CN106227837B - 一种数据分析方法和装置 - Google Patents
一种数据分析方法和装置 Download PDFInfo
- Publication number
- CN106227837B CN106227837B CN201610595635.XA CN201610595635A CN106227837B CN 106227837 B CN106227837 B CN 106227837B CN 201610595635 A CN201610595635 A CN 201610595635A CN 106227837 B CN106227837 B CN 106227837B
- Authority
- CN
- China
- Prior art keywords
- object array
- association
- solid
- space
- array
- 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 55
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000006073 displacement reaction Methods 0.000 claims abstract description 24
- 238000003491 array Methods 0.000 claims abstract description 19
- 239000007787 solid Substances 0.000 claims description 116
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000012512 characterization method Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 18
- 238000007726 management method Methods 0.000 description 15
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012098 association analyses Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012097 association analysis method Methods 0.000 description 3
- 238000013277 forecasting method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- -1 on the contrary Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged 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
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
-
- 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
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种数据分析方法和装置,该方法通过构建数据空间,获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;将所述至少两个对象数组加载到所述数据空间;构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;确定所述关联的次数,当所述关联的次数达到预设的关联阈值时,所述第一对象数组和所述第二对象数组发生相对位移,并形成关联群落;当接收到与所述关联对应的分析请求时,输出所述关联群落。本发明提供的方案能够有效地提高分析的准确性。
Description
技术领域
本发明涉及计算机技术领域,特别涉及一种数据分析方法和装置。
背景技术
随着大数据和云计算技术在各个行业中的逐渐普及和广泛应用,利用大数据进行相关性分析为业务决策提供方向指导。目前,对数据进行相关性分析的具体方式主要是,根据用户需求构建相应的分析算法,利用该分析算法,从大数据中分析出相应的关联性,业务决策者根据这种关联性制定相应的业务决策,例如:在进行广告投放时,需要通过大数据分析用户信息,根据分析出的结果投放广告。由于现有的分析技术主要是根据构建的分析算法有针对性地进行分析,而对于一些潜在的关联关系并不能提取出来,造成分析的准确性较低。
发明内容
本发明实施例提供了一种数据分析方法和装置,能够有效地提高分析的准确性。
一种数据分析方法,构建数据空间,还包括:
获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;
将所述至少两个对象数组加载到所述数据空间;
构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;
确定所述关联的次数,当所述关联的次数达到预设的关联阈值时,所述第一对象数组和所述第二对象数组发生相对位移,并形成关联群落;
当接收到与所述关联对应的分析请求时,输出所述关联群落。
优选地,上述方法进一步包括:为所述数据空间设置操作指针;
在将所述至少两个对象数组加载到所述数据空间之后,在所述构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联之前,进一步包括:通过所述操作指针记录每一个对象数组在所述数据空间中的位置;
所述第一对象数组和所述第二对象数组发生相对位移,包括:从所述操作指针中获取所述第一对象数组的位置,控制所述第二对象数组向所述第一对象数组移动,并更改所述操作指针中记录的所述第二对象数组的位置。
优选地,所述构建数据空间,包括:
确定环境参数,所述环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个;
将所述存储量、空间坐标系及初始坐标位置中的任意一个或多个加载到内存中,在所述内存中形成数据空间。
优选地,上述方法进一步包括:构建至少一种几何体模型;
所述将所述至少两个对象数组加载到所述数据空间,包括:
根据每一个对象数组中属性值的个数,为每一个对象数组确定目标几何体模型;
利用所述目标几何体模型为对应的对象数组构建对应的几何体,其中,所述属性值分布于所述几何体的顶点;
在所述数据空间中,根据所述空间坐标系和所述初始坐标位置,为每一个几何体分配对应的坐标。
优选地,所述构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联,包括:
当所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间具有共性时,构建所述第一几何体中的第一顶点与所述第二几何体中的第二顶点之间的关联。
优选地,所述第一对象数组和所述第二对象数组发生相对位移,包括:
以所述第一对象数组对应的第一几何体坐标为固定坐标位,所述第二对象数组对应的第二几何体向所述固定坐标位移动,并保证所述第二几何体移动前位置坐标和移动后位置坐标满足下述第一公式;
第一公式:
其中,(x1,y1,z1)表征所述第二几何体移动前位置坐标;(x2,y2,z2)表征所述第二几何体移动后位置坐标。
优选地,上述方法进一步包括:为所述数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,其中,三个维度用于设置所述空间坐标系;
在所述形成关联群落之后,在所述接收到与所述关联对应的分析请求之前,进一步包括:为所述关联群落分配对应的空间维度;
所述当接收到与所述关联对应的分析请求时,输出所述关联群落,包括:当所述三维以上空间维度中的目标空间维度接收到与所述关联对应的分析请求时,输出位于所述目标空间维度上的关联群落。
一种数据分析装置,包括:空间管理单元、对象加载单元、关联群落生成单元及输出单元,其中,
所述空间管理单元,用于构建数据空间;
所述对象加载单元,用于获取至少两个对象数组,每一个对象数组中包括:至少一个属性值,并将所述至少两个对象数组加载到所述空间管理单元构建的数据空间;
所述关联群落生成单元,用于构建所述对象加载单元加载的至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联,并确定所述关联的次数,当所述关联的次数达到预设的关联阈值时,所述第一对象数组和所述第二对象数组发生相对位移,并形成关联群落;
所述输出单元,用于当接收到与所述关联对应的分析请求时,输出所述关联群落生成单元形成的关联群落。
优选地,所述空间管理单元,包括:
操作指针,用于记录每一个对象数组在所述数据空间中的位置,并当接收到所述关联群落生成单元的触发时,更改记录的所述第二对象数组的位置;
所述关联群落生成单元,用于从所述操作指针中获取所述第一对象数组的位置,控制所述第二对象数组向所述第一对象数组移动,并触发所述操作指针。
优选地,所述空间管理单元,用于确定环境参数,所述环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个,将所述存储量、空间坐标系及初始坐标位置中的任意一个或多个加载到内存中,在所述内存中形成数据空间;
所述对象加载单元,用于构建至少一种几何体模型;根据每一个对象数组中属性值的个数,确定目标几何体模型;利用所述目标几何体模型为所述每一个对象数组构建对应的几何体,其中,所述属性值分布于所述几何体的顶点;在所述空间管理单元构建的数据空间中,根据所述空间坐标系和所述初始坐标位置,为每一个几何体分配对应的坐标。
优选地,所述关联群落生成单元,包括:关联管理器和交互管理器,其中,
所述关联管理器,用于设置至少一种关联规则;根据所述至少一个关联规则,构建所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间的关联;
所述交互管理器,用于当所述关联管理器形成的关联的次数达到预设的关联阈值时,以所述第一几何体坐标为固定坐标位,所述第二几何体向所述固定坐标位移动,并保证所述第二几何体移动前位置坐标和移动后位置坐标满足下述公式(1);
其中,(x1,y1,z1)表征所述第二几何体移动前位置坐标;(x2,y2,z2)表征所述第二几何体移动后位置坐标。
优选地,所述空间管理单元,进一步用于为数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,其中,三个维度用于设置所述空间坐标系;
所述关联群落生成单元,进一步用于为形成的关联群落分配对应的空间维度。
本发明实施例提供了一种数据分析方法和装置,通过构建数据空间,获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;将至少两个对象数组加载到数据空间;构建至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;另外,当关联的次数达到预设的关联阈值时,第一对象数组和第二对象数组发生相对位移,并形成关联群落;当接收到与关联对应的分析请求时,输出关联群落,由于该关联是基于属性值构建,使得一些潜在的关联也能够被提取出来,而且关联以关联群落形式存在即预先将各种关联进行了分类,针对分析请求提供对应的关联群落,能够有效地提高分析的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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是本发明一个实施例提供的一种数据分析方法的流程图;
图2是本发明另一个实施例提供的一种数据分析方法的流程图;
图3是本发明一个实施例提供的一种对象数组间关联的示意图;
图4是本发明一个实施例提供的一种关联群落分布的示意图;
图5是本发明一个实施例提供的数据分析装置所在架构的结构示意图;
图6是本发明一个实施例提供的一种数据分析装置的结构示意图;
图7是本发明另一个实施例提供的一种数据分析装置的结构示意图;
图8是本发明又一个实施例提供的一种数据分析装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种数据分析方法,该数据分析方法可以包括以下步骤:
