CN104252660A - 一种属性集推荐方法和装置 - Google Patents

Abstract

本申请提供了一种属性集推荐方法，包括：获取用户输入属性值；根据用户输入属性值和当前记录的属性值推荐属性集合；获取用户在所述推荐属性集合中选取的属性值。本发明实施例还提供了对应的装置。本发明通过推荐已存储的属性集给用户选择，减小了用户输入错误形式数据的可能，提高了数据形式一致性。

Description

一种属性集推荐方法和装置

技术领域

 本申请涉及数据录入技术领域，特别是涉及一种属性集推荐方法和装置。

背景技术

大型的集团控股公司，可能拥有总公司和分散到各地的若干子公司。这些集团股份总公司主数据系统，都有统一、严格的数据管理机制；同时，为例提高基础数据质量，降低业务数据分析处理难度，提高业务数据准确性，公司会对主数据进行认真的清洗和维护。然而，下属的子公司则并没有如此完善的数据管理体系。每个子公司录入处理业务数据时，常常都有自己的输入方式，使得不同子公司的数据形式无法保持一致。甚至于，因为不同的子公司最终都会把自己的业务数据汇总到主数据中，在数据的先后修改过程中，会引入错误到主数据库当中。

发明内容

本申请所要解决的技术问题是提供一种使得录入数据时可以与主数据保持数据形式一致的属性集推荐方法和装置。

为了解决上述问题，本申请公开了一种属性集推荐方法，包括：

获取用户输入属性值；

根据用户输入属性值和当前记录的属性值推荐属性集合；

获取用户在所述推荐属性集合中选取的属性值。

进一步，所述根据用户输入属性值和当前记录的属性值推荐属性集合包括：

计算当前记录的所有与用户输入属性值相关的属性值并推荐属性集合。

进一步，所述获取用户在推荐属性集合中选取的属性值包括：

获取用户在推荐属性集合确认的属性值作为用户选取的属性值。

进一步，所述获取用户在推荐属性集合中选取的属性值后还包括：

根据用户选择的属性值对其它待输入属性值进行修复。

进一步，所述根据用户选择的属性值对其它待输入属性值进行修复后还包括：

当经过修复能够确定其余属性值时，则将对其余属性值进行修复；

当经过修复推理仍有部分属性值无法确定其余属性值时，则将针对剩余属性重新计算推荐属性集合。

为了解决上述问题，本申请还公开了一种属性集推荐装置，包括：

属性获取模块，用于获取用户输入属性值；

推荐模块，用于根据用户输入属性值和当前记录的属性值推荐属性集合；

选择获取模块，用于获取用户在所述推荐属性集合中选取的属性值。

进一步，所述推荐模块还用于：

计算当前记录的所有与用户输入属性值相关的属性值并推荐属性集合。

进一步，所述选择获取模块还用于：

获取用户在推荐属性集合确认的属性值作为用户选取的属性值。

进一步，所述装置还包括：

修复模块，用于根据用户选择的属性值对其它待输入属性值进行修复。

进一步，所述修复模块还用于：

当经过修复能够确定其余属性值时，则将对其余属性值进行修复；

当经过修复推理仍有部分属性值无法确定其余属性值时，则通知推荐模块将针对剩余属性重新计算推荐属性集合。

与现有技术相比，本申请包括以下优点：通过推荐已存储的属性集给用户选择，减小了用户输入错误形式数据的可能，提高了数据形式一致性。

附图说明                        

图1是本发明一种属性集推荐方法一实施例的流程图；

图2是本发明一种属性集推荐方法一实施例中处理流程示意图；

图3是本发明一种属性集推荐装置一实施例的结构示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

参照图1，示出了本申请一种属性集推荐方法，包括：

在本发明实施例中，概念定义如下：

1.确定的属性(Valid Attribute)：经用户确认或利用确认属性进行推理，是一条数据里的正确的属性。

2.参考数据（Main Data）：参考数据来自于用户的主系统，本发明实施例默认这些数据是真实的、可信的。

3.规则（Rule）：规则是提前制定并设置在系统中的修订规则，它们和主数据的模式结构关联，并依托函数依赖规则技术实现。

例如一条规则（A，Am）-> (B，Bm) || （C=’1’），它的意思是当属性A的值和Am（在参考数据中的对应属性）的值相等，这条数据中属性B的值和Bm的值也相等，前提条件是数据的属性C的值为‘1’，其中条件值可为空。

4.推荐属性集：在与用户交互时，部分属性应当由用户来确认（这是由于如果用户不确认任何属性值则无法对数据进行推理，也就无法衍生确定其他属性），若所有属性均由用户来确认则会加重用户负担，为此应提供给用户推荐属性集用于候选，保证推荐属性集的属性用户确认后能够推理出其他属性值（由于推理过程是基于确认值和主数据的，所以该推理值是确定的属性）。

步骤S101、获取用户输入属性值；

当系统监测到业务系统有数据要录入的时候，系统被触发。

步骤S102、根据用户输入属性值和当前记录的属性值推荐属性集合；

进一步，所述根据用户输入属性值和当前记录的属性值推荐属性集合包括：

计算当前记录的所有与用户输入属性值相关的属性值并推荐属性集合。

系统自动计算当前记录的的推荐属性集合，用户对该集合中的属性值进行确认，如果经过修复推理能够确定其余属性值，将对其余属性值进行修复；如果经过修复推理仍有部分属性值无法确定则将针对剩余属性重新计算推荐属性集合。

推荐属性集合的确定方法存在多种，下面先提出一种贪心的方法。

规则指定了属性之间的依赖关系，比如规则（A，Am）-> (B，Bm)||（）表明了当数据的A属性值确定了那么B属性值就可以利用主数据获得，故若将A属性值提供给用户确认则B属性值就可以不提供。利用规则可以知道属性之间的依赖关系，就可以贪心地获得一个供用户确认的属性集合。

举例来说已有规则rule1：（A，Am）-> (B，Bm)||（）；rule2：（B，Bm）-> (C，Cm)||（），待修复数据的模式为R=（A，B，C）则通过规则可以发现A能决定B、B能决定C，将A加入到推荐属性集合中则B、C可以通过推理得到。由此推荐属性集合为{A}。

其中规则集合和属性集合前面已经定义。属性的依赖关系图是将属性当做是点，属性和属性之间的依赖关系看做是有向边。扩展属性集合是对推荐属性集合的扩展，将在接下来的过程描述中用到。

利用规则确定属性的依赖关系图，其方式是在左项属性（点）和右项属性（点）间建立一条有向边，如rule1：（A，Am）-> (B，Bm)||（）则建立有向边A->B。

贪心添加属性到推荐属性集，贪心的策略是将当前入边最少、出边最多且不在扩展属性集中的点所指的属性添加到推荐属性集中。

计算扩展属性集，将满足如下条件的属性添加到扩展属性集：1）推荐属性集中的属性，或2）入边存在且入点（属性）均在扩展属性集中的点（属性）。

步骤S103、获取用户在所述推荐属性集合中选取的属性值。

进一步，所述获取用户在推荐属性集合中选取的属性值包括：

获取用户在推荐属性集合确认的属性值作为用户选取的属性值。

进一步，所述获取用户在推荐属性集合中选取的属性值后还包括：

根据用户选择的属性值对其它待输入属性值进行修复。

进一步，所述根据用户选择的属性值对其它待输入属性值进行修复后还包括：

当经过修复能够确定其余属性值时，则将对其余属性值进行修复；

当经过修复推理仍有部分属性值无法确定其余属性值时，则将针对剩余属性重新计算推荐属性集合。

本发明通过对录入信息数据的监控和修复，为数据的录入建立了一套保证质量的数据系统，保证了数据形式一致性。

参照图3为本发明一种属性集推荐装置一实施例的结构示意图。

本发明实施例提供的属性集推荐装置是采用图1对应实施例方法的实施例。

具体包括：

属性获取模块21，用于获取用户输入属性值；

推荐模块22，用于根据用户输入属性值和当前记录的属性值推荐属性集合；

选择获取模块23，用于获取用户在所述推荐属性集合中选取的属性值。

进一步，所述推荐模块22还用于：

计算当前记录的所有与用户输入属性值相关的属性值并推荐属性集合。

进一步，所述选择获取模块23还用于：

获取用户在推荐属性集合确认的属性值作为用户选取的属性值。

进一步，所述装置还包括：

修复模块24，用于根据用户选择的属性值对其它待输入属性值进行修复。

进一步，所述修复模块24还用于：

当经过修复能够确定其余属性值时，则将对其余属性值进行修复；

当经过修复推理仍有部分属性值无法确定其余属性值时，则通知推荐模块22将针对剩余属性重新计算推荐属性集合。

所述推荐模块22，利用了预置的规则计算推荐属性集合。规则指定了属性之间的依赖关系，比如规则（A，Am）-> (B，Bm)||（）表明了当数据的A属性值确定了那么B属性值就可以利用主数据获得，故若将A属性值提供给用户确认则B属性值就可以不提供。利用规则可以知道属性之间的依赖关系，就可以贪心地获得一个供用户确认的属性集合。

举例来说已有规则rule1：（A，Am）-> (B，Bm)||（）；rule2：（B，Bm）-> (C，Cm)||（），待修复数据的模式为R=（A，B，C）则通过规则可以发现A能决定B、B能决定C，将A加入到推荐属性集合中则B、C可以通过推理得到。由此推荐属性集合为{A}。

其中规则集合和属性集合前面已经定义。属性的依赖关系图是将属性当做是点，属性和属性之间的依赖关系看做是有向边。扩展属性集合是对推荐属性集合的扩展，将在接下来的过程描述中用到。

利用规则确定属性的依赖关系图，其方式是在左项属性（点）和右项属性（点）间建立一条有向边，如rule1：（A，Am）-> (B，Bm)||（）则建立有向边A->B。

贪心添加属性到推荐属性集，贪心的策略是将当前入边最少、出边最多且不在扩展属性集中的点所指的属性添加到推荐属性集中。

计算扩展属性集，将满足如下条件的属性添加到扩展属性集：1）推荐属性集中的属性，或2）入边存在且入点（属性）均在扩展属性集中的点（属性）。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上对本申请所提供的一种属性集推荐方法和装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种属性集推荐方法，其特征在于，包括：

获取用户输入属性值；

根据用户输入属性值和当前记录的属性值推荐属性集合；

获取用户在所述推荐属性集合中选取的属性值。

2.根据权利要求1所述的方法，其特征在于，所述根据用户输入属性值和当前记录的属性值推荐属性集合包括：

计算当前记录的所有与用户输入属性值相关的属性值并推荐属性集合。

3.根据权利要求2所述的方法，其特征在于，所述获取用户在推荐属性集合中选取的属性值包括：

获取用户在推荐属性集合确认的属性值作为用户选取的属性值。

4.根据权利要求2所述的方法，其特征在于，所述获取用户在推荐属性集合中选取的属性值后还包括：

根据用户选择的属性值对其它待输入属性值进行修复。

5.根据权利要求4所述的方法，其特征在于，所述根据用户选择的属性值对其它待输入属性值进行修复后还包括：

当经过修复能够确定其余属性值时，则将对其余属性值进行修复；

当经过修复推理仍有部分属性值无法确定其余属性值时，则将针对剩余属性重新计算推荐属性集合。

6.一种属性集推荐装置，其特征在于，包括：

属性获取模块，用于获取用户输入属性值；

推荐模块，用于根据用户输入属性值和当前记录的属性值推荐属性集合；

选择获取模块，用于获取用户在所述推荐属性集合中选取的属性值。

7.根据权利要求6所述的装置，其特征在于，所述推荐模块还用于：

计算当前记录的所有与用户输入属性值相关的属性值并推荐属性集合。

8.根据权利要求7所述的装置，其特征在于，所述选择获取模块还用于：

获取用户在推荐属性集合确认的属性值作为用户选取的属性值。

9.根据权利要求7所述的装置，其特征在于，所述装置还包括：

修复模块，用于根据用户选择的属性值对其它待输入属性值进行修复。

10.根据权利要求9所述的装置，其特征在于，所述修复模块还用于：

当经过修复能够确定其余属性值时，则将对其余属性值进行修复；

当经过修复推理仍有部分属性值无法确定其余属性值时，则通知推荐模块将针对剩余属性重新计算推荐属性集合。