CN108415981B - 数据维度生成方法、装置、设备以及计算机可读存储介质 - Google Patents

数据维度生成方法、装置、设备以及计算机可读存储介质 Download PDF

Info

Publication number
CN108415981B
CN108415981B CN201810135918.5A CN201810135918A CN108415981B CN 108415981 B CN108415981 B CN 108415981B CN 201810135918 A CN201810135918 A CN 201810135918A CN 108415981 B CN108415981 B CN 108415981B
Authority
CN
China
Prior art keywords
data
table information
dimension
analysis
analyzing
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
Application number
CN201810135918.5A
Other languages
English (en)
Other versions
CN108415981A (zh
Inventor
陈健鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201810135918.5A priority Critical patent/CN108415981B/zh
Priority to PCT/CN2018/085258 priority patent/WO2019153543A1/zh
Publication of CN108415981A publication Critical patent/CN108415981A/zh
Application granted granted Critical
Publication of CN108415981B publication Critical patent/CN108415981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/217—Database tuning
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种数据维度生成方法、装置、设备以及计算机可读存储介质，其中，所述方法包括：获取保存有维度数据的数据表；解析所述数据表以得到表信息；根据预设分析算法对所述表信息进行分析；根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。本发明实施例通过改进数据维度的生成方法，很大程度上减少维度统计、分析的耗时，并简化处理步骤。

Description

数据维度生成方法、装置、设备以及计算机可读存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种数据维度生成方法、装置、设备以及计算机可读存储介质。
背景技术
现有技术中，对于数据维度的分析没有一个完整的工具去完成，其中，所谓数据维度指的是具有特定属性的数据，如：时间属性、地域属性、空间属性等，针对数据维度的分析，需要以数据作为实体，在现有分析方法中，需要拼写复杂的代码才能完成数据各个维度的分析，导致数据维度的统计、分析运行时间长，并且需要消耗大量的人力资源。
发明内容
有鉴于此，本发明实施例提供一种数据维度生成方法、装置、设备以及计算机可读存储介质，能够在很大程度上减少维度统计、分析的耗时，并简化处理步骤。
一方面，本发明实施例提供了一种数据维度生成方法，该方法包括：
获取保存有维度数据的数据表；
解析所述数据表以得到表信息；
根据预设分析算法对所述表信息进行分析；
根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。
另一方面，本发明实施例提供了一种数据维度生成装置，所述装置包括：
获取单元，用于获取保存有维度数据的数据表；
解析单元，用于解析所述数据表以得到表信息；
分析单元，用于根据预设分析算法对所述表信息进行分析；
优化单元，用于根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。
又一方面，本发明实施例还提供了一种数据维度生成设备，其包括：
存储器，用于存储实现数据维度生成方法的程序；以及
处理器，用于运行所述存储器中存储的实现数据维度生成方法的程序，以执行如上所述的方法。
再一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行，以实现如上所述的方法。
本发明实施例获取保存有维度数据的数据表；解析所述数据表以得到表信息；根据预设分析算法对所述表信息进行分析；根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。本发明实施例通过改进数据维度的生成方法，很大程度上减少维度统计、分析的耗时，并简化处理步骤。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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是本发明实施例提供的一种数据维度生成方法的示意流程图；
图2是本发明实施例提供的一种数据维度生成方法的示意流程图；
图3是本发明实施例提供的一种数据维度生成方法的示意流程图；
图4是本发明另一实施例提供的一种数据维度生成方法的示意流程图；
图5是本发明实施例提供的一种数据维度生成装置的示意性框图；
图6是本发明实施例提供的一种数据维度生成装置的另一示意性框图；
图7是本发明实施例提供的一种数据维度生成装置的另一示意性框图；
图8是本发明实施例提供的一种数据维度生成装置的另一示意性框图；
图9是本发明实施例提供的一种数据维度生成装置的另一示意性框图；
图10是本发明实施例提供的一种数据维度生成设备的结构组成示意图。
具体实施方式
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
请参阅图1，图1为本发明实施例提供的一种数据维度生成方法的示意流程图。该方法可以运行在智能手机(如Android手机、IOS手机等)、平板电脑、笔记本电脑以及智能设备等终端中。本发明实施例所述的数据维度生成方法，能够在很大程度上减少维度统计、分析的耗时，并简化处理步骤。图1是本发明实施例提供的数据维度生成方法的示意流程图。该方法包括步骤S101～S104。
S101，获取保存有维度数据的数据表。
在本发明实施例中，所谓数据表中的多维度指的是从不同的维度对数据进行观察以得到不同的结果，以便人们更加全面、清楚地认识事物的本质，常见的针对数据表的多维度分析操作主要有：钻取(上钻和下钻)、切片、切块、旋转，其中，钻取指的是改变维度的层次，变换分析的粒度；而钻取还包括上钻和下钻，上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据的过程，减少了分析的维数；而下钻则是相反，它是将高层次的汇总数据进行细化，深入到低层次细节数据的过程，增加了分析的维数；切片指的是在多维分析中，如果在某一维度上限定了一个值，则称为对原有分析的一个切片；切块指的是如果对多个维度进行限定，每个维度限定为一组取值范围，则称为对原有分析的一个切块；旋转指的是，在多维分析中，维度都是按某一顺序进行显示，如果变换维度的顺序和方向，或交换两个维度的位置。
S102，解析所述数据表以得到表信息。
在本发明实施例中，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息，具体包括以下步骤：解析所述数据表以得到数据维度字段和数据深度。具体的，通过运行自动收集数据表脚本，扫描job应用对应的svn路径下的数据表以获取所述数据表，其中，该数据表可以是一个或者多个，数据表的数量在此不作限制，假设维度数据保存在数据表中，通过预设解析工具对这张表的数据进行解析，例如，预设的解析工具如CapAnalysis(可视化数据表解析工具)，具体的，首先解析工具会自动扫描该数据表，并获取该数据表的关键字(例如主键)，利用所获取的关键字对该数据表进行解析，可以获取保存有维度数据的数据表的表信息，例如维度字段、数据深度等。
S103，根据预设分析算法对所述表信息进行分析。
在本发明实施例中，对所解析得到的表信息进行分析，这里使用的预设分析算法包括最短路径算法和最小生成树算法，其中最短路径算法指的是从某顶点出发，沿图的边到达另一顶点所经过的路径中，各边上权值之和最小的一条路径叫做最短路径；最小生成树算指的是在连通网的所有生成树中，所有边的代价和最小的生成树，例如，利用最小生成树算法如要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。
需要说明的是，通过预设分析算法对表信息进行分析能够方便快捷的生成数据维度的各项指标，所谓指标指的是可以按总数或比值衡量的具体维度元素，其另一常用叫法为度量。例如：人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围，也就是我们常说的统计口径与范围。指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、GDP、收入、用户数，而相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。我们分析一个事物发展程度就可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。
对于数据而言，数据本身是存在欺骗性的，比如A公司本月的销售额是600W，另外两家最大竞品B公司和C公司分别是300W和250W，B公司和C公司的竟品总额加起来表面上没有A公司的销售额大，但是事实上，A公司上个月的销售额为800W，竞品分别是200W和180W，从数据看上去很漂亮，但是按对比和比率来讲A公司远远下降了。因此，对于数据分析来说，最好一定是以比率的形式存在，要有对比性质的相对数据，单纯一个或几个数据情况是没有意义的，点连成线，线构成面去展示。最后，通过所生成的数据维度的各项指标的展示分析维度数据完整等一系列分析执行，并产生分析结果。
进一步地，如图2所示，所述预设分析算法包括最短路径算法和最小生成树算法，所述步骤S103包括步骤S201～S202。
S201，根据最短路径算法对所述表信息进行分析以得到所述表信息的单源、无负权最短路径。
在本发明实施例中，所谓最短路径算法指的是从某顶点出发，沿图的边到达另一顶点所经过的路径中，各边上权值之和最小的一条路径，利用最短路径算法对所述表信息进行分析，将表信息抽象成路径图，可以选择路径图中任意一点为顶点，通过分析该顶点到路径图中终点的最短路径，可以得到表信息的单源、无负权最短路径。
S202，根据最小生成树算法对所述表信息进行分析以得到所述表信息的多源、负权最短路径。
最小生成树算指的是在连通网的所有生成树中，所有边的代价和最小的生成树，利用最小生成树算法对所述表信息进行分析，将表信息抽象成生成树，可以选择生成树中任意一边作为起始边，通过分析该起始边到目标边的最短路径，可以得到表信息的多源、负权最短路径。例如，在实际使用中，利用最小生成树算法如要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。
S104，根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。
在本发明实施例中，所述预设优化函数指的是使用动态规则对分析结果进行优化的方法，该动态规则具有一个标准的数学表达式和明确清晰的解题方法，动态规划往往是针对一种最优化问题，由于各种问题的性质不同，确定最优解的条件也互不相同，因而动态规划的方法对不同的问题，有各具特色的解题方法，而不存在一种万能的动态规划算法，可以解决各类最优化问题。必须具体问题具体分析处理，以丰富的想象力去建立模型，用创造性的技巧去求解。在实际使用时，具体的优化过程可以是：(1)确定问题的决策对象；(2)对决策过程划分阶段；(3)对各阶段确定状态变量；(4)根据状态变量确定费用函数和目标函数；(5)建立各阶段状态变量的转移过程，确定状态转移方程。