步骤101:构建数据空间;
步骤102:获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;
步骤103:将至少两个对象数组加载到数据空间;
步骤104:构建至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;
步骤105:确定关联的次数,当关联的次数达到预设的关联阈值时,第一对象数组和第二对象数组发生相对位移,并形成关联群落;
步骤106:当接收到与关联对应的分析请求时,输出关联群落。
在图1所示的实施例中,通过构建数据空间,获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;将至少两个对象数组加载到数据空间;构建至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;另外,当关联的次数达到预设的关联阈值时,第一对象数组和第二对象数组发生相对位移,并形成关联群落;当接收到与关联对应的分析请求时,输出关联群落,由于该关联是基于属性值构建,使得一些潜在的关联也能够被提取出来,而且关联以关联群落形式存在即预先将各种关联进行了分类,针对分析请求提供对应的关联群落,能够有效地提高分析的准确性。
在本发明一个实施例中,为了能够准确的定位对象数组在数据空间中的位置,进一步包括:为所述数据空间设置操作指针;在步骤103之后,在步骤104之前,进一步包括:通过所述操作指针记录每一个对象数组在所述数据空间中的位置;步骤105的具体实施方式,包括:从所述操作指针中获取所述第一对象数组的位置,控制所述第二对象数组向所述第一对象数组移动,并更改所述操作指针中记录的所述第二对象数组的位置。例如:操作指针记录对象数组1位于数据空间中的位置1,对象数组2位于数据空间中的位置2,当对象数组2向对象数组1移动后,对象数组2的位置变为位置3,则操作指针将对象数组2中的位置2修改为位置3。
在本发明一个实施例中,为了能够实现数据空间的定位,步骤101的具体实施方式包括:确定环境参数,所述环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个;将所述存储量、空间坐标系及初始坐标位置中的任意一个或多个加载到内存中,在所述内存中形成数据空间,从而为该数据空间确定出了存储量,并通过为数据空间分配坐标系和初始坐标,保证位于数据空间中的对象数组能够被准确的找到,为后续步骤提供可靠的基础。
在本发明一个实施例中,上述方法进一步包括:构建至少一种几何体模型;步骤103的具体实施方式包括:根据每一个对象数组中属性值的个数,确定目标几何体模型;利用所述目标几何体模型为所述每一个对象数组构建对应的几何体,其中,所述属性值分布于所述几何体的顶点;在所述数据空间中,根据所述空间坐标系和所述初始坐标位置,为每一个几何体分配对应的坐标,例如:构建三角形、三角锥体、正方体等等几何体模型,当对象数组1中包括3个属性值时,确定三角形为对象数组1的目标几何体模型,3个属性值分别设置于三角形的顶点;当对象数组2中包括4个属性值时,确定三角锥体为对象数组2的目标几何体模型,4个属性值分别设置于三角锥体的顶点;当对象数组3中包括8个属性值时,确定正方体为对象数组3的目标几何体模型,8个属性值分别设置于正方体的顶点;在分配坐标的过程中,一般来说,数据空间可以存储上万、上百万甚至上千万的几何体,那么每个几何体相对于数据空间来说可以看作一个点,那么,可以以几何体中心的坐标为几何体的坐标。
在本发明一个实施例中,为了能够构建比较完整的关联,上述方法进一步包括:设置至少一种关联规则,步骤104的具体实施方式,包括:根据所述至少一个关联规则,构建所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间的关联,在该步骤中,设置的关联规则可以为基础的关联规则如某两个商品属于同一类型等等,在该基础关联规则作用下,形成一些基础的关联,如商品1和商品2属于同一类型则建立关联1,商品2和商品3属于同一类型则建立关联2,那么,商品1与商品3也属于同一类型建立关联3,即引申出新的关联3,从而保证关联的完整性。
在本发明一个实施例中,为了进一步构建比较完整的关联,步骤104的具体实施方式,包括:当所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间具有共性时,构建所述第一几何体中的第一顶点与所述第二几何体中的第二顶点之间的关联。例如:商品1的各个属性抽象为第一几何体中的顶点,其中,第一定点对应的属性为订单a,商品2的各个属性抽象为第二几何体中的顶点,其中,第二个顶点对应的属性也为订单a,即商品1和商品2同时出现在该订单a上,可确定商品1对应的第一几何体中的第一顶点与商品2对应的第二几何体中的第二顶点构建一个关联,从而保证构建关联的完整性,使各种隐蔽的关联也能够被发现,并呈现给用户,从而提高了分析的准确性。
在本发明一个实施例中,为了保证迁移的准确性,步骤105的具体实施方式,包括:以所述第一对象数组对应的第一几何体坐标为固定坐标位,所述第二对象数组对应的第二几何体向所述固定坐标位移动,并保证所述第二几何体移动前位置坐标和移动后位置坐标满足下述公式(1);
其中,(x1,y1,z1)表征所述第二几何体移动前位置坐标;(x2,y2,z2)表征所述第二几何体移动后位置坐标。例如:第一对象数组对应的第一几何体坐标为(1,0,0),第二对象数组在位移前的坐标为(3,0,0),那么以(1,0,0)为固定坐标,第二对象数组向(1,0,0)移动,由于需要满足公式(1),则第二对象数组位移后的坐标为(2,0,0)。
在本发明一个实施例中,为了满足不同的分析需求,同时能够快速的提供分析结果,上述方法进一步包括:为所述数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,其中,三个维度用于设置所述空间坐标系;在步骤105之后,在步骤106之前,进一步包括:为所述关联群落分配对应的空间维度;步骤106的具体实施方式,包括:当所述三维以上空间维度中的目标空间维度接收到与所述关联对应的分析请求时,输出位于所述目标空间维度上的关联群落。例如:数据空间划分为7个空间维度,其中3个空间维度放置坐标系用以标记几何体在数据空间中的位置坐标,另外4个空间维度分别为:关联性分析、关联数据查询、数据修改或插入、发展趋势预测等等,其中,在关联性分析空间维度中接收关联分析方法,通过该维度具有的关联分析方法直接对该空间维度对应的关联集群进行输出;在发展趋势预测维度接收趋势预测方法,以该维度对应的关联群落为基础,通过设置的趋势预测方法进行预测,从而使分析结果的输出更加准确。
如图2所示,本发明实施例提供了一种数据分析方法,该方法可以包括以下步骤:
步骤200:构建至少一种几何体模型,并设置至少一种关联规则;
在该步骤构建的至少一种几何体模型包括:三角形、正四面体、正方体、正八面体、正十二面体等等,该步骤设置的关联规则可以是一些基本的关联规则如属于同一类型的商品间建立关联、对应同一消费人群的不同商品间建立关联等等。
步骤201:确定环境参数,将环境参数加载到内存中,在内存中形成数据空间;
在该步骤中,环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个,通过该环境参数可以构建出数据空间,其存储量为数据空的存储量,坐标系和初始坐标位置用来定位数据空间中存储的数据的位置,另外,该步骤的实现过程可以通过调用函数MDB_InitDataSpace来实现。
步骤202:为数据空间设置操作指针;
该步骤设置的操作指针主要为了记录数据空间中数据的位置,并根据需要对数据进行调度。
步骤203:为数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,并在其中三个空间维度设置空间坐标系;
该步骤设置三维以上的空间维度主要是为了能够满足用户不同的需求,例如:设置7个空间维度,其中,三个空间维度设置空间坐标系,以定位数据空间中数据的地址,另外四个维度分别为:关联性分析、关联数据查询、数据修改或插入、发展趋势预测等等,其中,在关联性分析空间维度中接收关联分析方法,通过该维度具有的关联分析方法直接对该空间维度对应的关联集群进行输出;在发展趋势预测维度接收趋势预测方法,以该维度对应的关联群落为基础,通过设置的趋势预测方法进行预测,由于各个纬度间互相没有依赖性,那么这四个纬度可以通过各自具有的进程进行相应的分析,互不影响,能够有效地提高分析效率。
步骤204:获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;
例如:对于超市来说,可以通过各个商品的属性来统计超市的运营状况,那么,可以以各个商品为对象,各个商品对应的对象数组中就包含各个商品的属性如对应的名称、消费订单、属于的消费类型、属于的种类、每个月的销售量、型号、用途等等,如:商品A对应的对象数组:{背包,消费订单(订单1,订单2,订单3,…,订单N),价格2万,奢侈品,装饰品,1000,盛装随身用品,品牌a};商品B对应的对象数组:{上衣,消费订单(订单1,订单2,订单3,…,订单N),价格1万,奢侈品,服饰,2000,品牌a,100%棉},该步骤的对象数组中的属性值能够为后续关联过程提供基础。
步骤205:根据每一个对象数组中属性值的个数,为每一个对象数组确定目标几何体模型;
例如:对象数组1中包含3个属性值,则确定对象数组1的目标几何体模型为三角形,当对象数组2中包含4个属性值,则确定对象数组2的目标几何体模型为正四面体,对于上述步骤204提及的商品A对应的对象数组和商品B对应的对象数组均具有8个属性值,那么可为商品A对应的对象数组和商品B对应的对象数组确定目标几何体为正方体等等。
步骤206:利用目标几何体模型,为对应的对象数组构建对应的几何体,其中,属性值分布于几何体的顶点;
以上述步骤204和步骤205提及的商品A对应的对象数组和商品B对应的对象数组为例,商品A对应的对象数组和商品B对应的对象数组形成的几何体为正方体,其中,图3A所示的正方体1的顶点(1,2,3,4,5,6,7,8)分别对应商品A对应的对象数组中的属性值,图3B所示的正方体2的顶点(1’,2’,3’,4’,5’,6’,7’,8’)分别对应商品B对应的对象数组中的属性值。值得说明的是,在该步骤中,属性值填充几何体顶点的过程是按照顺时针和由上至下的顺序依次填充,即图3A和图3B所示的标号的顺序,该填充顺序可以任意更改。
步骤207:在数据空间中,根据设置的空间坐标系和空间坐标系的初始坐标位置,为每一个几何体分配对应的坐标;
该步骤主要是为了能够对步骤206形成的几何体进行定位,步骤206形成的几何体相比于数据空间来说,相当于一个点,那么可以以几何体中心的坐标作为该几何体的坐标,以在后续步骤中能够准确的找到该几何体进行关联,如为上述商品A对应的正方体1分配坐标为(1,0,0),为上述商品B对应的正方体2分配坐标为(3,0,0)。
上述步骤204至步骤207的实现过程可通过依次调用函数MDB_InitDataToMultData、函数MDB_LoadData、函数MDB_CreateMultData及函数MDB_SetProperties实现。
步骤208:通过操作指针记录每一个几何体的坐标;
该过程主要是为了记录几何体坐标以方便后续的查找,如记录正方体1分配坐标为(1,0,0),为上述商品B对应的正方体2分配坐标为(3,0,0)。
步骤209:根据至少一个关联规则,构建数据空间中第一几何体中的第一顶点与第二几何体中的第二顶点之间的关联;
例如:当关联规则为同类商品关联时,由于商品A属性值中类型为奢侈品即图3A中的标号4,商品B属性值中类型也为奢侈品即图3B中的标号3’,则商品A与商品B建立关联1,如图3C所示。
另外,在该步骤建立关联的过程还可以通过下述过程实现:
当第一对象数组对应的第一几何体中的第一顶点与第二对象数组对应的第二几何体中的第二顶点之间具有共性时,构建第一几何体中的第一顶点与第二几何体中的第二顶点之间的关联,例如:商品A对应的正方体1中的顶点1为消费订单属性,该订单属性中出现了订单1,商品B对应的正方体2中的顶点2’也为消费订单属性,该订单属性中也出现了订单1,则商品A和商品B建立关联2,如图3C所示。
该步骤可通过调用函数MDB_GetAssociate,循环等待数据属性关联请求,创建关联。
