CN117131245A - 一种运用知识图谱技术实现目录资源推荐机制的方法 - Google Patents

一种运用知识图谱技术实现目录资源推荐机制的方法 Download PDF

Info

Publication number
CN117131245A
CN117131245A CN202311403077.9A CN202311403077A CN117131245A CN 117131245 A CN117131245 A CN 117131245A CN 202311403077 A CN202311403077 A CN 202311403077A CN 117131245 A CN117131245 A CN 117131245A
Authority
CN
China
Prior art keywords
data
information
similarity
unit module
basic
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
CN202311403077.9A
Other languages
English (en)
Other versions
CN117131245B (zh
Inventor
杜雅文
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.)
Jiangsu Shudui Technology Co ltd
Original Assignee
Jiangsu Shudui Technology Co ltd
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 Jiangsu Shudui Technology Co ltd filed Critical Jiangsu Shudui Technology Co ltd
Priority to CN202311403077.9A priority Critical patent/CN117131245B/zh
Publication of CN117131245A publication Critical patent/CN117131245A/zh
Application granted granted Critical
Publication of CN117131245B publication Critical patent/CN117131245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/027—Frames
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种运用知识图谱技术实现目录资源推荐机制的方法，步骤包括：在数据管理层面，一部分是基本单元模块：在数据编目的过程中填写基本的数据信息，以及总体概述性的描述；另外一部分是数据单元模块：包括数据的信息，是对单个数据的映射描述，单个数据的映射构成了整体的数据的数据整体的构成结构；定义基本单元模块和数据单元模块的各个维度，当比对两个数据目录时，比对两个数据的周边的图谱关系；用知识图谱来分析基本单元模块和数据单元模块来计算两个数据的相似度；把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度，通过相似度的值来推荐搜索的数据。本发明可以提高找数据的效率。

Description

一种运用知识图谱技术实现目录资源推荐机制的方法
技术领域
本发明涉及智能编目技术，特别是一种运用知识图谱技术实现目录资源推荐机制的方法。
背景技术
在信息化，数字化极度发达的今天，我们每天每时每刻在网络上进行操作，都会留下数据的痕迹，会产生不同的使用的数据，也会在一些网站或者政府工作的平台录入一些数据，这些数据组成了丰富复杂的数据，并且这些数据在不断的更新和变化之中。在数据维护的工程中，数据目录是一种常见的使用手段，通过数据的编目可以数据进行管理和维护，方便用户能够查找数据，方便数据的维护以及数据串联数据之间的相关性。
数据资源目录，最早是政务领域提出的概念，是为了“数据需求方使用数据而提供的检索支持”。数据资源目录的原始驱动力是“政务数据资源共享”，是面向数据使用者的。工程实践落地，是从2005年国家政务数据交换、目录体系、四大库试点开始的，并在2007年正式发布国标：《GB/T 21063-2007 政务信息资源目录体系》。
政务数据资源目录是通过对政务信息资源依据规范的元数据描述，按照一定的分类方法进行排序和编码的一组信息，用以描述各个政务信息资源的特征，以便于对政务信息资源的检索、定位与获取。
2007年的国标给出的标准定义，站在现在政务数据治理的高度来看，原来的“目录体系”建设，仅仅是个工具而已，已经很单薄了，当前的“数据资源目录”，实际上可以和“数据资产管理”和“数据服务”结合在一起，才能有更好的发展前景。
同时，在数据的管理和维护的过程中，也需要分析和使用一些数据以便更够更好的服务业务或者创造更多新的业务和服务，那么在寻找数据的过程中，快速的找到需要的数据就变得十分的重要。但是如何找到或者找全我们需要的数据，这也是一个十分困难的过程，因此寻找一种方法，能够快速的所需数据。
目前使用的技术是通过目录去维护数据的管理，通过关键字的搜索可以快速的查询到自己所需要的数据。但是很难了解数据的相关信息，也不能快速并且准确的查找到自己所需要的数据，需要通过一步步检索、查看，才能找到自己所需数据。这种方法非常的繁琐，效率非常低，同时也有可能找不到所需数据。
发明内容
针对现有技术中存在的问题，本发明提供了一种利用图谱关联性的功能，推荐符合条件的更合适的数据，解决在搜索数据的时候，找寻相似数据，能够更加准确的推荐符合预期的相似数据，同时还可以检查是否重复编目的运用知识图谱技术实现目录资源推荐机制的方法。
本发明的目的通过以下技术方案实现。
一种运用知识图谱技术实现目录资源推荐机制的方法，步骤包括：
步骤1：在数据管理层面，一部分是基本单元模块：在数据编目的过程中填写基本的数据信息，以及总体概述性的描述，这些数据统称为数据的总体信息；另外一部分是数据单元模块：包括数据的信息，是对单个数据的映射描述，单个数据的映射构成了整体的数据的数据整体的构成结构；
步骤2：定义基本单元模块和数据单元模块的各个维度，当比对两个数据目录时，比对两个数据的周边的图谱关系；
步骤3：用知识图谱来分析基本单元模块和数据单元模块来计算两个数据的相似度；
步骤4：把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度，通过相似度的值来推荐搜索的数据。
所述步骤2具体为：定义基本单元模块和数据单元模块的各个维度：一个部分是数据的基本信息，颗粒度包括术语、标签、数据量大小、部门；整体的各个维度信息定义为n1，n2，n3，n4，…，nm各个维度，定义这些信息维度占比为整体的1/2，当比对两个数据目录时，比对这些数据的周边的图谱关系，定义数据的数据a和b的周边关系分别：a周边的周边关系为a1，a2，a3，…，an；b周边的周边关系为b1，b2，b3，…，bm，如果两个节点相同，那么这两个节点在图谱上是关联上相同的节点，那么计算这两个数据目录之间的百分比为：当先通电为z，那么概率为：z/m或者n；当m>n，那么概率为z/m，当m<n, 那么概率为z/n，那么基本信息的相似度为1/2*（z/n）或者1/2*（z/m）。
所述步骤3具体为：计算细节数据之间的相似度，单个单元数据也会关联一些基础信息，包括标准的数据元信息，模型信息，术语信息，当两个数据能够在图谱上关联的方面有q个节点，那么分别计算a，b两个目录数据的相似度，a的数据单元分别为a1，a2，a3.，…，an ，b的数据单元为b1，b2，b3.，…，bm，那么ab组在每个单元的相似度计算分别为：
当n>m，ab1：q个节点，xab1个相同，那么 ab1= xab1/q，ab2= xab2/q，ab3= xab3/q,……,abm= xabm /q，整个数据单元部分的相似度为（ab1+ ab2+ ab3+……+abm）/n，数据单元部分为1/2*（ab1+ ab2+ ab3+……+abm）/n；
当n<m，ab1：q个节点，xab1个相同，那么 ab1= xab1/q，ab2= xab2/q，ab3= xab3/q,……,abm= xabn /q，整个数据单元部分的相似度为（ab1+ ab2+ ab3+……+abn）/m，数据单元部分为1/2*（ab1+ ab2+ ab3+……+abn）/m。