进一步地，如图3所示，所述步骤S104包括步骤S301～S304。
S301，对所述分析结果划分优化阶段。
在本发明实施例中，将对所述表信息的分析结果作为用于优化的决策对象，针对该决策对象划分优化阶段，例如，将优化过程按预设的次序划分成若干相互联系的阶段，以便能按一定次序去优化，如可以按空间次序划分为A—B—C—D—E 4个阶段等等。
S302，确定所述各优化阶段的状态变量。
在本发明实施例中，在多阶段决策过程中，每阶段都需要作出决策，而决策是根据系统所处情况决定的。状态是描述系统情况所必需的信息。例如，在所划分的4个阶段中，每阶段的出发点位置就是状态，一般地，状态可以用一个变量来描述，称为状态变量，实际应用时，记第k阶段的状态变量为Xk，其中k＝1，2，…，n。
S303，根据所述状态变量确定费用函数和目标函数。
在本发明实施例中，费用函数和目标函数用来衡量优化过程优劣的指标。状态变量Xk在阶段k的状态下执行决策，不仅带来系统状态的转移，而且也必然对费用函数和目标函数给予影响，阶段效应就是执行阶段决策时给费用函数和目标函数的影响。其中，费用函数可以为各阶段目标函数的和，即：R＝r1(x1，u1)+r2(x2，u2)+...+rn(xn，un)；目标函数可以为各阶段目标函数的积，即：R＝r1(x1，u1)*r2(x2，u2)*...*rn(xn，un)。
S304，根据所述费用函数和目标函数建立各阶段状态变量的转移过程，并确定状态转移方程以对分析结果进行优化。
在本发明实施例中，在多阶段决策过程中，如果给定了k阶段的状态变量Xk和决策变量Uk，则第k+1阶段的状态变量Xk+1也会随之而确定，也就是说Xk+1是Xk和Uk的函数，这种关系可记为Xk+1＝T(Xk,Uk)称之为状态转移方程。
由以上可见，本发明实施例通过获取保存有维度数据的数据表；解析所述数据表以得到表信息；根据预设分析算法对所述表信息进行分析；根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。本发明实施例通过改进数据维度的生成方法，很大程度上减少维度统计、分析的耗时，并简化处理步骤。
请参阅图4，图4是本发明实施例提供的一种数据维度生成方法的示意流程图。该方法可以运行在智能手机(如Android手机、IOS手机等)、平板电脑、笔记本电脑以及智能设备等终端中。如图4所示，该方法包括步骤S401～S405。
S401，获取保存有维度数据的数据表。
在本发明实施例中，所谓数据表的中的多维度指的是从不同的维度对数据进行观察以得到不同的结果，以便人们更加全面、清楚地认识事物的本质，常见的针对数据表的多维度分析操作主要有：钻取(上钻和下钻)、切片、切块、旋转，其中，钻取指的是改变维度的层次，变换分析的粒度；而钻取还包括上钻和下钻，上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据的过程，减少了分析的维数；而下钻则是相反，它是将高层次的汇总数据进行细化，深入到低层次细节数据的过程，增加了分析的维数；切片指的是在多维分析中，如果在某一维度上限定了一个值，则称为对原有分析的一个切片；切块指的是如果对多个维度进行限定，每个维度限定为一组取值范围，则称为对原有分析的一个切块；旋转指的是，在多维分析中，维度都是按某一顺序进行显示，如果变换维度的顺序和方向，或交换两个维度的位置。
S402，解析所述数据表以得到表信息。
在本发明实施例中，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息，具体包括以下步骤：解析所述数据表以得到数据维度字段和数据深度。具体的，通过运行自动收集数据表脚本，扫描job应用对应的svn路径下的数据表以获取所述数据表，其中，该数据表可以是一个或者多个，数据表的数量在此不作限制，假设维度数据保存在数据表中，通过预设解析工具对这张表的数据进行解析，例如，预设的解析工具如CapAnalysis(可视化数据表解析工具)，具体的，首先解析工具会自动扫描该数据表，并获取该数据表的关键字(例如主键)，利用所获取的关键字对该数据表进行解析，可以获取保存有维度数据的数据表的表信息，例如维度字段、数据深度等。
S403，根据预设分析算法对所述表信息进行分析。
在本发明实施例中，对所解析得到的表信息进行分析，这里使用的预设分析算法包括最短路径算法和最小生成树算法，其中最短路径算法指的是从某顶点出发，沿图的边到达另一顶点所经过的路径中，各边上权值之和最小的一条路径叫做最短路径；最小生成树算指的是在连通网的所有生成树中，所有边的代价和最小的生成树，例如，利用最小生成树算法如要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。
需要说明的是，通过预设分析算法对表信息进行分析能够方便快捷的生成数据维度的各项指标，所谓指标指的是可以按总数或比值衡量的具体维度元素，其另一常用叫法为度量。例如：人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围，也就是我们常说的统计口径与范围。指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、GDP、收入、用户数，而相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。我们分析一个事物发展程度就可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。
对于数据而言，数据本身是存在欺骗性的，比如A公司本月的销售额是600W，另外两家最大竞品B公司和C公司分别是300W和250W，B公司和C公司的竟品总额加起来表面上没有A公司的销售额大，但是事实上，A公司上个月的销售额为800W，竞品分别是200W和180W，从数据看上去很漂亮，但是按对比和比率来讲A公司远远下降了。因此，对于数据分析来说，最好一定是以比率的形式存在，要有对比性质的相对数据，单纯一个或几个数据情况是没有意义的，点连成线，线构成面去展示。最后，通过所生成的数据维度的各项指标的展示分析维度数据完整等一系列分析执行，并产生分析结果。
S404，根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。
在本发明实施例中，所述预设优化函数指的是使用动态规则对分析结果进行优化的方法，该动态规则具有一个标准的数学表达式和明确清晰的解题方法，动态规划往往是针对一种最优化问题，由于各种问题的性质不同，确定最优解的条件也互不相同，因而动态规划的方法对不同的问题，有各具特色的解题方法，而不存在一种万能的动态规划算法，可以解决各类最优化问题。必须具体问题具体分析处理，以丰富的想象力去建立模型，用创造性的技巧去求解。在实际使用时，具体的优化过程可以是：(1)确定问题的决策对象；(2)对决策过程划分阶段；(3)对各阶段确定状态变量；(4)根据状态变量确定费用函数和目标函数；(5)建立各阶段状态变量的转移过程，确定状态转移方程。
S405，将所述数据表的数据维度按照相关性大小进行排序。
在本发明实施例中，在维度相关性分析的基础上，我们将维度按照相关性大小进行排序，使得相邻之间的维度有较强的相关性。我们首先需要选择一个维度放在序列的第一个位置，然后找与其最相关的维度放在其后，以此类推，直到所有的维度排列完成。
请参阅图5，对应上述一种数据维度生成方法，本发明实施例还提出一种数据维度生成装置，该装置100包括：获取单元101、解析单元102、分析单元103、优化单元104。
其中，所述获取单元101，用于获取保存有维度数据的数据表。在本发明实施例中，所谓数据表的中的多维度指的是从不同的维度对数据进行观察以得到不同的结果，以便人们更加全面、清楚地认识事物的本质，常见的针对数据表的多维度分析操作主要有：钻取(上钻和下钻)、切片、切块、旋转，其中，钻取指的是改变维度的层次，变换分析的粒度；而钻取还包括上钻和下钻，上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据的过程，减少了分析的维数；而下钻则是相反，它是将高层次的汇总数据进行细化，深入到低层次细节数据的过程，增加了分析的维数；切片指的是在多维分析中，如果在某一维度上限定了一个值，则称为对原有分析的一个切片；切块指的是如果对多个维度进行限定，每个维度限定为一组取值范围，则称为对原有分析的一个切块；旋转指的是，在多维分析中，维度都是按某一顺序进行显示，如果变换维度的顺序和方向，或交换两个维度的位置。
解析单元102，用于解析所述数据表以得到表信息。在本发明实施例中，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息，具体包括以下步骤：解析所述数据表以得到数据维度字段和数据深度。具体的，通过运行自动收集数据表脚本，扫描job应用对应的svn路径下的数据表以获取所述数据表，其中，该数据表可以是一个或者多个，数据表的数量在此不作限制，假设维度数据保存在数据表中，通过预设解析工具对这张表的数据进行解析，例如，预设的解析工具如CapAnalysis(可视化数据表解析工具)，具体的，首先解析工具会自动扫描该数据表，并获取该数据表的关键字(例如主键)，利用所获取的关键字对该数据表进行解析，可以获取保存有维度数据的数据表的表信息，例如维度字段、数据深度等。
分析单元103，用于根据预设分析算法对所述表信息进行分析。在本发明实施例中，对所解析得到的表信息进行分析，这里使用的预设分析算法包括最短路径算法和最小生成树算法，其中最短路径算法指的是从某顶点出发，沿图的边到达另一顶点所经过的路径中，各边上权值之和最小的一条路径叫做最短路径；最小生成树算指的是在连通网的所有生成树中，所有边的代价和最小的生成树，例如，利用最小生成树算法如要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。
需要说明的是，通过预设分析算法对表信息进行分析能够方便快捷的生成数据维度的各项指标，所谓指标指的是可以按总数或比值衡量的具体维度元素，其另一常用叫法为度量。例如：人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围，也就是我们常说的统计口径与范围。指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、GDP、收入、用户数，而相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。我们分析一个事物发展程度就可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。
对于数据而言，数据本身是存在欺骗性的，比如A公司本月的销售额是600W，另外两家最大竞品B公司和C公司分别是300W和250W，B公司和C公司的竟品总额加起来表面上没有A公司的销售额大，但是事实上，A公司上个月的销售额为800W，竞品分别是200W和180W，从数据看上去很漂亮，但是按对比和比率来讲A公司远远下降了。因此，对于数据分析来说，最好一定是以比率的形式存在，要有对比性质的相对数据，单纯一个或几个数据情况是没有意义的，点连成线，线构成面去展示。最后，通过所生成的数据维度的各项指标的展示分析维度数据完整等一系列分析执行，并产生分析结果。
优化单元104，用于根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。在本发明实施例中，所述预设优化函数指的是使用动态规则对分析结果进行优化的方法，该动态规则具有一个标准的数学表达式和明确清晰的解题方法，动态规划往往是针对一种最优化问题，由于各种问题的性质不同，确定最优解的条件也互不相同，因而动态规划的方法对不同的问题，有各具特色的解题方法，而不存在一种万能的动态规划算法，可以解决各类最优化问题。必须具体问题具体分析处理，以丰富的想象力去建立模型，用创造性的技巧去求解。在实际使用时，具体的优化过程可以是：(1)确定问题的决策对象；(2)对决策过程划分阶段；(3)对各阶段确定状态变量；(4)根据状态变量确定费用函数和目标函数；(5)建立各阶段状态变量的转移过程，确定状态转移方程。
由以上可见，本发明实施例获取保存有维度数据的数据表；解析所述数据表以得到表信息；根据预设分析算法对所述表信息进行分析；根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。本发明实施例通过改进数据维度的生成方法，很大程度上减少维度统计、分析的耗时，并简化处理步骤。
如图6所示，所述表信息包括数据维度字段和数据深度，所述解析单元102，包括：
解析子单元1021，用于解析所述数据表以得到数据维度字段和数据深度。
如图7所示，所述预设分析算法包括最短路径算法和最小生成树算法，所述分析单元103，包括：
第一分析子单元1031，用于根据最短路径算法对所述表信息进行分析以得到所述表信息的单源、无负权最短路径。在本发明实施例中，所谓最短路径算法指的是从某顶点出发，沿图的边到达另一顶点所经过的路径中，各边上权值之和最小的一条路径，利用最短路径算法对所述表信息进行分析，将表信息抽象成路径图，可以选择路径图中任意一点为顶点，通过分析该顶点到路径图中终点的最短路径，可以得到表信息的单源、无负权最短路径。
第二分析子单元1032，用于根据最小生成树算法对所述表信息进行分析以得到所述表信息的多源、负权最短路径。最小生成树算指的是在连通网的所有生成树中，所有边的代价和最小的生成树，利用最小生成树算法对所述表信息进行分析，将表信息抽象成生成树，可以选择生成树中任意一边作为起始边，通过分析该起始边到目标边的最短路径，可以得到表信息的多源、负权最短路径。例如，在实际使用中，利用最小生成树算法如要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。
如图8所示，所述优化单元104，包括：
划分单元1041，用于对所述分析结果划分优化阶段。在本发明实施例中，将对所述表信息的分析结果作为用于优化的决策对象，针对该决策对象划分优化阶段，例如，将优化过程按预设的次序划分成若干相互联系的阶段，以便能按一定次序去优化，如可以按空间次序划分为A—B—C—D—E 4个阶段等等。
第一确定单元1042，用于确定所述各优化阶段的状态变量。在本发明实施例中，在多阶段决策过程中，每阶段都需要作出决策，而决策是根据系统所处情况决定的。状态是描述系统情况所必需的信息。例如，在所划分的4个阶段中，每阶段的出发点位置就是状态，一般地，状态可以用一个变量来描述，称为状态变量，实际应用时，记第k阶段的状态变量为Xk，其中k＝1，2，…，n。
第二确定单元1043，用于根据所述状态变量确定费用函数和目标函数。在本发明实施例中，费用函数和目标函数用来衡量优化过程优劣的指标。状态变量Xk在阶段k的状态下执行决策，不仅带来系统状态的转移，而且也必然对费用函数和目标函数给予影响，阶段效应就是执行阶段决策时给费用函数和目标函数的影响。其中，费用函数可以为各阶段目标函数的和，即：R＝r1(x1，u1)+r2(x2，u2)+...+rn(xn，un)；目标函数可以为各阶段目标函数的积，即：R＝r1(x1，u1)*r2(x2，u2)*...*rn(xn，un)。
建立单元1044，用于根据所述费用函数和目标函数建立各阶段状态变量的转移过程，并确定状态转移方程以对分析结果进行优化。在本发明实施例中，在多阶段决策过程中，如果给定了k阶段的状态变量Xk和决策变量Uk，则第k+1阶段的状态变量Xk+1也会随之而确定，也就是说Xk+1是Xk和Uk的函数，这种关系可记为Xk+1＝T(Xk,Uk)称之为状态转移方程。
由以上可见，本发明实施例通过获取保存有维度数据的数据表；解析所述数据表以得到表信息；根据预设分析算法对所述表信息进行分析；根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。本发明实施例通过改进数据维度的生成方法，很大程度上减少维度统计、分析的耗时，并简化处理步骤。
请参阅图9，对应上述一种数据维度生成方法，本发明实施例还提出一种数据维度生成装置，该装置200包括：获取单元201、解析单元202、分析单元203、优化单元204、排序单元205。
其中，所述获取单元201，用于获取保存有维度数据的数据表。在本发明实施例中，所谓数据表的中的多维度指的是从不同的维度对数据进行观察以得到不同的结果，以便人们更加全面、清楚地认识事物的本质，常见的针对数据表的多维度分析操作主要有：钻取(上钻和下钻)、切片、切块、旋转，其中，钻取指的是改变维度的层次，变换分析的粒度；而钻取还包括上钻和下钻，上钻是在某一维上将低层次的细节数据概括到高层次的汇总数据的过程，减少了分析的维数；而下钻则是相反，它是将高层次的汇总数据进行细化，深入到低层次细节数据的过程，增加了分析的维数；切片指的是在多维分析中，如果在某一维度上限定了一个值，则称为对原有分析的一个切片；切块指的是如果对多个维度进行限定，每个维度限定为一组取值范围，则称为对原有分析的一个切块；旋转指的是，在多维分析中，维度都是按某一顺序进行显示，如果变换维度的顺序和方向，或交换两个维度的位置。
解析单元202，用于解析所述数据表以得到表信息。在本发明实施例中，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息，具体包括以下步骤：解析所述数据表以得到数据维度字段和数据深度。具体的，通过运行自动收集数据表脚本，扫描job应用对应的svn路径下的数据表以获取所述数据表，其中，该数据表可以是一个或者多个，数据表的数量在此不作限制，假设维度数据保存在数据表中，通过预设解析工具对这张表的数据进行解析，例如，预设的解析工具如CapAnalysis(可视化数据表解析工具)，具体的，首先解析工具会自动扫描该数据表，并获取该数据表的关键字(例如主键)，利用所获取的关键字对该数据表进行解析，可以获取保存有维度数据的数据表的表信息，例如维度字段、数据深度等。
分析单元203，用于根据预设分析算法对所述表信息进行分析。在本发明实施例中，对所解析得到的表信息进行分析，这里使用的预设分析算法包括最短路径算法和最小生成树算法，其中最短路径算法指的是从某顶点出发，沿图的边到达另一顶点所经过的路径中，各边上权值之和最小的一条路径叫做最短路径；最小生成树算指的是在连通网的所有生成树中，所有边的代价和最小的生成树，例如，利用最小生成树算法如要在n个城市之间铺设光缆，主要目标是要使这n个城市的任意两个之间都可以通信，但铺设光缆的费用很高，且各个城市之间铺设光缆的费用不同，因此另一个目标是要使铺设光缆的总费用最低。
需要说明的是，通过预设分析算法对表信息进行分析能够方便快捷的生成数据维度的各项指标，所谓指标指的是可以按总数或比值衡量的具体维度元素，其另一常用叫法为度量。例如：人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围，也就是我们常说的统计口径与范围。指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、GDP、收入、用户数，而相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。我们分析一个事物发展程度就可以从数量跟质量两个角度入手分析，以全面衡量事物发展程度。
对于数据而言，数据本身是存在欺骗性的，比如A公司本月的销售额是600W，另外两家最大竞品B公司和C公司分别是300W和250W，B公司和C公司的竟品总额加起来表面上没有A公司的销售额大，但是事实上，A公司上个月的销售额为800W，竞品分别是200W和180W，从数据看上去很漂亮，但是按对比和比率来讲A公司远远下降了。因此，对于数据分析来说，最好一定是以比率的形式存在，要有对比性质的相对数据，单纯一个或几个数据情况是没有意义的，点连成线，线构成面去展示。最后，通过所生成的数据维度的各项指标的展示分析维度数据完整等一系列分析执行，并产生分析结果。
优化单元204，用于根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。在本发明实施例中，所述预设优化函数指的是使用动态规则对分析结果进行优化的方法，该动态规则具有一个标准的数学表达式和明确清晰的解题方法，动态规划往往是针对一种最优化问题，由于各种问题的性质不同，确定最优解的条件也互不相同，因而动态规划的方法对不同的问题，有各具特色的解题方法，而不存在一种万能的动态规划算法，可以解决各类最优化问题。必须具体问题具体分析处理，以丰富的想象力去建立模型，用创造性的技巧去求解。在实际使用时，具体的优化过程可以是：(1)确定问题的决策对象；(2)对决策过程划分阶段；(3)对各阶段确定状态变量；(4)根据状态变量确定费用函数和目标函数；(5)建立各阶段状态变量的转移过程，确定状态转移方程。
排序单元205，将所述数据表的数据维度按照相关性大小进行排序。在本发明实施例中，在维度相关性分析的基础上，我们将维度按照相关性大小进行排序，使得相邻之间的维度有较强的相关性。我们首先需要选择一个维度放在序列的第一个位置，然后找与其最相关的维度放在其后，以此类推，直到所有的维度排列完成。
在硬件实现上，以上获取单元101、解析单元102、分析单元103、优化单元104等可以以硬件形式内嵌于或独立于数据处理的装置中，也可以以软件形式存储于数据处理装置的存储器中，以便处理器调用执行以上各个单元对应的操作。该处理器可以为中央处理单元(CPU)、微处理器、单片机等。
上述数据维度生成装置可以实现为一种计算机程序的形式，计算机程序可以在如图10所示的计算机设备上运行。
图10为本发明一种数据维度生成设备的结构组成示意图。该设备可以是终端，也可以是服务器，其中，终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式装置等具有通信功能的电子装置。服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。参照图10，该计算机设备500包括通过系统总线501连接的处理器502、非易失性存储介质503、内存储器504和网络接口505。其中，该计算机设备500的非易失性存储介质503可存储操作系统5031和计算机程序5032，该计算机程序5032被执行时，可使得处理器502执行一种数据维度生成方法。该计算机设备500的处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序被处理器执行时，可使得处理器502执行一种数据维度生成方法。计算机设备500的网络接口505用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502执行如下操作：
获取保存有维度数据的数据表；
解析所述数据表以得到表信息；
根据预设分析算法对所述表信息进行分析；
根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。
在一个实施例中，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息包括：
解析所述数据表以得到数据维度字段和数据深度。
在一个实施例中，所述预设分析算法包括最短路径算法和最小生成树算法，所述根据预设分析算法对所述表信息进行分析，包括：
根据最短路径算法对所述表信息进行分析以得到所述表信息的单源、无负权最短路径；
根据最小生成树算法对所述表信息进行分析以得到所述表信息的多源、负权最短路径。
在一个实施例中，所述根据预设优化函数对所述表信息的分析结果进行优化，包括：
对所述分析结果划分优化阶段；
确定所述各优化阶段的状态变量；
根据所述状态变量确定费用函数和目标函数；
根据所述费用函数和目标函数建立各阶段状态变量的转移过程，并确定状态转移方程以对分析结果进行优化。
在一个实施例中，所述处理器502还执行如下操作：
将所述数据表的数据维度按照相关性大小进行排序。
本领域技术人员可以理解，图10中示出的数据维度生成设备的实施例并不构成对数据维度生成设备具体构成的限定，在其他实施例中，数据维度生成设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，数据维度生成设备仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图10所示实施例一致，在此不再赘述。
本发明提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行，以实现以下步骤：
获取保存有维度数据的数据表；
解析所述数据表以得到表信息；
根据预设分析算法对所述表信息进行分析；
根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度。
在一个实施例中，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息包括：
解析所述数据表以得到数据维度字段和数据深度。
在一个实施例中，所述预设分析算法包括最短路径算法和最小生成树算法，所述根据预设分析算法对所述表信息进行分析，包括：
根据最短路径算法对所述表信息进行分析以得到所述表信息的单源、无负权最短路径；
根据最小生成树算法对所述表信息进行分析以得到所述表信息的多源、负权最短路径。
在一个实施例中，所述根据预设优化函数对所述表信息的分析结果进行优化，包括：
对所述分析结果划分优化阶段；
确定所述各优化阶段的状态变量；
根据所述状态变量确定费用函数和目标函数；
根据所述费用函数和目标函数建立各阶段状态变量的转移过程，并确定状态转移方程以对分析结果进行优化。
在一个实施例中，还实现以下步骤：
将所述数据表的数据维度按照相关性大小进行排序。
本发明前述的存储介质包括：磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等各种可以存储程序代码的介质。
本发明所有实施例中的单元可以通过通用集成电路，例如CPU(CentralProcessing Unit，中央处理器)，或通过ASIC(Application Specific IntegratedCircuit，专用集成电路)来实现。
本发明实施例数据维度生成方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例数据维度生成装置中的单元可以根据实际需要进行合并、划分和删减。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种数据维度生成方法，其特征在于，所述方法包括：
获取保存有维度数据的数据表；
解析所述数据表以得到表信息；
根据预设分析算法对所述表信息进行分析；
根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度；
其中，所述预设分析算法包括最短路径算法和最小生成树算法，所述根据预设分析算法对所述表信息进行分析，包括：
根据最短路径算法对所述表信息进行分析以得到所述表信息的单源、无负权最短路径；
根据最小生成树算法对所述表信息进行分析以得到所述表信息的多源、负权最短路径。
2.如权利要求1所述的方法，其特征在于，所述表信息包括数据维度字段和数据深度，所述解析所述数据表以得到表信息包括：
解析所述数据表以得到数据维度字段和数据深度。
3.如权利要求1所述的方法，其特征在于，所述根据预设优化函数对所述表信息的分析结果进行优化，包括：
对所述分析结果划分优化阶段；
确定每一所述优化阶段的状态变量；
根据所有所述状态变量确定费用函数和目标函数；
根据所述费用函数和目标函数建立各阶段状态变量的转移过程，并确定状态转移方程以对分析结果进行优化。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
将所述数据表的数据维度按照相关性大小进行排序。
5.一种数据维度生成装置，其特征在于，所述装置包括：
获取单元，用于获取保存有维度数据的数据表；
解析单元，用于解析所述数据表以得到表信息；
分析单元，用于根据预设分析算法对所述表信息进行分析；
优化单元，用于根据预设优化函数对所述表信息的分析结果进行优化，并生成关于所述数据表的数据维度；
其中，所述预设分析算法包括最短路径算法和最小生成树算法，所述分析单元，包括：
第一分析子单元，用于根据最短路径算法对所述表信息进行分析以得到所述表信息的单源、无负权最短路径；
第二分析子单元，用于根据最小生成树算法对所述表信息进行分析以得到所述表信息的多源、负权最短路径。
6.如权利要求5所述的装置，其特征在于，所述表信息包括数据维度字段和数据深度，所述解析单元，包括：
解析子单元，用于解析所述数据表以得到数据维度字段和数据深度。
7.一种数据维度生成设备，其特征在于，包括：
存储器，用于存储实现数据维度生成方法的程序；以及
处理器，用于运行所述存储器中存储的实现数据维度生成方法的程序，以执行如权利要求3-4任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行，以实现如权利要求1-4任一项所述的方法。
CN201810135918.5A 2018-02-09 2018-02-09 数据维度生成方法、装置、设备以及计算机可读存储介质 Active CN108415981B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810135918.5A CN108415981B (zh) 2018-02-09 2018-02-09 数据维度生成方法、装置、设备以及计算机可读存储介质
PCT/CN2018/085258 WO2019153543A1 (zh) 2018-02-09 2018-05-02 数据维度生成方法、装置、设备以及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810135918.5A CN108415981B (zh) 2018-02-09 2018-02-09 数据维度生成方法、装置、设备以及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN108415981A CN108415981A (zh) 2018-08-17
CN108415981B true CN108415981B (zh) 2020-10-09

Family

ID=63128191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810135918.5A Active CN108415981B (zh) 2018-02-09 2018-02-09 数据维度生成方法、装置、设备以及计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN108415981B (zh)
WO (1) WO2019153543A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685674A (zh) * 2020-12-30 2021-04-20 百果园技术(新加坡)有限公司 一种影响用户留存的特征评估方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573039A (zh) * 2015-01-19 2015-04-29 北京航天福道高技术股份有限公司 一种关系数据库的关键词查询方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8566360B2 (en) * 2010-05-28 2013-10-22 Drexel University System and method for automatically generating systematic reviews of a scientific field
CN102135994A (zh) * 2011-03-17 2011-07-27 新太科技股份有限公司 一种基于olap的智能分析方法
CN104282026B (zh) * 2014-10-24 2017-06-13 上海交通大学 基于分水岭算法和最小生成树的分布均匀性评估方法
US10275502B2 (en) * 2015-12-22 2019-04-30 Opera Solutions Usa, Llc System and method for interactive reporting in computerized data modeling and analysis
CN106548206B (zh) * 2016-10-27 2019-08-02 太原理工大学 基于最小生成树的多模态磁共振影像数据分类方法
CN106997386B (zh) * 2017-03-28 2019-12-27 上海跬智信息技术有限公司 一种olap预计算模型、自动建模方法及自动建模系统
CN107657010A (zh) * 2017-09-25 2018-02-02 南京市城市与交通规划设计研究院股份有限公司 机动车数据分析系统及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104573039A (zh) * 2015-01-19 2015-04-29 北京航天福道高技术股份有限公司 一种关系数据库的关键词查询方法

Also Published As

Publication number Publication date
WO2019153543A1 (zh) 2019-08-15
CN108415981A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
US10621281B2 (en) Populating values in a spreadsheet using semantic cues
CN108833458B (zh) 一种应用推荐方法、装置、介质及设备
CN108459964B (zh) 测试用例选择方法、装置、设备以及计算机可读存储介质
CN109976999B (zh) 测试用例覆盖率的度量方法和度量装置
US9250895B2 (en) Establishing subsystem boundaries based on call flow graph topology
CN107861981A (zh) 一种数据处理方法及装置
US20200192930A1 (en) Method and device for assessing quality of multimedia resource
US7991617B2 (en) Optimum design management apparatus from response surface calculation and method thereof
US20190050379A1 (en) Method for providing data management service having automatic cell merging function and service providing server for performing the method
JP2014215685A (ja) レコメンドサーバおよびレコメンドコンテンツ決定方法
CN108415981B (zh) 数据维度生成方法、装置、设备以及计算机可读存储介质
CN110209780B (zh) 一种问题模板生成方法、装置、服务器及存储介质
CN112579422A (zh) 一种方案测试方法、装置、服务器及存储介质
CN112308074A (zh) 用于生成缩略图的方法和装置
CN113360765B (zh) 事件信息的处理方法、装置、电子设备和介质
CN113365095B (zh) 直播资源推荐方法、装置、电子设备以及存储介质
CN110851438A (zh) 一种数据库索引优化建议与验证的方法和装置
CN111104562B (zh) 主体关系网络的生成方法和装置、电子设备和存储介质
CN110298679A (zh) 一种计算样本数据之间的距离的方法及设备
CN112433932B (zh) 一种数据处理方法、装置以及计算机存储介质
CN111104626B (zh) 信息存储方法和装置
CN113761346A (zh) 景点推荐的方法、装置、电子设备和存储介质
CN113190460A (zh) 一种测试案例自动生成方法及装置
CN114297486A (zh) 信息推荐方法、装置、电子设备及存储介质
KR20190086199A (ko) 신규 텍스트에 대한 정보를 제공하는 전자 장치, 신규 텍스트를 확인하는 서버 및 그 동작 방법

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