CN106649258A - 一种智能的问答*** - Google Patents
一种智能的问答*** Download PDFInfo
- Publication number
- CN106649258A CN106649258A CN201610844734.7A CN201610844734A CN106649258A CN 106649258 A CN106649258 A CN 106649258A CN 201610844734 A CN201610844734 A CN 201610844734A CN 106649258 A CN106649258 A CN 106649258A
- Authority
- CN
- China
- Prior art keywords
- answer
- key
- module
- ranking
- answers
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种智能的问答***,该***中的内容获取模块,用于确认和汇集与答案相关的内容,对问题空间的问题进行分析并且分类,自动拓展资料库;问题分析模块,用于分析输入的问题信息,确定问题类型、发觉问题间的关系和分解问题;假设生成模块,用于从数据源中尽可能多的搜索与答案相关的内容作为参***;软过滤模块,对大量的参***进行筛选,分出很可能是正确答案的一类和有可能是正确答案的一类;证据打分模块,根据打分对象对参***进行详细的打分,确定其接近参***的程度;答案合并和排名模块,将分拆的答案合并,计算可信度,并且排名,排名最靠前的即为***认为的最佳答案。
Description
技术领域
本申请涉及人机智能交互技术领域,尤其涉及一种智能的问答***。
背景技术
自动问答***是指以自然语言理解技术为核心,使得计算机能够理解用户的谈话内容,实现人与计算机之间的有效交流沟通,并且提供强大的搜索能力,准确回答用户的问题。其中,目前在计算机客服***中普遍采用的智能问答***就是一种自动问答***,它是一种通过自然语言技术,能够理解用户的问题,并且提供准确的答案的人工智能***。
本发明能够应对Jeopardy中的挑战,节目的比赛以一种独特的问答形式进行,问题设置的涵盖面非常广泛,涉及到历史、文学、艺术、流行文化、科技、体育、地理、文字游戏等等各个领域。根据以答案形式提供的各种线索,参赛者必须以问题的形式做出简短正确的回。与一般问答节目相反,Jeopardy中以答案形式提问、提问形式作答。参赛者需具备历史、文学、政治、科学和通俗文化等知识,还得会解析隐晦含义、反讽与谜语等,而电脑并不擅长进行这类复杂思考。本智能问答***能够很好的符合该逻辑思路,并且具备从海量的数据源中找到正确答案的能力,还对参***的可信度进行打分排名。
发明内容
为实现上述目的,本发明采用的技术方案为一种智能的问答***,该***包括内容获取模块、问题分析模块、假设生成模块、软过滤模块、证据打分模块、答案合并和排名模块。
步骤一、内容获取模块,用于确认和汇集与答案相关的内容,对问题空间的问题进行分析并且分类,自动拓展资料库;
步骤二、问题分析模块,用于分析输入的问题信息,确定问题类型、发觉问题间的关系和分解问题;
步骤三、假设生成模块,用于从数据源中尽可能多的搜索与答案相关的内容作为参***;
步骤四、软过滤模块,对大量的参***进行筛选,分出很可能是正确答案的一类和有可能是正确答案的一类;
步骤五、证据打分模块,根据打分对象对参***进行详细的打分,确定其接近参***的程度;
步骤六、答案合并和排名模块,将分拆的答案合并,计算可信度,并且排名,排名最靠前的即为***认为的最佳答案。
附图说明
图1智能问答***构架原理图。
图2智能问答***流程图1。
图3智能问答***流程图2。
图4答案合并和排名模型。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
整体的***构架有四部分组成:问题分析、搜索、答案提取和数据库,如图1所示。对于***进一步分解,如图2所示。对于输入到***的问题,具体流程图如图3所示,具体如下:
S301、本***有一个图形界面,设计用户输入框来接收用户输入的问题。
S302、对问题进行分析,判断问题的类型,后期会根据问题的类型采取不同的检索和打分方案,并且将问题自动添加到对应的数据库中,自动拓展数据库。
S303、对于一些可分的长问题可以分成若干个小问题,根据语法和分词结果提取出多个问题。
S304、对于分出的每一个小问题都从数据库中搜索相关答案,作为参***,相关性的计算如公式1、公式2所示。
S305、对参***进行打分,越是相关性高的打分越高,打分的方法如公式3、公式4所示。
S306、对分数进行判断,如果大于阈值,就直接跳转到排位阶段,如果小于阈值,还需要进行S307步骤。原因是S305的打分方法与上下文的关系不大,所以可能对答案的可靠性不高。
S306、根据参***所在的数据源的位置进行上下文检测,匹配比较,综合其它的因素,如数据的流行度、可靠性度。再一次打分。
S306、对各个分数按照一定的权值计算赋予权值,求和,得出参***的总分。
S307、到这里所有的参***都会有一个对应的分数,根据分数的高低排名
S308、根据算法计算出可信度,结合S307,具体过程如图4所示,会用到机器学习的方法训练出模型,自动进行可信度计算。
内容获取模块具体包括:针对面向的领域对问题的类型进行归类分类,总结出面向的领域的特色,从各种文本中搜索与答案相关的内容。将问题分词,记为ti,分词ti在一处数据源的分数记为pi,当文本中包含分词ti,wij=idf(tj);否则wij=0。
其中,
c(t)表示包含分词t的文件数目,N表示在数据源中所有文件的数目。
所述问题分析模块具体包括:确认问题类型,对问题进行分类,针对不同类型的问题有不同的处理方法,并且发觉问题间的关系,然后分解问题。
所述发觉问题间的关系模块具体包括:将输入的问题与数据库中的问题进行比较,挖掘问题间语法上的主谓宾关系以及语义上联系,有的问题答案从这一步直接产生。
所述分解问题模块具体包括:通过分解问题更快更准确的找到答案,将一个复杂句式的问题分成多个简单的问题,并行处理每一个问题,并分别为答案的可行度打分。
所述假设生成模块具体包括:从数据源中尽可能多的搜索与答案相关的内容,针对不同类型的问题使用不同的搜索算法,所有相关的内容都做为参***。
所述软过滤模块具体包括:运用轻量级的打分算法对参***进行筛选,通过过滤器的参***需要进入打分模块,未通过过滤器的参***进入合并排名模块。
所述打分模块具体包括:从进入打分模块的参***的上下文中找到支持参***的额外证据,根据语义、语法的联系及多种打分算法对参***进行打分,越可能是参***打分越高。打分的对象为位置、文字支持度、流行度、信息可靠性。具体方法为:
首先创建两个一维数组P,Q,一个二维数组score;P和Q中存放分词的符号,score中存放分数并初始化score[i][j]=0;
然后计算每一个score[i][j],运用以下公式
其中
if t1=t2
特别sim(FOCUS,CANDIDATE)=log(N).
所述合并排名模块具体包括:将拆分的问题分数按照一定的权值合并,计算出总分;通过机器学习算法训练出自信度估计模型,基于问题的总分自动生成自信度估计,并排名。
对输入的问题进行处理,在各种不同的数据源中进行搜索参***,并且对参***进行拆分、打分、合并处理,最后得到参***的排名和可信度,输出答案。
Claims (10)
1.一种智能的问答***,其特征在于:该***包括内容获取模块、问题分析模块、假设生成模块、软过滤模块、证据打分模块、答案合并和排名模块;
步骤一、内容获取模块,用于确认和汇集与答案相关的内容,对问题空间的问题进行分析并且分类,自动拓展资料库;
步骤二、问题分析模块,用于分析输入的问题信息,确定问题类型、发觉问题间的关系和分解问题;
步骤三、假设生成模块,用于从数据源中尽可能多的搜索与答案相关的内容作为参***;
步骤四、软过滤模块,对大量的参***进行筛选,分出很可能是正确答案的一类和有可能是正确答案的一类;
步骤五、证据打分模块,根据打分对象对参***进行详细的打分,确定其接近参***的程度;
步骤六、答案合并和排名模块,将分拆的答案合并,计算可信度,并且排名,排名最靠前的即为***认为的最佳答案。
2.根据权利要求1所述的一种智能的问答***,其特征在于:对于输入到***的问题,具体如下:
S301、本***有一个图形界面,设计用户输入框来接收用户输入的问题;
S302、对问题进行分析,判断问题的类型,后期会根据问题的类型采取不同的检索和打分方案,并且将问题自动添加到对应的数据库中,自动拓展数据库;
S303、对于一些可分的长问题可以分成若干个小问题,根据语法和分词结果提取出多个问题;
S304、对于分出的每一个小问题都从数据库中搜索相关答案,作为参***;
S305、对参***进行打分,越是相关性高的打分越高;
S306、对分数进行判断,如果大于阈值,就直接跳转到排位阶段,如果小于阈值,还需要进行S307步骤;原因是S305的打分方法与上下文的关系不大,所以可能对答案的可靠性不高;
S306、根据参***所在的数据源的位置进行上下文检测,匹配比较,综合其它的因素,如数据的流行度、可靠性度;再一次打分;
S306、对各个分数按照一定的权值计算赋予权值,求和,得出参***的总分;
S307、到这里所有的参***都会有一个对应的分数,根据分数的高低排名
S308、根据算法计算出可信度,结合S307,会用到机器学习的方法训练出模型,自动进行可信度计算。
3.根据权利要求2所述的一种智能的问答***,其特征在于:内容获取模块具体包括:针对面向的领域对问题的类型进行归类分类,总结出面向的领域的特色,从各种文本中搜索与答案相关的内容;将问题分词,记为ti,分词ti在一处数据源的分数记为pi,当文本中包含分词ti,wij=idf(tj);否则wij=0;
其中,
c(t)表示包含分词t的文件数目,N表示在数据源中所有文件的数目。
4.根据权利要求2所述的一种智能的问答***,其特征在于:所述问题分析模块具体包括:确认问题类型,对问题进行分类,针对不同类型的问题有不同的处理方法,并且发觉问题间的关系,然后分解问题。
5.根据权利要求2所述的一种智能的问答***,其特征在于:所述发觉问题间的关系模块具体包括:将输入的问题与数据库中的问题进行比较,挖掘问题间语法上的主谓宾关系以及语义上联系,有的问题答案从这一步直接产生。
6.根据权利要求2所述的一种智能的问答***,其特征在于:所述分解问题模块具体包括:通过分解问题更快更准确的找到答案,将一个复杂句式的问题分成多个简单的问题,并行处理每一个问题,并分别为答案的可行度打分。
7.根据权利要求2所述的一种智能的问答***,其特征在于:所述假设生成模块具体包括:从数据源中尽可能多的搜索与答案相关的内容,针对不同类型的问题使用不同的搜索算法,所有相关的内容都做为参***。
8.根据权利要求2所述的一种智能的问答***,其特征在于:所述软过滤模块具体包括:运用轻量级的打分算法对参***进行筛选,通过过滤器的参***需要进入打分模块,未通过过滤器的参***进入合并排名模块。
9.根据权利要求2所述的一种智能的问答***,其特征在于:所述打分模块具体包括:从进入打分模块的参***的上下文中找到支持参***的额外证据,根据语义、语法的联系及多种打分算法对参***进行打分,越可能是参***打分越高;打分的对象为位置、文字支持度、流行度、信息可靠性;具体方法为:
首先创建两个一维数组P,Q,一个二维数组score;P和Q中存放分词的符号,score中存放分数并初始化score[i][j]=0;然后计算每一个score[i][j],运用以下公式
其中
if t1=t2
特别sim(FOCUS,CANDIDATE)=log(N)。
10.根据权利要求2所述的一种智能的问答***,其特征在于:所述合并排名模块具体包括:将拆分的问题分数按照一定的权值合并,计算出总分;通过机器学习算法训练出自信度估计模型,基于问题的总分自动生成自信度估计,并排名;
对输入的问题进行处理,在各种不同的数据源中进行搜索参***,并且对参***进行拆分、打分、合并处理,最后得到参***的排名和可信度,输出答案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610844734.7A CN106649258A (zh) | 2016-09-22 | 2016-09-22 | 一种智能的问答*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610844734.7A CN106649258A (zh) | 2016-09-22 | 2016-09-22 | 一种智能的问答*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106649258A true CN106649258A (zh) | 2017-05-10 |
Family
ID=58853197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610844734.7A Pending CN106649258A (zh) | 2016-09-22 | 2016-09-22 | 一种智能的问答*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106649258A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107748795A (zh) * | 2017-11-03 | 2018-03-02 | 深圳市中润四方信息技术有限公司 | 一种构建知识库的方法、***及装置 |
CN108108449A (zh) * | 2017-12-27 | 2018-06-01 | 哈尔滨福满科技有限责任公司 | 一种面向医疗领域的基于多源异构数据问答***及该***的实现方法 |
CN108595494A (zh) * | 2018-03-15 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 答复信息的获取方法及装置 |
CN108717413A (zh) * | 2018-03-26 | 2018-10-30 | 浙江大学 | 一种基于假设性半监督学习的开放领域问答方法 |
CN108920554A (zh) * | 2018-06-20 | 2018-11-30 | 大国创新智能科技(东莞)有限公司 | 基于大数据与人工智能的创新方法和创新教育机器人*** |
CN109002540A (zh) * | 2018-07-23 | 2018-12-14 | 电子科技大学 | 一种中文通告文档问题答案对自动生成方法 |
CN109783704A (zh) * | 2019-01-03 | 2019-05-21 | 中国科学院自动化研究所 | 人机混合的应答方法、***、装置 |
CN110275949A (zh) * | 2019-06-06 | 2019-09-24 | 深圳中兴飞贷金融科技有限公司 | 用于贷款应用的自动应答方法及*** |
CN110309282A (zh) * | 2019-06-14 | 2019-10-08 | 北京奇艺世纪科技有限公司 | 一种答案确定方法及装置 |
CN110799970A (zh) * | 2017-06-27 | 2020-02-14 | 华为技术有限公司 | 一种问答***及问答方法 |
CN110807087A (zh) * | 2019-10-21 | 2020-02-18 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN111144973A (zh) * | 2019-11-29 | 2020-05-12 | 深圳市嘀哒知经科技有限责任公司 | 问题排名方法及计算机可读存储介质 |
CN111767374A (zh) * | 2019-03-29 | 2020-10-13 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和机器可读介质 |
CN113449117A (zh) * | 2021-06-24 | 2021-09-28 | 武汉工程大学 | 一种基于Bi-LSTM和中文知识图谱的复合问答方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377777A (zh) * | 2007-09-03 | 2009-03-04 | 北京百问百答网络技术有限公司 | 一种自动问答方法和*** |
CN102637192A (zh) * | 2012-02-17 | 2012-08-15 | 清华大学 | 一种自然语言问答的方法 |
CN103229168A (zh) * | 2010-09-28 | 2013-07-31 | 国际商业机器公司 | 在问答期间在多个候选答案之间的证据扩散 |
-
2016
- 2016-09-22 CN CN201610844734.7A patent/CN106649258A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377777A (zh) * | 2007-09-03 | 2009-03-04 | 北京百问百答网络技术有限公司 | 一种自动问答方法和*** |
CN103229168A (zh) * | 2010-09-28 | 2013-07-31 | 国际商业机器公司 | 在问答期间在多个候选答案之间的证据扩散 |
CN102637192A (zh) * | 2012-02-17 | 2012-08-15 | 清华大学 | 一种自然语言问答的方法 |
Non-Patent Citations (1)
Title |
---|
周澄 等: "Smith-Waterman算法的若干优化及并行实现", 《计算机工程与应用》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110799970A (zh) * | 2017-06-27 | 2020-02-14 | 华为技术有限公司 | 一种问答***及问答方法 |
CN107748795A (zh) * | 2017-11-03 | 2018-03-02 | 深圳市中润四方信息技术有限公司 | 一种构建知识库的方法、***及装置 |
CN108108449A (zh) * | 2017-12-27 | 2018-06-01 | 哈尔滨福满科技有限责任公司 | 一种面向医疗领域的基于多源异构数据问答***及该***的实现方法 |
CN108595494A (zh) * | 2018-03-15 | 2018-09-28 | 腾讯科技(深圳)有限公司 | 答复信息的获取方法及装置 |
CN108717413A (zh) * | 2018-03-26 | 2018-10-30 | 浙江大学 | 一种基于假设性半监督学习的开放领域问答方法 |
CN108717413B (zh) * | 2018-03-26 | 2021-10-08 | 浙江大学 | 一种基于假设性半监督学习的开放领域问答方法 |
CN108920554A (zh) * | 2018-06-20 | 2018-11-30 | 大国创新智能科技(东莞)有限公司 | 基于大数据与人工智能的创新方法和创新教育机器人*** |
CN108920554B (zh) * | 2018-06-20 | 2020-12-22 | 大国创新智能科技(东莞)有限公司 | 基于大数据与人工智能的创新方法和创新教育机器人*** |
CN109002540B (zh) * | 2018-07-23 | 2021-03-16 | 电子科技大学 | 一种中文通告文档问题答案对自动生成方法 |
CN109002540A (zh) * | 2018-07-23 | 2018-12-14 | 电子科技大学 | 一种中文通告文档问题答案对自动生成方法 |
CN109783704B (zh) * | 2019-01-03 | 2021-02-02 | 中国科学院自动化研究所 | 人机混合的应答方法、***、装置 |
CN109783704A (zh) * | 2019-01-03 | 2019-05-21 | 中国科学院自动化研究所 | 人机混合的应答方法、***、装置 |
CN111767374A (zh) * | 2019-03-29 | 2020-10-13 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和机器可读介质 |
CN110275949A (zh) * | 2019-06-06 | 2019-09-24 | 深圳中兴飞贷金融科技有限公司 | 用于贷款应用的自动应答方法及*** |
CN110309282A (zh) * | 2019-06-14 | 2019-10-08 | 北京奇艺世纪科技有限公司 | 一种答案确定方法及装置 |
CN110309282B (zh) * | 2019-06-14 | 2021-08-27 | 北京奇艺世纪科技有限公司 | 一种答案确定方法及装置 |
CN110807087A (zh) * | 2019-10-21 | 2020-02-18 | 拉扎斯网络科技(上海)有限公司 | 数据处理方法、装置、可读存储介质和电子设备 |
CN111144973A (zh) * | 2019-11-29 | 2020-05-12 | 深圳市嘀哒知经科技有限责任公司 | 问题排名方法及计算机可读存储介质 |
CN111144973B (zh) * | 2019-11-29 | 2023-07-25 | 深圳市嘀哒知经科技有限责任公司 | 问题排名方法及计算机可读存储介质 |
CN113449117A (zh) * | 2021-06-24 | 2021-09-28 | 武汉工程大学 | 一种基于Bi-LSTM和中文知识图谱的复合问答方法 |
CN113449117B (zh) * | 2021-06-24 | 2023-09-26 | 武汉工程大学 | 一种基于Bi-LSTM和中文知识图谱的复合问答方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106649258A (zh) | 一种智能的问答*** | |
CN102804208B (zh) | 为视觉搜索应用自动挖掘名人的个人模型 | |
US10565233B2 (en) | Suffix tree similarity measure for document clustering | |
CN109189901B (zh) | 一种智能客服***中自动发现新分类以及对应语料的方法 | |
CN108764480B (zh) | 一种信息处理的*** | |
KR101605430B1 (ko) | 문답 데이터베이스 구축 시스템 및 방법, 그리고 이를 이용한 검색 시스템 및 방법 | |
CN106021410A (zh) | 一种基于机器学习的源代码注释质量评估方法 | |
CN111797239B (zh) | 应用程序的分类方法、装置及终端设备 | |
CN106777232A (zh) | 问答抽取方法、装置及终端 | |
CN110910283A (zh) | 生成法律文书的方法、装置、设备和存储介质 | |
CN102456060A (zh) | 信息处理装置及信息处理方法 | |
Labusch et al. | Named Entity Disambiguation and Linking Historic Newspaper OCR with BERT. | |
US20190130030A1 (en) | Generation method, generation device, and recording medium | |
CN110516259B (zh) | 一种技术关键词的识别方法、装置、计算机设备和存储介质 | |
WO2016009419A1 (en) | System and method for ranking news feeds | |
CN110909230A (zh) | 一种网络热点分析方法及*** | |
Kruszewski et al. | Jointly optimizing word representations for lexical and sentential tasks with the c-phrase model | |
CN116010564A (zh) | 一种基于多模态知识图谱的水稻病虫害问答***的构建方法 | |
Di Giovanni et al. | Content-based stance classification of tweets about the 2020 Italian constitutional referendum | |
CN110377706B (zh) | 基于深度学习的搜索语句挖掘方法及设备 | |
CN115438141B (zh) | 一种基于知识图谱模型的信息检索方法 | |
CN116723005A (zh) | 多态隐藏下的恶意代码隐式情报追踪方法及*** | |
CN107784024A (zh) | 构建当事人画像的方法及装置 | |
Otani et al. | Large-scale acquisition of commonsense knowledge via a quiz game on a dialogue system | |
CN115048504A (zh) | 信息推送方法、装置、计算机设备及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |
|
RJ01 | Rejection of invention patent application after publication |