CN107545046A - 一种多源异构数据的融合方法及装置 - Google Patents
一种多源异构数据的融合方法及装置 Download PDFInfo
- Publication number
- CN107545046A CN107545046A CN201710707596.2A CN201710707596A CN107545046A CN 107545046 A CN107545046 A CN 107545046A CN 201710707596 A CN201710707596 A CN 201710707596A CN 107545046 A CN107545046 A CN 107545046A
- Authority
- CN
- China
- Prior art keywords
- data
- api
- fusion
- incidence relation
- opl
- 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.)
- Granted
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 78
- 238000013480 data collection Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 238000012800 visualization Methods 0.000 claims description 43
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000013507 mapping Methods 0.000 claims description 18
- 241001269238 Data Species 0.000 claims description 17
- 238000000547 structure data Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 12
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 2
- 230000005055 memory storage Effects 0.000 claims description 2
- 238000013506 data mapping Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 230000003068 static effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000007417 hierarchical cluster analysis Methods 0.000 description 5
- 238000007621 cluster analysis Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种多源异构数据的融合方法及装置。所述方法包括:获取用户根据需求配置的多个对象及每一对象对应的对象属性;获取API数据集,根据对象、对象属性和API数据集进行动态建模获得OPL动态模型;API数据集由多源异构数据API转换构成;根据OPL动态模型获得对象与API数据的关联关系,以及多个所述对象之间的关联关系,实现多源异构数据的融合。所述装置用于执行所述方法。本发明实施例通过获取对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
Description
技术领域
本发明实施例涉及大数据处理技术领域,尤其涉及一种多源异构数据的融合方法及装置。
背景技术
随着信息技术快速发展,国家各部门、各行业大力推动信息化建设。经过几年发展,无论是国家政府机关还是企业内部先后建成了各类特定业务相关的信息化系统。由于建设上的多样性,例如实现技术多样性、存储设备不同、数据存储方式多样性等导致存储大量异构。
业务相关数据具有以下特点:数据异构型,包括结构化和非结构化;数据多态性,静态数据和动态数据;数据离散型,数据分布在不同的系统中;数据量大,每天都有新数据产生。不同业务部门产生的数据成为信息的“孤岛”,不同业务部门很难实现数据共享,而现实中,各业务部门对数据共享需求越来越强烈,因此多源异构数据融合还是很有必要的。
传统的多源异构数据融合方法为:基于企业数据中心的整合,即先将各系统数据集中起来管理,然后统一提供数据服务。因此该方法是针对数据的,并不能根据用户的特定需求,体现对对象与对象之间的关联关系,并且随着数据的不断增加,该方法存在数据融合成本高、存储代价大等问题。
发明内容
针对现有技术存在的问题,本发明实施例提供一种多源异构数据的融合方法及装置。
第一方面,本发明实施例提供一种多源异构数据的融合方法,包括:
获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;
获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;
根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,实现多源异构数据的融合。
第二方面,本发明实施例提供一种多源异构数据的融合装置,包括:
获取模块,用于获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;
模型构建模块,用于获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;
数据融合模块,用于根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,实现多源异构数据的融合。
第三方面,本发明实施例提供一种电子设备,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的方法步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,包括:
所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面的方法步骤。
本发明实施例提供的一种多源异构数据的融合方法及装置,通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
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一简单地介绍,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为本发明实施例提供的一种多源异构数据的融合方法流程示意图;
图2为本发明实施例提供的OPL动态模型创建示意图;
图3为本发明实施例提供的层次聚类分析方法流程图;
图4为本发明实施例提供的子图对应可视化图的示意图;
图5为本发明实施例提供的多源异构数据融合整体示意图;
图6为本发明实施例提供的一种多源异构数据的融合装置结构示意图;
图7为本发明实施例提供的电子设备实体结构示意图。
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作出创造性劳动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。
图1为本发明实施例提供的一种多源异构数据的融合方法流程示意图,如图1所示,所述方法,包括:
步骤101:获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;
具体的,用户可以根据自身需求配置多个对象,其中,每个对象可以包括多个对象属性,因此在进行配置对象的同时,还配置了每一个对象对应的对象属性。用户配置完成后,装置获取用户配置的对象及其对象属性。例如,若用户需要获得老师和学生的关联关系,那么可以分别配置学生和老师两个对象,其中学生对象中可以包括的对象属性有:姓名、学号、性别,身份证号、联系电话、语文成绩、数学成绩和英语成绩等。老师这个对象中可以包括的对象属性有:姓名、性别、身份证号、联系电话、家庭住址等。
步骤102:获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;
具体的,多源异构数据包括分布在各业务上系统中的数据,存储在关系数据库或者非关系数据库中,也包括存储在用户本地的静态数据,如图片、CSV文件等,在进行动态建模之前,需要获取到API数据集,其中,API数据集有多条多源异构数据经过API转换构成,由于对象与对象属性之间有对应关系、对象属性和API属性之间有关联关系、并且API属性与API数据之间也有对应关系,因此可以根据对象、对象属性和API数据集可以进行动态建模,从而获得OPL动态模型,应当说明的是,所谓动态模型是指,在进行模型构建的过程中,随时可以新加入用户配置的对象,而不需要在最开始就一次性获取所有对象。
步骤103:根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,以实现多源异构数据的融合。
具体的,OPL动态模型创建完成后,可以从OPL动态模型中获取对象与API数据之间的关联关系,以及对象与对象之间的关联关系,其中对象与API数据之间是多对多的关系,即一个对象对应多个API数据,同时一个API数据对应多个对象,同时,对象与对象之间也存在关联关系,因此,通过OPL动态模型可以获取到与对象相关联的所有的API数据,从而完成了多源异构数据的融合。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
在上述实施例的基础上,所述根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型,包括:
获取多源异构数据,将所述多源异构数据进行API转换,获得API数据集,所述API数据集包括多个API数据,每一所述API数据包括多个API属性;
根据各所述对象对应的各所述对象属性,获取与各对象属性具有关联关系的目标API属性,根据所述目标API属性获得对应的目标API数据,以完成从所述对象到所述API数据的映射;
根据所述用户需求获取业务场景,根据所述业务场景配置构建所述业务场景的多个所述对象之间的关联关系,以完成多个所述对象之间的关系映射;
根据所述API转换、所述对象到所述API数据的映射和所述多个对象之间的关系映射,获得所述OPL动态模型。
具体的,图2为本发明实施例提供的OPL动态模型创建示意图,如图2所示,在进行OPL动态模型的创建时,首先,获取多源异构数据,其中多源异构数据包括动态数据和静态数据,静态数据包括用户本地存储的图片或者CSV文件,动态数据包括不同系统的数据库中的数据,可以是关系型数据库也可以是非关系型数据库,因此,多源异构数据的数量非常大。以关系型数据库为例,在关系型数据库中存储有多张表,每张表中包括多个列,每一列标识一个数据属性,如字段名称、字段支持查询操作、数据库类型和文件类型等。可以将关系型数据库中的每一张表都进行API转换,获得对应的一个API数据,因此,一个关系型数据库经过API转换后可以得到多个API数据,多个API数据构成了API数据集。应当说明的是,每一张表中的数据属性经过API转换后,获得对应的API属性。在默认情况下,API服务提供对应数据下字段属性相关信息,如属性类型(字符类型、时间类型和地理类型)、默认值(如果存在)、属性支持查询操作(>、=和<)和属性名称等。由此可知,API属性和多源异构数据的字段属性具有关联关系。
由于获取到用户配置的对象可能有多个,且每一个对象都具有多个对象属性,因此,可以针对每一个对象中的每一个对象属性,从API数据集中获得对应的目标API属性,另外,由于每个API数据包括多个API属性,因此,可以通过目标API属性来获得对应的目标API数据。从而获得了对象→对象属性→API属性→API数据的多层映射。例如:对象为人,其对象属性包括“姓名”等,在API数据集中,有一个通话记录的API数据,该通话记录的API数据中也包括了“姓名”这个API属性,则“姓名”的对象属性与通话记录的API数据中的“姓名”API属性具有关联关系,因此通话记录的API数据被选中。另外,在API数据集中,有一个学生的API数据,该学生的API数据中也包括了“姓名”这个API属性,同样的,学生的API数据也应该被选中。所以,根据“姓名”这个对象属性可以获得通话记录API数据和学生API数据。
在完成对象与API数据的映射之后,用户可以根据该映射关系,抽象出一个业务场景,将该业务场景发送给装置,装置在接收到用户的业务场景后,根据业务场景构建对象与对象之间的关系,从而完成关系映射,其中构建的关系中可以是关系类型也可以是时空类型,还可以是其他的类型,本发明实施例对此不做具体限定。例如:用户配置的对象有域名和IP,那么用户还可以根据这两个对象配置一个DNS解析的业务场景,此时,便得到了域名-DNS解析-IP这一映射关系。
以上,通过API转换、对象与API数据之间的映射和对象与对象之间的映射关系构成了OPL动态模型。
本发明实施例通过API转换,对象与API数据的映射,以及对象与对象之间的关系映射完成了OPL动态模型的创建,通过OPL动态模型可以将用户配置的对象对应的API数据进行融合,因此,是通过调用API接口的方式实现数据的融合,不需要将所有的多源异构数据进行存储,降低了融合及存储的成本。
在上述实施例的基础上,所述方法,还包括:
根据所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,获得所述对象对应的融合数据,对所述融合数据进行查询数据融合、构建数据关系、数据信息统计和数据去重操作,获得可视化数据。
具体的,根据对象与API数据的关联关系,以及多个对象之间的关联关系,可以获取到对象所对应的所有的API数据,由于API数据是经过多源异构数据API转换后得到的,因此,可以获取到与对象相关的所有的融合数据,在该融合数据的基础上,可以对融合数据进行查询数据融合、构建数据关系、数据信息统计和数据去重等操作,从而获得可视化数据。因此,通过对融合数据进行处理实现了对象数据到可视化数据结构的转换。应当说明的是,对数据的处理操作方式还有多种,例如数据清洗等,本发明实施例对此不做具体限定。
本发明实施例通过对融合后数据进行数据处理,实现了对象数据到可视化数据结构的转换,为数据的可视化提供了基础。
在上述实施例的基础上,所述方法,还包括:
利用层次聚类、网络布局、时序布局和时空关系中的任意一种或其组合的分析方法对所述可视化数据进行可视化分析,并将分析结果以可视化方式进行展示。
具体的,通过数据处理后得到了可视化数据,可视化分析方法有多种,例如:层次聚类分析、网络布局、时序布局和时空关系(地图)等,其中,层次聚类分析是将融合后数据分层聚类,整体采用tree布局方式表现总体层次关系;为了节省空间,可以将同层次节点采用矩阵的方式展示;网络布局采用force-directed方法,根据当前的可视化数据规模,自适应调整布局策略,此外提供信息检索功能,帮助用户快速定位网络中的关键信息,还提供了关联反查,复杂网络分析等功能;时序布局是根据可视化数据中各个节点之间的时序关系来进行分析,获得时序关系图;时空关系(地图)根据各个节点之间在地里位置,将各个节点标注在地图上。应当说明的是,可视化数据中的一个节点为一个对象。因此,根据可视化数据利用层次聚类、网络布局、时序布局和时空关系中的任意一种或其组合对可视化数据进行分析,并将分析结果以可视化的方式进行展示。从而帮助用户直观、高效的获取所需要的信息。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
在上述实施例的基础上,所述对所述融合数据进行查询数据融合操作,包括:
根据查询条件从所述OPL动态模型中获得当前查询数据,所述当前查询数据包括多个API数据,将所述多个API数据进行融合,并将所述当前查询数据与历史查询数据进行再次融合,获得融合后查询数据;
所述构建数据关系,包括:
根据所述业务场景所需的数据结构,对所述融合后查询数据构建数据关系;
所述数据去重,包括:
将构建的所述数据关系中重复的进行去重处理。
具体的,当获取到融合数据后,可以通过设置查询条件从OPL动态模型中获得当前查询数据,对查询数据的融合包括两个层次的融合:(1)根据对象属性反查API属性,并对获得的当前查询数据进行融合;(2)将当前查询数据与历史查询数据进行融合。其中,当前查询数据中包括多个API数据,此时需要将API数据进行融合。例如:假设用户设置的查询条件为“姓名=张三”,如果融合数据中的学生对应的API数据中包括“姓名=张三”,同时,融合数据中的通话记录中也包括“姓名=张三”,因此,需要将学生API数据和通话记录API数据中“姓名=张三”的这条数据信息作为当前查询数据,并对其进行融合。再有,当用户首先通过“姓名=张三”获得了第一查询数据后,又通过“电话=0123456789”获得了第二查询数据,那么,第一查询数据为历史查询数据,第二查询数据为当前查询数据,将当前查询数据和历史查询数据再次融合,最终获得融合后查询数据。
根据用户配置的业务场景获取所需的数据结构,再加上该业务场景中的对象与对象之间的关联关系,在融合后查询数据上构建数据关系。
在构建的数据关系中,可能会存在重复的部分,此时将重复的部分进行去重处理。例如:通过查询条件为“姓名=张三”,可以得到学生API数据和通话记录API数据,学生API数据中包括了“姓名=张三”,“性别=男”,“电话=0123456789”,而通话记录API数据中包括了“姓名=张三”“电话=0123456789”,“被叫=15230614345”等信息,由于融合后查询数据都包括姓名-电话这一对应关系,因此需要进行去重,只保留一组对应关系。
本发明实施例通过对融合术数据的查询数据融合、构建数据关系、数据统计和数据去重等操作,使得融合后数据更加清楚,更有利于对融合后数据的分析。
在上述实施例的基础上,所述利用层次聚类的分析方法对所述可视化数据进行可视化分析,并将分析结果以可视化方式进行展示,包括:
对所述可视化数据进行分层聚类,获得对应的数据树;
将所述数据树中每一层的节点作为一个子图,分析每一所述子图的复杂度,根据所述子图的复杂度选择对应的可视化图进行展示。
具体的,以层次聚类分析方法为例,图3为本发明实施例提供的层次聚类分析方法流程图,如图3所示,步骤301:根据节点边的关系,查找每个节点所在连通子图中的根节点;步骤302:根据根节点对节点分组聚类,分组聚类后,得到多组最大连通子图;步骤303:对每组内节点根据边的关系生成图邻接表,遍历节点信息,对每个节点的父节点进行计算,获得父节点深度信息;步骤304:根据父节点的深度信息,对节点分层处理;步骤305:根据用户给定的布局算法的参数,递归调整组内节点位置和组与组之间的距离,获得对应的数据树,完成了聚类分析。
但是在聚类分析过程中,当同层次节点关系复杂的时候,会有线条遮挡的问题,简单的将节点索引值比较大的递归的调整到节点索引小的下面不仅增加了层次高度,而且没有彻底改变遮挡问题,最关键的是不能直观的反映数据的真实关系。因此,只有选择合适当前数据结构特定的可视化方式才是最合理的。将数据树中同层节点作为一个子图,并计算每一个子图的复杂度信息,根据子图的复杂度选择对应的可视化图进行展示,应当说明的是,一个子图的复杂度可能会对应多种类型的可视化图,图4为本发明实施例提供的子图对应可视化图的示意图,如图4所示,数据树包括3层,由图可知,第2层节点构成的子图比较复杂,因此,可以为该子图选择对应的可视化图。应当说明的是,为子图选择可视化图的条件除了复杂度以外,还可以包括子图是连通图,并且节点的平均图长度大于1。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
图5为本发明实施例提供的多源异构数据融合整体示意图,如图5所示,第一,从数据源中获取所有的数据,包括动态数据和静态数据,静态数据包括存储在本地的图片或文件,还可以包括其他数据,动态数据包括从各个系统的数据库中获取到的数据,因此数据源中的数据为多源异构数据;第二,将多源异构数据进行API转换,其具体转换方法已经在上述实施例中描述,此处不再赘述;第三,获取用户配置的对象及对象属性,根据对象属性和API属性的关联关系,获得对象、对象属性、API属性和API数据的映射;第四,获取用户配置的业务场景,根据业务场景获取构成该业务场景的对象与对象之间的关系映射;第五,根据用户的查询条件获得查询数据,并对查询数据进行融合、构建数据关系、数据去重和信息统计等操作,获得可视化数据;第六,对可视化数据进行可视化分析,其分析方法有:层次聚类、网络布局、时序布局和时空关系(地图)等,以上分析方法可以单独使用,也可以组合使用。将分析结果可视化的进行展示,以供用户能够直观的获取信息。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
图6为本发明实施例提供的一种多源异构数据的融合装置结构示意图,如图6所示,所述装置,包括:获取模块601、模型构建模块602和数据融合模块603,其中:
获取模块601用于获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;模型构建模块602用于获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;数据融合模块603用于根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,实现多源异构数据的融合。
具体的,用户可以根据自身需求配置多个对象,其中,每个对象可以包括多个对象属性,因此在进行配置对象的同时,还配置了每一个对象对应的对象属性。用户配置完成后,获取模块601获取用户配置的对象及其对象属性。在进行动态建模之前,模型构建模块602需要获取到API数据集,其中,API数据集有多条多源异构数据经过API转换构成,由于对象与对象属性之间有对应关系、对象属性和API属性之间有关联关系、并且API属性与API数据之间也有对应关系,因此模型构建模块602可以根据对象、对象属性和API数据集可以进行动态建模,从而获得OPL动态模型。OPL动态模型创建完成后,数据融合模块603可以从OPL动态模型中获取对象与API数据之间的关联关系,以及对象与对象之间的关联关系,其中对象与API数据之间是多对多的关系,因此,通过OPL动态模型可以获取到与对象相关联的所有的API数据,从而完成了多源异构数据的融合。
本发明提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
在上述实施例的基础上,所述模型构建模块,具体用于:
获取多源异构数据,将所述多源异构数据进行API转换,获得API数据集,所述API数据集包括多个API数据,每一所述API数据包括多个API属性;
根据各所述对象对应的各所述对象属性,获取与各对象属性具有关联关系的目标API属性,根据所述目标API属性获得对应的目标API数据,以完成从所述对象到所述API数据的映射;
根据所述用户需求获取业务场景,根据所述业务场景配置构建所述业务场景的多个所述对象之间的关联关系,以完成多个所述对象之间的关系映射;
根据所述API转换、所述对象到所述API数据的映射和所述多个对象之间的关系映射,获得所述OPL动态模型。
具体的,首先,模型构建模块获取多源异构数据,将多源异构数据进行API转换,获得API数据集,其中API数据集包括多个API数据,且每一个API数据中包括多个API属性,将用户配置的每一对象的每一个对象属性都从API数据集中查找相关联的API属性,由于API属性与API数据具有对应关系,因此,便可以完成对象、对象属性、API属性和API数据的映射;模型构建模块获取用户的业务场景,根据业务场景获取对象与对象之间的关联关系,完成对象之间的关系映射。从而,模型创建模块包括API转换,对象到API数据的映射,以及对象与对象之间的关系映射。
本发明实施例通过API转换,对象与API数据的映射,以及对象与对象之间的关系映射完成了OPL动态模型的创建,通过OPL动态模型可以将用户配置的对象对应的API数据进行融合,因此,是通过调用API接口的方式实现数据的融合,不需要将所有的多源异构数据进行存储,降低了融合及存储的成本。
在上述实施例的基础上,所述装置,还包括:
数据处理模块,用于根据所述对象与所述API数据的关联关系和多个所述对象之间的关联关系,获得所述对象对应的融合数据,对所述融合数据进行查询数据融合、构建数据关系、数据信息统计和数据去重操作,获得可视化数据。
具体的,数据处理模块根据对象与API数据的关联关系,以及多个对象之间的关联关系,可以获取到对象所对应的所有的API数据,由于API数据是经过多源异构数据API转换后得到的,因此,数据处理模块可以获取到与对象相关的所有的融合数据,在该融合数据的基础上,可以对融合数据进行查询数据融合、构建数据关系、数据信息统计和数据去重等操作,从而获得可视化数据。因此,通过对融合数据进行处理实现了对象数据到可视化数据结构的转换。应当说明的是,对数据的处理操作方式还有多种,例如数据清洗等,本发明实施例对此不做具体限定。
本发明实施例通过对融合后数据进行数据处理,实现了对象数据到可视化数据结构的转换,为数据的可视化提供了基础。
在上述实施例的基础上,所述装置,还包括:
数据分析模块,用于利用层次聚类、网络布局、时序布局和时空关系中的任意一种或其组合的分析方法对所述可视化数据进行可视化分析,并将分析结果以可视化方式进行展示。
具体的,通过数据处理后得到了可视化数据,数据分析模块可以对可视化数据进行可视化分析,可视化分析方法有多种,例如:层次聚类分析、网络布局、时序布局和时空关系(地图)等。因此,根据可视化数据利用层次聚类、网络布局、时序布局和时空关系中的任意一种或其组合对可视化数据进行分析,并将分析结果以可视化的方式进行展示。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
在上述实施例的基础上,所述对所述融合数据进行查询数据融合操作,包括:
根据查询条件从所述OPL动态模型中获得当前查询数据,所述当前查询数据包括多个API数据,将所述多个API数据进行融合,并将所述当前查询数据与历史查询数据进行再次融合,获得融合后查询数据;
所述构建数据关系,包括:
根据所述业务场景所需的数据结构,对所述融合后查询数据构建数据关系;
所述数据去重,包括:
将构建的所述数据关系中重复的进行去重处理。
具体的,数据处理模块可以对融合后数据进行处理,例如可以进行融合查询数据、构建数据关系、数据去重等,其中,融合查询数据、构建数据关系和数据去重的具体处理方式已经在上述实施例中描述,此处不再赘述。
本发明实施例通过对融合术数据的查询数据融合、构建数据关系、数据统计和数据去重等操作,使得融合后数据更加清楚,更有利于对融合后数据的分析。
在上述实施例的基础上,所述数据分析模块,具体用于:
对所述可视化数据进行分层聚类,获得对应的数据树;
将所述数据树中每一层的节点作为一个子图,分析每一所述子图的复杂度,根据所述子图的复杂度选择对应的可视化图进行展示。
具体的,数据分析模块可以利用聚类分析方法对可视化数据进行分层聚类,获得对应的数据树,但是在聚类分析过程中,当同层次节点关系复杂的时候,会有线条遮挡的问题,因此,为了解决线条遮挡,可以将数据树中同层节点作为一个子图,并计算每一个子图的复杂度信息,根据子图的复杂度选择对应的可视化图进行展示。
本发明实施例通过根据用户需求配置的对象和对象属性以及API数据集构建OPL动态模型,通过OPL动态模型获得对象与API数据的关联关系,以及多个对象之间的关联关系,从而实现多源异构数据的融合,在为用户揭示了对象之间的关联关系的同时,降低了数据融合成本和存储代价。
图7为本发明实施例提供的电子设备实体结构示意图,如图7所示,所述电子设备,包括:处理器(processor)701、存储器(memory)702和总线703;其中,
所述处理器701和存储器702通过所述总线703完成相互间的通信;
所述处理器701用于调用所述存储器702中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,以实现多源异构数据的融合。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,以实现多源异构数据的融合。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,以实现多源异构数据的融合。
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于一计算机可读取存储介质中,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。
以上所描述的装置等实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (14)
1.一种多源异构数据的融合方法,其特征在于,包括:
获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;
获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;
根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,以实现多源异构数据的融合。
2.根据权利要求1所述的方法,其特征在于,所述根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型,包括:
获取多源异构数据,将所述多源异构数据进行API转换,获得API数据集,所述API数据集包括多个API数据,每一所述API数据包括多个API属性;
根据各所述对象对应的各所述对象属性,获取与各对象属性具有关联关系的目标API属性,根据所述目标API属性获得对应的目标API数据,以完成从对象到所述API数据的映射;
根据所述用户需求获取业务场景,根据所述业务场景配置构建所述业务场景的多个所述对象之间的关联关系,以完成多个所述对象之间的关系映射;
根据所述API转换、所述对象到所述API数据的映射和所述多个对象之间的关系映射,获得所述OPL动态模型。
3.根据权利要求1所述的方法,其特征在于,所述方法,还包括:
根据所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,获得所述对象对应的融合数据,对所述融合数据进行查询数据融合、构建数据关系、数据信息统计和数据去重操作,获得可视化数据。
4.根据权利要求3所述的方法,其特征在于,所述方法,还包括:
利用层次聚类、网络布局、时序布局和时空关系中的任意一种或其组合的分析方法对所述可视化数据进行可视化分析,并将分析结果以可视化方式进行展示。
5.根据权利要求3所述的方法,其特征在于,所述对所述融合数据进行查询数据融合操作,包括:
根据查询条件从所述OPL动态模型中获得当前查询数据,所述当前查询数据包括多个API数据,将所述多个API数据进行融合,并将所述当前查询数据与历史查询数据进行再次融合,获得融合后查询数据;
所述构建数据关系,包括:
根据所述业务场景所需的数据结构,对所述融合后查询数据构建数据关系;
所述数据去重,包括:
将构建的所述数据关系中重复的进行去重处理。
6.根据权利要求4所述的方法,其特征在于,所述利用层次聚类的分析方法对所述可视化数据进行可视化分析,并将分析结果以可视化方式进行展示,包括:
对所述可视化数据进行分层聚类,获得对应的数据树;
将所述数据树中每一层的节点作为一个子图,分析每一所述子图的复杂度,根据所述子图的复杂度选择对应的可视化图进行展示。
7.一种多源异构数据的融合装置,其特征在于,包括:
获取模块,用于获取用户根据需求配置的多个对象以及每一所述对象对应的多个对象属性;
模型构建模块,用于获取应用程序编程接口API数据集,根据多个对象、多个对象属性和所述API数据集进行动态建模,获得对象属性关系OPL动态模型;其中,所述API数据集由多条多源异构数据经过API转换构成;
数据融合模块,用于根据所述OPL动态模型获得所述对象与所述API数据的关联关系,以及多个所述对象之间的关联关系,以实现多源异构数据的融合。
8.根据权利要求7所述的装置,其特征在于,所述模型构建模块,具体用于:
获取多源异构数据,将所述多源异构数据进行API转换,获得API数据集,所述API数据集包括多个API数据,每一所述API数据包括多个API属性;
根据各所述对象对应的各所述对象属性,获取与各对象属性具有关联关系的目标API属性,根据所述目标API属性获得对应的目标API数据,以完成从所述对象到所述API数据的映射;
根据所述用户需求获取业务场景,根据所述业务场景配置构建所述业务场景的多个所述对象之间的关联关系,以完成多个所述对象之间的关系映射;
根据所述API转换、所述对象到所述API数据的映射和所述多个对象之间的关系映射,获得所述OPL动态模型。
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:
数据处理模块,用于根据所述对象与所述API数据的关联关系和多个所述对象之间的关联关系,获得所述对象对应的融合数据,对所述融合数据进行查询数据融合、构建数据关系、数据信息统计和数据去重操作,获得可视化数据。
10.根据权利要求9所述的装置,其特征在于,所述装置,还包括:
数据分析模块,用于利用层次聚类、网络布局、时序布局和时空关系中的任意一种或其组合的分析方法对所述可视化数据进行可视化分析,并将分析结果以可视化方式进行展示。
11.根据权利要求9所述的装置,其特征在于,所述对所述融合数据进行查询数据融合操作,包括:
根据查询条件从所述OPL动态模型中获得当前查询数据,所述当前查询数据包括多个API数据,将所述多个API数据进行融合,并将所述当前查询数据与历史查询数据进行再次融合,获得融合后查询数据;
所述构建数据关系,包括:
根据所述业务场景所需的数据结构,对所述融合后查询数据构建数据关系;
所述数据去重,包括:
将构建的所述数据关系中重复的进行去重处理。
12.根据权利要求10所述的装置,其特征在于,所述数据分析模块,具体用于:
对所述可视化数据进行分层聚类,获得对应的数据树;
将所述数据树中每一层的节点作为一个子图,分析每一所述子图的复杂度,根据所述子图的复杂度选择对应的可视化图进行展示。
13.一种电子设备,其特征在于,包括:处理器、存储器和总线,其中,
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1-6任一项所述的方法。
14.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710707596.2A CN107545046B (zh) | 2017-08-17 | 2017-08-17 | 一种多源异构数据的融合方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710707596.2A CN107545046B (zh) | 2017-08-17 | 2017-08-17 | 一种多源异构数据的融合方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107545046A true CN107545046A (zh) | 2018-01-05 |
CN107545046B CN107545046B (zh) | 2021-05-25 |
Family
ID=60957493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710707596.2A Active CN107545046B (zh) | 2017-08-17 | 2017-08-17 | 一种多源异构数据的融合方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545046B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427709A (zh) * | 2018-01-25 | 2018-08-21 | 朗新科技股份有限公司 | 一种多源海量数据处理系统及方法 |
CN108628941A (zh) * | 2018-03-23 | 2018-10-09 | 华为技术有限公司 | 关联对象获取方法和装置 |
CN108647321A (zh) * | 2018-05-11 | 2018-10-12 | 长安大学 | 一种智能车间多源异构制造大数据集成模型与语义计算方法 |
CN110188148A (zh) * | 2019-05-23 | 2019-08-30 | 北京建筑大学 | 面向多模异构特征的实体识别方法及装置 |
CN110516011A (zh) * | 2019-08-28 | 2019-11-29 | 北京思维造物信息科技股份有限公司 | 一种多源实体数据融合方法、装置及设备 |
CN110825749A (zh) * | 2019-11-05 | 2020-02-21 | 泰康保险集团股份有限公司 | 行为轨迹分析展示方法、装置、电子设备、存储介质 |
WO2020037609A1 (zh) * | 2018-08-23 | 2020-02-27 | 西门子股份公司 | 形成融合模型的方法、装置、系统、介质、处理器和终端 |
CN110851488A (zh) * | 2019-09-26 | 2020-02-28 | 贵阳信息技术研究院(中科院软件所贵阳分部) | 基于多源多模态数据融合分析处理方法及平台 |
WO2020135048A1 (zh) * | 2018-12-29 | 2020-07-02 | 颖投信息科技(上海)有限公司 | 知识图谱的数据融合方法和装置 |
CN111488381A (zh) * | 2020-04-15 | 2020-08-04 | 金岭教育科技(北京)有限公司 | 一种基于场景过程的异构数据整合方法 |
CN111625521A (zh) * | 2020-07-31 | 2020-09-04 | 上海森亿医疗科技有限公司 | 基于可视化数据集构建的管理方法、系统、介质及设备 |
CN111897875A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技(深圳)有限公司 | 城市多源异构数据的融合处理方法、装置和计算机设备 |
CN112015854A (zh) * | 2020-07-17 | 2020-12-01 | 河海大学常州校区 | 一种基于自组织映射神经网络的异构数据属性关联算法 |
CN113326870A (zh) * | 2021-05-11 | 2021-08-31 | 中科迅(深圳)科技有限公司 | 一种基于大数据的多平台旅游数据融合系统 |
CN113590085A (zh) * | 2020-04-30 | 2021-11-02 | 深圳中砼物联网科技有限公司 | 多源异构数据的处理方法、计算机设备、存储介质 |
CN114153839A (zh) * | 2021-10-29 | 2022-03-08 | 杭州未名信科科技有限公司 | 多源异构数据的集成方法、装置、设备及存储介质 |
CN117009921A (zh) * | 2023-08-04 | 2023-11-07 | 振宁(无锡)智能科技有限公司 | 一种数据融合引擎的优化数据处理方法及系统 |
WO2024120016A1 (zh) * | 2022-12-06 | 2024-06-13 | 中电科大数据研究院有限公司 | 数据融合系统、数据融合方法和装置、计算机存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083656A (zh) * | 2007-07-05 | 2007-12-05 | 上海交通大学 | 基于数据流技术的多源异构数据集成系统 |
CN101826100A (zh) * | 2010-03-16 | 2010-09-08 | 中国测绘科学研究院 | 面向广域网的多源应急信息自动整合系统及方法 |
CN102063509A (zh) * | 2011-01-12 | 2011-05-18 | 南京南瑞继保电气有限公司 | 电力信息系统异构数据库多维数据集成的模型及建模方法 |
CN102902782A (zh) * | 2012-09-27 | 2013-01-30 | 浙江大学 | 一种海量多源异构空间信息数据无缝集成管理方法 |
CN104182454A (zh) * | 2014-07-04 | 2014-12-03 | 重庆科技学院 | 基于领域本体构建的多源异构数据语义集成的模型及方法 |
CN105956018A (zh) * | 2016-04-21 | 2016-09-21 | 成都数联铭品科技有限公司 | 基于云计算平台的海量关联数据分析及可视化实现方法 |
US20160321505A1 (en) * | 2015-04-29 | 2016-11-03 | Canon Kabushiki Kaisha | Devices, systems, and methods for knowledge-based inference for material recognition |
-
2017
- 2017-08-17 CN CN201710707596.2A patent/CN107545046B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101083656A (zh) * | 2007-07-05 | 2007-12-05 | 上海交通大学 | 基于数据流技术的多源异构数据集成系统 |
CN101826100A (zh) * | 2010-03-16 | 2010-09-08 | 中国测绘科学研究院 | 面向广域网的多源应急信息自动整合系统及方法 |
CN102063509A (zh) * | 2011-01-12 | 2011-05-18 | 南京南瑞继保电气有限公司 | 电力信息系统异构数据库多维数据集成的模型及建模方法 |
CN102902782A (zh) * | 2012-09-27 | 2013-01-30 | 浙江大学 | 一种海量多源异构空间信息数据无缝集成管理方法 |
CN104182454A (zh) * | 2014-07-04 | 2014-12-03 | 重庆科技学院 | 基于领域本体构建的多源异构数据语义集成的模型及方法 |
US20160321505A1 (en) * | 2015-04-29 | 2016-11-03 | Canon Kabushiki Kaisha | Devices, systems, and methods for knowledge-based inference for material recognition |
CN105956018A (zh) * | 2016-04-21 | 2016-09-21 | 成都数联铭品科技有限公司 | 基于云计算平台的海量关联数据分析及可视化实现方法 |
Non-Patent Citations (3)
Title |
---|
XIAO-DONG CHEN 等: ""Research on Heterogeneous Data Integration in the Livestock Products Traceability System"", 《2009 INTERNATIONAL CONFERENCE ON NEW TRENDS IN INFORMATION AND SERVICE SCIENCE》 * |
刘义军: ""基于云计算平台的个人信息融合系统的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
金有杰: ""大坝安全实测信息三维可视化方法研究与应用"", 《水利信息化》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427709A (zh) * | 2018-01-25 | 2018-08-21 | 朗新科技股份有限公司 | 一种多源海量数据处理系统及方法 |
CN108628941A (zh) * | 2018-03-23 | 2018-10-09 | 华为技术有限公司 | 关联对象获取方法和装置 |
CN108647321B (zh) * | 2018-05-11 | 2021-10-01 | 长安大学 | 一种树形智能车间制造大数据集成建模与语义计算方法 |
CN108647321A (zh) * | 2018-05-11 | 2018-10-12 | 长安大学 | 一种智能车间多源异构制造大数据集成模型与语义计算方法 |
WO2020037609A1 (zh) * | 2018-08-23 | 2020-02-27 | 西门子股份公司 | 形成融合模型的方法、装置、系统、介质、处理器和终端 |
WO2020135048A1 (zh) * | 2018-12-29 | 2020-07-02 | 颖投信息科技(上海)有限公司 | 知识图谱的数据融合方法和装置 |
CN110188148A (zh) * | 2019-05-23 | 2019-08-30 | 北京建筑大学 | 面向多模异构特征的实体识别方法及装置 |
CN110516011A (zh) * | 2019-08-28 | 2019-11-29 | 北京思维造物信息科技股份有限公司 | 一种多源实体数据融合方法、装置及设备 |
CN110516011B (zh) * | 2019-08-28 | 2022-06-21 | 北京思维造物信息科技股份有限公司 | 一种多源实体数据融合方法、装置及设备 |
CN110851488A (zh) * | 2019-09-26 | 2020-02-28 | 贵阳信息技术研究院(中科院软件所贵阳分部) | 基于多源多模态数据融合分析处理方法及平台 |
CN110825749A (zh) * | 2019-11-05 | 2020-02-21 | 泰康保险集团股份有限公司 | 行为轨迹分析展示方法、装置、电子设备、存储介质 |
CN111488381A (zh) * | 2020-04-15 | 2020-08-04 | 金岭教育科技(北京)有限公司 | 一种基于场景过程的异构数据整合方法 |
CN113590085A (zh) * | 2020-04-30 | 2021-11-02 | 深圳中砼物联网科技有限公司 | 多源异构数据的处理方法、计算机设备、存储介质 |
CN113590085B (zh) * | 2020-04-30 | 2023-06-16 | 广东中砼物联网科技有限公司 | 多源异构数据的处理方法、计算机设备、存储介质 |
CN112015854A (zh) * | 2020-07-17 | 2020-12-01 | 河海大学常州校区 | 一种基于自组织映射神经网络的异构数据属性关联算法 |
CN112015854B (zh) * | 2020-07-17 | 2023-07-18 | 河海大学常州校区 | 一种基于自组织映射神经网络的异构数据属性关联方法 |
CN111897875A (zh) * | 2020-07-31 | 2020-11-06 | 平安科技(深圳)有限公司 | 城市多源异构数据的融合处理方法、装置和计算机设备 |
CN111625521A (zh) * | 2020-07-31 | 2020-09-04 | 上海森亿医疗科技有限公司 | 基于可视化数据集构建的管理方法、系统、介质及设备 |
CN113326870A (zh) * | 2021-05-11 | 2021-08-31 | 中科迅(深圳)科技有限公司 | 一种基于大数据的多平台旅游数据融合系统 |
CN114153839A (zh) * | 2021-10-29 | 2022-03-08 | 杭州未名信科科技有限公司 | 多源异构数据的集成方法、装置、设备及存储介质 |
WO2024120016A1 (zh) * | 2022-12-06 | 2024-06-13 | 中电科大数据研究院有限公司 | 数据融合系统、数据融合方法和装置、计算机存储介质 |
CN117009921A (zh) * | 2023-08-04 | 2023-11-07 | 振宁(无锡)智能科技有限公司 | 一种数据融合引擎的优化数据处理方法及系统 |
CN117009921B (zh) * | 2023-08-04 | 2024-02-23 | 振宁(无锡)智能科技有限公司 | 一种数据融合引擎的优化数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107545046B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107545046A (zh) | 一种多源异构数据的融合方法及装置 | |
AU2021204978B2 (en) | Using an object model of heterogeneous data to facilitate building data visualizations | |
US9317557B2 (en) | Answering relational database queries using graph exploration | |
CN108027818B (zh) | 基于图的查询 | |
US20180039399A1 (en) | Interactive user interface for dynamically updating data and data analysis and query processing | |
CN102254029B (zh) | 一种基于视图的数据访问系统及其方法 | |
US9547646B2 (en) | User-created members positioning for OLAP databases | |
CN110795567A (zh) | 一种知识图谱平台 | |
CN110019555A (zh) | 一种关系数据语义化建模方法 | |
CN102855332A (zh) | 一种基于图形数据库的图形配置管理数据库 | |
CN110888930A (zh) | 基于知识图谱的金融知识查询服务接口设计与实现方法 | |
US11055358B1 (en) | Smart interactions for a digital duplicate | |
US10909160B2 (en) | Digital duplicate | |
US11580127B1 (en) | User interfaces for database visualizations | |
CN109359141A (zh) | 一种可视化报表数据展示方法及装置 | |
ShefaliPatil et al. | Graph databases-an overview | |
US20220263720A1 (en) | Diagramming child nodes with multiple parent nodes | |
CN115510214A (zh) | 针对金融领域智能问答的a股指标知识图谱构建处理系统、方法、装置、处理器及存储介质 | |
US10558652B2 (en) | Merging multiproviders in a database calculation scenario | |
US20140344235A1 (en) | Determination of data modification | |
CN111400278A (zh) | 一种基于标签的拖拽构建多层次目标人群的方法和系统 | |
US11657550B2 (en) | Method for generating electronic report, electronic device, and storage medium | |
US11593410B1 (en) | User-defined groups of graphical objects | |
Pokorny et al. | Big graph storage, processing and visualization | |
US20230418846A1 (en) | User-defined graphical hierarchies |
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 | ||
CP03 | Change of name, title or address |
Address after: Room 332, 3 / F, Building 102, 28 xinjiekouwei street, Xicheng District, Beijing 100088 Patentee after: QAX Technology Group Inc. Address before: 100015 15, 17 floor 1701-26, 3 building, 10 Jiuxianqiao Road, Chaoyang District, Beijing. Patentee before: BEIJING QIANXIN TECHNOLOGY Co.,Ltd. |
|
CP03 | Change of name, title or address |