所述步骤4中把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度：当m>n，那么两个目录的数据的相似度为：1/2*（ab1+ ab2+ ab3+……+abn）/m +1/2*（z/m）；当m<n，那么两个目录的数据的相似度为：1/2*（ab1+ ab2+ ab3+……+abn）/m +1/2*（z/n）。
在所述步骤4之后通过来速度的值来发现是否重复编目，当单个数据元素计算值为100%，那么可以定义两个数据为同一个数据。
相比于现有技术，本发明的优点在于：本发明主要是利用图谱技术，把数据的信息分解成多个维度的实体信息，所以一个数据是多维度的实体所组成了，那么这个多方位的维度信息就组成了单个数据的图谱信息，通过两个图谱的比对，能了解两个数据计算出两个数据的相似度。在找寻数据的过程中，通过一次检索，本发明不只找到一个数据，而是可以早到一串的关联性的数据，提高找数据的效率。在找寻数据时，搜索过程中，往往是基于某一个关键词或者某一方面的搜索来寻找数据，但是常常这样的搜索是不准确的，可能找寻的数据不是最核心符合期望的，本发明利用知识图谱的技术，利用图谱关联性的功能，推荐符合条件的更合适的数据，解决在搜索数据的时候，找寻相似数据，能够更加准确的推荐符合预期的相似数据，同时，还可以检查是否重复编目。
附图说明
图1为本发明数据资产的关系图。
具体实施方式
下面结合说明书附图和具体的实施例，对本发明作详细描述。
一种运用知识图谱技术实现目录资源推荐机制的方法，步骤包括：
步骤1：在数据管理层面，一部分是基本单元模块：在数据编目的过程中填写基本的数据信息，以及总体概述性的描述，这些数据统称为数据的总体信息；另外一部分是数据单元模块：包括数据的信息，是对单个数据的映射描述，单个数据的映射构成了整体的数据的数据整体的构成结构；系统中上线的数据称之为资产，数据资产的关系图如图1所示。
步骤2：定义基本单元模块和数据单元模块的各个维度，当比对两个数据目录时，比对两个数据的周边的图谱关系；
步骤3：用知识图谱来分析基本单元模块和数据单元模块来计算两个数据的相似度；
步骤4：把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度，通过相似度的值来推荐搜索的数据。
步骤5：通过来速度的值来发现是否重复编目，当单个数据元素计算值为100%，那么可以定义两个数据为同一个数据。
所述步骤2具体为：定义基本单元模块和数据单元模块的各个维度：一个部分是数据的基本信息，颗粒度包括术语、标签、数据量大小、部门；整体的各个维度信息定义为n1，n2，n3，n4，…，nm各个维度，定义这些信息维度占比为整体的1/2，当比对两个数据目录时，比对这些数据的周边的图谱关系，定义数据的数据a和b的周边关系分别：a周边的周边关系为a1，a2，a3，…，an；b周边的周边关系为b1，b2，b3，…，bm，如果两个节点相同，那么这两个节点在图谱上是关联上相同的节点，那么计算这两个数据目录之间的百分比为：当先通电为z，那么概率为：z/m或者n；当m>n，那么概率为z/m，当m<n, 那么概率为z/n，那么基本信息的相似度为1/2*（z/n）或者1/2*（z/m）。
所述步骤3具体为：计算细节数据之间的相似度，单个单元数据也会关联一些基础信息，包括标准的数据元信息，模型信息，术语信息，当两个数据能够在图谱上关联的方面有q个节点，那么分别计算a，b两个目录数据的相似度，a的数据单元分别为a1，a2，a3.，…，an ，b的数据单元为b1，b2，b3.，…，bm，那么ab组在每个单元的相似度计算分别为：
当n>m，ab1：q个节点，xab1个相同，那么 ab1= xab1/q，ab2= xab2/q，ab3= xab3/q,……,abm= xabm /q，整个数据单元部分的相似度为（ab1+ ab2+ ab3+……+abm）/n，数据单元部分为1/2*（ab1+ ab2+ ab3+……+abm）/n；
当n<m，ab1：q个节点，xab1个相同，那么 ab1= xab1/q，ab2= xab2/q，ab3= xab3/q,……,abm= xabn /q，整个数据单元部分的相似度为（ab1+ ab2+ ab3+……+abn）/m，数据单元部分为1/2*（ab1+ ab2+ ab3+……+abn）/m。
所述步骤4中把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度：当m>n，那么两个目录的数据的相似度为：1/2*（ab1+ ab2+ ab3+……+abn）/m +1/2*（z/m）；当m<n，那么两个目录的数据的相似度为：1/2*（ab1+ ab2+ ab3+……+abn）/m +1/2*（z/n）。

