CN106940724B - 一种面向大数据的多范型融合分析处理方法 - Google Patents
一种面向大数据的多范型融合分析处理方法 Download PDFInfo
- Publication number
- CN106940724B CN106940724B CN201710165007.2A CN201710165007A CN106940724B CN 106940724 B CN106940724 B CN 106940724B CN 201710165007 A CN201710165007 A CN 201710165007A CN 106940724 B CN106940724 B CN 106940724B
- Authority
- CN
- China
- Prior art keywords
- database
- user
- configuration file
- machine learning
- query
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种面向大数据的多范型融合分析处理方法,该方法包括以下步骤:数据预处理阶段;配置文件阶段:数据查询分析阶段;用户反馈阶段。本发明提出的基于GBase数据库的大数据多范型融合分析处理是可以有效满足大数据分析市场需求的解决方案。
Description
技术领域
本发明涉及互联网技术领域,具体地说,涉及一种面向大数据的多范型融合分析处理方法。
背景技术
自上世纪90年代万维网应用普及以来,人类社会每年产生和收集的数据量以惊人的速度增长着。从目前万维网应用的发展趋势看,数据增长速率有增无减,已远超过摩尔定律的增长速率。IDC的调查显示,从2013开始全球产生的数据量以每年40%的速度增长,到2020年全球数据量将增长为现在的10倍,即44。毋容置疑,这标志着人类早经迈入了“大数据时代”。大数据的特点可概括为:大容量(Volume)、高速率(Velocity)、多样化(Variety)和总体价值(Value),即“4个V”。在大数据时代,数据在量上的增长已经产生了质的飞跃,原来很多困难的事情,借助大数据已变成了现实,大数据分析应运而生。大数据分析(BigData Analysis)是通过计算工具处理和分析大数据集,从中发现隐藏的模式、未知的关联、未来的趋势、用户的偏好、有用的商业信息等各种新知识。这项技术对于任何企业和组织的发展都是至关重要的,因为它使得大数据成为了推动企业进行科学决策和战略发展的抓手,将大数据化为了一种与竞争对手比拼的战略资源。可以预见,在未来十年的时间内,谁成功驾驭了大数据分析的利器,谁就赢得了未来企业竞争的商机,谁就能够占领行业制高点。
传统关系型数据管理技术虽然经历了并行化的发展,但在一些特殊的应用场景下,依旧不能满足大数据的分析任务,在扩展性和适应性上遇到了巨大障碍。大数据分析方法与技术需要解决的矛盾是:如何在尽量短的时间内,处理和分析尽量多的数据以发现和获取尽量丰富的新知识。作为大数据科学与技术的一个主要方向,当下的大数据分析理论、方法和技术和工具还远未达到现实世界中企业对大数据进行分析处理的要求。突破若干大数据分析面临的棘手问题,研发出一套大数据分析的有效工具,对于从事大数据分析的研究者和实践者来说是迫在眉睫的任务。
发明内容
本发明的目的在于提供一种面向大数据的多范型融合分析处理方法,提出采用“混合架构”(Hybrid Architecture)和“多范型融合”(Multi-paradigm)为两大支柱的大数据分析新型理论与技术体系,力图攻克大数据分析中混合数据模式、异构数据源、业务流程复杂、分析工具脱节等多种理论和技术难题。
为实现上述技术目的,达到上述技术效果,其技术方案具体为:
一种面向大数据的多范型融合分析处理方法,包括以下步骤:
步骤1、数据预处理阶段:该阶段独立于以下业务流程阶段,是用户将所需要的数据经过用户自定义的规则进行数据清理并存入关系数据库的过程,用户需记录该关系数据库的位置、用户名、密码的连接数据库时所用到基本信息;
步骤2、配置文件阶段:配置文件分为关系数据库配置文件和机器学习配置文件,用户需要在配置文件中按照给出的标签填写相应的参数信息,具体的数据库配置文件中,“configuration”表示配置文件的开始,在“database”标签内填写有关数据库的信息,其中,用户需要在“url”中指明在步骤1中提到的数据库的位置信息,“user”表示该数据库连接时需要用到的用户名,“password”是该用户名对应的密码,“sql”是数据库查询语句;具体的机器学习配置文件中,“database”与上述的数据库配置文件中的相同,“parameter”表示调用的机器学习算法所需的除了输入参数外的其他参数,“algorithm”表示需要调用的算法名;
步骤3、数据查询分析阶段:根据用户提供的配置文件信息,开始数据库查询和机器学习算法调用,除了“Configuration File”部分通过据查询信息,框架根据配置文件中有关机器学习的配置文件在机器学习算法库中调用相应的机器学习算法,根据配置文件中有关数据库查询的配置文件在数据库中进行数据查询,然后将查询得到的结果与机器学习计算得到的结果进行比较,判断这两部分得到的信息是否符合查询,最终将查询结果反馈给用户;
步骤4、用户反馈阶段:用户根据框架提供的结果判断是否是用户希望得到的信息,如果有出入则在配置文件中进行参数调整,再次运行框架以得到结果,多次迭代该过程以达到用户最终期望的结果。
本发明具有以下有益效果:
本发明提出的基于GBase数据库的大数据多范型融合分析处理是可以有效满足大数据分析市场需求的解决方案。主要表现在:①基于GBase数据库构建“混合架构”的大数据分析处理***,可以有效适应既涉及关系数据又需要分布式大数据支持的数据分析情景;②大数据的多范型融合分析处理,应用面向大数据的分析处理方法学,综合使用经典OLAP,机器学习和图分析等多种手段处理大数据,发挥经典OLAP在数据立方体分析,机器学习算法在智能化预测模型建立和图分析在大图复杂网络结构特征方面的优势,满足市场对于精准化、智能化大数据分析的新需求。
目前南大通用的GBase 8a数据库稳固地占据着国内分析型数据库的主要市场份额。本发明充分发挥南大通用在国产数据库产业链中的产品优势,打造基于GBase数据库的面向大数据多范型融合分析处理的原型***,产学研紧密结合,有利于加速大数据多范型融合分析理论与技术的产业化步伐,从而进一步加强天津国产数据库在信息产业链中的地位。
本发明具有良好的产业化前景。由于本发明是基于GBase数据库的大数据多范型融合分析处理关键技术,可以通过产业化过程,发展成为下一代GBase数据库发布版本中的创新功能,从而填补在现有产业链中国产大数据分析产品的空白。对相关技术与产品及其产业的带动作用具体可概括为:①将大数据多范型融合分析处理理论体系和技术与GBase数据库集成在一起,可以实现完全自主知识产权的国产大数据分析产品,做到代码自主可控,完全符合“自主可控、安全可靠”的国家信息安全战略,进而为提升国家的信息安全水平做出重大贡献。②以国产大数据分析产品为基础,带动大数据集成、大数据中间件、大数据可视化、大数据决策支持***等多种下游软件产品的产业化发展,催生新的大数据分析产业生态环境的形成,促进我国信息产业的发展。
附图说明
图1为本发明面向大数据的多范型融合分析处理方法的流程图;
图2为具体的数据库配置文件;
图3为具体的机器学习配置文件。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。
本发明是一个面向大数据的多范型融合分析处理框架,是一种多领域的通用技术,详细的业务流程参见图1:
1、数据预处理阶段:该阶段独立于以下业务流程阶段,是用户将所需要的数据经过用户自定义的规则进行数据清理并存入关系数据库的过程,用户需记录该关系数据库的位置、用户名、密码等连接数据库时所用到基本信息;
2、配置文件阶段:即图1中“Configuration File”,该配置文件分为关系数据库配置文件和机器学习配置文件,详细的文件内容如图2,图3。用户需要在配置文件中按照给出的标签填写相应的参数信息。图2是具体的数据库配置文件,“configuration”表示配置文件的开始,在“database”标签内填写有关数据库的信息,其中,用户需要在“url”中指明在步骤一中提到的数据库的位置信息,“user”表示该数据库连接时需要用到的用户名,“password”是该用户名对应的密码,“sql”是数据库查询语句。图3是具体的机器学习配置文件,其中,“configuration”表示配置文件的开始,并且“database”与图2中的相同,“parameter”表示调用的机器学习算法所需的除了输入参数外的其他参数,“algorithm”表示需要调用的算法名。
3、数据查询分析阶段:根据用户提供的配置文件信息,本发明开始数据库查询和机器学习算法调用,即图1中除了“Configuration File”部分通过据查询信息,框架根据配置文件中有关机器学习的配置文件在机器学习算法库中调用相应的机器学习算法,根据配置文件中有关数据库查询的配置文件在数据库中进行数据查询,然后将查询得到的结果与机器学习计算得到的结果进行比较,判断这两部分得到的信息是否符合查询,最终将查询结果反馈给用户。
4、用户反馈阶段:用户根据框架提供的结果判断是否是用户希望得到的信息,如果有出入则在配置文件中进行参数调整,再次运行框架以得到结果,多次迭代该过程以达到用户最终期望的结果。
本发明主要进行了以下几个方面的研究:
(1)面向大数据多范型融合分析处理的查询语言改进研究
面向大数据多范型融合分析处理的查询语言改进层位于***架构顶层,既是对外提供服务的入口,又提供了多范型融合分析处理的标准语法和语义规范,包括面向大数据多范型融合分析处理的查询语言改进和与GBase数据库SQL融合两部分研究。
(1.1)面向大数据多范型融合分析处理的查询语言改进
查询语言是外界与数据处理***交互的标准接口,其制定是大数据多范型融合分析处理的关键。目前,HiveQL与标准SQL相近,均面向经典OLAP任务,并没有与基于ML的分析处理和图数据分析处理对应的查询语言。查询语言改进即是要研究如何科学、合理地制定一套面向大数据多范型融合分析处理的查询语言扩展机制,在不改变现有查询语言语法标准的基础上,实现ML和图分析功能的扩充。具体地:①提出面向大数据多范型融合分析处理的操作算子代数语言;②HiveQL和SQL表达力和包含关系理论证明;③ML分析和图分析在查询语言中的集成方案。
(1.2)与GBase数据库SQL的融合
GBase分析型关系数据库目前支持的是SQL的一个扩展版本,支持关系数据库上的经典OLAP数据分析处理;但支持分布式框架下OLAP的HiveQL与关系数据库中的SQL在语法和语义上仍存在若干差异。本项研究的内容包括:①在(1.1)的基础上,在语法层面做到GBase数据库支持的SQL与HiveQL的无缝融合;②在语义层面上做到GBase数据库支持的SQL与HiveQL的一致处理,与ML分析和图分析在查询语言中的集成方案无缝对接。
(2)面向大数据多范型融合分析处理的查询优化研究
基于GBase数据库的大数据多范型融合分析处理涉及到关系数据库上的OLAP与分布式框架上的OLAP、机器学习和图数据处理任务的混合执行。传统关系数据库的查询优化方法已不再适用于这种情况。针对关系存储管理和查询引擎与分布式文件***和分布式框架计算引擎的不同特性,具体地,需要研究多范型融合分析处理统计信息方案和优化方法两个方面。
(2.1)多范型融合分析处理统计信息
借鉴在关系数据库中取得成功的基于代价模型的查询优化方法,针对分布式文件***的存储管理层和分布式多范型计算任务,制定新的统计信息指标体系。具体地:①分布式多范型融合分析处理统计信息指标体系的合理性和采样收集;②分布式多范型融合分析处理统计信息指标体系的存储和维护。
(2.2)多范型融合分析处理优化方法
原有的关系数据库查询优化方法已不适用于混合的大数据多范型融合分析处理情景。鉴于基于代价模型的查询优化方法的理论完备性,将①基于(2.1)中新的统计信息指标体系定义适用于关系与分布式混合大数据多范型融合分析处理的新的代价模型;②研究基于新代价模型的关系与分布式混合大数据多范型融合分析处理的运行时优化方法。
(3)面向大数据多范型融合分析处理的复杂业务流程研究
关系与分布式混合大数据多范型融合分析处理为大数据分析业务需求提供了灵活多样的分析手段,但面对不同领域的复杂业务流程,往往需要基于领域知识,根据业务流程来编排多范型融合分析处理任务。这就需要进行多范型融合分析处理流程编排语言和复杂业务流程编排方法两个方面的研究工作。
(3.1)多范型融合分析处理流程编排语言
设计多范型融合分析处理流程编排语言,这是一种领域特定语言(DomainSpecific Language,简称DSL),用于根据复杂业务流程需求需要,编排多范型融合的分析处理流程。这需要①制定多范型融合分析处理流程编排语言的语法;②制定该语言的语义。
(3.2)多范型融合分析处理复杂业务流程编排方法
借鉴面向服务架构(Service Oriented Architecture,简称SOA)设计中服务编排的方法,从方法学角度,提出一套多范型融合分析处理复杂业务流程编排方法。具体地:①范型融合分析处理复杂业务流程编排方法的理论合理性;②多范型融合分析处理复杂业务流程编排方法中的设计模式。
(4)基于GBase数据库的大数据多范型融合分析处理原型***
基于上述研究成果,在已有GBase混合架构统一平台的基础上,开发基于GBase数据库的大数据多范型融合分析处理原型***。同时,开发面向关系数据库与分布式框架混合大数据多范型融合分析处理的评测基准,并基于原型***对所提的新方法开展有效性和高效性的实验验证。
(4.1)原型***
开发基于GBase数据库的大数据多范型融合分析处理原型***,将所提的大数据多范型融合分析处理各项功能集成到原型***中。一方面,原型***可作为进行算法有效性、高效性实验的平台;另一方面,是将来形成新产品的基础。
(4.2)评测基准
填补关系与分布式混合大数据多范型融合分析处理评测基准(benchmark)的空白,设计通用的大数据多范型融合分析处理评测基准,包括数据生成器和查询用例,能够充分评测关系数据库和分布式框架混合环境下大数据多范型融合分析处理***的性能。
(4.3)实验验证
设计多种实验,对所提的面向大数据多范型融合分析处理的统一接口研究、查询优化方法和复杂业务流程编排方法进行实验验证。需要配置相应的实验环境。
以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。
Claims (1)
1.一种面向大数据的多范型融合分析处理方法,其特征在于,包括以下步骤:
步骤1、数据预处理阶段:该阶段独立于以下业务流程阶段,是用户将所需要的数据经过用户自定义的规则进行数据清理并存入关系数据库的过程,用户需记录连接数据库时所用到的基本信息包括该关系数据库的位置、用户名、密码;
步骤2、配置文件阶段:配置文件分为关系数据库配置文件和机器学习配置文件,用户需要在配置文件中按照给出的标签填写相应的参数信息,具体的数据库配置文件中,“configuration”表示配置文件的开始,在“database”标签内填写有关数据库的信息,其中,用户需要在“url”中指明在步骤1中提到的数据库的位置信息,“user”表示该数据库连接时需要用到的用户名,“password”是该用户名对应的密码,“sql”是数据库查询语句;具体的机器学习配置文件中,“database”与上述的数据库配置文件中的相同,“parameter”表示调用的机器学习算法所需的除了输入参数外的其他参数,“algorithm”表示需要调用的算法名;
步骤3、数据查询分析阶段:根据用户提供的配置文件信息,开始数据库查询和机器学习算法调用,框架根据配置文件中有关机器学习的配置文件在机器学习算法库中调用相应的机器学习算法,根据配置文件中有关数据库查询的配置文件在数据库中进行数据查询,然后将查询得到的结果与机器学习计算得到的结果进行比较,判断这两部分得到的信息是否符合查询,最终将查询结果反馈给用户;
步骤4、用户反馈阶段:用户根据框架提供的结果判断是否是用户希望得到的信息,如果有出入则在有关机器学习的配置文件中进行参数调整,再次运行框架以得到结果,多次迭代该过程以达到用户最终期望的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710165007.2A CN106940724B (zh) | 2017-03-20 | 2017-03-20 | 一种面向大数据的多范型融合分析处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710165007.2A CN106940724B (zh) | 2017-03-20 | 2017-03-20 | 一种面向大数据的多范型融合分析处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106940724A CN106940724A (zh) | 2017-07-11 |
CN106940724B true CN106940724B (zh) | 2020-06-23 |
Family
ID=59464847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710165007.2A Active CN106940724B (zh) | 2017-03-20 | 2017-03-20 | 一种面向大数据的多范型融合分析处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106940724B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10956420B2 (en) * | 2017-11-17 | 2021-03-23 | International Business Machines Corporation | Automatically connecting external data to business analytics process |
CN110020834A (zh) * | 2019-04-15 | 2019-07-16 | 浩鲸云计算科技股份有限公司 | 一种建模和调试融合的在线智能大数据开发方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556482A (zh) * | 2003-12-31 | 2004-12-22 | 中兴通讯股份有限公司 | 一种用于实现数据库多表查询的数据处理方法 |
CN103970902A (zh) * | 2014-05-27 | 2014-08-06 | 重庆大学 | 一种大量数据情况下的可靠即时检索方法及*** |
CN104462351A (zh) * | 2014-12-05 | 2015-03-25 | 河海大学 | 一种面向MapReduce范型的数据查询模型与方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195577A1 (en) * | 2007-02-09 | 2008-08-14 | Wei Fan | Automatically and adaptively determining execution plans for queries with parameter markers |
CN103793431A (zh) * | 2012-11-02 | 2014-05-14 | 王志胜 | 一种新型的数据库访问框架 |
US9928277B2 (en) * | 2014-11-10 | 2018-03-27 | International Business Machines Corporation | Materialized query tables with shared data |
CN105677836A (zh) * | 2016-01-05 | 2016-06-15 | 北京汇商融通信息技术有限公司 | 一种同时支持离线数据和实时在线数据的大数据处理解决*** |
-
2017
- 2017-03-20 CN CN201710165007.2A patent/CN106940724B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1556482A (zh) * | 2003-12-31 | 2004-12-22 | 中兴通讯股份有限公司 | 一种用于实现数据库多表查询的数据处理方法 |
CN103970902A (zh) * | 2014-05-27 | 2014-08-06 | 重庆大学 | 一种大量数据情况下的可靠即时检索方法及*** |
CN104462351A (zh) * | 2014-12-05 | 2015-03-25 | 河海大学 | 一种面向MapReduce范型的数据查询模型与方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106940724A (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100476819C (zh) | 一种基于Web的数据挖掘***及其控制方法 | |
US7747641B2 (en) | Modeling sequence and time series data in predictive analytics | |
US20170126816A1 (en) | Methods for dynamically generating an application interface for a modeled entity and devices thereof | |
Casati et al. | Deriving active rules for workflow enactment | |
US20060112029A1 (en) | Knowledge discovery agent system and method | |
Muñoz et al. | Towards an ontological infrastructure for chemical batch process management | |
CN102609451A (zh) | 面向流式数据处理的sql查询计划生成方法 | |
Baumgartner et al. | Web Data Extraction System. | |
Costa et al. | A framework for building web mining applications in the world of blogs: A case study in product sentiment analysis | |
da Trindade et al. | Kaskade: Graph views for efficient graph analytics | |
CN106940724B (zh) | 一种面向大数据的多范型融合分析处理方法 | |
O'Brien et al. | SEEK: Accomplishing enterprise information integration across heterogeneous sources. | |
CN115221337A (zh) | 数据编织处理方法、装置、电子设备及可读存储介质 | |
Liu et al. | Dynamic Query Processing in DIOM. | |
Brandt et al. | Ontology-based information management in design processes | |
Tran et al. | Metalevel Information in Ontology-Based Applications. | |
Shahzad et al. | Towards goal-driven access to process warehouse: Integrating goals with process warehouse for business process analysis | |
Euler | Publishing operational models of data mining case studies | |
Xu | [Retracted] Social Governance Structure Construction and Resource Allocation Methods under the Management Mode of the Internet of Things | |
US20070016851A1 (en) | Grammar and method for integrating XML data from multiple sources | |
Liu et al. | The advanced data service architecture for modern enterprise information system | |
Chatziantoniou et al. | Just-In-Time Modeling with DataMingler. | |
Rozsnyai et al. | Sari-sql: Event query language for event analysis | |
Chen et al. | Towards agile application integration with M2M platforms | |
Lin et al. | GeoKSGrid: A geographical knowledge grid with functions of spatial data mining and spatial decision |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210825 Address after: 300143 floor 35, Maoye building, No. 78, Haihe East Road, guangfudao street, Hebei District, Tianjin Patentee after: State Grid E-Commerce Technology Co.,Ltd. Address before: 300072 Tianjin City, Nankai District Wei Jin Road No. 92 Patentee before: Tianjin University |
|
TR01 | Transfer of patent right |