值得说明的是,在该步骤中,根据共性进行关联,可以发现很多隐蔽的关联条件,如进口/国产属性、生产地、品牌、第三商品相关等较为隐蔽的关联条件,在传统的数据分析方法中,这些属性都是以数据列表的形式被存储在大数据分析结果之中,每当需要产生分析报告的时候就要对这些数据进行搜索和排序,当数据量较大时,该种分析方法会十分繁琐,并且非常缓慢。而通过该步骤的过程可以实时根据共性建立关联,当最终用户想要得到分析结果时,我们就可以做到及时而有效的反馈,从而大幅提升使用体验。
步骤210:确定关联的次数;
在该步骤中,关联次数的统计主要是通过计数器实现,即每当一个关联发生一次时,计数器对该关联的值加1,例如:上述步骤209提及的关联2,当商品A和商品B中的订单属性中均出现订单1,则形成关联2,并通过计数器对关联2进行加1即0+1=1,当再次商品A和商品B中的订单属性中均出现订单2,则计数器对关联2进行加1即1+1=2,…,当再次商品A和商品B中的订单属性中均出现订单N,则计数器在上述关联2计数结果的基础上对关联2进行加1。即如果商品A和商品B同时出现在m个订单上,则计数器最终统计的关联2的次数为m。
步骤211:当关联的次数达到预设的关联阈值时,以第一几何体坐标为固定坐标位,第二几何体向固定坐标位移动;
该步骤的过程主要是为了使具有关联性的对象距离比较近,方便管理和数据调用。例如:上述关联2发生的次数的关联阈值为100,即当步骤210统计出的关联2的关联次数大于等于100时,则以商品A对应的正方体1的坐标(1,0,0)为固定坐标,商品B对应的正方体2向正方体1的方向移动,同时,保证几何体2移动前位置坐标和移动后位置坐标满足下述公式(1);
其中,(x1,y1,z1)表征几何体2移动前位置坐标;(x2,y2,z2)表征几何体2移动后位置坐标。即几何体2向几何体1移动的距离为1,值得说明的是,上述例子以几何体1为第一几何体,几何体2为第二几何体,相反地,几何体2为第一几何体,几何体1为第二几何体亦可,另外,该步骤可通过调用函数MDB_MoveMultData来实现。
步骤212:通过几何体间的相互移动,形成关联群落;
由于具有关联的几何体相向移动,而不相关的几何体之间距离会慢慢增大,在经过一段时间的频繁调整期后,数据的相对位置关系就会出现一个长时间的稳定期即进入数据空间中的数据量减少时,从某一个维度来看,具有该维度关联关系的各个几何体形成一个关联群落,如图4所示,上面已经提及,相对于数据空间来说,各个几何体可以看作点,那么,在图4中展现的为a,b,c,d,e,f关联群落,各个关联群落具有关联性,那么在下述步骤中可以直接提供该关联群落为关联结果,当下述为分析趋势时,可以根据该关联群落来分析发展趋势。另外,从图4中可以看出,不同的群落之间泾渭分明,这也就给分析结果提供了更加明确的支持,使分析结果更为直观、明确。
步骤213:为关联群落分配对应的空间维度;
由于不同的分析方法的进程分属于不同的空间维度,那么该关联群落也与空间维度相关,即空间维度1对应的关联群落与空间维度2对应的关联群落不同,这是因为空间维度1和空间维度2进行的分析方式不同,那么其所需要的关联也就不同。
步骤214:当三维以上空间维度中的目标空间维度接收到与关联对应的分析请求时,输出位于目标空间维度上的关联群落。
在该步骤中,分析请求包括但不限于:对具有共性属性的数据间的关联性的分析,基于某种或数种共性属性的关联数据查询,基于共性属性原则的新数据插入和修改及基于共性属性原则的发展趋势预测等。例如:当分析请求为发展趋势预测时,该发展趋势预测对应的进程设置于空间维度6上,而该空间维度6对应的各个关联群落如图4所示,则,通过空间维度6对图4形成的各个关联群落进行分析得到的分析结果即为发展趋势预测,上述关联群落形成过程是自发完成的,当接收到分析请求时,只需要对该关联群落进行分析即可,从而有效地提高了分析效率。
由于本发明可以以共性建立关联,即可以发现很多隐蔽性的关联条件,那么对于涉及到用户隐私的数据来说,本发明可以绕开用户隐私挖掘出用户隐私周边的各种关联关系,用户隐私周边的各种关联关系只要挖掘足够详细,其实也能够一定程度的反映用户的需求,那么,在进行广告投放之前,通过本发明实施例提供的方式对用户数据进行分析,可以保证用户数据分析的完整性,从而保证广告投放的准确性。
如图5、图6所示,本发明实施例提供了一种数据分析装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图5所示,为本发明实施例提供的数据分析装置所在设备的一种硬件结构图,除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图6所示,作为一个逻辑意义上的装置,是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的一种数据分析装置,包括:空间管理单元601、对象加载单元602、关联群落生成单元603及输出单元604,其中,
所述空间管理单元601,用于构建数据空间;
所述对象加载单元602,用于获取至少两个对象数组,每一个对象数组中包括:至少一个属性值,并将所述至少两个对象数组加载到所述空间管理单元601构建的数据空间;
所述关联群落生成单元603,用于构建所述对象加载单元602加载的至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联,并确定所述关联的次数,当所述关联的次数达到预设的关联阈值时,所述第一对象数组和所述第二对象数组发生相对位移,并形成关联群落;
所述输出单元604,用于当接收到与所述关联对应的分析请求时,输出所述关联群落生成单元603形成的关联群落。
如图7所示,在本发明另一实施了中,所述空间管理单元501,包括:
操作指针701,用于记录每一个对象数组在所述数据空间中的位置,并当接收到所述关联群落生成单元603的触发时,更改记录的所述第二对象数组的位置;
所述关联群落生成单元603,用于从所述操作指针701中获取所述第一对象数组的位置,控制所述第二对象数组向所述第一对象数组移动,并触发所述操作指针701。
在本发明又一实施了中,所述空间管理单元601,用于确定环境参数,所述环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个,将所述存储量、空间坐标系及初始坐标位置中的任意一个或多个加载到内存中,在所述内存中形成数据空间;
所述对象加载单元602,用于构建至少一种几何体模型;根据每一个对象数组中属性值的个数,确定目标几何体模型;利用所述目标几何体模型为所述每一个对象数组构建对应的几何体,其中,所述属性值分布于所述几何体的顶点;在所述空间管理单元601构建的数据空间中,根据所述空间坐标系和所述初始坐标位置,为每一个几何体分配对应的坐标。
如图8所示,在本发明另一实施例中,所述关联群落生成单元,包括:关联管理器801和交互管理器802,其中,
所述关联管理器801,用于设置至少一种关联规则;根据所述至少一个关联规则,构建所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间的关联;
所述交互管理器802,用于当所述关联管理器801形成的关联的次数达到预设的关联阈值时,以所述第一几何体坐标为固定坐标位,所述第二几何体向所述固定坐标位移动,并保证所述第二几何体移动前位置坐标和移动后位置坐标满足下述第一公式;
第一公式:
其中,(x1,y1,z1)表征所述第二几何体移动前位置坐标;(x2,y2,z2)表征所述第二几何体移动后位置坐标。
在本发明另一实施例中,所述空间管理单元601,进一步用于为数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,其中,三个维度用于设置所述空间坐标系;
所述关联群落生成单元603,进一步用于为形成的关联群落分配对应的空间维度。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
根据上述方案,本发明的各实施例,至少具有如下有益效果:
1.通过构建数据空间,获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;将至少两个对象数组加载到数据空间;构建至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;另外,当关联的次数达到预设的关联阈值时,第一对象数组和第二对象数组发生相对位移,并形成关联群落;当接收到与关联对应的分析请求时,输出关联群落,由于该关联是基于属性值构建,使得一些潜在的关联也能够被提取出来,而且关联以关联群落形式存在即预先将各种关联进行了分类,针对分析请求提供对应的关联群落,能够有效地提高分析的准确性。
2.由于本发明实施例能够实现当第一对象数组对应的第一几何体中的第一顶点与第二对象数组对应的第二几何体中的第二顶点之间具有共性时,构建第一几何体中的第一顶点与第二几何体中的第二顶点之间的关联,也就是说,只要具有共性即可实现构建关联,使一些隐蔽的关联也被发现,从而保证关联构建的完整性降低。
3.由于本发明实施例通过共性构建关联,对于涉及个人隐私的数据来说,本发明实施例能够比较完整地展现个人隐私周围的数据间的关联,只要这种关联足够完整,其也能够体现用户需求,能够有效地降低对于个人隐私数据的依赖。
4.通过在数据空间设置操作指针,操作指针记录每一个对象数组在数据空间中的位置,那么当发生相对位移时,从操作指针中获取第一对象数组的位置,控制第二对象数组向第一对象数组移动,并更改操作指针中记录的第二对象数组的位置,保证定位移动的准确性。
5.通过构建至少一种几何体模型,根据每一个对象数组中属性值的个数,为每一个对象数组确定目标几何体模型;利用目标几何体模型为对应的对象数组构建对应的几何体,其中,属性值分布于几何体的顶点;在数据空间中,根据空间坐标系和初始坐标位置,为每一个几何体分配对应的坐标,通过上述将对象数组抽象为对应的几何体可以使对象数组分布到数据空间中的不同维度上,从而通过不同的维度进行分析,由于不同维度间没有依赖性,那么各个不同维度可以同时并发进行分析,有效地提高了分析效率。
6.由于本发明实施例中实现的关联过程和关联群落的形成过程均是自发完成的,当接收到分析请求时,直接为用户输出已经形成的对应的关联群落即可,而无须按照分析请求再依次进行关联、分析等,有效地提高了分析结果输出的效率。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个······”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (6)
1.一种数据分析方法,其特征在于,构建数据空间,还包括:
获取至少两个对象数组,每一个对象数组中包括:至少一个属性值;
将所述至少两个对象数组加载到所述数据空间;
构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联;
确定所述关联的次数,当所述关联的次数达到预设的关联阈值时,所述第一对象数组和所述第二对象数组发生相对位移,并形成关联群落;
当接收到与所述关联对应的分析请求时,输出所述关联群落;
进一步包括:为所述数据空间设置操作指针;
在将所述至少两个对象数组加载到所述数据空间之后,在所述构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联之前,进一步包括:通过所述操作指针记录每一个对象数组在所述数据空间中的位置;
所述第一对象数组和所述第二对象数组发生相对位移,包括:从所述操作指针中获取所述第一对象数组的位置,控制所述第二对象数组向所述第一对象数组移动,并更改所述操作指针中记录的所述第二对象数组的位置;
所述构建数据空间,包括:
确定环境参数,所述环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个;
将所述存储量、空间坐标系及初始坐标位置中的任意一个或多个加载到内存中,在所述内存中形成数据空间;
进一步包括:构建至少一种几何体模型;
所述将所述至少两个对象数组加载到所述数据空间,包括:
根据每一个对象数组中属性值的个数,为每一个对象数组确定目标几何体模型;
利用所述目标几何体模型为对应的对象数组构建对应的几何体,其中,所述属性值分布于所述几何体的顶点;
在所述数据空间中,根据所述空间坐标系和所述初始坐标位置,为每一个几何体分配对应的坐标。
2.根据权利要求1所述的方法,其特征在于,所述构建所述至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联,包括:
当所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间具有共性时,构建所述第一几何体中的第一顶点与所述第二几何体中的第二顶点之间的关联。
3.根据权利要求1或2所述的方法,其特征在于,所述第一对象数组和所述第二对象数组发生相对位移,包括:
以所述第一对象数组对应的第一几何体坐标为固定坐标位,所述第二对象数组对应的第二几何体向所述固定坐标位移动,并保证所述第二几何体移动前位置坐标和移动后位置坐标满足下述第一公式;
第一公式:
其中,(x1,y1,z1)表征所述第二几何体移动前位置坐标;(x2,y2,z2)表征所述第二几何体移动后位置坐标。
4.根据权利要求3所述的方法,其特征在于,进一步包括:为所述数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,其中,三个维度用于设置所述空间坐标系;
在所述形成关联群落之后,在所述接收到与所述关联对应的分析请求之前,进一步包括:为所述关联群落分配对应的空间维度;
所述当接收到与所述关联对应的分析请求时,输出所述关联群落,包括:当所述三维以上空间维度中的目标空间维度接收到与所述关联对应的分析请求时,输出位于所述目标空间维度上的关联群落。
5.一种数据分析装置,其特征在于,包括:空间管理单元、对象加载单元、关联群落生成单元及输出单元,其中,
所述空间管理单元,用于构建数据空间;
所述对象加载单元,用于获取至少两个对象数组,每一个对象数组中包括:至少一个属性值,并将所述至少两个对象数组加载到所述空间管理单元构建的数据空间;
所述关联群落生成单元,用于构建所述对象加载单元加载的至少两个对象数组中第一对象数组中第一属性值和第二对象数组中的第二属性值之间的关联,并确定所述关联的次数,当所述关联的次数达到预设的关联阈值时,所述第一对象数组和所述第二对象数组发生相对位移,并形成关联群落;
所述输出单元,用于当接收到与所述关联对应的分析请求时,输出所述关联群落生成单元形成的关联群落;
所述空间管理单元,包括:
操作指针,用于记录每一个对象数组在所述数据空间中的位置,并当接收到所述关联群落生成单元的触发时,更改记录的所述第二对象数组的位置;
所述关联群落生成单元,用于从所述操作指针中获取所述第一对象数组的位置,控制所述第二对象数组向所述第一对象数组移动,并触发所述操作指针;
和/或,
所述空间管理单元,用于确定环境参数,所述环境参数包括:存储量、空间坐标系及初始坐标位置中的任意一个或多个,将所述存储量、空间坐标系及初始坐标位置中的任意一个或多个加载到内存中,在所述内存中形成数据空间;
所述对象加载单元,用于构建至少一种几何体模型;根据每一个对象数组中属性值的个数,确定目标几何体模型;利用所述目标几何体模型为所述每一个对象数组构建对应的几何体,其中,所述属性值分布于所述几何体的顶点;在所述空间管理单元构建的数据空间中,根据所述空间坐标系和所述初始坐标位置,为每一个几何体分配对应的坐标。
6.根据权利要求5所述的装置,其特征在于,
所述关联群落生成单元,包括:关联管理器和交互管理器,其中,
所述关联管理器,用于设置至少一种关联规则;根据至少一个关联规则,构建所述第一对象数组对应的第一几何体中的第一顶点与所述第二对象数组对应的第二几何体中的第二顶点之间的关联;
所述交互管理器,用于当所述关联管理器形成的关联的次数达到预设的关联阈值时,以所述第一几何体坐标为固定坐标位,所述第二几何体向所述固定坐标位移动,并保证所述第二几何体移动前位置坐标和移动后位置坐标满足下述第一公式;
第一公式:
其中,(x1,y1,z1)表征所述第二几何体移动前位置坐标;(x2,y2,z2)表征所述第二几何体移动后位置坐标;
和/或,
所述空间管理单元,进一步用于为数据空间划分三维以上的空间维度,不同空间维度间没有依赖性,其中,三个维度用于设置所述空间坐标系;
所述关联群落生成单元,进一步用于为形成的关联群落分配对应的空间维度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610595635.XA CN106227837B (zh) | 2016-07-27 | 2016-07-27 | 一种数据分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610595635.XA CN106227837B (zh) | 2016-07-27 | 2016-07-27 | 一种数据分析方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106227837A CN106227837A (zh) | 2016-12-14 |
CN106227837B true CN106227837B (zh) | 2019-08-02 |
Family
ID=57533065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610595635.XA Active CN106227837B (zh) | 2016-07-27 | 2016-07-27 | 一种数据分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106227837B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543188A (zh) * | 2018-11-23 | 2019-03-29 | 珠海格力电器股份有限公司 | 一种对象关联方法、装置、服务器及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541975A (zh) * | 2010-09-23 | 2012-07-04 | 埃森哲环球服务有限公司 | 诸如利益和提供者合同之类的对象结构的分析 |
CN104769586A (zh) * | 2012-10-22 | 2015-07-08 | 起元科技有限公司 | 采用位置信息剖析数据 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7065566B2 (en) * | 2001-03-30 | 2006-06-20 | Tonic Software, Inc. | System and method for business systems transactions and infrastructure management |
-
2016
- 2016-07-27 CN CN201610595635.XA patent/CN106227837B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541975A (zh) * | 2010-09-23 | 2012-07-04 | 埃森哲环球服务有限公司 | 诸如利益和提供者合同之类的对象结构的分析 |
CN104769586A (zh) * | 2012-10-22 | 2015-07-08 | 起元科技有限公司 | 采用位置信息剖析数据 |
Also Published As
Publication number | Publication date |
---|---|
CN106227837A (zh) | 2016-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Goodchild et al. | Integrating GIS and spatial data analysis: problems and possibilities | |
Ponte et al. | Introduction to the handbook on global value chains | |
KR101017504B1 (ko) | 단순화된 분석 발견법을 이용한 자동화된 차원 모델 정의 및 구축을 위한 데이터 분석 시스템, 방법, 디바이스 및 컴퓨터 판독가능 기록 매체 | |
US11321293B2 (en) | Multi-dimensional data structure to efficiently search data items | |
CN110210731A (zh) | 提醒任务分配方法、装置、计算机设备和存储介质 | |
Halim et al. | Quantifying and optimizing visualization: An evolutionary computing-based approach | |
CN105447098B (zh) | 一种信息查询方法及装置 | |
US20140247267A1 (en) | Visualization of parallel co-ordinates | |
CN115081414B (zh) | 基于数据模型的电子表格生成方法、装置、设备及介质 | |
US10353958B2 (en) | Discriminative clustering | |
US20200210640A1 (en) | Method and apparatus for displaying textual information | |
CN111460279A (zh) | 信息推荐方法、装置、存储介质及计算机设备 | |
Laramee et al. | Challenges and unsolved problems | |
US20200349594A1 (en) | Customer flow line and customer flow hot zone determining method and apparatus | |
CN106227837B (zh) | 一种数据分析方法和装置 | |
CN106649380A (zh) | 一种基于标签的热点推荐方法及系统 | |
US8122056B2 (en) | Interactive aggregation of data on a scatter plot | |
Wang et al. | Data field for mining big data | |
CN102722543B (zh) | 一种用于文件储存的方法 | |
CN109299158A (zh) | 一种数据可视化方法及系统 | |
Rubio et al. | Large-scale agent-based simulation in archaeology: an approach using high-performance computing | |
CN102663006B (zh) | 一种数据筛选方法及装置 | |
Alvanides et al. | Zone Design as a Spatial Analysis | |
Rey et al. | Spatio-temporal analysis of socioeconomic neighborhoods: The open source longitudinal neighborhood analysis package (OSLNAP) | |
Yuan et al. | Research on mobile internet user behavior preference based on support vector machine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Wusong Industrial Park, Wuzhong Development District of Suzhou City, Jiangsu province 215100 Wusong Road No. 818 Applicant after: Tide Financial Information Technology Co Ltd Address before: Wuzhong Economic Development Zone in Suzhou City, Jiangsu Province, the River Street 215104 tower rhyme Road No. 178 Building 2 layer 1 Applicant before: Tide (Suzhou) Financial Technology Service Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |