚拟通道,渠道商的大数据平台会收集每个供应商的反馈数据,然后按照设定的虚拟通道,从反馈数据中分析得到每个供应商每种虚拟通道的质量状况;渠道商在收集一段时间的虚拟通道的指标后,预测每个虚拟通道在未来一段时间的质量状况,未来终端用户的数据到达渠道商时,渠道商首先分析出终端用户发送数据对应的虚拟通道,然后结合设定的目标函数,选择最佳供应商,其中:
维度属性是从终端用户数据的元数据中提取的,维度属性对终端用户和供应商是透明的;
维度属性组合的虚拟通相关的数据维护在渠道商;
渠道商维护虚拟通道相关数据,并获取数据的元数据;
渠道商收集供应商的反馈信息,每隔一段时间汇总一下反馈信息;
渠道商所在大数据平台,每隔一段时间计算和分析过去一段时间每个供应商的每个虚拟通道的质量状况;
基于虚拟通道上的历史质量状况数据,使用预测算法,虚拟通道上的未来一段时间的质量状况;
基于预测算法得到的预测数据,以及最终的目标函数,给数据选择未来一段时间内最佳的供应商。
优选地,维护维度属性不影响终端用户原始数据,对于终端用户和供应商都是透明的。
虚拟通道是维度属性的组合。例如有两个维度:[地区,运营商],那么[北京,移动]就表示一个虚拟通道,[北京,电信]表示另一个虚拟通道。
对于每一个供应商,渠道商会分析供应商在每个虚拟通道上的质量。
优选地,所述大数据平台的预测算法采用时间序列分析算法,包括ARIMA算法、KALMAN滤波算法、长短时记忆神经网络算法。
优选地,所述预测数据包括平均耗时、成功率、推送最佳、追踪拐点值。
优选地,所述供应商的质量的评判标准包括传输平均用时、方差、成功率、成本。
优选地,所述大数据平台的预测算法具体包括如下小步:
步骤一:设定维度属性,将维度属性的组合映射成虚拟通道;
步骤二:利用流式计算,基于终端用户发送数据的元数据,以及供应商的反馈数据,计算每个时段每个供应商每个虚拟通道的质量,质量的评判标准包括但是不限于传输平均用时、方差、成功率、成本;
步骤三:基于每个虚拟通道上的历史数据,使用预测算法,给出下一段时间的预测数据;
步骤四:基于最终的目标函数,以及预测数据,决定未来一段时间终端用户发送的数据对应的虚拟通道以及最终的供应商。
本发明所述的渠道商运用大数据、预测算法选择供应商的系统,包括:
终端用户,是数据发送的主体,发送的数据可以不包含额外的信息,所有质量数据、维度数据、虚拟通道信息维护在渠道商;终端不需要感知虚拟通道的存在;
渠道商,针对每个实际供应商设定和维护虚拟通道,渠道商基于大数据平台和预测算法给用户数据选择未来一段时间内最佳的供应商或多个备选供应商;
供应商,用于提供给渠道商若干个可供选择的质量不稳定的虚拟通道。
本发明所述的渠道商运用大数据、预测算法选择供应商的系统,包括:
至少一个处理器;
至少一个存储器,用于存储大数据平台;
当大数据平台被至少一个处理器执行,使得至少一个处理器实现如权利要求1~6任一项所述的一种渠道商运用大数据、预测算法选择供应商的方法。
本发明的有益效果是:本发明所述的渠道商运用大数据、预测算法选择供应商的方法及系统,在多个复杂不稳定虚拟通道中传输数据时,基于质量评判和预测,提高数据传输效率。
附图说明
图1是本发明的原理流程框图。
图2是本发明的结构示意图。
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1:
如图1所示,本发明所述的渠道商运用大数据、预测算法选择供应商的方法,应用于用户终端与供应商之间的渠道商所在大数据平台,根渠道商首先设定多种维度属性,然后将维度属性进行组合,最后将每种组合形式映射成一种虚拟通道。渠道商的大数据平台会收集每个供应商的反馈数据,然后按照设定的虚拟通道,从反馈数据中分析得到每个供应商每种虚拟通道的质量状况。渠道商在收集一段时间的虚拟通道的指标后,运用预测技术,预测每个虚拟通道在未来一段时间的质量状况。未来终端用户的数据到达渠道商时,渠道商首先分析出终端用户发送数据对应的虚拟通道,然后结合设定的目标函数,选择最佳供应商。其中:
维度属性是从终端用户数据的元数据中提取的,维度属性对终端用户和供应商是透明的。
渠道商维护虚拟通道(维度属性组合)相关的数据。
渠道商除了维护虚拟通道相关数据,还需要知道一些数据的元数据。
渠道商收集供应商的反馈信息,每隔一段时间汇总一下反馈信息。
渠道商所在大数据平台,每隔一段时间计算和分析过去一段时间每个供应商的每个虚拟通道的质量状况;
基于虚拟通道上的历史质量状况数据,使用预测算法,虚拟通道上的未来一段时间的质量状况;
基于预测算法得到的预测数据,以及最终的目标函数,给数据选择未来一段时间内最佳的供应商。
所述元数据基本属性包括发送起始时间、是否发送成功、回复时间等;
数据源的属性字段的维度属性包括运营商、地区、额度;
所述大数据平台的预测算法采用时间序列分析算法,包括ARIMA算法、KALMAN滤波算法、长短时记忆神经网络算法。
ARIMA算法:平稳时间序列的偏相关系数φk和自相关系数rk均不截尾,但较快收敛到0,则该时间序列可能是ARMA(p,q)模型。
KALMAN滤波算法:Kalman滤波是一种递归过程,主要有两个更新过程:时间更新和观测更新,其中时间更新主要包括状态预测和协方差预测,主要是对系统的预测,而观测更新主要包括计算卡尔曼增益、状态更新和协方差更新,因此整个递归过程主要包括五个方面的计算:1)状态预测;2)协方差预测;3)卡尔曼增益;4)状态更新;5)协方差更新。
长短时记忆神经网络算法:一种特殊的递归神经网络,递归神经网络就是网络能够解决时间序列问题的预测。所谓递归神经网络就是网络中具有循环结构。递归神经网路从某种程度来说和传统的神经网络并非完全不同。可以将递归神经网络想象成有多层相同网络结构的神经网络,每一层将信息传递给下一层。
所述预测数据包括平均耗时、成功率、推送最佳、追踪拐点值。
所述供应商的质量的评判标准包括传输平均用时、方差、成功率、成本。
所述大数据平台的预测算法具体包括如下小步:
步骤一:收集每条数据源的基本属性和维度属性;
步骤二:将数据源放入大数据平台,利用流式计算,计算每个时段单一维度或维度组合在每个虚拟通道上的质量,质量的评判标准包括传输平均用时、方差、成功率、成本;
步骤三:基于单个维度或者维度组合在每个虚拟通道上的历史数据,使用预测算法,给出下一段时间的预测数据;
步骤四:基于最终的目标函数,以及预测数据,决定未来一段时间该维度组合是否选择某条虚拟通道。
实施例2:
如图2所示,本发明所述的渠道商运用大数据、预测算法选择供应商的系统,包括:
用户终端,用于发送和上传带有基本属性和维度属性的数据源;
渠道商,用于划分数据源为多个虚拟通道,渠道商基于大数据平台和预测算法给用户数据选择未来一段时间内最佳的供应商;
供应商,用于提供给渠道商若干个可供选择的质量不稳定的虚拟通道。
本发明所述的渠道商运用大数据、预测算法选择供应商的系统,包括:
至少一个处理器;
至少一个存储器,用于存储大数据平台;
当大数据平台被至少一个处理器执行,使得至少一个处理器实现所述的渠道商运用大数据、预测算法选择供应商的方法。
最佳虚拟通道可能有多个,而这些虚拟通道可能会对应多个真实供应商。大数据平台追踪所有虚拟通道质量状况,并结合目标函数,挑选所有符合要求的虚拟通道所对应的真实供应商。
实施例3:
本发明所述的用户终端,例如手机,进行充值操作。需要指出的是,渠道商充值过程是不稳地的,存在供应商充值失败的可能性。当这个订单到了渠道商的系统,渠道商立即知道充值金额,然后渠道商解析手机号,得到用户终端是哪个ISP和哪个省份的,即获得发送数据的维度信息。
渠道商的虚拟通道是每个真实供应商在[ISP_省份_面值]这三个维度的组合。这种组合大概有几千种,所以虚拟通道有几千种。比如渠道商有10个供应商,ISP包括移动、联通、电信三家,省份34个,面值统计[30,50,100]三种。从而虚拟通道有10*3*34*3=3060种。渠道商通过大数据技术,分析虚拟通道在每个真实供应商的表现。比如,在10:05分通过10:00之前的数据,预测10:05~11:05的虚拟通道的状况,当订单在10:05之后到来时,渠道商首先挑选适合的虚拟通道,然后再把虚拟通道对应的真实供应商找到,最后把订单交给供应商。
本发明的有益效果是:本发明所述的渠道商运用大数据、预测算法选择供应商的方法及系统,在多个复杂不稳定虚拟通道中传输数据时,基于质量评判和预测,提高数据传输效率。
本发明可广泛运用于大数据通信场合。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种渠道商运用大数据、预测算法选择供应商的方法,应用于数据传输中,终端用户与供应商之间的渠道商所在大数据平台,其特征在于,渠道商首先设定多种维度属性,然后将维度属性进行组合,最后将每种组合形式映射成一种虚拟通道,渠道商的大数据平台会收集每个供应商的反馈数据,然后按照设定的虚拟通道,从反馈数据中分析得到每个供应商每种虚拟通道的质量状况;渠道商在收集一段时间的虚拟通道的指标后,预测每个虚拟通道在未来一段时间的质量状况,未来终端用户的数据到达渠道商时,渠道商首先分析出终端用户发送数据对应的虚拟通道,然后结合设定的目标函数,选择最佳供应商,其中:
维度属性是从终端用户数据的元数据中提取的,维度属性对终端用户和供应商是透明的;
维度属性组合的虚拟通道相关的数据维护在渠道商;
渠道商维护虚拟通道相关数据,并获取数据的元数据;
渠道商收集供应商的反馈信息,每隔一段时间汇总一下反馈信息;
渠道商所在大数据平台,每隔一段时间计算和分析过去每个供应商的每个虚拟通道的质量状况;
基于虚拟通道上的历史质量状况数据,使用预测算法,虚拟通道上的未来一段时间的质量状况;
基于预测算法得到的预测数据,以及最终的目标函数,给数据选择未来一段时间内最佳的供应商;预测数据包括平均耗时、成功率、推送最佳、追踪拐点值;所述供应商的质量的评判标准包括传输平均用时、方差、成功率、成本。
2.根据权利要求1所述的渠道商运用大数据、预测算法选择供应商的方法,其特征在于,维护维度属性不影响终端用户原始数据,对于终端用户和供应商都是透明的。
3.根据权利要求1所述的渠道商运用大数据、预测算法选择供应商的方法,其特征在于,所述大数据平台的预测算法采用时间序列分析算法,包括ARIMA算法、KALMAN滤波算法、长短时记忆神经网络算法。
4.根据权利要求1所述的渠道商运用大数据、预测算法选择供应商的方法,其特征在于,所述大数据平台的预测算法具体包括如下小步:
步骤一:设定维度属性,将维度属性的组合映射成虚拟通道;
步骤二:利用流式计算,基于终端用户发送数据的元数据,以及供应商的反馈数据,计算每个时段每个供应商每个虚拟通道的质量,质量的评判标准包括但是不限于传输平均用时、方差、成功率、成本;
步骤三:基于每个虚拟通道上的历史数据,使用预测算法,给出下一段时间的预测数据;
步骤四:基于最终的目标函数,以及预测数据,决定未来一段时间终端用户发送的数据对应的虚拟通道以及最终的供应商。
5.一种应用权利要求1所记载的渠道商运用大数据、预测算法选择供应商的方法的系统,其特征在于,包括:
终端用户,是数据发送的主体,发送的数据可以不包含额外的信息,所有质量数据、维度数据、虚拟通道信息维护在渠道商;终端不需要感知虚拟通道的存在;
渠道商,针对每个实际供应商设定和维护虚拟通道,渠道商基于大数据平台和预测算法给用户数据选择未来一段时间内最佳的供应商或多个备选供应商;
供应商,用于提供给渠道商若干个可供选择的质量不稳定的虚拟通道。
6.一种渠道商运用大数据、预测算法选择供应商的系统,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储大数据平台;
当大数据平台被至少一个处理器执行,使得至少一个处理器实现如权利要求1~4任一项所述的一种渠道商运用大数据、预测算法选择供应商的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110516555.1A CN113240270B (zh) | 2021-05-12 | 2021-05-12 | 渠道商运用大数据、预测算法选择供应商的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110516555.1A CN113240270B (zh) | 2021-05-12 | 2021-05-12 | 渠道商运用大数据、预测算法选择供应商的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240270A CN113240270A (zh) | 2021-08-10 |
CN113240270B true CN113240270B (zh) | 2022-08-26 |
Family
ID=77133595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110516555.1A Active CN113240270B (zh) | 2021-05-12 | 2021-05-12 | 渠道商运用大数据、预测算法选择供应商的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240270B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2611852A (en) * | 2021-08-11 | 2023-04-19 | North Swell Tech Limited | A system and method for selecting a service supplier |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323195A (zh) * | 2014-07-11 | 2016-02-10 | 中国人民解放军理工大学 | 一种历史数据缺失条件下的短波多信道联合预测方法 |
CN105959233A (zh) * | 2016-04-25 | 2016-09-21 | 深圳市威宇智通科技有限公司 | 基于流式计算的移动终端流量分发系统及方法 |
CN106658638A (zh) * | 2016-12-16 | 2017-05-10 | 天津大学 | 一种基于hh‑vbf的时间序列预测方法 |
CN110244642A (zh) * | 2014-10-06 | 2019-09-17 | 费希尔-罗斯蒙特系统公司 | 用于过程控制系统分析的数据管道 |
CN111080420A (zh) * | 2019-12-30 | 2020-04-28 | 广州骏伯网络科技有限公司 | 一种实现多供应商话费充值匹配的方法、系统及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102267854B1 (ko) * | 2014-11-25 | 2021-06-22 | 삼성전자주식회사 | 데이터 스케줄링 및 전력 제어를 위한 방법 및 그 전자장치 |
-
2021
- 2021-05-12 CN CN202110516555.1A patent/CN113240270B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105323195A (zh) * | 2014-07-11 | 2016-02-10 | 中国人民解放军理工大学 | 一种历史数据缺失条件下的短波多信道联合预测方法 |
CN110244642A (zh) * | 2014-10-06 | 2019-09-17 | 费希尔-罗斯蒙特系统公司 | 用于过程控制系统分析的数据管道 |
