CN109344154A - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109344154A CN109344154A CN201810962480.8A CN201810962480A CN109344154A CN 109344154 A CN109344154 A CN 109344154A CN 201810962480 A CN201810962480 A CN 201810962480A CN 109344154 A CN109344154 A CN 109344154A
- Authority
- CN
- China
- Prior art keywords
- data
- class cluster
- tables
- field
- class
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明的实施例提供了一种数据处理方法、装置、电子设备及存储介质,涉及大数据技术领域。该方法包括:基于多个数据表的表结构信息对多个数据表进行聚类处理获得多个类簇;确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;基于类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。本发明实施例的技术方案能够自动地对数据表中的海量数据进行合并、校验、导入,提高了数据处理效率。
Description
技术领域
本发明涉及大数据技术领域,具体而言,涉及一种数据处理方法、数据处理装置、电子设备以及计算机可读存储介质。
背景技术
随着互联网技术的发展,越来越多的企业采用数字化的信息管理平台。如何收集信息管理平台上的数据成为了关注的焦点。
目前,企业信息管理平台例如Oracle海波龙平台中,针对企业信息管理的各项目,采用由下往上的方式收集数据,收集的数据形式很可能与平台提供的数据表模板不匹配,需要对收集的数据进行处理例如合并、校验之后再导入。在合并、校验、导入等多个处理环节中容易造成数据错乱、操作繁琐等问题,降低了数据处理效率,从而降低了用户工作效率和使用体验。
因此,需要提供一种能够解决上述问题中的一个或多个问题的数据处理方法、数据处理装置、电子设备以及计算机可读存储介质。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种数据处理方法、数据处理装置、电子设备以及计算机可读存储介质,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明实施例的第一方面,提供了一种数据处理方法,包括:基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇;确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
在本发明的一些实施例中,基于前述方案,基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇,包括:基于各个数据表的表结构信息确定各个数据表的指纹特征向量;计算各个数据表的所述指纹特征向量之间的距离;基于所述指纹特征向量之间的距离对所述多个数据表进行聚类处理获得多个类簇。
在本发明的一些实施例中,基于前述方案,确定各个类簇的类簇中心向量与多个标准模板表的距离,并基于所述距离确定各个类簇的类簇模板表,包括:获取各个标准模板表的结构特征信息,基于所述结构特征信息确定各个标准模板表的指纹特征向量;计算各个类簇的类簇中心向量与各个标准模板表的指纹特征向量之间的距离;将与所述类簇的类簇中心向量距离最近的标准模板表作为所述类簇的类簇模板表。
在本发明的一些实施例中,基于前述方案,所述表结构信息包括:表名称、表的字段数量、表的各字段的名称、表的各字段的类型、表的主键、表的外键。
在本发明的一些实施例中,基于前述方案,基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理,包括:确定所述类簇的类簇模板表的中的字段与所述类簇中的数据表的字段的对应关系;在所述对应关系为一对多时,对所述类簇中的数据表的字段进行合并处理。
在本发明的一些实施例中,基于前述方案,所述数据处理方法还包括:在校验失败时,根据所述校验规则的类型对校验失败的数据表中的对应字段的数据进行调整。
在本发明的一些实施例中,基于前述方案,对各个类簇中的数据表的字段进行合并处理之前,所述数据处理方法还包括:根据各个类簇中的数据表的各个字段的内容将各个字段分为标识型数据、数值型数据、时间型数据、电话型数据、文本型数据。
根据本发明实施例的第二方面,提供了一种数据处理装置,包括:聚类单元,用于基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇;类簇模板表确定单元,用于确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;合并单元,用于基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;校验导入单元,用于基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
根据本发明实施例的第三方面,提供了一种电子设备,包括:处理器;以及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如上述第一方面所述的数据处理方法。
根据本发明实施例的第四方面,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如上述第一方面所述的数据处理方法。
在本发明的一些实施例所提供的技术方案中,一方面,基于表结构信息对多个数据表进行聚类处理,能够将具有相同内容的数据表聚类到同一类簇中,从而能够提高数据处理效率;另一方面,根据标准模板表对类簇内的数据表的字段进行合并、校验处理,校验通过后再进行导入,能够避免数据错乱的问题;再一方面,由于能够自动地对数据表中的数据进行合并、校验、导入,从而能够提高用户工作效率和使用体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅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。在附图中:
图1示出了根据本发明的一些实施例的数据处理方法的流程示意图;
图2示出了根据本发明的一些实施例对多个数据表进行聚类处理的流程示意图;
图3示出了根据本发明的一些实施例的数据处理装置的示意框图;
图4示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而,示例实施例能够以多种形式实施,且不应被理解为限于在此阐述的实施例;相反,提供这些实施例使得本发明将全面和完整,并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明的一些实施例的数据处理方法的流程示意图。
参照图1所示,在步骤S110中,基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇。
在示例实施例中,以电商平台的产品销售的数据表为例进行说明,多个数据表可以包括:商品信息表、商品入库表、商品出库表、物流信息表、商品销售表等数据表。
数据表的表结构信息可以包括:表名称、表的字段数量、表的各字段的名称、表的各字段的类型、表的主键、表的外键。可以根据数据表的表结构信息对多个数据表进行聚类处理,例如,可以基于指纹特征运算例如simhash算法从数据表的结构信息中提取数据表的指纹特征向量,计算各个数据表的指纹特征向量之间的距离,基于所述距离对多个数据表进行聚类处理获得多个类簇。
在示例实施例中,聚类运算可以包括K均值聚类运算或K中心点聚类运算,也可以为其他聚类运算例如层次聚类运算或基于密度的聚类运算。
在步骤S120中,确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表。
在示例实施例中,在聚类运算为K均值算法或K中心点算法下,可以用均值或中心点代表每个类簇的类簇中心。可以获取多个标准模板表的结构特征信息,基于标准模板表的结构特征信息确定标准模板表的指纹特征向量,计算各个类簇的类簇中心向量与标准模板表的指纹特征向量之间的距离,基于所述距离确定各个类簇的类簇模板表。
在步骤S130中,基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理。
在示例实施例中,类簇模板表的字段与对应类簇中的数据表的字段为一对一的关系时,不需要对类簇中的数据表的字段进行合并处理,例如商品编号、时间等字段为一对一的关系,不需要进行合并处理。
在类簇模板表的字段与对应类簇中的数据表的字段为一对多的关系时,需要对与类簇模板表的字段对应的类簇中的数据表的多个字段进行合并处理。例如,类簇模板表中的字段为第一季度的数据,类簇数据表中的数据为1月份、2月份、3月份的数据时,需要将类簇中的数据表的1至3月份的数据进行合并处理。
进一步地,在一些实施例中,可以根据数据表的各字段的内容将数据表的各字段的数据分为ID型数据、数值型数据、时间型数据、电话型数据、文本型数据。对ID型数据、时间型数据一般不需要进行合并处理,因此对数据表的各字段的数据进行分类可以减少数据处理量,提高数据处理效率。
在步骤S140中,基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
在示例实施例中,所述类簇模板表中各字段的校验规则包括:数据类型校验、数值单位校验、数据范围校验、数据格式校验以及大小写校验,在校验通过后,将校验通过的数据表导入到目标系统例如海波龙平台的数据库中。
根据图1中所示的数据处理方法,一方面,基于表结构信息对多个数据表进行聚类处理,能够将具有相同内容的数据表聚类到同一类簇中,从而能够提高数据处理效率;另一方面,根据标准模板表对类簇内的数据表的字段进行合并、校验处理,校验通过后再进行导入,能够避免数据错乱的问题;再一方面,由于能够自动地对数据表中的数据进行合并、校验、导入,从而能够提高用户工作效率和使用体验。
此外,在一些实施例中,在校验失败时,可以根据所述校验规则的类型对校验失败的数据表中的对应字段的数据进行调整。例如,对于仅仅是单位不一致的校验失败,可以基于数值单位校验类型的校验规则获取类簇模板表中的对应字段的单元,根据该单位对数据表中的对应的数据进行单位换算,例如,类簇模板表中的单位为“人民币”,数据表中的单位为“美元”时,可以根据单位换算将“美元”换算为“人民币”。
图2示出了根据本发明的一些实施例对多个数据表进行聚类处理的流程示意图。
参照图2所示,在步骤S210中,基于各个数据表的表结构信息确定各个数据表的指纹特征向量。
在示例实施例中,数据表的表结构信息可以包括:表名称、表的字段数量、表的各字段的名称、表的各字段的类型、表的主键、表的外键。可以基于指纹特征运算例如simhash算法从数据表的结构信息中提取数据表的指纹特征向量。
需要说明的是,指纹特征运算可以包括simhash算法以及Minhash算法,但是本发明的实施例中的指纹特征算法不限于此,例如指纹特征算法还可以为shingle算法。经过指纹特征运算生成的指纹可以为一个二进制字符串,如一个32位的指纹,“101001111100011010100011011011”。
在步骤S220中,计算各个数据表的所述指纹特征向量之间的距离。
在示例实施例中,指纹特征向量之间的距离可以为海明距离、欧式距离、余弦距离,但是本发明的示例性实施例中的距离不限于此,例如距离还可以为马氏距离、曼哈顿距离等。
在步骤S230中,基于所述指纹特征向量之间的距离对所述多个数据表进行聚类处理获得多个类簇。
在示例实施例中,以电商平台的产品销售的数据表为例,聚类处理获得多个类簇可以为商品信息表类簇、商品入库表类簇、商品出库表类簇、物流信息表类簇、商品销售表类簇等类簇。聚类处理可以包括K均值聚类运算或K中心点聚类运算,也可以为其他聚类运算例如层次聚类运算或基于密度的聚类运算。
此外,在本发明的实施例中,还提供了一种数据处理装置。参照图3所示,该数据处理装置300可以包括:聚类单元310、类簇模板表确定单元320、合并单元330以及校验单元440。其中,聚类单元310用于基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇;类簇模板表确定单元320用于确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;合并单元330用于基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;校验导入单元340用于基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
在本发明的一些实施例中,基于前述方案,聚类单元310包括:第一特征向量确定单元,用于基于各个数据表的表结构信息确定各个数据表的指纹特征向量;第一距离计算单元,用于计算各个数据表的所述指纹特征向量之间的距离;聚类处理单元,用于基于所述指纹特征向量之间的距离对所述多个数据表进行聚类处理获得多个类簇。
在本发明的一些实施例中,基于前述方案,类簇模板表确定单元320包括:第二特征向量确定单元,用于获取各个标准模板表的结构特征信息,基于所述结构特征信息确定各个标准模板表的指纹特征向量;第二距离计算单元,用于计算各个类簇的类簇中心向量与各个标准模板表的指纹特征向量之间的距离;模板表确定单元,用于将与所述类簇的类簇中心向量距离最近的标准模板表作为所述类簇的类簇模板表。
在本发明的一些实施例中,基于前述方案,所述表结构信息包括:表名称、表的字段数量、表的各字段的名称、表的各字段的类型、表的主键、表的外键。
在本发明的一些实施例中,基于前述方案,合并单元330包括:对应关系确定单元,用于确定所述类簇的类簇模板表的中的字段与所述类簇中的数据表的字段的对应关系;合并处理单元,用于在所述对应关系为一对多时,对所述类簇中的数据表的字段进行合并处理。
在本发明的一些实施例中,基于前述方案,所述数据处理装置300还包括:调整单元,用于在校验失败时,根据所述校验规则的类型对校验失败的数据表中的对应字段的数据进行调整。
在本发明的一些实施例中,基于前述方案,所述数据处理装置300还包括:字段分类单元,用于在对各个类簇中的数据表的字段进行合并处理之前,根据各个类簇中的数据表的各个字段的内容将各个字段分为标识型数据、数值型数据、时间型数据、电话型数据、文本型数据。
由于本发明的示例实施例的数据处理装置300的各个功能模块与上述数据处理方法的示例实施例的步骤对应,因此在此不再赘述。
在本发明的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
下面参考图4,其示出了适于用来实现本发明实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备的计算机系统400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,计算机系统400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有系统操作所需的各种程序和数据。CPU401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器410上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本发明中,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。而在本发明中,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。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的数据处理方法。
例如,所述电子设备可以实现如图1中所示的:步骤S110,基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇;步骤S120,确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;步骤S130,基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;步骤S140,基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备或装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇;
确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;
基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;
基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
2.根据权利要求1所述的数据处理方法,其特征在于,基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇,包括:
基于各个数据表的表结构信息确定各个数据表的指纹特征向量;
计算各个数据表的所述指纹特征向量之间的距离;
基于所述指纹特征向量之间的距离对所述多个数据表进行聚类处理获得多个类簇。
3.根据权利要求1所述的数据处理方法,其特征在于,确定各个类簇的类簇中心向量与多个标准模板表的距离,并基于所述距离确定各个类簇的类簇模板表,包括:
获取各个标准模板表的结构特征信息,基于所述结构特征信息确定各个标准模板表的指纹特征向量;
计算各个类簇的类簇中心向量与各个标准模板表的指纹特征向量之间的距离;
将与所述类簇的类簇中心向量距离最近的标准模板表作为所述类簇的类簇模板表。
4.根据权利要求1所述的数据处理方法,其特征在于,所述表结构信息包括:表名称、表的字段数量、表的各字段的名称、表的各字段的类型、表的主键、表的外键。
5.根据权利要求1所述的数据处理方法,其特征在于,基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理,包括:
确定所述类簇的类簇模板表的中的字段与所述类簇中的数据表的字段的对应关系;
在所述对应关系为一对多时,对所述类簇中的数据表的字段进行合并处理。
6.根据权利要求1所述的数据处理方法,其特征在于,所述数据处理方法还包括:
在校验失败时,根据所述校验规则的类型对校验失败的数据表中的对应字段的数据进行调整。
7.根据权利要求1至6中任一项所述的数据处理方法,其特征在于,对各个类簇中的数据表的字段进行合并处理之前,所述数据处理方法还包括:
根据各个类簇中的数据表的各个字段的内容将各个字段分为标识型数据、数值型数据、时间型数据、电话型数据、文本型数据。
8.一种数据处理装置,其特征在于,包括:
聚类单元,用于基于多个数据表的表结构信息对所述多个数据表进行聚类处理获得多个类簇;
类簇模板表确定单元,用于确定各个类簇的类簇中心向量与多个标准模板表之间的距离,并基于所述距离确定各个类簇的类簇模板表;
合并单元,用于基于各个类簇的类簇模板表中的字段对各个类簇中的数据表的字段进行合并处理;
校验单元,用于基于所述类簇模板表中各字段的校验规则对各个类簇中合并处理后的数据表的字段进行校验,并将校验通过的数据表导入到目标数据库中。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如权利要求1至7中任一项所述的数据处理方法。
10.一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如权利要求1至7中任一项所述的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810962480.8A CN109344154B (zh) | 2018-08-22 | 2018-08-22 | 数据处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810962480.8A CN109344154B (zh) | 2018-08-22 | 2018-08-22 | 数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344154A true CN109344154A (zh) | 2019-02-15 |
CN109344154B CN109344154B (zh) | 2023-05-30 |
Family
ID=65291904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810962480.8A Active CN109344154B (zh) | 2018-08-22 | 2018-08-22 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344154B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045371A (zh) * | 2019-04-28 | 2019-07-23 | 软通智慧科技有限公司 | 一种鉴定方法、装置、设备及存储介质 |
CN111368073A (zh) * | 2020-02-06 | 2020-07-03 | 贝壳技术有限公司 | 系统间数据交互方法、装置、存储介质及电子设备 |
CN111639077A (zh) * | 2020-05-15 | 2020-09-08 | 杭州数梦工场科技有限公司 | 数据治理方法、装置、电子设备、存储介质 |
CN112307086A (zh) * | 2020-10-30 | 2021-02-02 | 湖北烽火平安智能消防科技有限公司 | 一种消防业务中自动化数据校验方法及装置 |
CN112380348A (zh) * | 2020-11-25 | 2021-02-19 | 中信百信银行股份有限公司 | 元数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112650841A (zh) * | 2020-12-07 | 2021-04-13 | 北京有竹居网络技术有限公司 | 信息处理方法、装置和电子设备 |
CN113283973A (zh) * | 2021-05-11 | 2021-08-20 | 南京苏宁软件技术有限公司 | 对账差异数据的处理方法、装置、计算机设备和存储介质 |
CN113379004A (zh) * | 2021-07-26 | 2021-09-10 | 浙江大华技术股份有限公司 | 一种数据表分类方法、装置、电子设备及存储介质 |
CN113672625A (zh) * | 2021-08-26 | 2021-11-19 | 北京京东振世信息技术有限公司 | 用于数据表的处理方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002034877A2 (en) * | 2000-10-24 | 2002-05-02 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | A method and system useful for structural classification of unknown polypeptides |
US20100094910A1 (en) * | 2003-02-04 | 2010-04-15 | Seisint, Inc. | Method and system for linking and delinking data records |
US20100114970A1 (en) * | 2008-10-31 | 2010-05-06 | Yahoo! Inc. | Distributed index data structure |
CN103559175A (zh) * | 2013-10-12 | 2014-02-05 | 华南理工大学 | 一种基于聚类的垃圾邮件过滤系统及方法 |
CN103631928A (zh) * | 2013-12-05 | 2014-03-12 | 中国科学院信息工程研究所 | 一种基于局部敏感哈希的聚类索引方法及系统 |
US20170351746A1 (en) * | 2016-06-06 | 2017-12-07 | International Business Machines Corporation | Test data management |
CN108090068A (zh) * | 2016-11-21 | 2018-05-29 | 医渡云(北京)技术有限公司 | 医院数据库中的表的分类方法及装置 |
CN108133045A (zh) * | 2018-01-12 | 2018-06-08 | 广州杰赛科技股份有限公司 | 关键词提取方法与系统、关键词提取模型生成方法与系统 |
-
2018
- 2018-08-22 CN CN201810962480.8A patent/CN109344154B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002034877A2 (en) * | 2000-10-24 | 2002-05-02 | Yissum Research Development Company Of The Hebrew University Of Jerusalem | A method and system useful for structural classification of unknown polypeptides |
US20100094910A1 (en) * | 2003-02-04 | 2010-04-15 | Seisint, Inc. | Method and system for linking and delinking data records |
US20100114970A1 (en) * | 2008-10-31 | 2010-05-06 | Yahoo! Inc. | Distributed index data structure |
CN103559175A (zh) * | 2013-10-12 | 2014-02-05 | 华南理工大学 | 一种基于聚类的垃圾邮件过滤系统及方法 |
CN103631928A (zh) * | 2013-12-05 | 2014-03-12 | 中国科学院信息工程研究所 | 一种基于局部敏感哈希的聚类索引方法及系统 |
US20170351746A1 (en) * | 2016-06-06 | 2017-12-07 | International Business Machines Corporation | Test data management |
CN108090068A (zh) * | 2016-11-21 | 2018-05-29 | 医渡云(北京)技术有限公司 | 医院数据库中的表的分类方法及装置 |
CN108133045A (zh) * | 2018-01-12 | 2018-06-08 | 广州杰赛科技股份有限公司 | 关键词提取方法与系统、关键词提取模型生成方法与系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045371A (zh) * | 2019-04-28 | 2019-07-23 | 软通智慧科技有限公司 | 一种鉴定方法、装置、设备及存储介质 |
CN111368073A (zh) * | 2020-02-06 | 2020-07-03 | 贝壳技术有限公司 | 系统间数据交互方法、装置、存储介质及电子设备 |
CN111639077A (zh) * | 2020-05-15 | 2020-09-08 | 杭州数梦工场科技有限公司 | 数据治理方法、装置、电子设备、存储介质 |
CN111639077B (zh) * | 2020-05-15 | 2024-03-22 | 杭州数梦工场科技有限公司 | 数据治理方法、装置、电子设备、存储介质 |
CN112307086A (zh) * | 2020-10-30 | 2021-02-02 | 湖北烽火平安智能消防科技有限公司 | 一种消防业务中自动化数据校验方法及装置 |
CN112380348A (zh) * | 2020-11-25 | 2021-02-19 | 中信百信银行股份有限公司 | 元数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112380348B (zh) * | 2020-11-25 | 2024-03-26 | 中信百信银行股份有限公司 | 元数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112650841A (zh) * | 2020-12-07 | 2021-04-13 | 北京有竹居网络技术有限公司 | 信息处理方法、装置和电子设备 |
WO2022121801A1 (zh) * | 2020-12-07 | 2022-06-16 | 北京有竹居网络技术有限公司 | 信息处理方法、装置和电子设备 |
CN113283973A (zh) * | 2021-05-11 | 2021-08-20 | 南京苏宁软件技术有限公司 | 对账差异数据的处理方法、装置、计算机设备和存储介质 |
CN113379004A (zh) * | 2021-07-26 | 2021-09-10 | 浙江大华技术股份有限公司 | 一种数据表分类方法、装置、电子设备及存储介质 |
CN113672625A (zh) * | 2021-08-26 | 2021-11-19 | 北京京东振世信息技术有限公司 | 用于数据表的处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109344154B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344154A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
US20210374610A1 (en) | Efficient duplicate detection for machine learning data sets | |
WO2022126971A1 (zh) | 基于密度的文本聚类方法、装置、设备及存储介质 | |
JP6419860B2 (ja) | 特徴処理トレードオフ管理 | |
CN109583332A (zh) | 人脸识别方法、人脸识别系统、介质及电子设备 | |
CN109446099A (zh) | 自动化测试用例生成方法、装置、介质及电子设备 | |
CN109345368A (zh) | 基于大数据的信用评估方法、装置、电子设备及存储介质 | |
CN109242420A (zh) | 权限控制方法、装置、电子设备及存储介质 | |
US11188969B2 (en) | Data-analysis-based validation of product review data and linking to supply chain record data | |
US20220027339A1 (en) | Identifying source datasets that fit a transfer learning process for a target domain | |
CN109685645A (zh) | 用户信用风险评估方法及装置、存储介质 | |
CN109344142A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN109325046A (zh) | 数据库脚本生成方法、装置、介质及电子设备 | |
CN109960650A (zh) | 基于大数据的应用程序评估方法、装置、介质及电子设备 | |
KR20210113885A (ko) | 이상 금융거래 탐지 방법 및 시스템 | |
CN109857431A (zh) | 代码修改方法及装置、计算机可读介质及电子设备 | |
CN109034657A (zh) | 基于区块链的流程路径寻找方法、装置、介质及电子设备 | |
US11580549B2 (en) | Transaction tracking and fraud detection using voice and/or video data | |
CN109597810A (zh) | 一种任务切分方法、装置、介质及电子设备 | |
CN109544167A (zh) | 交易数据验证方法、装置、介质及电子设备 | |
CN110245684A (zh) | 数据处理方法、电子设备和介质 | |
US20220222683A1 (en) | Labeling optimization through image clustering | |
CN109859060A (zh) | 风险确定方法、装置、介质及电子设备 | |
CN109375910A (zh) | 类文件生成方法、装置、电子设备及存储介质 | |
CN109446054A (zh) | 基于大数据的越权操作请求的处理方法及终端设备 |
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 |