Claims (5)

1.一种运用知识图谱技术实现目录资源推荐机制的方法，其特征在于步骤包括：
步骤1：在数据管理层面，一部分是基本单元模块：在数据编目的过程中填写基本的数据信息，以及总体概述性的描述，这些数据统称为数据的总体信息；另外一部分是数据单元模块：包括数据的信息，是对单个数据的映射描述，单个数据的映射构成了整体的数据的数据整体的构成结构；
步骤2：定义基本单元模块和数据单元模块的各个维度，当比对两个数据目录时，比对两个数据的周边的图谱关系；
步骤3：用知识图谱来分析基本单元模块和数据单元模块来计算两个数据的相似度；
步骤4：把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度，通过相似度的值来推荐搜索的数据。
2.根据权利要求1所述的一种运用知识图谱技术实现目录资源推荐机制的方法，其特征在于所述步骤2具体为：定义基本单元模块和数据单元模块的各个维度：一个部分是数据的基本信息，颗粒度包括术语、标签、数据量大小、部门；整体的各个维度信息定义为n1，n2，n3，n4，…，nm 各个维度，定义这些信息维度占比为整体的1/2，当比对两个数据目录时，比对这些数据的周边的图谱关系，定义数据的数据a和b的周边关系分别：a周边的周边关系为a1，a2，a3，…，an；b周边的周边关系为b1，b2，b3 ，…，bm ，如果两个节点相同，那么这两个节点在图谱上是关联上相同的节点，那么计算这两个数据目录之间的百分比为：当先通电为z，那么概率为：z/m或者n；当m>n，那么概率为z/m，当m<n, 那么概率为z/n，那么基本信息的相似度为1/2*（z/n）或者1/2*（z/m）。
3. 根据权利要求1所述的一种运用知识图谱技术实现目录资源推荐机制的方法，其特征在于所述步骤3具体为：计算细节数据之间的相似度，单个单元数据也会关联一些基础信息，包括标准的数据元信息，模型信息，术语信息，当两个数据能够在图谱上关联的方面有q个节点，那么分别计算a，b两个目录数据的相似度，a的数据单元分别为a1，a2，a3. ，…，an ，b的数据单元为b1，b 2，b3. ，…，bm ，那么ab组在每个单元的相似度计算分别为：
当n>m，ab1：q个节点，xab1个相同，那么 ab1= xab1 /q，ab2= xab2 /q，ab3= xab3 /q,……,abm= xabm /q，整个数据单元部分的相似度为（ab1+ ab2+ ab3+……+abm）/n，数据单元部分为1/2*（ab1+ ab2+ ab3+……+abm）/n；
当n<m，ab1：q个节点，xab1个相同，那么 ab1= xab1 /q，ab2= xab2 /q，ab3= xab3 /q,……,abm= xabn /q，整个数据单元部分的相似度为（ab1+ ab2+ ab3+……+abn）/m，数据单元部分为1/2*（ab1+ ab2+ ab3+……+abn）/m。
4. 根据权利要求1所述的一种运用知识图谱技术实现目录资源推荐机制的方法，其特征在于所述步骤4中把数据的基本信息和数据单元信息合并起来统计两个数据目录的数据的相似度：当m>n，那么两个目录的数据的相似度为：1/2*（ab1+ ab2+ ab3+……+abn）/m +1/2*（z/m）；当m<n，那么两个目录的数据的相似度为：1/2*（ab1+ ab2+ ab3+……+abn）/m +1/2*（z/n）。
5.根据权利要求1所述的一种运用知识图谱技术实现目录资源推荐机制的方法，其特征在于在所述步骤4之后通过来速度的值来发现是否重复编目，当单个数据元素计算值为100%，那么可以定义两个数据为同一个数据。
CN202311403077.9A 2023-10-27 2023-10-27 一种运用知识图谱技术实现目录资源推荐机制的方法 Active CN117131245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311403077.9A CN117131245B (zh) 2023-10-27 2023-10-27 一种运用知识图谱技术实现目录资源推荐机制的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311403077.9A CN117131245B (zh) 2023-10-27 2023-10-27 一种运用知识图谱技术实现目录资源推荐机制的方法

Publications (2)

Publication Number Publication Date
CN117131245A true CN117131245A (zh) 2023-11-28
CN117131245B CN117131245B (zh) 2024-03-05

Family

ID=88851230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311403077.9A Active CN117131245B (zh) 2023-10-27 2023-10-27 一种运用知识图谱技术实现目录资源推荐机制的方法

Country Status (1)

Country Link
CN (1) CN117131245B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107908650A (zh) * 2017-10-12 2018-04-13 浙江大学 基于海量数字图书的知识脉络自动构建方法
CN108920556A (zh) * 2018-06-20 2018-11-30 华东师范大学 基于学科知识图谱的推荐专家方法
CN112364046A (zh) * 2020-10-29 2021-02-12 北京航空航天大学 一种基于知识图谱的异构环境下主数据管理方法
CN112765322A (zh) * 2021-01-25 2021-05-07 河海大学 基于水利领域知识图谱的遥感影像搜索推荐方法
WO2021196520A1 (zh) * 2020-03-30 2021-10-07 西安交通大学 一种面向税务领域知识图谱的构建方法及系统
CN116561436A (zh) * 2023-07-10 2023-08-08 江苏数兑科技有限公司 一种基于知识图谱的数据需求匹配方法
CN116595328A (zh) * 2023-04-17 2023-08-15 京信数据科技有限公司 一种基于知识图谱的数据评分卡模型智能构建装置及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107908650A (zh) * 2017-10-12 2018-04-13 浙江大学 基于海量数字图书的知识脉络自动构建方法
CN108920556A (zh) * 2018-06-20 2018-11-30 华东师范大学 基于学科知识图谱的推荐专家方法
WO2021196520A1 (zh) * 2020-03-30 2021-10-07 西安交通大学 一种面向税务领域知识图谱的构建方法及系统
CN112364046A (zh) * 2020-10-29 2021-02-12 北京航空航天大学 一种基于知识图谱的异构环境下主数据管理方法
CN112765322A (zh) * 2021-01-25 2021-05-07 河海大学 基于水利领域知识图谱的遥感影像搜索推荐方法
CN116595328A (zh) * 2023-04-17 2023-08-15 京信数据科技有限公司 一种基于知识图谱的数据评分卡模型智能构建装置及方法
CN116561436A (zh) * 2023-07-10 2023-08-08 江苏数兑科技有限公司 一种基于知识图谱的数据需求匹配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
EVAN-YZH: "上市公司地址相似度计算&构建关系图谱", pages 1 - 4, Retrieved from the Internet <URL:https://blog.csdn.net/weixin_36896856/article/details/124642246> *

Also Published As

Publication number Publication date
CN117131245B (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
CN108197132B (zh) 一种基于图数据库的电力资产画像构建方法及装置
WO2019024496A1 (zh) 企业推荐方法及应用服务器
JP5917719B2 (ja) 画像データベースにおける画像管理のための方法、装置、および、コンピュータで読取り可能な記録媒体
Yu et al. Trajectory similarity clustering based on multi-feature distance measurement
CN105446991A (zh) 数据存储方法、查询方法及设备
CN109117440B (zh) 一种元数据信息获取方法、系统和计算机可读存储介质
Sarno et al. Clustering of ERP business process fragments
CN104850632A (zh) 一种通用的基于异构信息网络的相似度计算方法与系统
Tang et al. Dynamic personalized recommendation on sparse data
CN103678583A (zh) 结构化数据比较的方法及系统
CN104751354A (zh) 一种广告人群筛选方法
CN104077723A (zh) 一种社交网络推荐系统及方法
CN112463991A (zh) 历史行为数据的处理方法、装置、计算机设备及存储介质
CN110825817B (zh) 一种企业疑似关联关系判定方法及系统
CN105069101A (zh) 分布式索引构建及检索方法
CN115145871A (zh) 文件查询方法、装置和电子设备
CN113836310A (zh) 知识图谱驱动的工业品供应链管理方法和系统
CN115905630A (zh) 一种图数据库查询方法、装置、设备及存储介质
CN105359172A (zh) 计算企业存在拖欠的概率
CN101645062B (zh) 一种报表生成方法、系统
CN117131245B (zh) 一种运用知识图谱技术实现目录资源推荐机制的方法
CN116541578A (zh) 资产数字化多维度管理方法及系统
CN116228374A (zh) 物流行业市场单量数据预警方法、装置、设备及存储介质
CN115795525A (zh) 敏感数据识别方法、装置、电子设备、介质和程序产品
CN110781213B (zh) 一种以人员为中心的多源海量数据关联搜索方法和系统

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