知识点掌握推断方法、系统、计算机设备及存储介质
阅读：324发布：2020-05-08
专利汇可以提供知识点掌握推断方法、系统、计算机设备及存储介质专利检索，专利查询，专利分析的服务。并且本 发明 的知识点掌握推断方法、系统、计算机设备及存储介质，应用于知识数据系统，知识数据系统包括多个关联有测试题集的知识 节点 ；其中，至少部分知识节点间形成有上、同、和/或下级关联关系；每个关联关系对应分配有关联度值，关联度值是由历史教学数据所包含的对各知识节点被使用时相互间的配合的记录信息所确定的；方法包括：根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；若判断出未达到掌握程度，则根据当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点；本发明能有效针对学习者的薄弱知识点进行引导学习，有利于提升教学 质量 。，下面是知识点掌握推断方法、系统、计算机设备及存储介质专利的具体信息内容。
1.一种知识点掌握推断方法，其特征在于，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；所述方法包括：
根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；
若判断出未达到掌握程度，则根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点。
2.根据权利要求1所述的知识点掌握推断方法，其特征在于，所述关联关系还包括：强弱关联关系。
3.根据权利要求1所述的知识点掌握推断方法，其特征在于，所述根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点，包括：
在以答错难度相对较低的第一类型测试题为条件来判断出未达到掌握程度的情况下，则推断关联度值最高的上一级知识节点作为目标知识节点；
或者，在以答错难度相对较高的第二类型测试题为条件来判断出未达到掌握程度的情况下，则推断关联度值最高的同级知识节点作为目标知识节点。
4.根据权利要求3所述的知识点掌握推断方法，其特征在于，所述第一类型测试题包括：基础题；和/或，所述第二类型测试题包括：综合题。
5.根据权利要求3所述的知识点掌握推断方法，其特征在于，将所推断的所述关联度值最高的上一级知识节点的测试题集中的各测试题从易到难推荐。
6.根据权利要求3所述的知识点掌握推断方法，其特征在于，将所推断的所述关联度值最高的同级知识节点的测试题集中难度低于所述答错的第二类型测试题的题目加以推荐；
若所推荐的题目答对，则判断对所述当前知识节点达到掌握程度。
7.根据权利要求1或6所述的知识点掌握推断方法，其特征在于，包括：若判断出达到掌握程度，则根据所述当前知识节点与其各下级知识节点间的关联度值的高低比较结果来定位其中的目标下级知识节点并提供所述目标下级知识节点的测试题集以供答题。
8.根据权利要求1所述的知识点掌握推断方法，其特征在于，包括：根据历史教学数据中答题者本人和/或其同一群体人员的历史答题数据对相关知识节点间的关联度值进行校准，其中，所述历史答题数据会收录每个前一次的答题数据。
9.一种知识点掌握推断系统，其特征在于，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；所述系统包括：
判断模块，用于根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；
推断模块，用于在所述判断模块判断出未达到掌握程度的情况下，根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点。
10.一种计算机设备，其特征在于，包括：处理器和存储器；所述存储器存储有计算机程序，所述处理器，用于运行所述计算机程序以执行如权利要求1至8中任一项所述的知识点掌握推断方法。
11.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序运行时执行如权利要求1至8中任一项所述的知识点掌握推断方法。
知识点掌握推断方法、系统、计算机设备及存储介质
技术领域
背景技术
[0002] 教育产业如火如荼，无论是中小学教育，语言教育，还是职业教育，教育在具体执行时必然是知识点的不断传输的过程，然而，如何科学有效地判断知识点是否掌握，并且能进一步据以判断是回到上一个知识点还是继续深入知识点的教学，已成为业界亟待解决的与教育质量息息相关的技术问题。
发明内容
[0003] 鉴于以上所述现有技术的缺点，本发明的目的在于提供知识点掌握推断方法、系统、计算机设备及存储介质，用于解决现有技术中的问题。
[0004] 为实现上述目的及其他相关目的，本发明提供一种知识点掌握推断方法，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；所述方法包括：根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；若判断出未达到掌握程度，则根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点。
[0005] 于本发明的一实施例中，所述关联关系还包括：强弱关联关系。
[0006] 于本发明的一实施例中，所述根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点，包括：在以答错难度相对较低的第一类型测试题为条件来判断出未达到掌握程度的情况下，则推断关联度值最高的上一级知识节点作为目标知识节点；或者，在以答错难度相对较高的第二类型测试题为条件来判断出未达到掌握程度的情况下，则推断关联度值最高的同级知识节点作为目标知识节点。
[0007] 于本发明的一实施例中，所述第一类型测试题包括：基础题；和/或，所述第二类型测试题包括：综合题。
[0008] 于本发明的一实施例中，将所推断的所述关联度值最高的上一级知识节点的测试题集中的各测试题从易到难推荐。
[0009] 于本发明的一实施例中，将所推断的所述关联度值最高的同级知识节点的测试题集中难度低于所述答错的第二类型测试题的题目加以推荐；若所推荐的题目答对，则判断对所述当前知识节点达到掌握程度。
[0010] 于本发明的一实施例中，所述的知识点掌握推断方法，包括：若判断出达到掌握程度，则根据所述当前知识节点与其各下级知识节点间的关联度值的高低比较结果来定位其中的目标下级知识节点并提供所述目标下级知识节点的测试题集以供答题。
[0011] 于本发明的一实施例中，所述的知识点掌握推断方法，包括：根据历史教学数据中答题者本人和/或其同一群体人员的历史答题数据对相关知识节点间的关联度值进行校准，其中，所述历史答题数据会收录每个前一次的答题数据。
[0012] 为实现上述目的及其他相关目的，本发明提供一种知识点掌握推断系统，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；所述系统包括：判断模块，用于根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；推断模块，用于在所述判断模块判断出未达到掌握程度的情况下，根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点。
[0014] 为实现上述目的及其他相关目的，本发明提供一种计算机存储介质，存储有计算机程序，所述计算机程序运行时执行所述的知识点掌握推断方法。
[0015] 如上所述，本发明的知识点掌握推断方法、系统、计算机设备及存储介质，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；所述方法包括：根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；若判断出未达到掌握程度，则根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点；本发明能有效针对学习者的薄弱知识点进行引导学习，有利于提升教学质量。附图说明
[0016] 图1显示为本发明实施例中知识数据系统的结构示意图。
[0017] 图2显示为本发明实施例中知识点掌握推断方法的流程示意图。
[0018] 图3显示为本发明实施例中知识点掌握推断系统的模块示意图。
具体实施方式
[0019] 以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0020] 需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0021] 本发明的技术方案，应用于一知识数据系统。
[0022] 如图1所示，展示所述知识数据系统的结构示意图。
[0023] 如图所示，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；每个知识节点可对应于一知识点，例如“数的整除”，“特殊数的整除”等等，该些知识点可以是直接从教材提取，也可以根据教材进行自行归纳得到。
[0024] 在本实施例中有知识节点1～8。
[0025] 这些知识点之间本来就存在有包含、相关的关联关系，例如在小学数学中，四则运算和除法之间存在关系等；因此，在该知识数据系统中，可以建立所述多个知识节点间的关联关系。
[0026] 于本发明的一实施例中，至少各个知识节点间存在上级、同级及下级的关联关系，上、、同、下级用于反映知识的浅深程度，知识越浅则对应的知识节点的级别可以越上位，知识越深泽对应的知识节点的级别可以越下位。例如“特殊数的整除”，它的上级知识节点包括例如“数的整除”，下级知识节点包括例如“奇数偶数”，同级知识节点包括例如“约数”、“倍数”等。
[0027] 在本实施例中，知识节点1是知识节点2、4的上级节点，知识节点3是知识节点2的下级节点，知识节点5是知识节点4的下级节点。
[0028] 于本发明的一实施例中，可选的，知识节点间还可以存在强弱关联关系，所述强弱关联关系表示的是知识节点与其所包含知识对应的知识节点，例如“特殊数的整除”强弱关联的知识点有“奇数和偶数的运算形式”、“能被2整除的数的特征”、“能被5整除的数的特征”、“能被3整除的数的特征”。
[0029] 在本实施例中，知识节点6、7、8是知识节点2的强弱关联的知识节点。
[0030] 这样，也就形成了如图1所展示的知识数据系统，其中包含了知识节点从上到下以及强弱关联关系的树状结构的知识图谱。
[0031] 上述上级关联关系、同级关联关系及下级关联关系中的每种关联关系均对应分配有关联度值；可选的，如果所述强弱关联关系存在，则其也分配有关联度值。
[0032] 所述关联度值可以是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的。
[0033] 于本发明的一实施例中，各所述知识节点被使用时相互配合的记录信息，其可以从多个角度去统计获得与关联度值相关的特征，例如使用频率、地区/学校、教材、学生学习数据、及教师教学数据等中的一个或多个维度结合来进行统计。
[0034] 举例来说，根据历史教学数据，统计教师群体先教授知识节点A的知识再教授其下级知识节点B、C、及D的出现频次等，频次越高，关联度值设定越高，例如A->B频次最高，则设定AB间的上下级关系的关联度值最高；或者，根据历史教学数据，统计拔尖学生群体先做知识节点A对应的测试题再做其强弱关联知识节点B、C、D的测试题的频次，例如A->C频次最高，则设定AC间强弱关联关系的关联度值最高；又或者，根据某个学生的做题数据中，发现其在知识节点A的强弱关联关系的知识节点B、C、D中，B对应的测试题做得最差，说明其对B的知识掌握程度最差，那么AB间强弱关联关系的关联度值最高。
[0035] 关联度的设定方法，按照关联度的形成方式划分，可分为人工关联度和自然关联度，人工关联度是根据研究目的和评价指标的内涵状况，主观地分析、判断来确定的反映各个指标重要程度的权数，也称为主观关联度，自然关联度是由于变换统计资料的表现形式和统计指标的合成方式而得到的关联度，也称为客观关联度。
[0036] 常用的关联度计算方式，统计平均数法(Statistical average method)是根据所选择的各位专家对各项评价指标所赋予的相对重要性系数分别求其算术平均值，计算出的平均数作为各项指标的关联度。
[0037] 又或者，变异系数法(Coefficient of variation method)是直接利用各项指标所包含的信息，通过计算得到指标的关联度。是一种客观赋权的方法。此方法的基本做法是：在评价指标体系中，指标取值差异越大的指标，也就是越难以实现的指标，这样的指标更能反映被评价单位的差距。
[0038] 根据用户习惯，所述关联度值可以通过例如1～100之间的数值来表示，也可以通过0～1之间的数值来表示。这都可以根据数据模型来计算得到。
[0039] 当然，关联度计算方法的现有还有很多，并不限于上述几种，皆可以应用于本发明的上述关联度值的计算中，不再一一列举。
[0040] 如图2所示，展示本发明实施例中的知识点掌握推断方法的流程示意图，其可应用于例如图1或其变形实施例中的知识数据系统。
[0041] 所述方法包括：
[0042] 步骤S201：根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况。
[0043] 于本发明的一实施例中，通过对答题的正确率或指定题的正确情况来判断是否掌握知识点，举例来说，答测试题集的正确率到达100％，则可推定掌握对应知识节点，反之，若答测试题集的正确率未到达100％，则可推定未掌握知识节点。
[0044] 步骤S202：若判断出未达到掌握程度，则根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点。
[0045] 可选的，所述步骤S202，具体包括：
[0046] 步骤S2021：在以答错难度相对较低的第一类型测试题为条件来判断出未达到掌握程度的情况下，则推断关联度值最高的上一级知识节点作为目标知识节点；
[0047] 步骤S2022：在以答错难度相对较高的第二类型测试题为条件来判断出未达到掌握程度的情况下，则推断关联度值最高的同级知识节点作为目标知识节点。
[0048] 于本发明的一实施例中，所述第一类型测试题包括：基础题；和/或，所述第二类型测试题包括：综合题。基础题一般考验答题者的一个基础知识点的掌握程度，而综合题可能会考验答题者的掌握程度，如果基础题答错了，则可以判断答题者确实对该知识节点掌握程度很差，而需要返回关联度值最高的上一级知识节点进行再学习；如果综合题答错了，并不能说明答题者掌握程度不够，也有可能是因难度较大而产生失误，故可以查找关联度值最高的同级只是节点再进行测试。
[0049] 可选的，在步骤S2021之后，还可包括：
[0050] 步骤S204：将所推断的所述关联度值最高的上一级知识节点的测试题集中的各测试题从易到难推荐。
[0051] 如此推荐测试题，有利于对知识点掌握较差的答题者由浅入深地再进行测试，以精准判断其掌握程度。
[0052] 之后，可以将“上一级知识节点”作为新的当前知识节点，回到步骤S201再进行后续判断。
[0053] 可选的，在步骤S2022之后，还可包括：
[0054] 步骤S205：将所推断的所述关联度值最高的同级知识节点的测试题集中难度低于所述答错的第二类型测试题的题目加以推荐；
[0055] 步骤S206：判断所推荐的测试题是否答对；
[0056] 步骤S207：若所推荐的测试题答对，则判断对所述当前知识节点达到掌握程度；之后可进至步骤S203；
[0057] 可选的，若未答对，则可以去至步骤S2021，返回所述当前知识节点的上一级知识节点，当然，也可以再找关联度次高的该当前知识节点的同级知识节点。
[0058] 具体来讲，如果测试题之间有难度级别划分，若在当前知识节点做错的综合题难度为4级，则优选的，在同级知识节点可以推荐难度略低的测试题，例如难度为3级的题目。
[0059] 于本发明的一实施例中，所述的知识点掌握推断方法，还包括：
[0060] 步骤S203：若判断出达到掌握程度，则根据所述当前知识节点与其各下级知识节点间的关联度值的高低比较结果来定位其中的目标下级知识节点并提供所述目标下级知识节点的测试题集以供答题。
[0061] 具体来讲，如果判断出答题者达到掌握当前知识节点的程度，则可查找其下级知识节点中关联度值最高的作为目标下级知识节点，然后答题者对目标下级知识节点的测试题集进行答题，再判断是否掌握，与上述当前知识节点是否掌握的判断机制相同。
[0062] 在以答错的测试题为粒度来判断是否掌握知识节点的情况下，如果设定需要全部做对其测试题才能判断为掌握知识节点，则只要有题答错，就不会让答题者进入下级节点，而令答题者反复练习做题，直至其达到全对的程度。当然，在其它实施例中，未必需要设定需100％答对才能进入下级节点，也可以设定为例如60％、70％、80％的正确率等皆可，则达到70％的正确率即可进入下级知识节点，但是这样不如100％答对才能进入下级知识节点的机制，能令答题者奠定扎实学习基础。
[0063] 于本发明的一实施例中，所述的知识点掌握推断方法，还可包括：根据历史教学数据中答题者本人和/或其同一群体人员的历史答题数据对相关知识节点间的关联度值进行校准，其中，所述历史答题数据会收录每个前一次的答题数据。
[0064] 举例来说，一学生第一次做C知识节点的测试题，未达到掌握的程度，经推断，推断出返回C关联度值最高的上级节点A，该学生做A的测试题，结果达到掌握程度；从而可知。识节点A对该学生来讲重要性降低，则A、C之间的关联度值下降。
[0065] 如图3所示，展示本发明实施例中的知识点掌握推断系统，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；由于本系统实施例与前述方法实施例的原理基本相同，因此方法实施例中的各个技术特征均可应用于该装置实施例中，因此不再对该些技术特征作重复赘述。
[0066] 所述系统包括：
[0067] 判断模块301，用于根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；
[0068] 推断模块302，用于在所述判断模块判断出未达到掌握程度的情况下，根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点。
[0069] 需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，判断模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上判断模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
[0070] 例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)，或，一个或多个微处理器(digitalsingnalprocessor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammableGateArray，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器
(CentralProcessingUnit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
(CentralProcessingUnit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
[0071] 为实现上述目的及其他相关目的，本发明实施例中还可以提供一种计算机设备，包括：处理器和存储器；所述存储器存储有计算机程序，所述处理器，用于运行所述计算机程序以执行所述的知识点掌握推断方法。
[0073] 所述处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0074] 为实现上述目的及其他相关目的，本发明提供一种计算机存储介质，存储有计算机程序，所述计算机程序运行时执行所述的知识点掌握推断方法。所述存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
[0075] 综上所述，本发明的知识点掌握推断方法、系统、计算机设备及存储介质，应用于知识数据系统，所述知识数据系统包括多个知识节点，每个知识节点关联有测试题集；其中，至少部分知识节点间形成有上、同、和/或下级关联关系，其中，知识节点的从上级到下级对应于知识点的由浅入深；每个所述关联关系对应分配有关联度值，所述关联度值是由历史教学数据所包含的对各所述知识节点被使用时相互间的配合的记录信息所确定的；所述方法包括：根据当前知识节点所对应测试题集的答题结果数据判断对该当前知识节点的掌握情况；若判断出未达到掌握程度，则根据所述当前知识节点与其各上级或同级知识节点间的关联度值的高低比较结果来推断其中的目标知识节点；本发明能有效针对学习者的薄弱知识点进行引导学习，有利于提升教学质量。
[0076] 本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0077] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种挡土墙监测系统 | 2020-05-08 | 757 |
| 一种围垦通道的施工方法 | 2020-05-08 | 321 |
| 一种采煤工作面断层破碎带注浆加固方法 | 2020-05-11 | 827 |
| 矮化密植果树节水调质的适时调控滴灌栽培方法 | 2020-05-11 | 283 |
| 一种包装盒表面印刷磨砂效果的处理工艺 | 2020-05-08 | 472 |
| 一种人体关键点识别方法、装置及电子设备 | 2020-05-08 | 288 |
| 一种带安全电池模组脚线与电子雷管管体的分离结构 | 2020-05-11 | 283 |
| 轧机辊道的临时固定装置 | 2020-05-11 | 162 |
| 一种软土地基边坡防护装置 | 2020-05-12 | 414 |
| 一种混凝土高坝全坝无仓面固结灌浆结构 | 2020-05-12 | 334 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
浅基础热门专利
QQ群二维码
意见反馈
意见反馈