CN107807996A - 多数据源多维度数据匹配的方法、装置、设备和存储介质 - Google Patents
多数据源多维度数据匹配的方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN107807996A CN107807996A CN201711092084.6A CN201711092084A CN107807996A CN 107807996 A CN107807996 A CN 107807996A CN 201711092084 A CN201711092084 A CN 201711092084A CN 107807996 A CN107807996 A CN 107807996A
- Authority
- CN
- China
- Prior art keywords
- data
- data message
- matching
- similarity
- dimension
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
Abstract
本发明提供多数据源多维度数据匹配的方法、装置、设备和存储介质,所述方法包括:将第一数据源中每条具有多个维度的第一数据信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;从匹配结果中筛选出有两个以上维度相匹配的数据信息对;基于预设维度的权重值计算所述数据信息对中的第一数据信息和第二数据信息的相似度。本发明实施例实现多数据源多维度数据之间的匹配查询,大大减少人工匹配时的查询数据量,节省匹配查询的人力成本,提高了数据匹配的精确度。
Description
技术领域
本发明实施例涉及数据信息处理技术,尤其涉及多数据源多维度数据匹配 的方法、装置、设备和存储介质。
背景技术
在当前的应用系统,如电子政务系统中,不同部门往往有需要在跨部门进 行多维度、多层次的数据匹配以查询最优结果的要求。但是,不同部门的项目 数据产生方式与关注点不同,鲜有进行数据共享匹配。
目前,主要通过以下两种匹配方法:
1)人工匹配:人工匹配要求每个业务人员熟练掌握所有数据的规则、政策 的各维度值之间的关系,尤其是对于存在上下级次关系的数据或者数据量极大 的数据,这对业务员有极高的要求,而且容易发生匹配不准确、匹配效率低等 问题;
2)单一维度匹配:通过数据接口方式将不同部门的数据进行数据格式转化, 将数据格式转化为本部门所需要的数据结构后根据单一维度进行匹配和融合, 或者将不同部门的所有数据建立匹配关系后,人工进行项目匹配,现在绝大多 数的部门数据都是多维度的数据,仅根据单一维度进行匹配具有很大的局限性。
因此,多个部门有多个数据源,不同数据源中存在多维度的数据,如何在 多数据源多维度的数据信息中快速准确的匹配到最优结果成为目前亟待解决的 技术问题。
发明内容
本发明提供多数据源多维度数据匹配的方法、装置、设备和存储介质,在 海量数据信息中实现多数据源多维度数据的匹配和共享,突破了单一维度数据 匹配的限制,大大降低人工匹配的成本,提供数据匹配的准确度。
第一方面,本发明实施例提供了多数据源多维度数据匹配的方法,该方法 包括:
将第一数据源中每条具有多个维度的第一数据信息与第二数据源中具有多 个维度的至少一条第二数据信息逐条进行匹配;
从匹配结果中筛选出有两个以上维度相匹配的数据信息对;
基于预设维度的权重值计算所述数据信息对中的第一数据信息和第二数据 信息的相似度。
第二方面,本发明实施例还提供了多数据源多维度数据匹配的装置,该装 置包括:
匹配模块,用于将第一数据源中每条具有多个维度的第一数据信息与第二 数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;
筛选模块,用于从匹配结果中筛选出有两个以上维度相匹配的数据信息对;
相似度计算模块,用于基于预设维度的权重值计算所述数据信息对中的第 一数据信息和第二数据信息的相似度。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器 及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程 序时实现所述多数据源多维度数据匹配的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有 计算机程序,所述计算机程序被处理器执行时实现所述多数据源多维度数据匹 配的方法。
本发明通过提供多数据源多维度数据匹配的方法、装置、设备和存储介质, 将第一数据源中每条具有多个维度的第一数据信息与第二数据源中具有多个维 度的至少一条第二数据信息逐条进行匹配;从匹配结果中筛选出有两个以上维 度相匹配的数据信息对;基于预设维度的权重值计算所述数据信息对中的第一 数据信息和第二数据信息的相似度。本发明能够解决多数据源多维度数据匹配 难的问题,通过对多数据源多维度数据的匹配、筛选和相似度的计算,大大减 少人工匹配时的查询数据量,节省匹配查询的人力成本,提高了数据匹配的精 确度。
附图说明
图1是本发明实施例一提供的多数据源多维度数据匹配的方法的流程图;
图2是本发明实施例二提供的多数据源多维度数据匹配的方法的流程图;
图3是本发明实施例二提供的多数据源多维度数据匹配的装置的结构示意 图;
图4是本发明实施例三提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此 处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需 要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结 构。
实施例一
图1为本发明实施例一提供的多数据源多维度数据匹配的方法的流程图, 本实施例可适用于在多数据源多维度的大量数据中进行数据匹配的情况,该方 法可以由配置以硬件和/或软件实现的多数据源多维度数据匹配装置来执行,该 实现装置典型的是配置于能够提供多数据源多维度数据匹配的服务器中,具体 方法包括如下步骤:
步骤S110:将第一数据源中每条具有多个维度的第一数据信息与第二数据 源中具有多个维度的至少一条第二数据信息逐条进行匹配。
其中,第一数据源可以是公司、企业或者单位中的不同部门中的某个数据 库,该数据库中包含多条数据信息,每条数据信息包括多个维度的数据,假设 第一数据源为A部门的B数据库,B数据库有10000条数据信息,具体的,第 一数据源可以为国土部门的国土数据库,国土数据库有10000条数据信息;同 样的,第二数据源也可以是公司、企业或者单位中的不同部门中的某个数据库, 该数据库中包含多条数据信息,每条数据信息包括多个维度的数据,可以设定 第二数据源为C部门的D数据库,D数据库有8000条数据信息,具体的,第二 数据源可以为建委部门的建筑数据库,建筑数据库有8000条数据信息。其中第 一数据源和第二数据源是有关联的两个数据源,假设C部门需要查看参考当前 A部门的B数据库,则将A部门的B数据库中的每条数据信息的多个维度数据 信息与C部门的D数据库中的每条数据信息的多个维度的数据信息逐条进行匹 配,具体的,当建委部门需要查看参考当前国土部门的国土数据库,则将国土 部门的国土数据库中的10000条数据信息的每个维度的数据信息与建委部门的 建筑数据库中的8000条数据信息的每个维度的数据信息逐条进行匹配。优选 的,所述维度为工作人员根据实际情况选择的数据关联性较大的部分维度,也 可以是数据源中的全部维度。
步骤S120:从匹配结果中筛选出有两个以上维度相匹配的数据信息对。
其中,在多数据源多维度的大量数据信息中有一个维度相匹配的数据信息 对是比较多的,当数据信息对中只存在一个维度相匹配,则将这一类的数据信 息归类为可信度不高的数据信息对,当数据信息对中存在两个以上维度相匹配, 则可将这一类的数据信息归类为可信度较高的数据信息对。将第一数据源和第 二数据源的匹配结果中筛选出有两个以上维度相匹配的数据信息对。
步骤S130:基于预设维度的权重值计算所述数据信息对中的第一数据信息 和第二数据信息的相似度。
由于不同数据源的多个不同的维度,有些维度在不同数据源中有关联的, 此类维度为比较可信的维度。比如国土部门的国土数据库中有土地编号、坐落 位置、土地面积、土地用途、土地出让时间、土地购买商、土地使用年限和土 地拍卖成交价等8个不同的维度,建委部门的国土的建筑数据库中项目名称、 项目地址、开发商、规划许可证编号、建筑面积、所述地市、所述辖区等7个 不同维度,其中,国土部门的国土数据库中的土地用途、土地出让时间、土地 拍卖成交价等与建委部门的建筑数据库中的项目名称、规划许可证编号等为关 联性不大的维度,而国土数据库中的土地面积与建筑数据库中的建筑面积、国 库数据库中的土地购买商和建筑数据库中的开发商、国土数据库中的坐落位置 和建筑数据库中的项目地址为关联度比较高的维度,选择关联度比较高的维度 作为预设维度,根据实际需要设定具体的权重值,也可以加入能够辅助判断的 其他维度,比如辖区、建筑类型等,根据相似度计算公式计算出可信度较高的 数据信息对中的第一数据信息和第二数据信息的相似度。其中预设维度的权重 值可以根据实际情况的需要设定不同的数值。
示例性的,该多数据源多维度数据匹配方法的工作原理可以为:国土部门 的国土数据库中的土地编号、坐落位置、土地面积、土地用途、土地出让时间、 土地购买商、土地使用年限和土地拍卖成交价等8个不同的维度的数据与建委 部门的国土的建筑数据库中项目名称、项目地址、开发商、规划许可证编号、 建筑面积、所述地市、所述辖区等7个不同维度的数据进行匹配,从匹配的结 果中筛选出两个以上维度相匹配上的国土数据库和建筑数据库中的数据信息 对,将关联性较大的预设维度比如建筑数据库中的建筑面积、开发商和项目地 址等维度设定不同的权重值,也可以加入能够辅助判断的其他维度,比如辖区、建筑类型等,不同维度对应的权重值可以根据实际需要来设定具体数值,根据 相似度计算公式计算出国土数据库和建筑数据库中两个以上维度匹配上的数据 信息对的相似度。
本实施例的技术方案,通过将第一数据源中每条具有多个维度的第一数据 信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;从 匹配结果中筛选出有两个以上维度相匹配的数据信息对;基于预设维度的权重 值计算所述数据信息对中的第一数据信息和第二数据信息的相似度,从大量的 数据中筛选出匹配度较高的数据信息,大大减少人工匹配时的查询数据量,节 省匹配查询的人力成本,提高了数据匹配的精确度。
实施例二
图2是本发明实施例二提供的多数据源多维度数据匹配的方法的流程图, 如图2所示,该方法具体包括:
步骤S210:将第一数据源中每条具有多个维度的第一数据信息与第二数据 源中具有多个维度的至少一条第二数据信息逐条进行匹配。
在进行数据匹配之前,为减少数据匹配的处理量,可以对第一数据信息和 第二数据信息进行筛选,将其中不符合查询要求的数据根据维度属性过滤掉一 部分。示例性的,当建委部门需要查看参考当前国土部门的国土数据库中北京 海淀区的数据时,则在进行数据匹配之前,根据维度属性把国土数据库中的不 符合查询要求的北京海淀区以外的数据过滤掉,仅对国土数据库中筛选出的符 合北京海淀区维度属性的数据信息和建委部门的建筑数据库中的数据信息进行 匹配,大大减少了运算量,节省了成本。
步骤S220:从匹配结果中筛选出有两个以上维度相匹配的数据信息对。
如果数据量特别大,可以考虑以相匹配的维度的个数从多到少进行筛选。 当相匹配的维度的个数越多,则该条数据信息越先被筛选出来,在筛选结果的 界面上显示得越靠前。优选的,可以根据相匹配的维度的个数情况标识不同的 显色,比如当三个维度相匹配时,该条数据信息显示红色;当两个维度相匹配 时,该条数据信息显示为黄色;当只有一个维度相匹配时,该条数据信息显示 为绿色,当没有匹配的维度时,该条数据信息没有标色,以使工作人员更直观 地查看匹配和筛选的结果。
步骤S230:基于预设维度的权重值计算所述数据信息对中的第一数据信息 和第二数据信息的相似度。
其中,相似度的计算公式为:
其中,S表示相似度;n表示预设维度的个数;Di为0或1,表示第i个维 度属性的匹配是否成功;Wi表示第i个维度属性的权重值。其中,当数据匹配 时,所述数据所对应的维度属性的Di值设置为1,反之,当数据不匹配,所述 数据所对应的维度属性的Di值设置为0。其中,所述相似度计算公式中的n个 维度的权重值等于1,具体的,比如从匹配的数据中考虑D1、D2和D3三个维 度的相似度,设定D1、D2和D3维度的所对应的权重值W1、W2和W3分别为0.2,、 0.4和0.4,使得W1+W2+W3=1;若考虑D1、D2、D3和D4四个维度的相似度, 设定D1、D2、D3和D4维度所对应的权重值W1、W2、W3和W4分别为0.4、0.3、 0.2和0.1,使得W1+W2+W3+W4=1。具体的,当国土数据库中的土地面积与建筑 数据库中的建筑面积、国土数据库中的土地购买商和建筑数据库中的开发商、 国土数据库中的坐落位置和建筑数据库中的项目地址相匹配,则所对应的维度 属性建筑面积、开发商和项目地址所对应的Di值设定为1。再假设根据实际情 况考虑相匹配的维度的重要性分别设定建筑面积、开发商和项目地址所对应的 三个维度的权重值Wi为0.2、0.4和0.4。示例一:若国土数据库的土地面积 和建筑数据库中建筑面积以及国库数据库中的土地购买商和建筑数据库中的开 发商相匹配,其余维度不匹配,此时根据相似度计算公式计算出数据匹配结果 的相似度为:S=1*0.2+1*0.4=0.6;示例二:若国土数据库中的土地面积与建筑 数据库中的建筑面积、国土数据库中的土地购买商和建筑数据库中的开发商、 国土数据库中的坐落位置和建筑数据库中的项目地址相匹配,此时根据相似度 计算公式计算出数据匹配结果的相似度为:S=1*0.2+1*0.4+1*0.4=1。其中某些 维度允许存在误差范围,比如:可设定土地面积的误差范围在100m2以内均认 为相匹配,该误差范围的数值可根据实际情况调整。
步骤S240:根据所述相似度从高到低对所述数据信息对进行排序。
对筛选出来的可信度较高的两个以上维度相匹配的第一数据信息和第二数 据信息以相似度为依据从高到低进行排序,可以让人更直观地查询数据信息的 匹配情况,根据相似度的高低进行优选处理。数据的相似度越高,数据的可信 度越高,数据匹配的准确度越高。
步骤S250:结合其他关联性不大的维度,人工筛选最合适的数据信息。
根据相似度的大小筛选出相似度较高的数据,比如在国土数据库的10000 条原始数据信息中筛选出相似度为1的100条数据信息,此时大大减少了人工 匹配的数据量。由于在进行数据信息匹配上并没有考虑到一些关联系不大的维 度,比如土地使用年限等,此时可以考虑其余的没有进行数据信息匹配的维度, 根据实际的需求人工进行匹配查询出所需要的数据信息。
本实施例的技术方案,通过将第一数据源中每条具有多个维度的第一数据 信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;从 匹配结果中筛选出有两个以上维度相匹配的数据信息对;基于预设维度的权重 值计算所述数据信息对中的第一数据信息和第二数据信息的相似度;根据所述 相似度从高到低对所述数据信息对进行排序,大大减少人工匹配时的查询数据 量,可以更加直观地观察到不同数据源之间的数据匹配情况,节省匹配查询的 人力成本,提高了数据匹配的精确度。
实施例三
图3是本发明实施例三提供的多数据源多维度数据匹配的装置的结构示意 图,如图3所示,该装置具体包括:匹配模块310、筛选模块320和相似度计 算模块330。
其中,匹配模块310,用于将第一数据源中每条具有多个维度的第一数据 信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;筛 选模块320,用于从匹配结果中筛选出有两个以上维度相匹配的数据信息对; 相似度计算模块330,用于基于预设维度的权重值计算所述数据信息对中的第 一数据信息和第二数据信息的相似度。
本实施例的技术方案,通过将第一数据源中每条具有多个维度的第一数据 信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;从 匹配结果中筛选出有两个以上维度相匹配的数据信息对;基于预设维度的权重 值计算所述数据信息对中的第一数据信息和第二数据信息的相似度,从大量的 数据中筛选出匹配度较高的数据信息,大大减少人工匹配时的查询数据量,节 省匹配查询的人力成本,提高了数据匹配的精确度。
在上述实施例中,多数据源多维度数据匹配的装置中的相似度计算模块330 还可以包括:排序单元,用于根据所述相似度从高到低对所述数据信息对进行 排序。
进一步的,多数据源多维度数据匹配的装置在进行相似度的计算时,依据 的计算公式具体为:
其中,S表示相似度;n表示预设维度的个数;Di为0或1,表示第i个维 度属性的匹配是否成功;Wi表示第i个维度属性的权重值;其中,所述相似度 的计算公式中的n个维度的权重值之和等于1。
本发明实施例提供的多数据源多维度数据匹配的装置可执行本发明任意实 施例所提供的多数据源多维度数据匹配的方法,具备执行方法相应的功能模块 和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了 适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备12仅 仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,设备12以通用计算设备的形式表现。设备12的组件可以包 括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同 系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控 制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线 结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构 (ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准 协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被 设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的 介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随 机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其 它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例, 存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称 为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘 (例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM, DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可 以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一 个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块 被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如 存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者 多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合 中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的 功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器 24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信, 和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例 如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22 进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局 域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示, 网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图4中 未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代 码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器 以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能 应用以及数据处理,例如实现本发明实施例所提供的多数据源多维度数据匹配 的方法:
也即,所述处理单元执行所述程序时实现:将第一数据源中每条具有多个 维度的第一数据信息与第二数据源中具有多个维度的至少一条第二数据信息逐 条进行匹配;从匹配结果中筛选出有两个以上维度相匹配的数据信息对;基于 预设维度的权重值计算所述数据信息对中的第一数据信息和第二数据信息的相 似度。
实施例五
本发明实施例五提供了一种计算机可读存储介质,其上存储有计算机程序, 该程序被处理器执行时实现如本申请所有发明实施例提供的多数据源多维度数 据匹配的方法:
也即,该程序被处理器执行时实现:将第一数据源中每条具有多个维度的 第一数据信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行 匹配;从匹配结果中筛选出有两个以上维度相匹配的数据信息对;基于预设维 度的权重值计算所述数据信息对中的第一数据信息和第二数据信息的相似度。
本发明实施例五提供了一种计算机可读存储介质可以采用一个或多个计算 机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计 算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、 光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计 算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导 线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器 (ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读 存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在 本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程 序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据 信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种 形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计 算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介 质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或 者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括—— 但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计 算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、 Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的 程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算 机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算 机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形 中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN) —连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提 供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员 会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进 行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽 然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以 上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例, 而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.多数据源多维度数据匹配的方法,其特征在于,包括:
将第一数据源中每条具有多个维度的第一数据信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;
从匹配结果中筛选出有两个以上维度相匹配的数据信息对;
基于预设维度的权重值计算所述数据信息对中的第一数据信息和第二数据信息的相似度。
2.根据权利要求1所述的方法,其特征在于,所述基于预设维度的权重值计算所述数据信息对中的第一数据信息和第二数据信息的相似度之后,还包括:
根据所述相似度从高到低对所述数据信息对进行排序。
3.根据权利要求1所述的方法,其特征在于,所述相似度的计算公式为:
<mrow>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>1</mn>
<mi>n</mi>
</munderover>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
</mrow>
其中,S表示相似度;n表示预设维度的个数;Di为0或1,表示第i个维度属性的匹配是否成功;Wi表示第i个维度属性的权重值。
4.根据权利要求3所述的方法,其特征在于,所述相似度的计算公式中的n个维度的权重值之和等于1。
5.多数据源多维度数据匹配的装置,其特征在于,包括:
匹配模块,用于将第一数据源中每条具有多个维度的第一数据信息与第二数据源中具有多个维度的至少一条第二数据信息逐条进行匹配;
筛选模块,用于从匹配结果中筛选出有两个以上维度相匹配的数据信息对;
相似度计算模块,用于基于预设维度的权重值计算所述数据信息对中的第一数据信息和第二数据信息的相似度。
6.根据权利要求5所述的装置,其特征在于,相似度计算模块还包括:
排序单元,用于根据所述相似度从高到低对所述数据信息对进行排序。
7.根据权利要求5所述的装置,其特征在于,所述相似度的计算公式为:
<mrow>
<mi>S</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mn>1</mn>
<mi>n</mi>
</munderover>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mo>*</mo>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
</mrow>
其中,S表示相似度;n表示预设维度的个数;Di为0或1,表示第i个维度属性的匹配是否成功;Wi表示第i个维度属性的权重值。
8.根据权利要求7所述的装置,其特征在于,所述相似度的计算公式中的n个维度的权重值之和等于1。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711092084.6A CN107807996A (zh) | 2017-11-08 | 2017-11-08 | 多数据源多维度数据匹配的方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711092084.6A CN107807996A (zh) | 2017-11-08 | 2017-11-08 | 多数据源多维度数据匹配的方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107807996A true CN107807996A (zh) | 2018-03-16 |
Family
ID=61591915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711092084.6A Pending CN107807996A (zh) | 2017-11-08 | 2017-11-08 | 多数据源多维度数据匹配的方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107807996A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784111A (zh) * | 2017-11-06 | 2018-03-09 | 北京锐安科技有限公司 | 数据挖掘方法、装置、设备及存储介质 |
CN109684533A (zh) * | 2018-12-29 | 2019-04-26 | 中国银联股份有限公司 | 一种信息管理方法及装置 |
CN109919715A (zh) * | 2019-02-12 | 2019-06-21 | 秒针信息技术有限公司 | 物品的共享方法及装置、存储介质和电子装置 |
CN110910108A (zh) * | 2019-11-01 | 2020-03-24 | 华青融天(北京)软件股份有限公司 | 一种数据关联方法、装置、电子设备及存储介质 |
CN115098548A (zh) * | 2022-07-21 | 2022-09-23 | 南宁沃众科技有限公司 | 一种数据决策方法、系统及云平台 |
US11636085B2 (en) | 2021-09-01 | 2023-04-25 | International Business Machines Corporation | Detection and utilization of similarities among tables in different data systems |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727535A (zh) * | 2008-10-30 | 2010-06-09 | 北大方正集团有限公司 | 一种跨系统患者交叉索引方法及其系统 |
CN102314478A (zh) * | 2011-07-05 | 2012-01-11 | 万达信息股份有限公司 | 一种患者身份识别与匹配的方法 |
CN103177068A (zh) * | 2011-12-21 | 2013-06-26 | Sap股份公司 | 按照生存规则合并源记录的系统和方法 |
CN103257961A (zh) * | 2012-02-15 | 2013-08-21 | 北大方正集团有限公司 | 书目消重的方法、装置及系统 |
CN103473373A (zh) * | 2013-09-29 | 2013-12-25 | 方正国际软件有限公司 | 基于阈值匹配模型的相似度分析系统和方法 |
US20150363443A1 (en) * | 2014-06-16 | 2015-12-17 | International Business Machines Corporation | Predictive placement of columns during creation of a large database |
CN106649363A (zh) * | 2015-10-30 | 2017-05-10 | 北京国双科技有限公司 | 数据查询方法及装置 |
CN107103048A (zh) * | 2017-03-31 | 2017-08-29 | 苏州艾隆信息技术有限公司 | 药品信息匹配方法及系统 |
-
2017
- 2017-11-08 CN CN201711092084.6A patent/CN107807996A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101727535A (zh) * | 2008-10-30 | 2010-06-09 | 北大方正集团有限公司 | 一种跨系统患者交叉索引方法及其系统 |
CN102314478A (zh) * | 2011-07-05 | 2012-01-11 | 万达信息股份有限公司 | 一种患者身份识别与匹配的方法 |
CN103177068A (zh) * | 2011-12-21 | 2013-06-26 | Sap股份公司 | 按照生存规则合并源记录的系统和方法 |
CN103257961A (zh) * | 2012-02-15 | 2013-08-21 | 北大方正集团有限公司 | 书目消重的方法、装置及系统 |
CN103473373A (zh) * | 2013-09-29 | 2013-12-25 | 方正国际软件有限公司 | 基于阈值匹配模型的相似度分析系统和方法 |
US20150363443A1 (en) * | 2014-06-16 | 2015-12-17 | International Business Machines Corporation | Predictive placement of columns during creation of a large database |
CN106649363A (zh) * | 2015-10-30 | 2017-05-10 | 北京国双科技有限公司 | 数据查询方法及装置 |
CN107103048A (zh) * | 2017-03-31 | 2017-08-29 | 苏州艾隆信息技术有限公司 | 药品信息匹配方法及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784111A (zh) * | 2017-11-06 | 2018-03-09 | 北京锐安科技有限公司 | 数据挖掘方法、装置、设备及存储介质 |
CN107784111B (zh) * | 2017-11-06 | 2020-08-25 | 北京锐安科技有限公司 | 数据挖掘方法、装置、设备及存储介质 |
CN109684533A (zh) * | 2018-12-29 | 2019-04-26 | 中国银联股份有限公司 | 一种信息管理方法及装置 |
CN109919715A (zh) * | 2019-02-12 | 2019-06-21 | 秒针信息技术有限公司 | 物品的共享方法及装置、存储介质和电子装置 |
CN110910108A (zh) * | 2019-11-01 | 2020-03-24 | 华青融天(北京)软件股份有限公司 | 一种数据关联方法、装置、电子设备及存储介质 |
CN110910108B (zh) * | 2019-11-01 | 2022-11-15 | 华青融天(北京)软件股份有限公司 | 一种数据关联方法、装置、电子设备及存储介质 |
US11636085B2 (en) | 2021-09-01 | 2023-04-25 | International Business Machines Corporation | Detection and utilization of similarities among tables in different data systems |
CN115098548A (zh) * | 2022-07-21 | 2022-09-23 | 南宁沃众科技有限公司 | 一种数据决策方法、系统及云平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107807996A (zh) | 多数据源多维度数据匹配的方法、装置、设备和存储介质 | |
US20230359778A1 (en) | Configuration of a digital twin for a building or other facility via bim data extraction and asset register mapping | |
US10120930B2 (en) | Identifying entity mappings across data assets | |
US11403358B2 (en) | Interactive geographical map | |
US7584160B2 (en) | System and method for optimizing project subdivision using data and requirements focuses subject to multidimensional constraints | |
US10698924B2 (en) | Generating partitioned hierarchical groups based on data sets for business intelligence data models | |
US9323815B2 (en) | Star and snowflake schemas in extract, transform, load processes | |
US11681927B2 (en) | Analyzing geotemporal proximity of entities through a knowledge graph | |
JP2016516246A (ja) | 個別のデータ値に対する効率よい演算を行うための方法、装置、並びにコンピュータ可読媒体 | |
CN108509339A (zh) | 基于浏览器和思维导图的测试用例生成方法、装置及设备 | |
US11907184B1 (en) | Collaborative data mapping system | |
CN110502519B (zh) | 一种数据聚合的方法、装置、设备及存储介质 | |
US10891314B2 (en) | Detection and creation of appropriate row concept during automated model generation | |
US10552444B2 (en) | Visualizing changes in a multi-dimensional dataset using three-dimensional cubes | |
CN110659433B (zh) | Poi价值评估的方法、装置、设备和计算机存储介质 | |
US10902158B2 (en) | Daylight livability index from images | |
US20150052157A1 (en) | Data transfer content selection | |
WO2022193872A1 (zh) | 空间关系的确定方法、装置、计算机设备及存储介质 | |
US20160070754A1 (en) | System and method for microblogs data management | |
CN110413904A (zh) | 一种兴趣点地址数据处理方法、装置、服务器和介质 | |
CN107704589A (zh) | 基于运单的兴趣点失效挖掘方法、装置、服务器及介质 | |
CN109086328B (zh) | 一种上下位关系的确定方法、装置、服务器及存储介质 | |
CN112559490B (zh) | 一种数据分层汇总设计方法及数据自动分层汇总方法 | |
CN117992454A (zh) | 数据中台中任务的命名方法、装置、电子设备及存储介质 | |
Jaggi | Business Analytics in Airport Operations for Improved Customer Experience |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180316 |
|
RJ01 | Rejection of invention patent application after publication |