CN113962335A - 一种可灵活配置的数据全过程处理方法 - Google Patents
一种可灵活配置的数据全过程处理方法 Download PDFInfo
- Publication number
- CN113962335A CN113962335A CN202111575070.6A CN202111575070A CN113962335A CN 113962335 A CN113962335 A CN 113962335A CN 202111575070 A CN202111575070 A CN 202111575070A CN 113962335 A CN113962335 A CN 113962335A
- Authority
- CN
- China
- Prior art keywords
- data
- matrix
- processing
- processed
- carrying
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种可灵活配置的数据全过程处理方法,首先根据用户要求以及数据性质对所需处理的数据进行分类采集,并将采集到的数据信息转换成能被接收处理的形式,随后对接收到的数据进行预处理,所述预处理为对数据进行编码分组以及运算储备处理,目的在于降低数据维度;再对数据进行精准处理,所述精准处理为对数据进行特征提取及分析,最后将处理后的数据进行输出。解决了现有技术中数据处理的灵活性不够,处理速度较慢,且处理过程较为复杂的技术问题,实现了较灵活、相对快速且简单的数据处理。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种可灵活配置的数据全过程处理方法。
背景技术
随着科技的进步以及业务系统的复杂化,各行业领域产生的数据量越来越大,进而对数据处理的要求越来越高,针对不同领域的不同数据有许多梳理方法,例如分类、回归、聚类、相似匹配、频繁项集、统计描述、链接预测、数据压缩、因果分析、图解法等,在王宗友等的公开号为“CN113255014A”“一种基于区块链的数据处理方法以及相关设备”中利用区块链进行数据处理,降低区块链权限管理难度,同时提高网络安全性。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:数据处理的灵活性不够,处理速度较慢,且处理过程较为复杂。
发明内容
本申请实施例通过提供一种可灵活配置的数据全过程处理方法,解决了现有技术中数据处理的灵活性不够,处理速度较慢,且处理过程较为复杂的技术问题,实现了较灵活、相对快速且简单的数据处理。
本发明的技术方案如下:
一种可灵活配置的数据全过程处理方法,首先根据用户要求以及数据性质对所需处理的数据进行分类采集,并将采集到的数据信息转换成能被接收处理的形式,随后对接收到的数据进行预处理,所述预处理为对数据进行编码分组以及运算储备处理,目的在于降低数据维度;再对数据进行精准处理,所述精准处理为对数据进行特征提取及分析,最后将处理后的数据进行输出。
优选的,所述方法包括以下步骤:
S1.首先对所需处理数据根据数据类型进行分类采集,并将采集到的数据信息转换成能被接收处理的形式;
S2.对接收到的数据进行预处理,得到预处理后的变换数据矩阵集合,为接下来精准处理做准备;
S3.最后,通过构造权重数学模型对预处理后数据矩阵集合进行清洗去噪,并将所得数据矩阵集合中矩阵逐个进行矩阵分解以及特征提取处理,最后得到数据输出。
优选的,所述步骤S2具体包括:
其中,m,n为分组编码后矩阵D的行数与列数,且N = m╳n。
优选的,所述步骤S2具体包括:
优选的,所述步骤S3具体包括:
构建权重数学模型为:
优选的,所述步骤S3具体包括:
本发明的有益效果是:
3、本申请通过构造权重数学模型,根据不同用户对数据的要求定义矩阵A,并设定矩阵A对应的权重矩阵B以及权重评分矩阵C,来对数据矩阵J进行筛选,提高了数据处理过程中对于满足不同客户需求的灵活性。
4、本申请通过对权重数学模型的输出数据矩阵集合人工筛选的数据矩阵集合逐项进行数据矩阵分解,得到更易处理的数据矩阵,即根据分解矩阵的性质获得与矩阵相同性质的对角阵,可代替数据矩阵进行进一步处理分析,使得数据处理过程变得更为简单,降低了数据处理过程的复杂性。
附图说明
图1为本申请所述的一种可灵活配置的数据全过程处理方法的流程图;
图2为本申请所述的一种可灵活配置的数据全过程处理方法实现框图。
具体实施方式
本申请实施例通过提供一种可灵活配置的数据全过程处理方法,解决了数据处理过程中的灵活性不够,处理速度较慢,且处理过程较为复杂的技术问题,为解决上述问题,总体思路如下:
首先根据用户要求以及数据性质对所需处理的数据进行分类采集,并将采集到的数据信息转换成能被接收处理的形式,随后对接收到的数据进行预处理,所述预处理为对数据进行编码分组以及运算储备处理,目的在于降低数据维度;再对数据进行精准处理,所述精准处理为对数据进行特征提取及分析,最后将处理后的数据进行输出。本申请通过对数据集合进行分组构建矩阵D,使得在数据处理过程中更简单,直观,为接下来的处理过程更为灵活做准备;在数据预处理时通过引入权重因子ofo对重组后的矩阵D进行加权运算处理,得到加权运算后的矩阵,从矩阵的性质出发获得更有价值的矩阵,为数据处理的准确性提供依据;在对预处理后数据进行清洗筛选时构建权重数学模型,根据用户需求定义参数矩阵,更灵活的实现数据处理,同时对权重数学模型输出矩阵集合逐个矩阵进行分解得到简化对角矩阵来代表原数据矩阵,使得数据处理过程变得更为简单,降低了数据处理过程的复杂性;最后对组成的新的矩阵集合进行特征提取,得到用户需要的数据信息,并将其输出。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图1,本申请所述一种可灵活配置的数据全过程处理方法,具体包括以下步骤:
S1. 首先对所需处理数据根据数据类型进行分类采集,并将采集到的数据信息转换成能被接收处理的形式;
S11.了解要处理数据的类型,并通过其类型特性选择恰当的手段进行针对性采集;
常用的数据源一般有端上数据、开放数据、主观性数据、物理数据、数据库数据以及其他平台数据。
利用有线无线的方式将数据进行汇总采集,并对采集的数据信息进行分类,根据数据特性可分为无法定义结构的非结构化数据,例如文本信息,图像信息,视频信息以及声音信息;可定义结构的结构化数据,又称为行数据,例如学生选课系统中,学生、课程、选课导师等数据均可抽象为结构化数据。
采集到的数据格式一般有声音、图像、视频、纸带、表格、磁带等多媒体信息,通过有效手段对多种类型数据进行采集,所述有效手段为手动录入、机器扫描录入、数据线传输手段。
本申请根据用户所需数据类型以及具体要求,对数据进行人工数据采集、自动化数据采集、调研问卷收集。
S12.将采集到的数据进行转化,得到可处理的数据类型;
现大部分数据均利用计算机对各类数据进行处理分析,能够对声音、图像、视频等多媒体信息进行综合处理的计算机。
本申请通过计算机根据用户实际需求利用提取的特征信息得到数据相关信息,同时将用户需要的信息按照一定形式展现出来,并将待处理的数据进行预处理,所述预处理包含数据清洗、数据评估处理,通过预处理降低数据维度。
S2. 对接收到的数据进行预处理,得到预处理后的变换数据矩阵集合,为接下来精准处理做准备;
S21.对提取到的数据进行数据清洗预处理,现有技术常用的数据清洗的方法有分箱法、聚类法以及回归法。
其中,m,n为分组编码后矩阵D的行数与列数,且N = m╳n。
S22.随后利用待处理数据性质对分组后的矩阵D进行运算处理,得到处理后矩阵。
对矩阵D进行算术运算处理得到:
对矩阵D进行加权运算处理得到:
其中,ofo为引入的权重因子,表示为:
对矩阵D进行傅里叶变换、沃尔什变换、离散余弦变换得到不同变换域中的数据矩阵,表示为D2,D3,D4。
对矩阵D进行N种不同预处理方式得到预处理数据矩阵D5,…,DN。
S3. 最后,通过构造权重数学模型对预处理后数据矩阵集合进行清洗去噪,并将所得数据矩阵集合中矩阵逐个进行矩阵分解以及特征提取处理,最后得到数据输出。
S31.根据用户具体需求,从预处理通过构造权重数学模型,从集合J中筛选出最为满足需求的数据矩阵;
构建权重数学模型为:
权重数学模型的输入为矩阵A,矩阵B和矩阵C,对三个输入矩阵做如下运算,定义中间变换矩阵F:
本申请通过构造权重数学模型,根据不同用户对数据的要求定义矩阵A,并设定矩阵A对应的权重矩阵B以及权重评分矩阵C,来对数据矩阵J进行筛选,提高了数据处理过程中对于满足不同客户需求的灵活性。
本申请通过对权重数学模型的输出数据矩阵集合人工筛选的数据矩阵集合逐项进行数据矩阵分解,得到更易处理的数据矩阵,即根据分解矩阵的性质获得与矩阵相同性质的对角阵,可代替数据矩阵进行进一步处理分析,使得数据处理过程变得更为简单,降低了数据处理过程的复杂性。
参照图2,为实现一种可灵活配置的数据全过程处理方法实现框图,便实现了灵活配置的数据全过程处理。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
3、本申请通过构造权重数学模型,根据不同用户对数据的要求定义矩阵A,并设定矩阵A对应的权重矩阵B以及权重评分矩阵C,来对数据矩阵J进行筛选,提高了数据处理过程中对于满足不同客户需求的灵活性。
4、本申请通过对权重数学模型的输出数据矩阵集合人工筛选的数据矩阵集合逐项进行数据矩阵分解,得到更易处理的数据矩阵,即根据分解矩阵的性质获得与矩阵相同性质的对角阵,可代替数据矩阵进行进一步处理分析,使得数据处理过程变得更为简单,降低了数据处理过程的复杂性。
效果调研:
本申请的技术方案能够有效解决数据处理的灵活性不够,处理速度较慢,且处理过程较为复杂的技术问题,并且,上述系统或方法经过了一系列的效果调研,通过对数据集合进行分组构建矩阵D,使得在数据处理过程中更简单,直观,为接下来的处理过程更为灵活做准备;在数据预处理时通过引入权重因子ofo对重组后的矩阵D进行加权运算处理,得到加权运算后的矩阵,从矩阵的性质出发获得更有价值的矩阵,为数据处理的准确性提供依据;在对预处理后数据进行清洗筛选时构建权重数学模型,根据用户需求定义参数矩阵,更灵活的实现数据处理,同时对权重数学模型输出矩阵集合逐个矩阵进行分解得到简化对角矩阵来代表原数据矩阵,使得数据处理过程变得更为简单,降低了数据处理过程的复杂性;最后对组成的新的矩阵集合进行特征提取,得到用户需要的数据信息,并将其输出。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种可灵活配置的数据全过程处理方法,其特征在于:首先根据用户要求以及数据性质对所需处理的数据进行分类采集,并将采集到的数据信息转换成能被接收处理的形式,随后对接收到的数据进行预处理,所述预处理为对数据进行编码分组以及运算储备处理,目的在于降低数据维度;再对数据进行精准处理,所述精准处理为对数据进行特征提取及分析,最后将处理后的数据进行输出。
2.如权利要求1所述的一种可灵活配置的数据全过程处理方法,其特征在于,所述方法包括以下步骤:
S1.首先对所需处理数据根据数据类型进行分类采集,并将采集到的数据信息转换成能被接收处理的形式;
S2.对接收到的数据进行预处理,得到预处理后的变换数据矩阵集合,为接下来精准处理做准备;
S3.最后,通过构造权重数学模型对预处理后数据矩阵集合进行清洗去噪,并将所得数据矩阵集合中矩阵逐个进行矩阵分解以及特征提取处理,最后得到数据输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575070.6A CN113962335B (zh) | 2021-12-22 | 2021-12-22 | 一种可灵活配置的数据全过程处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575070.6A CN113962335B (zh) | 2021-12-22 | 2021-12-22 | 一种可灵活配置的数据全过程处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113962335A true CN113962335A (zh) | 2022-01-21 |
CN113962335B CN113962335B (zh) | 2022-04-12 |
Family
ID=79473533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111575070.6A Active CN113962335B (zh) | 2021-12-22 | 2021-12-22 | 一种可灵活配置的数据全过程处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962335B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114816771A (zh) * | 2022-06-27 | 2022-07-29 | 深圳市乐易网络股份有限公司 | 一种多通道混合云计算系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799656A (zh) * | 2012-07-03 | 2012-11-28 | 复旦大学 | 一种面向目标用户的个性化产品包的提取方法 |
CN103412557A (zh) * | 2013-07-17 | 2013-11-27 | 浙江工业大学 | 一种适于非线性过程在线监控的工业故障检测与诊断方法 |
WO2018144834A1 (en) * | 2017-02-03 | 2018-08-09 | Duke University | Nasopharyngeal protein biomarkers of acute respiratory virus infection and methods of using same |
CN111177639A (zh) * | 2019-12-11 | 2020-05-19 | 广东工业大学 | 一种基于模糊分析的室内空气质量评价方法 |
CN111507297A (zh) * | 2020-04-24 | 2020-08-07 | 中国科学院空天信息创新研究院 | 一种基于度量信息矩阵的雷达信号识别方法及系统 |
CN111649817A (zh) * | 2020-06-30 | 2020-09-11 | 郑州信大先进技术研究院 | 一种分布式光纤振动传感器系统及其模式识别方法 |
CN112149988A (zh) * | 2020-09-18 | 2020-12-29 | 江苏方天电力技术有限公司 | 一种基于层次分析法和熵权法的电力企业主数据识别方法 |
CN113420733A (zh) * | 2021-08-23 | 2021-09-21 | 北京黑马企服科技有限公司 | 一种高效分布式大数据数据采集实现方法及系统 |
CN113434685A (zh) * | 2021-07-06 | 2021-09-24 | 中国银行股份有限公司 | 一种资讯分类处理的方法及系统 |
CN113536999A (zh) * | 2021-07-01 | 2021-10-22 | 汇纳科技股份有限公司 | 人物情绪识别方法、系统、介质及电子设备 |
CN113657545A (zh) * | 2021-08-30 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 用户业务数据的处理方法、装置、设备及存储介质 |
CN113742650A (zh) * | 2021-08-16 | 2021-12-03 | 国网河南省电力公司电力科学研究院 | 一种分布式传感数据处理方法及装置 |
-
2021
- 2021-12-22 CN CN202111575070.6A patent/CN113962335B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799656A (zh) * | 2012-07-03 | 2012-11-28 | 复旦大学 | 一种面向目标用户的个性化产品包的提取方法 |
CN103412557A (zh) * | 2013-07-17 | 2013-11-27 | 浙江工业大学 | 一种适于非线性过程在线监控的工业故障检测与诊断方法 |
WO2018144834A1 (en) * | 2017-02-03 | 2018-08-09 | Duke University | Nasopharyngeal protein biomarkers of acute respiratory virus infection and methods of using same |
CN111177639A (zh) * | 2019-12-11 | 2020-05-19 | 广东工业大学 | 一种基于模糊分析的室内空气质量评价方法 |
CN111507297A (zh) * | 2020-04-24 | 2020-08-07 | 中国科学院空天信息创新研究院 | 一种基于度量信息矩阵的雷达信号识别方法及系统 |
CN111649817A (zh) * | 2020-06-30 | 2020-09-11 | 郑州信大先进技术研究院 | 一种分布式光纤振动传感器系统及其模式识别方法 |
CN112149988A (zh) * | 2020-09-18 | 2020-12-29 | 江苏方天电力技术有限公司 | 一种基于层次分析法和熵权法的电力企业主数据识别方法 |
CN113536999A (zh) * | 2021-07-01 | 2021-10-22 | 汇纳科技股份有限公司 | 人物情绪识别方法、系统、介质及电子设备 |
CN113434685A (zh) * | 2021-07-06 | 2021-09-24 | 中国银行股份有限公司 | 一种资讯分类处理的方法及系统 |
CN113742650A (zh) * | 2021-08-16 | 2021-12-03 | 国网河南省电力公司电力科学研究院 | 一种分布式传感数据处理方法及装置 |
CN113420733A (zh) * | 2021-08-23 | 2021-09-21 | 北京黑马企服科技有限公司 | 一种高效分布式大数据数据采集实现方法及系统 |
CN113657545A (zh) * | 2021-08-30 | 2021-11-16 | 平安医疗健康管理股份有限公司 | 用户业务数据的处理方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
DUNHONG YAO等: "A Course Teacher Recommendation Algorithm Based on Improved Latent Factor Model and PersonalRank", 《 IEEE ACCESS》 * |
田建勇等: "融合布尔矩阵和项目特性的关联规则挖掘算法", 《控制工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114816771A (zh) * | 2022-06-27 | 2022-07-29 | 深圳市乐易网络股份有限公司 | 一种多通道混合云计算系统 |
CN114816771B (zh) * | 2022-06-27 | 2022-09-13 | 深圳市乐易网络股份有限公司 | 一种多通道混合云计算系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113962335B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111199343B (zh) | 一种多模型融合的烟草市场监管异常数据挖掘方法 | |
DE102018128581A1 (de) | Erkennung und klassifikfation von schadsoftware unter verwendung eines künstlichen neuronalen netzes | |
CN110910982A (zh) | 自编码模型训练方法、装置、设备及存储介质 | |
CN108874832B (zh) | 目标评论确定方法及装置 | |
CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN111008693B (zh) | 一种基于数据压缩的网络模型构建方法、系统和介质 | |
CN113610239A (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
CN111782644A (zh) | 一种基于区块链技术的科研数据管理控制系统及方法 | |
CN105681908A (zh) | 基于个体收视行为的广播电视系统及其个性节目推荐方法 | |
DE102017009505A1 (de) | Erzeugen einer kompakten Videomerkmaldarstellung in einer digitalen Medienumgebung | |
Liang et al. | Image feature selection using genetic programming for figure-ground segmentation | |
CN108416213A (zh) | 一种基于图像纹理指纹的恶意代码分类方法 | |
CN107220902A (zh) | 在线社会网络的级联规模预测方法 | |
CN110647995A (zh) | 规则训练方法、装置、设备及存储介质 | |
CN113962335B (zh) | 一种可灵活配置的数据全过程处理方法 | |
CN106897454A (zh) | 一种文件分类方法及装置 | |
Chamberlain et al. | Real-time community detection in full social networks on a laptop | |
CN104809218A (zh) | 一种ugc视频分类方法及装置 | |
CN112541635A (zh) | 业务数据统计预测方法、装置、计算机设备及存储介质 | |
CA3047930A1 (en) | Mixed data fingerprinting with principal components analysis | |
Zeng et al. | Detection of double JPEG compression using modified DenseNet model | |
CN110188277B (zh) | 一种资源的推荐方法及装置 | |
CN106874927A (zh) | 一种随机强分类器的构建方法和系统 | |
CN111026940A (zh) | 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备 | |
CN115577274A (zh) | 一种基于多维度特征的企业批量聚类方法和系统 |
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: A Flexible and Configurable Method for Whole Process Data Processing Effective date of registration: 20230926 Granted publication date: 20220412 Pledgee: Zhongguancun Branch of Bank of Beijing Co.,Ltd. Pledgor: Beijing Hengxin Qihua Information Technology Co.,Ltd. Registration number: Y2023110000419 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |