CN110413654B - 一种确定客户可信联系信息的方法、装置、计算机设备和存储介质 - Google Patents
一种确定客户可信联系信息的方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110413654B CN110413654B CN201910534809.5A CN201910534809A CN110413654B CN 110413654 B CN110413654 B CN 110413654B CN 201910534809 A CN201910534809 A CN 201910534809A CN 110413654 B CN110413654 B CN 110413654B
- Authority
- CN
- China
- Prior art keywords
- contact
- credibility
- obtaining
- service
- scoring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010586 diagram Methods 0.000 claims abstract description 73
- 238000012795 verification Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 3
- 238000000638 solvent extraction Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/248—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明涉及一种确定客户可信联系信息的方法、装置、计算机设备和存储介质,所述方法包括:根据用户预存联系信息获得所述联系信息的时间分布图;对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;根据所述业务触点分类等级优化所述时间分布图;获得观察阈值;根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;根据所述可信度最大的业务触点,从所述用户预存联系信息中确定所述客户的可信联系信息。达到增加可信度的比较,减少多触点情况下纯粹依靠一维判定方式的误判的效果。
Description
技术领域
本发明涉及信息处理领域,特别是涉及一种确定客户可信联系信息的方法、装置、计算机设备和存储介质。
背景技术
目前企业集团接触客户时有多个触点场景,这些触点场景都可能涉及客户联系信息的采集,但不同触点场景获取到的客户联系信息的可信度是不同的,如单纯按时间更新维度来判断客户联系信息的可信度,即更新时间越近的越可信,会增加误判的概率。
发明内容
基于此,有必要针对在确定客户可信联系信息时,单纯按时间更新维度来判断客户联系信息的可信度,会增加误判的概率的问题,提供一种确定客户可信联系信息的方法、装置、计算机设备和存储介质。
一种确定客户可信联系信息的方法,所述方法包括:根据用户预存联系信息获得所述联系信息的时间分布图;对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;根据所述业务触点分类等级优化所述时间分布图;获得观察阈值;根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;根据所述可信度最大的业务触点,从所述用户预存联系信息中确定所述客户的可信联系信息。
在其中一个实施例中,所述方法还包括:将所述用户预存联系信息放到时间轴上;获得所述用户预存联系信息的时间分布图。
在其中一个实施例中,所述方法还包括:获得第一打分维度,所述第一打分维度为所述业务触点采集所述联系信息的用途;获得第二打分维度,所述第二打分维度为所述业务触点是否有验证措施验证客户预留信息;获得第三打分维度,所述第三打分维度为所述业务触点预留的联系信息的历史准确性;将所述第一打分维度、所述第二打分维度和所述第三打分维度赋予对应权重值;根据赋予对应权重值的所述第一打分维度、所述第二打分维度和所述第三打分维度之和,获得所述可信度打分结果。
在其中一个实施例中,所述方法还包括:根据所述业务触点分类等级,获得各联系信息的可信度等级值;根据所述可信度等级值,对所述时间分布图进行优化。
在其中一个实施例中,所述联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若所述时间分布图呈阶梯状图形,所述根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点包括:判断所述阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;若所述阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得所述可信度最大的业务触点;若阶梯状图形的相邻两个端点的时间间隔大于等于所述观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在其中一个实施例中,若所述时间分布图呈凸形状图形,所述根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点包括:判断所述凸形图形的相邻两个端点的时间间隔是否小于观察阈值;若所述凸形图形的两个端点的时间间隔小于观察阈值时,比较所述凸形图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点。若所述凸形图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在其中一个实施例中,若所述时间分布图呈锯齿状图形,所述根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点包括:判断所述锯齿状图形相邻两个端点的时间间隔是否小于所述观察阈值;若所述锯齿状图形的两个端点的时间间隔小于观察阈值时,把所述锯齿状图形中同一水平线上的端点归为一组,比较每组端点的最新的更新时间和可信度,获得所述可信度最大的业务触点;若所述锯齿状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
一种确定客户可信联系信息的装置,所述装置包括:时间分布图获得单元,用于根据用户预存联系信息获得所述联系信息的时间分布图;可信度打分结果获得单元,用于对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;业务触点分类等级获得单元,用于根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;时间分布图优化单元,用于根据所述业务触点分类等级优化所述时间分布图;观察阈值获得单元,用于获得观察阈值;业务触点获得单元,用于根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;可信联系信息获得单元,用于根据所述可信度最大的业务触点,从所述用户预存联系信息中获得所述客户的可信联系信息。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述所述确定客户可信联系信息的方法的步骤。
一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述所述确定客户可信联系信息的方法的步骤。
上述确定客户可信联系信息的方法、装置、计算机设备和存储介质,通过根据客户联系信息得到联系信息的时间分布图,将客户预留联系信息的业务触点进行可信度打分,通过三个维度计算出业务触点的可信度分值,并根据业务触点的可信度打分结果划分业务触点的等级,根据业务触点分类等级优化时间分布图,设定观察阈值后,从优化后的多种时间分布图中比较图中端点可信度大小,选取最大可信度的触点对应的联系方式,可判断多组联系信息中可信度最大的一组。从而达到了结合客户联系信息在时间轴上变化的规律与引发变化触点的可信度来判断多组联系信息中可信度最大的一组,从而增加可信度的比较,可减少多触点情况下纯粹依靠一维判定方式的误判的效果。
附图说明
图1为一个实施例中提供的确定客户可信联系信息的方法的实施环境图;
图2为一个实施例中计算机设备的内部结构框图;
图3为一个实施例中确定客户可信联系信息的方法的流程图;
图4为一个实施例中根据用户预存联系信息获得联系信息的时间分布图的流程图;
图5为一个实施例中对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果的流程图;
图6为一个实施例中根据所述业务触点分类等级优化所述时间分布图的流程图;
图7为一个实施例中根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点的流程图;
图8为一个实施例中客户联系方式的时间分布图呈阶梯状图形的时间分布图;
图9为一个实施例中根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点的流程图;
图10为一个实施例中客户联系方式的时间分布图呈凸形状图形的时间分布图;
图11为一个实施例中根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点的流程图;
图12为一个实施例中客户联系方式的时间分布图呈锯齿状图形的时间分布图;
图13为一个实施例中确定客户可信联系信息的装置的结构框图;
图14为一个实施例中时间分布图获得单元的结构框图;
图15为一个实施例中可信度打分结果获得单元的结构框图;
图16为一个实施例中时间分布图优化单元的结构框图;
图17为一个实施例中业务触点获得单元的结构框图;
图18为一个实施例中业务触点获得单元的结构框图;
图19为一个实施例中业务触点获得单元的结构框图。
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。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一确定客户可信联系信息的脚本称为第二确定客户可信联系信息的脚本,且类似地,可将第二确定客户可信联系信息的脚本称为第二确定客户可信联系信息的脚本。
图1为一个实施例中提供的确定客户可信联系信息的方法的实施环境图,如图1所示,在该实施环境中,包括计算机设备110。
计算机设备110为智能电子设备,例如为技术人员使用的电脑等计算机设备,计算机设备110上安装科确定客户可信联系信息的软件工具,当需要对客户的联系信息的可信度进行确定时,技术人员可以在计算机设备110上根据用户预存联系信息获得所述联系信息的时间分布图;然后对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;其次根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;再根据所述业务触点分类等级优化所述时间分布图;获得观察阈值;从而根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;最终根据所述可信度最大的业务触点,从所述用户预存联系信息中确定所述客户的可信联系信息。
需要说明的是,终端120以及计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。
图2为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备包括通过***总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作***、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种确定客户可信联系信息的方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种确定客户可信联系信息的方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图3所示,在一个实施例中,提出了一种确定客户可信联系信息的方法,该确定客户可信联系信息的方法可以应用于上述的计算机设备110中,具体可以包括以下步骤:
步骤310:根据用户预存联系信息获得联系信息的时间分布图;
在本申请实施例中,将客户预留的所有联系信息放到时间轴上,得到客户联系信息的时间分布图。
图4示出了在一个实施例中,步骤310即根据用户预存联系信息获得联系信息的时间分布图的步骤的实现流程图,具体可以包括以下步骤:
步骤311,将用户预存联系信息放到时间轴上;
步骤312,获得用户预存联系信息的时间分布图。
如假设客户甲分别于2012年4月,2015年8月,2017年5月以及2017年12月和2018年3月有通过5个不同的触点留下了5个不同的联系方式,则可得出对应的5个点D4(2012年4月,联系方式1)、D3(2015年8月,联系方式2)、D2(2017年5月,联系方式3)、D1(2017年12月,联系方式2)、D0(2018年3月,联系方式5);可将这五个点绘制在时间分布图上,其中,将时间变化点作为横轴,将不同的5个联系方式对应的不同的5个触点通过纵坐标表示得出图1的客户联系方式的时间分布图。
步骤320:对用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;
图5示出了在一个实施例中,步骤320即对用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果的步骤的实现流程图,具体可以包括以下步骤:
步骤321,获得第一打分维度,第一打分维度为业务触点采集联系信息的用途;
步骤322,获得第二打分维度,第二打分维度为业务触点是否有验证措施验证客户预留信息;
步骤323,获得第三打分维度,第三打分维度为业务触点预留的联系信息的历史准确性;
步骤324,将第一打分维度、第二打分维度和第三打分维度赋予对应权重值;
步骤325,根据赋予对应权重值的第一打分维度、第二打分维度和第三打分维度之和,获得可信度打分结果。
在步骤321-步骤325中,对客户预留下的联系信息对应的业务触点进行可信度打分,可信度总分为:C=a*U+b*S+c*R,其中a,b,c为可调参数,可按0.3,0.3,0.4配置。也可根据情况对参数进行修改,本申请对此不做限制。其中,第一打分维度主要是该触点采集联系方式的用途,即可给用户提供服务的重要性,其用途高低分类包括:用于客户接收关键信息用的,高于用于获利识别类的,高于客户接收非关键信息的,高于非纯粹的信息采集类的;第二带份维度是该触点场景是否有验证措施验证客户预留信息,其预留信息高低分类包括:有短信验证码验证的高于无验证的;第三打分维度是该触点预留的信息以往的准确性,则第三打分维度根据历史准确度得出,无历史准确度的为60,历史判断有不准确的记录的从60分减分,有准确记录的从60加分。
步骤330:根据可信度打分结果按照可信度分值区间,获得业务触点分类等级;
在一些实施例中,根据对业务触点的可信度打分结果可按照可信度分值区间进行对业务触点分等级,将业务触点分为可信度低、可信度中等、可信度高等几类。如将业务触点按可信度分值区间划分为四个等级,第一等级:100-90分;第二等级:90-70分;第三等级:70-60分;第四等级:60分以下。
步骤340:根据业务触点分类等级优化时间分布图;
图6示出了在一个实施例中,步骤340即根据业务触点分类等级优化时间分布图的步骤的实现流程图,具体可以包括以下步骤:
步骤341,根据业务触点分类等级,获得各联系信息的可信度等级值;
步骤342,根据可信度等级值,对时间分布图进行优化。
在步骤341-342中,根据业务触点的可信度分类等级的结果,将每一个联系方式信息根据业务触点的分类结果获得不同的可信度等级值,优化第一步中的客户联系信息的时间分布图。
步骤350:获得观察阈值;
在本申请实施例中,根据联系信息的更新特性设定观察阈值t,通常可将联系信息的观察阈值设定为1年,也可将观察阈值根据实际情况的不同设置为其他时长,对此本申请不做限制。
步骤360:根据观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;
图7示出了在一个实施例中,联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若时间分布图呈阶梯状图形,步骤360即根据观察阈值,从优化后的时间分布图中获得可信度最大的业务触点的步骤的实现流程图,具体可以包括以下步骤:
步骤361a,判断阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;
步骤362a,若阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得可信度最大的业务触点;
步骤363a,若阶梯状图形的相邻两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为可信度最大的业务触点。
当手机的更新情况在时间序列上呈阶梯状图形时。若阶梯状图形的两个端点的时间间隔小于观察阈值时,需比较各个阶梯端点对应的业务触点可信度,取可信度较高的触点,若阶梯状图形的两个端点的时间间隔相同时,取靠近时间序列尾端的触点;阶梯状图形的起止时间间隔小于观察阈值时,需判定比较阶梯两端的业务触点可信度,需取可信度较高的触点。如第一步中列举的图8的客户联系方式的时间分布图呈阶梯状图形,说明用户在每个时间阶段接触到的触点预留的联系方式都不同;此时,从阶梯最右端的端点D0开始逐一向左取阶梯端点D1进行比较,首先看D0和D1的时间间隔T0-T1<t是否成立,如成立,比较D0和D1的可信度等级值C0和C1,若C0>C1,则取D0,再与下一个左边的端点D2进行时间间隔T0-T2<t以及可信度等级C0>C2的比较;若C0<C1,择取D1,与D2进行T1-T2<t以及可信度等级C1>C2的比较,直到Tm-Tn>t,选取出可信度最大的业务触点。
图9示出了在一个实施例中,若时间分布图呈凸形状图形,步骤360即根据观察阈值,从优化后的时间分布图中获得可信度最大的业务触点的步骤的实现流程图,具体可以包括以下步骤:
步骤361b,判断凸形图形的相邻两个端点的时间间隔是否小于观察阈值;
步骤362b,若凸形图形的两个端点的时间间隔小于观察阈值时,比较凸形图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点;
步骤363b,若凸形图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为可信度最大的业务触点。
若凸形图形的相邻两个端点的时间间隔小于观察阈值时,需比较凸起部分与其余部分的可信度。如呈凸形形状的客户联系方式的时间分布图的图10,说明时间较早或较晚时接触的业务触点预留的联系方式相同,且较早和较晚时期预留的联系方式与中间时期的联系方式不同;此时,同样从最右侧的端点D0开始,比较D0与凸起端点D1的时间间隔T0-T1<t是否成立,若成立,比较D0和D1的可信度,取可信度等级C值较高的即可;若不成立,直接取D0端点对应的联系方式即可。
图11示出了在一个实施例中,若时间分布图呈锯齿状图形,步骤360即根据观察阈值,从优化后的时间分布图中获得可信度最大的业务触点的步骤的实现流程图,具体可以包括以下步骤:
步骤361c,判断锯齿状图形相邻两个端点的时间间隔是否小于观察阈值;
步骤362c,若锯齿状图形的两个端点的时间间隔小于观察阈值时,把锯齿状图形中同一水平线上的端点归为一组,比较每组端点的最新的更新时间和可信度,获得可信度最大的业务触点;
步骤363c,若锯齿状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为可信度最大的业务触点。
参考时间分布图呈阶梯状图形的处理方式,先若锯齿状图形的两个端点的时间间隔小于观察阈值时,把锯齿状图形中同一水平线上的端点归为一组,比较几组端点的最新的更新时间和可信度。如呈锯齿状形状的客户联系方式的时间分布图的图12,说明不同时期预留的不同联系方式有跟之前相同的联系方式;此时,将同一水平线上的端点连起来,取每条水平线上最右侧的端点进行逐一比较,比较时同样从所有端点中最靠右的T0开始,当T0-T1<t时,比较可信度等级C值,然后取可信度等级C值较高的跟下一个点进行比较;直到Tm-Tn≥t,选取出可信度最大的业务触点。
步骤370:根据可信度最大的业务触点,从用户预存联系信息中确定客户的可信联系信息。
在本申请实施例中,将用户联系信息的时间分布图与上述图形进行对比,获得用户满足的时间分布图,从用户满足的时间分布图中计算出可信度最大的业务触点,且该业务触点为可信联系信息。达到结合客户联系信息在时间轴上变化的规律与引发变化触点的可信度来判断多组联系信息中可信度最大的一组,从而增加可信度的比较,可减少多触点情况下纯粹依靠一维判定方式的误判的效果。
如图13所示,在一个实施例中,提供了一种确定客户可信联系信息的装置,该确定客户可信联系信息的装置可以集成于上述的计算机设备110中,具体可以包括时间分布图获得单元410、可信度打分结果获得单元420、业务触点分类等级获得单元430、时间分布图优化单元440、观察阈值获得单元450、业务触点获得单元460、可信联系信息获得单元470。
时间分布图获得单元410,用于根据用户预存联系信息获得所述联系信息的时间分布图;
可信度打分结果获得单元420,用于对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;
业务触点分类等级获得单元430,用于根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;
时间分布图优化单元440,用于根据所述业务触点分类等级优化所述时间分布图;
观察阈值获得单元450,用于获得观察阈值;
业务触点获得单元460,用于根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;
可信联系信息获得单元470,用于根据所述可信度最大的业务触点,从所述用户预存联系信息中获得所述客户的可信联系信息。
如图14所示,在一个实施例中,时间分布图获得单元410包括客户预留联系信息模块411,时间分布图获得模块412:
客户预留联系信息模块411,用于将所述用户预存联系信息放到时间轴上;
时间分布图获得模块412,用于获得所述用户预存联系信息的时间分布图。
如图15所示,在一个实施例中,可信度打分结果获得单元420包括第一打分维度获得模块421,第二打分维度获得模块422,第三打分维度获得模块423,权重值赋值模块424,可信度打分结果获得模块425:
第一打分维度获得模块421,用于获得第一打分维度,所述第一打分维度为所述业务触点采集所述联系信息的用途;
第二打分维度获得模块422,用于获得第二打分维度,所述第二打分维度为所述业务触点是否有验证措施验证客户预留信息;
第三打分维度获得模块423,用于获得第三打分维度,所述第三打分维度为所述业务触点预留的联系信息的历史准确性;
权重值赋值模块424,用于将所述第一打分维度、所述第二打分维度和所述第三打分维度赋予对应权重值;
可信度打分结果获得模块425,用于根据赋予对应权重值的所述第一打分维度、所述第二打分维度和所述第三打分维度之和,获得所述可信度打分结果。
如图16所示,在一个实施例中,时间分布图优化单元440包括可信度等级值获得模块441,时间分布图优化模块442:
可信度等级值获得模块441,用于根据所述业务触点分类等级,获得各联系信息的可信度等级值;
时间分布图优化模块442,用于根据所述可信度等级值,对所述时间分布图进行优化。
如图17所示,在一个实施例中,所述联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若所述时间分布图呈阶梯状图形,业务触点获得单元460包括时间间隔判断模块461a,第一业务触点获得模块462a,第二业务触点获得模块463a:
时间间隔判断模块461a,用于判断所述阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;
第一业务触点获得模块462a,用于若所述阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得所述可信度最大的业务触点;
第二业务触点获得模块463a,用于若阶梯状图形的相邻两个端点的时间间隔大于等于所述观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
如图18所示,在一个实施例中,若所述时间分布图呈凸形状图形,业务触点获得单元460包括时间间隔判断单元461b,第一业务触点获得模块462b,第二业务触点获得模块463b:
时间间隔判断模块461b,用于判断所述凸形图形的相邻两个端点的时间间隔是否小于观察阈值;
第一业务触点获得模块462b,用于若所述凸形图形的两个端点的时间间隔小于观察阈值时,比较所述凸形图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点。
第二业务触点获得模块463b,用于若所述凸形图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
如图19所示,在一个实施例中,若所述时间分布图呈锯齿状图形,业务触点获得单元460包括时间间隔判断单元461c,第一业务触点获得模块462c,第二业务触点获得模块463c:
时间间隔判断单元461c,用于判断所述锯齿状图形相邻两个端点的时间间隔是否小于所述观察阈值;
第一业务触点获得模块462c,用于若所述锯齿状图形的两个端点的时间间隔小于观察阈值时,把所述锯齿状图形中同一水平线上的端点归为一组,比较每组端点的最新的更新时间和可信度,获得所述可信度最大的业务触点;
第二业务触点获得模块463c,用于若所述锯齿状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在一个实施例中,提出了一种计算机设备,所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:根据用户预存联系信息获得所述联系信息的时间分布图;对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;根据所述业务触点分类等级优化所述时间分布图;获得观察阈值;根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;根据所述可信度最大的业务触点,从所述用户预存联系信息中确定所述客户的可信联系信息。
在其中一个实施例中,所述处理器所执行的步骤还包括:将所述用户预存联系信息放到时间轴上;获得所述用户预存联系信息的时间分布图。
在其中一个实施例中,所述处理器所执行的步骤还包括:获得第一打分维度,所述第一打分维度为所述业务触点采集所述联系信息的用途;获得第二打分维度,所述第二打分维度为所述业务触点是否有验证措施验证客户预留信息;获得第三打分维度,所述第三打分维度为所述业务触点预留的联系信息的历史准确性;将所述第一打分维度、所述第二打分维度和所述第三打分维度赋予对应权重值;根据赋予对应权重值的所述第一打分维度、所述第二打分维度和所述第三打分维度之和,获得所述可信度打分结果。
在其中一个实施例中,所述处理器所执行的步骤还包括:根据所述业务触点分类等级,获得各联系信息的可信度等级值;根据所述可信度等级值,对所述时间分布图进行优化。
在其中一个实施例中,所述联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若所述时间分布图呈阶梯状图形,所述处理器所执行的步骤包括:判断所述阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;若所述阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得所述可信度最大的业务触点;若阶梯状图形的相邻两个端点的时间间隔大于等于所述观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在其中一个实施例中,若所述时间分布图呈凸形状图形,所述处理器所执行的步骤包括:判断所述凸形图形的相邻两个端点的时间间隔是否小于观察阈值;若所述凸形图形的两个端点的时间间隔小于观察阈值时,比较所述凸形图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点。若所述凸形图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在其中一个实施例中,所述处理器所执行的步骤包括:判断所述锯齿状图形相邻两个端点的时间间隔是否小于所述观察阈值;若所述锯齿状图形的两个端点的时间间隔小于观察阈值时,把所述锯齿状图形中同一水平线上的端点归为一组,比较每组端点的最新的更新时间和可信度,获得所述可信度最大的业务触点;若所述锯齿状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:根据用户预存联系信息获得所述联系信息的时间分布图;对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;根据所述业务触点分类等级优化所述时间分布图;获得观察阈值;根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;根据所述可信度最大的业务触点,从所述用户预存联系信息中确定所述客户的可信联系信息。
在其中一个实施例中,所述处理器所执行的步骤还包括:将所述用户预存联系信息放到时间轴上;获得所述用户预存联系信息的时间分布图。
在其中一个实施例中,所述处理器所执行的步骤还包括:获得第一打分维度,所述第一打分维度为所述业务触点采集所述联系信息的用途;获得第二打分维度,所述第二打分维度为所述业务触点是否有验证措施验证客户预留信息;获得第三打分维度,所述第三打分维度为所述业务触点预留的联系信息的历史准确性;将所述第一打分维度、所述第二打分维度和所述第三打分维度赋予对应权重值;根据赋予对应权重值的所述第一打分维度、所述第二打分维度和所述第三打分维度之和,获得所述可信度打分结果。
在其中一个实施例中,所述处理器所执行的步骤还包括:根据所述业务触点分类等级,获得各联系信息的可信度等级值;根据所述可信度等级值,对所述时间分布图进行优化。
在其中一个实施例中,所述联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若所述时间分布图呈阶梯状图形,所述处理器所执行的步骤包括:判断所述阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;若所述阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得所述可信度最大的业务触点;若阶梯状图形的相邻两个端点的时间间隔大于等于所述观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在其中一个实施例中,若所述时间分布图呈凸形状图形,所述处理器所执行的步骤包括:判断所述凸形图形的相邻两个端点的时间间隔是否小于观察阈值;若所述凸形图形的两个端点的时间间隔小于观察阈值时,比较所述凸形图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点。若所述凸形图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
在其中一个实施例中,所述处理器所执行的步骤包括:判断所述锯齿状图形相邻两个端点的时间间隔是否小于所述观察阈值;若所述锯齿状图形的两个端点的时间间隔小于观察阈值时,把所述锯齿状图形中同一水平线上的端点归为一组,比较每组端点的最新的更新时间和可信度,获得所述可信度最大的业务触点;若所述锯齿状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种确定客户可信联系信息的方法,其特征在于,所述方法包括:
根据用户预存联系信息,将联系信息发生变化的时间变化点绘制在时间轴的横轴上,将基于时间变化点对应的联系方式生成的触点绘制在时间轴的纵轴上,形成用户预存联系信息的时间分布图;
获得多个打分维度,对每个打分维度赋予对应的权重值,根据所述打分维度和所述权重值对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;其中,所述打分维度包括第一打分维度、第二打分维度和第三打分维度,所述第一打分维度为所述业务触点采集所述联系信息的用途,所述第二打分维度为所述业务触点是否有验证措施验证客户预留信息,所述第三打分维度为所述业务触点预留的联系信息的历史准确性;
根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;
根据业务触点分类等级,获得各联系信息的可信度等级值;根据所述可信度等级值,对所述时间分布图进行优化;
获得观察阈值;
根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;
根据所述可信度最大的业务触点,从所述用户预存联系信息中确定所述客户的可信联系信息。
2.根据权利要求1所述的方法,其特征在于,根据所述打分维度和所述权重值对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果,包括:
根据赋予对应权重值的所述第一打分维度、所述第二打分维度和所述第三打分维度之和,获得所述可信度打分结果。
3.根据权利要求1所述的方法,其特征在于,所述联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若所述时间分布图呈阶梯状图形,所述根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点包括:
判断所述阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;
若所述阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得所述可信度最大的业务触点;
若阶梯状图形的相邻两个端点的时间间隔大于等于所述观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
4.根据权利要求3所述的方法,其特征在于,若所述时间分布图呈凸形状图形,所述根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点包括:
判断所述凸形状图形的相邻两个端点的时间间隔是否小于观察阈值;
若所述凸形状图形的两个端点的时间间隔小于观察阈值时,比较所述凸形状图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点;
若所述凸形状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
5.根据权利要求3所述的方法,其特征在于,若所述时间分布图呈锯齿状图形,所述根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点包括:
判断所述锯齿状图形相邻两个端点的时间间隔是否小于所述观察阈值;
若所述锯齿状图形的两个端点的时间间隔小于观察阈值时,把所述锯齿状图形中同一水平线上的端点归为一组,比较每组端点的最新的更新时间和可信度,获得所述可信度最大的业务触点;
若所述锯齿状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
6.一种确定客户可信联系信息的装置,其特征在于,所述装置包括:
时间分布图获得单元,用于根据用户预存联系信息,将联系信息发生变化的时间变化点绘制在时间轴的横轴上,将基于时间变化点对应的联系方式生成的触点绘制在时间轴的纵轴上,形成用户预存联系信息的时间分布图;
可信度打分结果获得单元,用于获得多个打分维度,对每个打分维度赋予对应的权重值,根据所述打分维度和所述权重值对所述用户预存联系信息的业务触点进行可信度打分,获得可信度打分结果;其中,所述打分维度包括第一打分维度、第二打分维度和第三打分维度,所述第一打分维度为所述业务触点采集所述联系信息的用途,所述第二打分维度为所述业务触点是否有验证措施验证客户预留信息,所述第三打分维度为所述业务触点预留的联系信息的历史准确性;
业务触点分类等级获得单元,用于根据所述可信度打分结果按照可信度分值区间,获得所述业务触点分类等级;
时间分布图优化单元,用于根据业务触点分类等级,获得各联系信息的可信度等级值;根据所述可信度等级值,对所述时间分布图进行优化;
观察阈值获得单元,用于获得观察阈值;
业务触点获得单元,用于根据所述观察阈值,从优化后的时间分布图中获得可信度最大的业务触点;
可信联系信息获得单元,用于根据所述可信度最大的业务触点,从所述用户预存联系信息 中获得所述客户的可信联系信息。
7.根据权利要求6所述的装置,其特征在于,所述联系信息的时间分布图包括阶梯状图形、凸形状图形、锯齿状图形,其中,若所述时间分布图呈阶梯状图形,业务触点获得单元包括时间间隔判断模块,第一业务触点获得模块,第二业务触点获得模块:
时间间隔判断模块,用于判断所述阶梯状图形的相邻两端点的时间间隔是否小于观察阈值;
第一业务触点获得模块,用于若所述阶梯状图形的相邻两端点的时间间隔小于观察阈值时,比较各个阶梯端点对应的业务触点可信度,获得所述可信度最大的业务触点;
第二业务触点获得模块,用于若阶梯状图形的相邻两个端点的时间间隔大于等于所述观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
8.根据权利要求7所述的装置,其特征在于,若所述时间分布图呈凸形状图形,业务触点获得单元包括时间间隔判断单元,第一业务触点获得模块,第二业务触点获得模块:
时间间隔判断模块,用于判断所述凸形状图形的相邻两个端点的时间间隔是否小于观察阈值;
第一业务触点获得模块,用于若所述凸形状图形的两个端点的时间间隔小于观察阈值时,比较所述凸形状图形的凸起部分与其余部分的可信度,获得可信度最大的业务触点;
第二业务触点获得模块,用于若所述凸形状图形的两个端点的时间间隔大于等于观察阈值时,获得靠近时间序列尾端的业务触点作为所述可信度最大的业务触点。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项权利要求所述确定客户可信联系信息的方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至5中任一项权利要求所述确定客户可信联系信息的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910534809.5A CN110413654B (zh) | 2019-06-20 | 2019-06-20 | 一种确定客户可信联系信息的方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910534809.5A CN110413654B (zh) | 2019-06-20 | 2019-06-20 | 一种确定客户可信联系信息的方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110413654A CN110413654A (zh) | 2019-11-05 |
CN110413654B true CN110413654B (zh) | 2023-11-21 |
Family
ID=68359461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910534809.5A Active CN110413654B (zh) | 2019-06-20 | 2019-06-20 | 一种确定客户可信联系信息的方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110413654B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001203794A (ja) * | 2000-01-21 | 2001-07-27 | Sharp Corp | 電話番号決定方法および電話番号決定発信方法ならびにそれらの方法を記録する媒体 |
KR20050056113A (ko) * | 2004-07-05 | 2005-06-14 | (주) 후이즈홀딩스 | 신뢰도 지수에 기반한 연락처 정보 생성 및 변경 방법 및시스템 |
CN103226949A (zh) * | 2011-09-30 | 2013-07-31 | 苹果公司 | 在虚拟助理中使用情境信息来促进命令的处理 |
CN104333530A (zh) * | 2013-07-22 | 2015-02-04 | 深圳市腾讯计算机***有限公司 | 信息可信度验证方法及装置 |
CN106294398A (zh) * | 2015-05-21 | 2017-01-04 | 富士通株式会社 | 信息处理装置和信息处理方法 |
CN106570699A (zh) * | 2015-10-08 | 2017-04-19 | 平安科技(深圳)有限公司 | 客户联系信息挖掘方法及服务器 |
CN106604281A (zh) * | 2015-10-20 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种确定手机号码稳定性的方法及设备 |
CN106713676A (zh) * | 2017-01-23 | 2017-05-24 | 北京奇虎科技有限公司 | 通信号码识别控制方法、装置及通信终端 |
CN107908702A (zh) * | 2017-11-06 | 2018-04-13 | 深圳市牛鼎丰科技有限公司 | 联系方式查找方法、装置、计算机设备和存储介质 |
CN108564238A (zh) * | 2017-12-28 | 2018-09-21 | 百度在线网络技术(北京)有限公司 | 数据评估方法和装置、服务器、存储介质 |
CN109801156A (zh) * | 2018-12-18 | 2019-05-24 | 深圳市佰仟金融服务有限公司 | 一种放贷风险管控方法及放贷风险管控设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10255602B2 (en) * | 2017-09-01 | 2019-04-09 | Operr Technologies, Inc. | Location-based verification for predicting user trustworthiness |
-
2019
- 2019-06-20 CN CN201910534809.5A patent/CN110413654B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001203794A (ja) * | 2000-01-21 | 2001-07-27 | Sharp Corp | 電話番号決定方法および電話番号決定発信方法ならびにそれらの方法を記録する媒体 |
KR20050056113A (ko) * | 2004-07-05 | 2005-06-14 | (주) 후이즈홀딩스 | 신뢰도 지수에 기반한 연락처 정보 생성 및 변경 방법 및시스템 |
CN103226949A (zh) * | 2011-09-30 | 2013-07-31 | 苹果公司 | 在虚拟助理中使用情境信息来促进命令的处理 |
CN104333530A (zh) * | 2013-07-22 | 2015-02-04 | 深圳市腾讯计算机***有限公司 | 信息可信度验证方法及装置 |
CN106294398A (zh) * | 2015-05-21 | 2017-01-04 | 富士通株式会社 | 信息处理装置和信息处理方法 |
CN106570699A (zh) * | 2015-10-08 | 2017-04-19 | 平安科技(深圳)有限公司 | 客户联系信息挖掘方法及服务器 |
CN106604281A (zh) * | 2015-10-20 | 2017-04-26 | 阿里巴巴集团控股有限公司 | 一种确定手机号码稳定性的方法及设备 |
CN106713676A (zh) * | 2017-01-23 | 2017-05-24 | 北京奇虎科技有限公司 | 通信号码识别控制方法、装置及通信终端 |
CN107908702A (zh) * | 2017-11-06 | 2018-04-13 | 深圳市牛鼎丰科技有限公司 | 联系方式查找方法、装置、计算机设备和存储介质 |
CN108564238A (zh) * | 2017-12-28 | 2018-09-21 | 百度在线网络技术(北京)有限公司 | 数据评估方法和装置、服务器、存储介质 |
CN109801156A (zh) * | 2018-12-18 | 2019-05-24 | 深圳市佰仟金融服务有限公司 | 一种放贷风险管控方法及放贷风险管控设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110413654A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874199B (zh) | 测试用例处理方法和装置 | |
CN112950119B (zh) | 即时物流订单拆分方法、装置、设备及存储介质 | |
US20150227530A1 (en) | Address Book Ranking Method and Apparatus | |
CN109408640B (zh) | 日志分类方法、装置及存储介质 | |
CN110413654B (zh) | 一种确定客户可信联系信息的方法、装置、计算机设备和存储介质 | |
CN110909129A (zh) | 异常投诉事件的识别方法及装置 | |
CN111783107B (zh) | 一种多源可信数据接入方法、装置及设备 | |
CN110489416B (zh) | 一种基于数据处理的信息存储方法及相关设备 | |
CN110690987B (zh) | 账号信息管理方法、装置及设备 | |
CN114443246B (zh) | 智能调度方法、装置、设备及计算机可读存储介质 | |
JP6574310B2 (ja) | 評価情報のマッチング方法、装置及びサーバー | |
JP6756378B2 (ja) | 異常検出方法、システムおよびプログラム | |
KR102464688B1 (ko) | 모니터링 결과의 이벤트 등급 결정 방법 및 장치 | |
CN113468886B (zh) | 工单处理方法、装置及计算机设备 | |
CN115550178A (zh) | 一种智慧网关管控方法及*** | |
US20190279041A1 (en) | Information processing apparatus | |
CN115657971B (zh) | 面向企业数字化服务的云存储分配方法、***及云服务器 | |
CN111399754A (zh) | 存储空间的释放方法、装置及分布式*** | |
CN115187153B (zh) | 应用于业务风险溯源的数据处理方法及*** | |
CN115099922B (zh) | 财务数据查询方法、***、可读存储介质及计算机设备 | |
CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
JP2019164687A (ja) | 情報処理装置 | |
JP7103392B2 (ja) | 異常検出方法、システムおよびプログラム | |
CN115174131B (zh) | 基于异常流量识别的信息拦截方法、***及云平台 | |
CN112948370B (zh) | 数据分类方法、装置以及计算机设备 |
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 |