CN105959233A (zh) * | 2016-04-25 | 2016-09-21 | 深圳市威宇智通科技有限公司 | 基于流式计算的移动终端流量分发系统及方法 |
CN106658638A (zh) * | 2016-12-16 | 2017-05-10 | 天津大学 | 一种基于hh‑vbf的时间序列预测方法 |
CN111080420A (zh) * | 2019-12-30 | 2020-04-28 | 广州骏伯网络科技有限公司 | 一种实现多供应商话费充值匹配的方法、系统及存储介质 |
Non-Patent Citations (1)
Title |
---|
基于SA-BP神经网络算法的光接入网络通道质量评估方法;蔡冰清 等;《电信科学》;20180430;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113240270A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10557712B2 (en) | Determination of a route of a mobile device in a mobile network | |
CN108804619A (zh) | 兴趣偏好预测方法、装置、计算机设备及存储介质 | |
CN103686617B (zh) | 创建即时通讯群组的方法及装置 | |
CN110365503B (zh) | 一种指标确定方法及其相关设备 | |
CN102170449A (zh) | 一种基于协同过滤的Web服务QoS预测方法 | |
CN108319974B (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN113315978B (zh) | 一种基于联邦学习的协作式在线视频边缘缓存方法 | |
CN113240270B (zh) | 渠道商运用大数据、预测算法选择供应商的方法及系统 | |
CN106339769B (zh) | 一种面向移动社会网络的用户出行预测方法 | |
CN113422801B (zh) | 边缘网络节点内容分配方法、系统、装置及计算机设备 | |
CN106291764A (zh) | 基于大数据和气象分析场的气象预报方法和系统 | |
Yu et al. | Reliable fog-based crowdsourcing: A temporal–spatial task allocation approach | |
CN117177322A (zh) | 一种电力线载波和无线通信双网络的无缝切换方法 | |
CN113014938B (zh) | 多维度视频直播推荐方法及装置 | |
CN114462506B (zh) | 一种支持偏好策略的通信网络辅助规划方法及其应用 | |
CN107404659B (zh) | 网络视频显示方法及装置 | |
Lima et al. | Human Mobility Support for Personalized Data Offloading | |
CN102547765B (zh) | 一种异系统邻区自动规划方法及其系统 | |
CN113516562B (zh) | 家庭社交网络构建方法、装置、设备及存储介质 | |
CN104734898A (zh) | 一种基于社交网络分析的业务推荐方法和系统 | |
Xu et al. | Can early joining participants contribute more?-timeliness sensitive incentivization for crowdsensing | |
CN109474516A (zh) | 基于卷积神经网络的即时通信连接策略推荐方法及系统 | |
CN115801952B (zh) | 一种天线系统的控制方法和系统 | |
CN115515198B (zh) | 基于博弈论和自适应跳跃的异构车载网络选择方法及系统 | |
CN113704319B (zh) | 一种结合情景信息的移动终端业务预测方法 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Methods and systems for channel providers to select suppliers using Big data and prediction algorithms Effective date of registration: 20230530 Granted publication date: 20220826 Pledgee: Qingdao urban and rural community construction financing Company limited by guarantee Pledgor: QINGDAO WANGXIN INFORMATION TECHNOLOGY CO.,LTD. Registration number: Y2023980042195 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |