CN107122500A - 促进成果转化的科技大数据服务***和方法 - Google Patents
促进成果转化的科技大数据服务***和方法 Download PDFInfo
- Publication number
- CN107122500A CN107122500A CN201710432028.6A CN201710432028A CN107122500A CN 107122500 A CN107122500 A CN 107122500A CN 201710432028 A CN201710432028 A CN 201710432028A CN 107122500 A CN107122500 A CN 107122500A
- Authority
- CN
- China
- Prior art keywords
- scientific
- big data
- user
- data
- technological
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一个覆盖大范围技术转移活动的大数据服务***框架。在应用上,以大数据抓取手段为技术基础,以分布式节点为新型架构模式;在技术上,采用张量模型、高维数据融合、多用户行为建模和云计算等技术构建基于大数据的科技成果转化;最终通过节点铺设、模式复制,实现面向大范围客户的服务。在企业、政府、技术源和其他社会资源之间进行资源众筹,提供科技服务,为用户架设沟通的桥梁和纽带,推动建立一个可持续发展、全面服务社会创新与经济发展的科技成果体系。
Description
技术领域
本发明涉及大数据服务领域,具体为一种针对促进科技成果转化的大数据服务***框架和方法。
技术背景
当今世界,新一轮科技革命蓄势待发,一些重大颠覆性技术创新正在创造新产业新业态,大数据、云计算、移动互联网等新一代信息技术使科技创新链条更加灵巧,技术转移和成果转化更加快捷,产业更新换代不断加快。
2016年3月,我国“十三五”规划纲要明确提出,要实施国家大数据战略。把大数据作为基础性战略资源,全面实施促进大数据发展行动,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新。在此之前,美国、日本、澳大利亚等国家政府已经相继推出了类似的战略或计划。
除政府决策以外,IBM、Oracle、微软、谷歌、亚马逊、Facebook、***、华为等企业都投入巨资针对大数据快速抓取和项目开发。
可见,大数据技术已经获得越来越多的关注,全球性的课题研发也已经广泛开展。对大数据进行抓取、分析与处理,已经逐步成为国内外产业化创新焦点。
对于科技成果转化工作来说,引入大数据、云计算等新一代信息技术手段显而易见是未来科技成果转化工作发展的必然趋势,针对云计算和大数据快速抓取等关键技术开发应用具有良好的市场和产业化前景。具体来说,利用云计算和大数据快速抓取多模态科技信息,实现对文本、图像、音频、视频等类型网络资源的多渠道、多角度获取,进行大数据建模分析,构建多维度评价体系,已经是技术转移和科技成果转化的必然技术趋势。
随着技术转移和科技成果转化的不断发展,网络科技数据呈现迅猛发展的趋势,包括科技信息类型、来源、行业资讯和人才信息等等,具有数量大、数据种类多、涉及面广的特点。数据的增长加大了科技成果转化的难度和成本。
另一方面,各个国家和地区在技术转移和科技成果转化平台方面也已经展开了诸多探索与尝试,如国外:美国高校的技术转移办公室(OTL)、德国史太白技术转移中心(STC)、德国弗劳恩霍夫应用研究促进协会(FhG),国内江苏省产业技术研究院技术交易市场、浙江网上技术交易市场等,上述平台在自身建设中与用户使用中,暴露出以下问题:
1、内外信息孤岛,数据缺乏共享性;
2、真假数据混杂,信息缺乏真实性;
3、海量信息堆积,服务缺乏主动性;
4、线上线下断链,活动缺乏联动性。
所以,本发明针对以上不足之处,提出了一个覆盖大范围技术转移活动的大数据服务***框架。在应用上,以大数据抓取手段为技术基础,以分布式节点为新型架构模式;在技术上,采用张量模型、高维数据融合、多用户行为建模和云计算等技术构建基于大数据的科技成果转化;最终通过节点铺设、模式复制,实现面向大范围客户的服务。在企业、政府、技术源和其他社会资源之间进行资源众筹,提供科技服务,为用户架设沟通的桥梁和纽带,推动建立一个可持续发展、全面服务社会创新与经济发展的科技成果体系。将云计算、大数据快速抓取技术与科技成果转化结合,符合现代科技服务产业自身转型升级的内在需求,积极运用大数据为技术转移和科技成果转化工作添砖加瓦,是对当今世界大数据技术研究成果的有效检验,是对国内外科技成果转化平台的突破与改造,也是信息科技带动区域发展的有效途径。
发明内容
本发明实施例提供了一种促进成果转化的大数据服务***和方法,以通过采集多源异构科技数据,统一表示和处理技术与人员数据关系,建立用户特征模型实现科技信息的智能推荐和多维度体系评价,解决了当前高校研究院所科学技术集中缺乏市场化能力而传统制造业技术落后又无法找到技术突破口的难题,同时也为各地方政府招商提供人才技术对接的实时方案。
第一方面,提供一种促进成果转化科技大数据服务的***,所述***包括多源异构数据采集终端、大数据表示处理计算***、用户特征计算***、信息智能推荐***、多维度评价***、分布式推进***。
其中,所述多源异构数据采集终端用于在分布式节点上,从多渠道、多角度获取文本、图像、音频、视频等类型网络资源的,具体实现可以通过多模态科技信息的抓取技术完成。建立数据的实时更新机制,增强平台数据的丰富度和新鲜度,扩大科技信息流量入口,并保持与用户的粘性。
所述多源异构数据采集终端还用于在互联网平台下,实现用户点击行为、浏览时效、功能使用等信息的全方位捕捉,从数量、时间、地点等多个维度获取用户行为数据,用于分析用户科技兴趣点,具体实现可通过用户行为数据的采集技术,包括行为采集的互联网平台埋点机制“蜘蛛”探针的页面置放方案来完成。
所述数据表示处理计算***用于建立多模态异构科技数据和多用户行为数据的表示机制及融合机制,具体包括文本,图像,视频,音频等多模态异构科技数据的统一建模,用户身份信息、用户社交信息、用户科技偏好、用户价值、用户反馈等多个维度的用户信息的统一表示,以及多维度用户信息和科技数据的融合机制,实现科技“人”与科技“物”之间的统一空间融合。
所述数据表示处理计算***还用于在统一空间下对采集的海量多源异构数据进行降维去噪和数据约简,最终提取真实完整的高质量科技信息,具体实现可使用基于高阶奇异值分解的大数据清洗方法。通过统一空间下科技信息分类归档及分布式存储设计,构建基于张量模型的科技领域词典和人才知识库。
所述用户特征计算***用于针对处理后的用户行为数据,基于由数据驱动的用户建模技术,包括基于用户行为的多模态特征提取,构建多模态指标排序体系,完成多模态特征的优化选择,完成用户行为特征提取。基于机器学习算法,从多个模态上分析用户的行为特征,通过新型的支持张量机分类算法和贝叶斯推理机制,结合深度学习模型,实现对用户的聚类,分类分析,完成用户的画像标签,预测用户的科技兴趣点。
所述信息智能推送***用于通过用户科技兴趣点与科技信息的精准匹配算法,实现科技“人”与科技“物”之间的精准关联,匹配算法具体可采用用户数据模型与科技信息之间的相似性度量空间来进行匹配。另外,基于现有的深度学习函数模型,构建用户个人偏好,行为轨迹与科技信息之间的时空关联关系,实现科技信息时空定向精准推送;针对科技信息与用户兴趣点的动态漂移特性,通过增量式的预测机制,构建具有自适应能力的动态推荐规则计算方法,实现推荐***的智能化,动态化。
所述多维度评价***用于针对节点、注册用户、需求或成果信息分别建有三套评价体系;以节点内部、节点外部单位(如对接单位、其他节点等)和行业专家为多主体评价来源;运用不同主体的基本信息、平台活动行为、技术转移活动质量等多角度数据;对认证用户开放评论权限,获取海量深层次评论,多维度进行评分评级,从而获得客观、权威的评分排序,帮助用户匹配与对接优质需求或成果。
所述分布式推进***用于各分布式节点实时向所有上级父节点上报全量状态信息,并同时向云端进行汇集;各节点实时向所有下级子节点下发更新的政策文件。全网实现无时差技术需求、科研成果、政策信息的上传下达。
第二方面,提供一种促进成果转化科技大数据服务的方法,所述方法应用于包括多源异构数据采集终端、大数据表示处理计算***、用户特征计算***、信息智能推荐***、多维度评价***、分布式推进***的科技大数据服务***中,所述方法包括:多源异构数据采集、数据表示与处理、用户特征计算、信息智能推荐、多维度评价反馈。
所述多源异构数据采集是指,从多渠道、多角度获取文本、图像、音频、视频等类型网络资源的,具体实现可以通过多模态科技信息的抓取技术完成。建立数据的实时更新机制,增强平台数据的丰富度和新鲜度,扩大科技信息流量入口,并保持与用户的粘性。
所述多源异构数据采集步骤实现用户点击行为、浏览时效、功能使用等信息的全方位捕捉,从数量、时间、地点等多个维度获取用户行为数据,用于分析用户科技兴趣点,具体实现可通过用户行为数据的采集技术,包括行为采集的互联网平台埋点机制“蜘蛛”探针的页面置放方案来完成。
所述数据表示与处理是指多模态异构科技数据和多用户行为数据的表示机制及融合机制,具体包括文本,图像,视频,音频等多模态异构科技数据的统一建模,用户身份信息、用户社交信息、用户科技偏好、用户价值、用户反馈等多个维度的用户信息的统一表示,以及多维度用户信息和科技数据的融合机制,实现科技“人”与科技“物”之间的统一空间融合。
所述数据表示与处理还负责在统一空间下对采集的海量多源异构数据进行降维去噪和数据约简,最终提取真实完整的高质量科技信息,具体实现可使用基于高阶奇异值分解的大数据清洗方法。通过统一空间下科技信息分类归档及分布式存储设计,构建基于张量模型的科技领域词典和人才知识库。
所述数据表示与处理步骤在统一空间下对采集的海量多源异构数据进行降维去噪和数据约简,最终提取真实完整的高质量科技信息,具体实现可使用基于高阶奇异值分解的大数据清洗方法。通过统一空间下科技信息分类归档及分布式存储设计,构建基于张量模型的科技领域词典和人才知识库。
所述用户特征计算步骤是指,针对处理后的用户行为数据,基于由数据驱动的用户建模技术,包括基于用户行为的多模态特征提取,构建多模态指标排序体系,完成多模态特征的优化选择,完成用户行为特征提取。基于机器学习算法,从多个模态上分析用户的行为特征,通过新型的支持张量机分类算法和贝叶斯推理机制,结合深度学习模型,实现对用户的聚类,分类分析,完成用户的画像标签,预测用户的科技兴趣点;
所述信息智能推送步骤是指,通过用户科技兴趣点与科技信息的精准匹配算法,实现科技“人”与科技“物”之间的精准关联,匹配算法具体可采用用户数据模型与科技信息之间的相似性度量空间来进行匹配。另外,基于现有的深度学习函数模型,构建用户个人偏好,行为轨迹与科技信息之间的时空关联关系,实现科技信息时空定向精准推送;针对科技信息与用户兴趣点的动态漂移特性,通过增量式的预测机制,构建具有自适应能力的动态推荐规则计算方法,实现推荐***的智能化,动态化。
所述多维度评价反馈步骤是指,利用针对节点、注册用户、需求或成果信息分别建立的三套评价体系;以节点内部、节点外部单位(如对接单位、其他节点等)和行业专家为多主体评价来源;运用不同主体的基本信息、平台活动行为、技术转移活动质量等多角度数据;对认证用户开放评论权限,获取海量深层次评论,多维度进行评分评级,从而获得客观、权威的评分排序,帮助用户匹配与对接优质需求或成果。
附图说明
为了更清晰地说明本发明实施例的技术方案,下面将对实施例或现有技术实施中所需要使用的附图作简单地介绍,显而易见的,下面描述的附图仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例的促进成果转化的科技大数据服务***示意性框架。
图2为根据本发明实施例的促进成果转化的科技大数据服务方法的示意性流程图。
具体实施方式
本发明公开一种针对促进科技成果转化的大数据服务***框架和方法,下面结合附图和具体实施方式对本发明作进一步说明。
本发明具体实施方式大致分为以下步骤:
1、采集多源异构科技数据
在树形分布式节点上,通过基于人工智能的定向抓取技术,实现对文本、图像、音频、视频等类型网络资源的多渠道、多角度获取。其中,子节点实时向所有上级父节点上报全量状态信息,并同时向云端进行汇集;各节点实时向所有下级子节点下发更新的政策文件。全网实现无时差技术需求、科研成果、政策信息的上传下达。至于分布式节点的布置问题,则通过多模态动态规划模型,把采集用户行为的互联网平台埋点机制和“蜘蛛”探针的页面置放方案转化为一个多模态凸优化问题,采用高阶梯度下降法在线性时间内快速求解,得到布点方案。
2、对科技大数据进行张量表示
使用基于张量模型的数据统一描述方法,进行多模态异构科技数据和多用户行为数据的表示,包括文本,图像,视频,音频等多模态异构科技数据的统一建模,以及用户身份信息、用户社交信息、用户科技偏好、用户价值、用户反馈等多个维度的用户信息的统一表示。
3、数据清洗
使用基于高阶奇异值分解的大数据清洗方法,对已经转化成张量的科技数据和用户数据进行降维去噪和数据约简,最终提取真实完整的高质量信息。通过统一空间下科技信息分类归档及分布式存储设计,构建基于张量模型的科技领域词典和人才知识库。
4、科技数据和用户数据的特征提取与建模
使用基于高阶正交奇异值分解的多模态特征提取方法,实现科技信息与用户信息的特征张量提取。特别地,针对用户,使用新型的支持张量机分类算法和贝叶斯推理机制,结合深度学习模型,实现对用户的聚类,分类分析,完成用户的画像标签,预测用户的科技兴趣点。
5、智能推荐
使用基于张量协同滤波的信息推荐算法,基于特征张量实现科技信息与用户属性多模态自动匹配,从而达到科技信息精准推送的目的,最终实现科技成果高效转化。针对科技信息与用户兴趣点的动态漂移特性,采用增量式多模态马尔科夫链预测科技信息与用户兴趣点转移模式,自适应调整匹配规则,从而实现科技信息的动态精准推送。
6、使用多维度评价体系对***进行调整
针对节点、注册用户、需求或成果信息分别建有三套评价体系;以节点内部、节点外部单位(如对接单位、其他节点等)和行业专家为多主体评价来源;运用不同主体的基本信息、平台活动行为、技术转移活动质量等多角度数据;对认证用户开放评论权限,获取海量深层次评论,多维度进行评分评级,从而获得客观、权威的评分排序,帮助用户匹配与对接优质需求或成果。
为进一步发挥和巩固该***可持续发展,在社会公益服务以外自我造血,获取一定盈利维持和扩大平台建设,更好地服务社会,特设计以下商业服务模式,为自身创造经济效益:
1、节点服务费模式
本发明中的***拟采用分布式架构,以此架构为基础,***的使用以各个节点为主要技术转移活动单位。在***推广前期,各节点使用***功能完全免费,***运营中后期,即各节点铺设完成,父子节点关系稳固,无大量新增节点后,将按年收取节点服务费,该部分费用主要维持***日常运营管理开支。
2、科技综合服务收费模式
除技术转移活动以外,***在功能上可以加入高频次的企业日常科技服务功能。科技服务包括专利、法务、财务、税务、项目合作、科技金融以及其他相关科技服务,本***进行大数据建模与信用体系建立,优先推荐高服务质量服务商。前期该项服务为完全免费,中期针对服务商收取服务年费,对于与企业形成稳固合作关系的服务商,***就稳固合作的项目按比例收取佣金。
3、技术经纪人收费模式
***引入专业的技术经纪人,提高线上线下服务质量与效率,***将对经纪人专项管理和授权,建立技术经纪人评价体系。前期技术经纪人对接代理技术转移业务免费,该模式成熟后,从技术经纪人处收取服务管理年费。
4、媒体广告收费模式
***实现稳定入口流量和服务商后,为相关单位设立品牌专区,构建***的新媒体,提供媒体广告增值服务,收取相应费用。
5、线下商业活动收费模式
为促进线上线下活动融合,***将积极开展系列线下推广路演、需求发布、成果展示、双向对接会等活动,针对需求参与方收取一定的服务费用。
6、会员收费模式
***实行会员分级管理制度,对高等级会员收取年服务费,提供增值服务。同时,针对定制服务需求会员收费。
7、重大项目居间服务费模式
对于通过***建立产学研合作,并签订相关协议的项目,向成果提供方收取居间服务费。收费主要针对协议标底达到一定标准的重大项目,按一定比例一次性收取服务费。
8、代理商收费模式
本***代理商是指有能力在自身所处区域自主开发、铺设、管理节点的,并能开展技术转移和科技服务业务的相关机构或个人。***对代理商实行等级管理制度,不同等级代理商均可从上述服务模式中获得盈利,但同时按既定比例向总***支付管理费。高等级代理商可获得授权以***争取当地政府、企业或高校等技转中心支持,获得资金补助后,***收取一定管理费。
Claims (2)
1.本发明提出了一个覆盖大范围技术转移活动的大数据服务***框架,在应用上,以大数据抓取手段为技术基础,以分布式节点为新型架构模式;在技术上,采用张量模型、高维数据融合、多用户行为建模和云计算等技术构建基于大数据的科技成果转化。
2.本发明实施例提供了一种促进成果转化的大数据服务***和方法,以通过采集多源异构科技数据,统一表示和处理技术与人员数据关系,建立用户特征模型实现科技信息的智能推荐和多维度体系评价,解决了当前高校研究院所科学技术集中缺乏市场化能力而传统制造业技术落后又无法找到技术突破口的难题,同时也为各地方政府招商提供人才技术对接的实时方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710432028.6A CN107122500A (zh) | 2017-06-09 | 2017-06-09 | 促进成果转化的科技大数据服务***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710432028.6A CN107122500A (zh) | 2017-06-09 | 2017-06-09 | 促进成果转化的科技大数据服务***和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122500A true CN107122500A (zh) | 2017-09-01 |
Family
ID=59730420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710432028.6A Pending CN107122500A (zh) | 2017-06-09 | 2017-06-09 | 促进成果转化的科技大数据服务***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122500A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191290A (zh) * | 2018-07-25 | 2019-01-11 | 厦门海汇运通软件有限公司 | 一种专利交易的推荐方法和装置 |
CN109919469A (zh) * | 2019-02-27 | 2019-06-21 | 浪潮软件集团有限公司 | 一种全息科技数据处理方法 |
CN110516723A (zh) * | 2019-08-15 | 2019-11-29 | 天津师范大学 | 一种基于深度张量融合的多模态地基云图识别方法 |
CN110990464A (zh) * | 2019-12-19 | 2020-04-10 | 绍兴市上虞区理工高等研究院 | 一种渠道数据分析对比方法、设备及存储介质 |
CN117235200A (zh) * | 2023-09-12 | 2023-12-15 | 杭州湘云信息技术有限公司 | 基于ai技术的数据集成方法、装置、计算机设备及存储介质 |
-
2017
- 2017-06-09 CN CN201710432028.6A patent/CN107122500A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109191290A (zh) * | 2018-07-25 | 2019-01-11 | 厦门海汇运通软件有限公司 | 一种专利交易的推荐方法和装置 |
CN109191290B (zh) * | 2018-07-25 | 2021-03-23 | 山东惠知诚远知识产权运营服务股份有限公司 | 一种专利交易的推荐方法和装置 |
CN109919469A (zh) * | 2019-02-27 | 2019-06-21 | 浪潮软件集团有限公司 | 一种全息科技数据处理方法 |
CN110516723A (zh) * | 2019-08-15 | 2019-11-29 | 天津师范大学 | 一种基于深度张量融合的多模态地基云图识别方法 |
CN110516723B (zh) * | 2019-08-15 | 2023-04-07 | 天津师范大学 | 一种基于深度张量融合的多模态地基云图识别方法 |
CN110990464A (zh) * | 2019-12-19 | 2020-04-10 | 绍兴市上虞区理工高等研究院 | 一种渠道数据分析对比方法、设备及存储介质 |
CN110990464B (zh) * | 2019-12-19 | 2024-01-12 | 绍兴市上虞区理工高等研究院 | 一种渠道数据分析对比方法、设备及存储介质 |
CN117235200A (zh) * | 2023-09-12 | 2023-12-15 | 杭州湘云信息技术有限公司 | 基于ai技术的数据集成方法、装置、计算机设备及存储介质 |
CN117235200B (zh) * | 2023-09-12 | 2024-05-10 | 杭州湘云信息技术有限公司 | 基于ai技术的数据集成方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122500A (zh) | 促进成果转化的科技大数据服务***和方法 | |
CN109766605A (zh) | 实物与价值联动的配电网全信息数字模型的建立方法 | |
CN106202377A (zh) | 一种基于随机梯度下降的在线协同排序方法 | |
CN110009416A (zh) | 一种基于大数据清洗和ai精准营销的*** | |
Yang | Space reconstruction process and internal driving mechanisms of Taobao villages in metropolitan fringe areas: A case study of Lirendong village in Guangzhou, China | |
Demuynck et al. | Urban co-opetition in megaregions: Measuring competition and cooperation within and beyond the Pearl River Delta | |
CN108876093A (zh) | 一种众创平台下的众创设计任务推送方法 | |
Shan et al. | A review of recent progress and developments in China smart cities | |
Zhao et al. | Application of smart city construction in a new data environment | |
García-Granero et al. | Is R&D Enough to Take Advantage From External Knowledge?: Focusing on Coordination Mechanisms | |
Hayati et al. | Local smart initiatives to enhance sustainable settlement | |
Wan et al. | Research on key success factors model for innovation application of Internet of Things with grounded theory | |
Liefner et al. | Advancing the structured analysis of regional innovation in China. Integrating new perspectives in a comprehensive approach | |
CN109885631A (zh) | 一种城市数字地图三维建模制作***及其方法 | |
Zhang et al. | Unpacking intercity competitive relations in the global corporate spatial organization of manufacturing | |
Liu et al. | Evaluating the development efficiency of cultural industry by a bilateral SFA model. | |
CN108108921A (zh) | 一种城市景观规划构建*** | |
Lim et al. | Comparing a spatial structure of innovation network between Korea and Japan: through the analysis of co-inventors’ network | |
CN106096910A (zh) | 一种基于信息活动的体系结构设计方法 | |
Oral | A DSS design framework for competitive strategy formulation | |
Hu | Exploring differentiated economic adaptation and adaptability of old industrial areas in transitional China | |
CN107391645B (zh) | 一种物流信息自动推送及实操规范形成***和方法 | |
Shen et al. | China’s local government innovations in inter-local collaboration | |
Luna et al. | Business associations and their contribution to knowledge networks in Mexico | |
CN109165276A (zh) | 基于自然语言的自助式问卷逻辑设计方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170901 |