CN112131292B - 一种变更数据的结构化处理方法和装置 - Google Patents

一种变更数据的结构化处理方法和装置 Download PDF

Info

Publication number
CN112131292B
CN112131292B CN202010973638.9A CN202010973638A CN112131292B CN 112131292 B CN112131292 B CN 112131292B CN 202010973638 A CN202010973638 A CN 202010973638A CN 112131292 B CN112131292 B CN 112131292B
Authority
CN
China
Prior art keywords
data
change
data set
post
change data
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
CN202010973638.9A
Other languages
English (en)
Other versions
CN112131292A (zh
Inventor
揭勇俊
柳超
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.)
Beijing Jindi Credit Service Co ltd
Original Assignee
Beijing Jindi Credit Service 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 Beijing Jindi Credit Service Co ltd filed Critical Beijing Jindi Credit Service Co ltd
Priority to CN202010973638.9A priority Critical patent/CN112131292B/zh
Publication of CN112131292A publication Critical patent/CN112131292A/zh
Application granted granted Critical
Publication of CN112131292B publication Critical patent/CN112131292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • G06F16/258Data format conversion from or to a database

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种变更数据的结构化处理方法和装置,涉及计算机技术领域。该方法包括:获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。该方法能够使变更数据的提取具有可复现性,而且还能够提供较为简洁的变更对比信息。

Description

一种变更数据的结构化处理方法和装置
技术领域
本发明涉及计算机技术领域,尤其涉及一种变更数据的结构化处理方法和装置。
背景技术
在比对非结构化数据时,很难快速获得有用信息,例如在比对公司变更信息时,会涉及将高管、经理等非结构化数据分析后转化为结构化数据,然后进行信息提取。其中,结构化数据也被称为定量数据,是能够用数据或统一的结构加以表示的信息,如数字、符号等。在项目中,保存和管理这些的数据的一般为关系数据库。当使用结构化查询语言或SQL时,计算机程序很容易搜索这些术语。例如将非结构化数据“副总经理:廖某 陈某;董事:陈某;董事:周某;董事:林某;董事长:梁某;总经理:梁某;董事:黄某;董事:李某”,可处理得到结构化数据“姓名:周某;职位:董事;姓名:黄某;职位:董事;姓名:林某;职位:董事;等”,结构化数据更能较好的为下游业务服务。但是,由于不同地区、不同职位的非结构化数据较为复杂,导致现有技术中没有一种较好的方法对该类数据进行结构化。
发明内容
有鉴于此,本发明实施例提供一种变更数据的结构化处理方法和装置,能够使变更数据的提取具有可复现性,也能提供较为简洁的变更对比信息。
为实现上述目的,根据本发明实施例的一个方面,提供了一种变更数据的结构化处理方法。
本发明实施例的变更数据的结构化处理方法包括:获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
可选地,分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据的步骤包括:识别所述变更前数据和所述变更后数据的类别;在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;根据预设格式和所述特征信息,得到所述变更前格式化数据和变更后格式化数据。
识别所述变更前数据和所述变更后数据的类别的步骤包括:对所述变更前数据和所述变更后数据进行解析,确定所述变更前数据和所述变更后数据的类别信息,所述类别信息中至少包括以下一种:语序、标点符号、语义信息;根据所述类别信息,从配置类别中确定出所述变更前数据和所述变更后数据的类别;其中,所述配置类别存储有对应提取策略。
可选地,在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息的步骤包括:根据识别的结果判断是否存在对应的提取方法;如果存在,则将所述对应的提取方法确定为目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;如果不存在,则将所述变更数据组标注为无效变更数据。
可选地,在将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记之前,还包括:确定所述当前变更数据组的变更时间;根据所述变更时间获取历史变更数据组,其中,所述历史变更数据组和所述当前变更数据组的变更时间相邻;判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据;在存在冲突数据的情况下,将所述当前变更数据组中的冲突数据进行删除。
可选地,在分别提取所述变更前数据和变更后数据的特征信息之后,还包括:获取验证特征信息表;确定所述变更前数据和变更后数据的特征信息收录于所述验证特征信息表的情况下,将所述当前变更数据组写入数据库。
可选地,所述当前变更数据组为公司职员信息数据;和/或,所述特征信息包括姓名、职位、证件号信息。
可选地,将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记的步骤包括:将所述变更前格式化数据和变更后格式化数据进行比对,得到比对结果;其中,所述比对结果至少包括以下一种:存在变更、不存在变更、待修改、待确认;根据所述比对结果,分别对所述当前变更数据组中的数据进行标记。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种变更数据的结构化处理装置。
本发明实施例的变更数据的结构化处理装置包括:
数据组获取模块,用于获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;
特性信息提取模块,用于分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;
比对模块,用于将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
可选地,所述特性信息提取模块还用于,识别所述变更前数据和所述变更后数据的类别;在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;根据预设格式和所述特征信息,得到所述变更前格式化数据和变更后格式化数据。
可选地,所述特性信息提取模块还用于,对所述变更前数据和所述变更后数据进行解析,确定所述变更前数据和所述变更后数据的类别信息,所述类别信息中至少包括以下一种:语序、标点符号、语义信息;根据所述类别信息,从配置类别中确定出所述变更前数据和所述变更后数据的类别;其中,所述配置类别存储有对应提取策略。
可选地,所述特性信息提取模块还用于,根据识别的结果判断是否存在对应的提取方法;如果存在,则将所述对应的提取方法确定为目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;如果不存在,则将所述变更数据组标注为无效变更数据。
可选地,还包括冲突数据处理模块,用于确定所述当前变更数据组的变更时间;根据所述变更时间获取历史变更数据组,其中,所述历史变更数据组和所述当前变更数据组的变更时间相邻;判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据;在存在冲突数据的情况下,将所述当前变更数据组中的冲突数据进行删除。
可选地,还包括验证模块,用于获取验证特征信息表;确定所述变更前数据和变更后数据的特征信息收录于所述验证特征信息表的情况下,将所述当前变更数据组写入数据库。
可选地,所述比对模块还用于,将所述变更前格式化数据和变更后格式化数据进行比对,得到比对结果;其中,所述比对结果至少包括以下一种:存在变更、不存在变更、待修改、待确认;根据所述比对结果,分别对所述当前变更数据组中的数据进行标记。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
本发明实施例的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一项的变更数据的结构化处理方法。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现上述任一项的变更数据的结构化处理方法。
上述发明中的一个实施例具有如下优点或有益效果:在获取到包括变更前数据和变更后数据的变更数据组之后,通过分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据,能够使变更数据的提取具有可复现性。以及,通过将所述变更前格式化数据和变更后格式化数据进行比对,并根据比对结果对获取到的该变更数据组进行标记,能够供较为简洁的变更对比信息。进而,不仅使得变更数据的格式化处理能够有效进行,而且得到的格式化数据、标记的比对结果更能较好的为下游业务服务。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的变更数据的结构化处理方法的主要流程的示意图;
图2是根据本发明实施例的公司高管数据格式化处理的方法的示意图;
图3是根据本发明实施例的变更数据的结构化处理装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的变更数据的结构化处理方法的主要流程的示意图,如图1所示,本发明实施例的变更数据的结构化处理方法主要包括:
步骤S101:获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;
步骤S102:分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;
步骤S103:将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
在本发明实施例中,获取当前变更数据组的过程,可是定时或者不定时主动抓取数据,也可以是接收定时或者不定时推送的数据。以及,如果通过定时或者不定时主动抓取数据获取到当前变更数据组的话,可以通过标识信息在源数据库中获取。其中,源数据库中存储有多个公司或者部门或者人员等的变更数据组,变更数据组与标识信息之间一一对应。特征信息是指变更数据的各个属性特征的信息,例如获取到一条变更数据组,其包括的变更前数据为:“1 韩某辰 董事;2 杨某生 董事;3 袁某亮 董事;4 赵某平 董事;5 张某东 董事;6 河南某大学 监事;7 陈某程 董事;8 韩某辰 总经理”,其包括的变更前数据为:“1 韩某辰 董事;2 杨某生 董事;3 袁某暗 董事;4 赵某平 董事;5 张某东 董事;6河南某大学 监事;7 韩某辰 总经理”。待提取信息的属性特征预设为姓名、职位、性别、身份证号码的话,即格式化数据的格式为“姓名,职位,性别,身份证号码”。针对该格式的属性特征,提取变更前数据和变更后数据的相应特征信息,如若有的属性特征的信息获取不到,可直接标注为无。以及,得到的格式化数据的格式可提前配置,其具体的格式可根据不同的业务数据进行配置。例如,针对上述示例,变更前格式化数据和变更后格式化数据分别为下表1和表2所示:
表1
姓名 职位 性别 身份证号码
韩某辰 董事 总经理
杨某生 董事
袁某亮 董事
赵某平 董事
张某东 董事
河南某大学 社团法人
表2
姓名 职位 性别 身份证号码
韩某辰 董事 总经理
杨某生 董事
袁某暗 董事
赵某平 董事
河南某大学 社团法人
通过得到上述格式化数据之后,将变更前格式化数据和变更后格式化数据进行比对,可得到在当前变更数据组中,董事袁某亮退出、董事袁某暗加入、董事张某东退出的比对结果,该比对结果即为当前变更数据组的变更信息,说明了哪些特性信息存在变化。然后,根据该比对结果对所述当前变更数据组进行标记,以便后续业务数据分析处理。尤为注意的是,在本发明实施例中所公开例如姓名、职位等信息都是用于解释本技术方案,不涉及私人公开信息。
根据本发明实施例,在获取到包括变更前数据和变更后数据的变更数据组之后,通过分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据,能够使变更数据的提取具有可复现性。以及,通过将所述变更前格式化数据和变更后格式化数据进行比对,并根据比对结果对获取到的该变更数据组进行标记,能够供较为简洁的变更对比信息。其中,通过本发明实施例获取到的变更前后格式化数据以及比对结构等,可存储为结构化数据,因此不仅使得变更数据的格式化处理能够有效进行,而且得到的结构化数据更能较好的为下游业务服务。
在本发明另一实施例中,分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据的过程中,识别所述变更前数据和所述变更后数据的类别。然后,在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息。以及,根据预设格式和所述特征信息,得到所述变更前格式化数据和变更后格式化数据。在本发明实施例中,获取到的变更数据有很多展示形式,不同的展示形式称为一种类别,例如数据为:1.“证件号码:*; 姓名:白某天;职务:董事”;2.“姓名: 连某贤; 证件名称: 身份证; 证件号码******************; 性别: 女性; 职务: 执行董事”;3.“经理为虞某华”、4.“王某卫(董事/经理)”;5.“董事(洪某波、诸某民、方某榕、阎某峰、刘某康)”等。上述数据的展示形式都不相同,不同的展示形式为不同的类别,判断数据属于哪种展示的模板即可判定该数据为哪一类别。针对不同的类别,可以根据该数据中是否有明确分隔符如分号、句号等,以及判断数据中是否有职位信息,进行数据的粗分类,并根据粗分类结果采取对应的信息提取方法,使得提取到的数据更加有效。进而,可通过对变更前后的数据进行分析,根据数据的不同类别,逐类将非结构化数据转化为结构化数据。
优选地,在本发明实施例中,识别所述变更前数据和所述变更后数据的类别的过程中,对所述变更前数据和所述变更后数据进行解析,确定所述变更前数据和所述变更后数据的类别信息,所述类别信息中至少包括以下一种:语序、标点符号、语义信息。然后,根据所述类别信息,从配置类别中确定出所述变更前数据和所述变更后数据的类别。其中,所述配置类别存储有对应提取策略。语序是指变更前数据和所述变更后数据中词汇信息词的词汇顺序,标点符号是指变更前数据和所述变更后数据中包括的标点符号信息,具体包括标点符号的类别以及标点符号的分隔信息,语义信息是指变更前数据和所述变更后数据中词汇信息词所表达的语义。
更优地,在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息的过程中,根据识别的结果判断是否存在对应的提取方法;如果存在,则将所述对应的提取方法确定为目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;如果不存在,则将所述变更数据组标注为无效变更数据。如果不存在对应的提取方法,可能会选择任一个提取方法对变更数据进行特征信息提取,则使得提取到的特征信息不准确。或者,不存在对应的提取方法的话,也无法选择出一个提取方法对变更数据进行特征提取,则说明无法对变更数据进行识别,将该条变更数据组标注为无效变更数据,为后续代码优化提供数据支持。其中对于该无效变更数据,是对于当前的判断,如果不满足当前的判断条件(不存在对当前数据识别的有效提取方法),则把该数据标记为无效变更数据(可能是实际上有效数据,可能是实际上无效数据),然后后续通过代码修正或者人工识别,修改该数据的标记。即,如果不存在对当前数据识别的有效方法,说明该数据可能为无效变更数据,无法从其中提取有效信息;或者,该数据可能为有效的信息,但是该数据格式暂时无法识别。
在本发明另一实施例中,在将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记之前,确定所述当前变更数据组的变更时间。然后,根据所述变更时间获取历史变更数据组,其中,所述历史变更数据组和所述当前变更数据组的变更时间相邻;判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据。在存在冲突数据的情况下,将所述当前变更数据组中的冲突数据进行修改处理,所述修改处理包括删除处理和替换处理。该冲突数据是指两个相邻手段的变更数据组中存在重复的变更信息,例如,历史变更数据组中存在“张三退出”的变更信息,在当前变更数据组中仍然存在“张三退出”的变更信息,进而“张三退出”为冲突数据。
优选地,将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记的过程中,将所述变更前格式化数据和变更后格式化数据进行比对,得到比对结果;其中,所述比对结果至少包括以下一种:存在变更、不存在变更、待修改、待确认。然后,根据所述比对结果,分别对所述当前变更数据组中的数据进行标记。其中,存在变更和不存在变更的比对结果是指变更前数据和变更后数据存在区别,待修改的比对结果是指后续需要对变更前数据和变更后数据进行修改处理,可根据业务需要对变更前格式化数据和变更后格式化数据进行删除、替换处理等。待确认的比对结果是指可能无法对变更前数据和变更后数据进行比对处理,具体可表现为识别不出信息、处理过程出现中断等情况下,无法得到变更前格式化数据和变更后格式化数据的比对结果。
在本发明另一实施例中,在分别提取所述变更前数据和变更后数据的特征信息之后,获取验证特征信息表;确定所述变更前数据和变更后数据的特征信息收录于所述验证特征信息表的情况下,将所述当前变更数据组写入数据库。验证特征信息表是预先配置的,可以是一个表格也可以是多个表格,每个表格在中配置了收集的可能存在的特征信息,例如human表中包括某个公司的所有人员姓名,如果变更前数据和变更后数据的姓名特征信息没有收录于该human表中,则说明识别到的人名信息存在错误,可发出提醒信息对数据进行复核修改。
当前变更数据组可以为公司职员信息数据,特征信息包括姓名、职位、证件号信息等。进一步,以当前变更数据组为公司的高管职员信息数据,以及特征信息包括姓名、职位、证件号信息等为例,来说明本发明的方案。其中,图2是根据本发明实施例的公司高管数据格式化处理的方法的示意图;如图2所示,本发明实施例的公司高管数据格式化处理的方法包括:
步骤S201:对获取到的公司高管变更数据进行格式化。在该过程中,首先识别该公司的高管变更数据(即高管职员信息数据)属于的类别,其次针对不同类别的数据使用适应的数据提取方法,最后得到格式化数据。
步骤S202:根据格式化的数据,对数据进行去噪。公司的一条高管变更数据包括变更前数据和变更后数据两部分内容。通过补正S201分别得到变更前后的格式化数据后。首先判断该对变更前格式化数据和变更后格式化数据中是否存在无效特征,如果存在,则将该无效特征删除。其中,无效特征为变更前格式化数据和变更后格式化数据重复的特征信息。例如,获得的一组高管变更数据,其变更前数据为“职位 总经理;李某兰退出,张某兰新增,黄某兰正常在职;证件名称: 身份证”;变更后数据为“职位 总经理;李某兰退出,张某兰退出,黄某兰正常在职;证件名称: 身份证”。针对该类别的高管变更数据,确定特征信息提取方法,得到变更前格式化数据和变更后格式化数据分别如下表3和表4所示:
表3
姓名 职位 证件名称 状态 ……
李某兰 总经理 身份证 李某兰退出 ……
张某兰 总经理 身份证 张某兰新增 ……
黄某兰 总经理 身份证 黄某兰正常在职 ……
表4
姓名 职位 证件名称 状态 ……
李某兰 总经理 身份证 李某兰退出 ……
张某兰 总经理 身份证 张某兰退出 ……
黄某兰 总经理 身份证 黄某兰正常在职 ……
对比上述变更前格式化数据和变更后格式化数据,可发现都存在“李某兰退出”的状态特征信息,因此该特性信息为无效特征。以及,然后找到该公司的相邻时刻的高管变更数据,判断相邻时刻的高管变更数据中是否存在冲突数据,例如在相邻时刻的高管变更数据中都存在否均存在“张某兰退出”的信息,则确定相邻时刻的高管变更数据中存在冲突数据。对于无效特征信息和冲突数据,可直接将其对应的数据进行删除处理。其中,无效特征存在于一条变更数据组(包含变更前后的数据)中,例如,变更前数据中包括李某兰退出,变更后数据也包括李某兰退出。冲突数据为相邻时刻点的两条变更数据组的比对,发现在上一个时刻中有张某兰退出总经理职位,在本次时刻中仍然存在张某兰退出总经理职位。更优的,可直接生成处理日志存储,以及生成提醒信息,以便问题的追溯和及时解决。
步骤S203:验证数据的有效性,并将有效数据写入数据库。具体的,在步骤S201会对不同类别的数据使用适应的数据提取方法,但仍存在少部分暂时未能成功识别的数据类别,如“ (监事) (总经理) (董事) 宋某霞(董事长) (董事)”。进而,可将未能成功识别的数据进行标注,为后续代码优化提供数据支持。以及,判别得到的结构化数据中特征信息是否为有效数据,例如人名不在human表中或者包含职位、人名长度大于3并且能够被字典树分割等,职位未收录于当前职位统计信息中,则说明识别到的信息可能存在错误,不是有效数据。在确定有效数据之后,可将有效的变更数据写入数据库,为后续业务提供数据支撑。
根据本发明实施例,解决了高管、经理等变更前后数据结构化的问题,可将确定的有效数据和标注的无效数据等写入数据库,其中,有效数据能够为后续业务提供数据支撑,无效数据可为后续代码优化奠定基础。
图3是根据本发明实施例变更数据的结构化处理装置的主要模块的示意图,如图3所示,本发明实施例的变更数据的结构化处理装置300包括数据组获取模块301、特性信息提取模块302和比对模块303。
数据组获取模块301用于,获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;
特性信息提取模块302用于,分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;
比对模块303用于,将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
所述特性信息提取模块还用于,识别所述变更前数据和所述变更后数据的类别;在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;根据预设格式和所述特征信息,得到所述变更前格式化数据和变更后格式化数据。其中,当前变更数据组可以为公司职员信息数据,特征信息包括姓名、职位、证件号信息等。
所述特性信息提取模块还用于,根据识别的结果判断是否存在对应的提取方法;如果存在,则将所述对应的提取方法确定为目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;如果不存在,则将所述变更数据组标注为无效变更数据。所述特性信息提取模块还用于,对所述变更前数据和所述变更后数据进行解析,确定所述变更前数据和所述变更后数据的类别信息,所述类别信息中至少包括以下一种:语序、标点符号、语义信息;根据所述类别信息,从配置类别中确定出所述变更前数据和所述变更后数据的类别;其中,所述配置类别存储有对应提取策略。
所述比对模块还用于,将所述变更前格式化数据和变更后格式化数据进行比对,得到比对结果;其中,所述比对结果至少包括以下一种:存在变更、不存在变更、待修改、待确认;根据所述比对结果,分别对所述当前变更数据组中的数据进行标记。
本发明实施例还包括冲突数据处理模块,用于确定所述当前变更数据组的变更时间;根据所述变更时间获取历史变更数据组,其中,所述历史变更数据组和所述当前变更数据组的变更时间相邻;判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据;在存在冲突数据的情况下,将所述当前变更数据组中的冲突数据进行删除。
本发明实施例还包括验证模块,用于获取验证特征信息表;确定所述变更前数据和变更后数据的特征信息收录于所述验证特征信息表的情况下,将所述当前变更数据组写入数据库。
根据本发明实施例,在获取到包括变更前数据和变更后数据的变更数据组之后,通过分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据,能够使变更数据的提取具有可复现性。以及,通过将所述变更前格式化数据和变更后格式化数据进行比对,并根据比对结果对获取到的该变更数据组进行标记,能够供较为简洁的变更对比信息。其中,通过本发明实施例获取到的变更前后格式化数据以及比对结构等,可存储为结构化数据,因此不仅使得变更数据的格式化处理能够有效进行,而且得到的结构化数据更能较好的为下游业务服务。
图4示出了可以应用本发明实施例的变更数据的结构化处理方法或变更数据的结构化处理装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的变更数据的结构化处理方法一般由服务器405执行,相应地,变更数据的结构化处理装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,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5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;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507;包括硬盘等的存储部分508;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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,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510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508。
特别地,根据本发明公开的实施例,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,本发明公开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509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明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模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括数据组获取模块、特性信息提取模块和比对模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,数据组获取模块还可以被描述为“获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据的模块”。
作为另一方面,本发明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设备中所包含的;也可以是单独存在,而未装配入该设备中。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设备执行时,使得该设备包括:获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
根据本发明实施例,在获取到包括变更前数据和变更后数据的变更数据组之后,通过分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据,能够使变更数据的提取具有可复现性。以及,通过将所述变更前格式化数据和变更后格式化数据进行比对,并根据比对结果对获取到的该变更数据组进行标记,能够供较为简洁的变更对比信息。其中,通过本发明实施例获取到的变更前后格式化数据以及比对结构等,可存储为结构化数据,因此不仅使得变更数据的格式化处理能够有效进行,而且得到的结构化数据更能较好的为下游业务服务。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (10)

1.一种变更数据的结构化处理方法,其特征在于,包括:
获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;
确定所述当前变更数据组的变更时间;
根据所述变更时间获取历史变更数据组,其中,所述历史变更数据组和所述当前变更数据组的变更时间相邻;
判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据;
在存在冲突数据的情况下,将所述当前变更数据组中的冲突数据进行修改处理;
分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;
将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
2.根据权利要求1所述的方法,其特征在于,分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据的步骤包括:
识别所述变更前数据和所述变更后数据的类别;
在预设的类别与目标提取策略的对应关系中,根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;
根据预设格式和所述特征信息,得到所述变更前格式化数据和变更后格式化数据。
3.根据权利要求2所述的方法,其特征在于,识别所述变更前数据和所述变更后数据的类别的步骤包括:
对所述变更前数据和所述变更后数据进行解析,确定所述变更前数据和所述变更后数据的类别信息,所述类别信息中至少包括以下一种:语序、标点符号、语义信息;
根据所述类别信息,从配置类别中确定出所述变更前数据和所述变更后数据的类别;其中,所述配置类别存储有对应提取策略。
4.根据权利要求2所述的方法,其特征在于,在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息的步骤包括:
根据识别的结果判断是否存在对应的提取方法;
如果存在对应的提取方法,则将所述对应的提取方法确定为目标提取策略,以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息;如果不存在对应的提取方法,则将所述变更数据组标注为无效变更数据。
5.根据权利要求1所述的方法,其特征在于,在分别提取所述变更前数据和变更后数据的特征信息之后,还包括:
获取验证特征信息表;
确定所述变更前数据和变更后数据的特征信息收录于所述验证特征信息表的情况下,将所述当前变更数据组写入数据库。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述当前变更数据组为公司职员信息数据;和/或,所述特征信息包括姓名、职位、证件号信息。
7.根据权利要求1所述的方法,其特征在于,将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记的步骤包括:
将所述变更前格式化数据和变更后格式化数据进行比对,得到比对结果;其中,所述比对结果至少包括以下一种:存在变更、不存在变更、待修改、待确认;
根据所述比对结果,分别对所述当前变更数据组中的数据进行标记。
8.一种变更数据的结构化处理装置,其特征在于,包括:
数据组获取模块,用于获取当前变更数据组,所述当前变更数据组中包括变更前数据和变更后数据;
冲突数据处理模块,用于确定所述当前变更数据组的变更时间;根据所述变更时间获取历史变更数据组,其中,所述历史变更数据组和所述当前变更数据组的变更时间相邻;判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据;在存在冲突数据的情况下,将所述当前变更数据组中的冲突数据进行删除;
特性信息提取模块,用于分别提取所述变更前数据和变更后数据的特征信息,以得到变更前格式化数据和变更后格式化数据;
比对模块,用于将所述变更前格式化数据和变更后格式化数据进行比对,以及根据比对结果对所述当前变更数据组进行标记。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202010973638.9A 2020-09-16 2020-09-16 一种变更数据的结构化处理方法和装置 Active CN112131292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010973638.9A CN112131292B (zh) 2020-09-16 2020-09-16 一种变更数据的结构化处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010973638.9A CN112131292B (zh) 2020-09-16 2020-09-16 一种变更数据的结构化处理方法和装置

Publications (2)

Publication Number Publication Date
CN112131292A CN112131292A (zh) 2020-12-25
CN112131292B true CN112131292B (zh) 2024-05-14

Family

ID=73845844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010973638.9A Active CN112131292B (zh) 2020-09-16 2020-09-16 一种变更数据的结构化处理方法和装置

Country Status (1)

Country Link
CN (1) CN112131292B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113011901A (zh) * 2021-03-19 2021-06-22 北京金堤征信服务有限公司 股权数据的获取方法及装置
CN113901332B (zh) * 2021-09-28 2024-03-19 盐城天眼察微科技有限公司 任职历程信息挖掘方法和装置、以及存储介质和电子设备

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09156506A (ja) * 1995-12-12 1997-06-17 Hitachi Ltd 複数端末を用いた運行計画修正システム
CN101840456A (zh) * 2010-04-29 2010-09-22 北京理工大学 一种基于接口关联模型的产品设计变更影响分析方法
CN104050088A (zh) * 2013-03-12 2014-09-17 旺宏电子股份有限公司 差异逻辑至实体的方法与系统
CN104685431A (zh) * 2012-05-01 2015-06-03 5D机器人公司 基于对象行为测定和协作相对定位的冲突解决
CN104798069A (zh) * 2012-09-18 2015-07-22 诺基亚技术有限公司 用于提供协议以解决当在多个设备之间进行同步时的同步冲突的方法、装置和计算机程序产品
JP2017011701A (ja) * 2015-06-17 2017-01-12 富士通株式会社 無線ボディエリアネットワークに用いられる干渉回避装置、方法及びシステム
CN107194824A (zh) * 2017-05-08 2017-09-22 中车青岛四方机车车辆股份有限公司 工程数据的变更方法和装置
CN107644090A (zh) * 2017-09-26 2018-01-30 北京金堤科技有限公司 一种变更信息处理方法及装置
CN108647268A (zh) * 2018-04-28 2018-10-12 国网湖南省电力有限公司 用于配电网规划数据集成的增量更新方法
CN109977128A (zh) * 2019-03-21 2019-07-05 国网湖南省电力有限公司 基于时态维度的电网规划数据融合方法
CN110705307A (zh) * 2019-08-30 2020-01-17 深圳壹账通智能科技有限公司 信息变更指标监控方法、装置、计算机设备和存储介质
CN111127872A (zh) * 2019-12-10 2020-05-08 东南大学 考虑行人与右转车辆冲突的直右可变导向车道的控制方法
CN111429757A (zh) * 2020-03-09 2020-07-17 中国电子科技集团公司第十五研究所 一种空域使用冲突自动检测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7937273B2 (en) * 2007-12-07 2011-05-03 Hewlett-Packard Development Company, L.P. Change collision calculation system and method

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09156506A (ja) * 1995-12-12 1997-06-17 Hitachi Ltd 複数端末を用いた運行計画修正システム
CN101840456A (zh) * 2010-04-29 2010-09-22 北京理工大学 一种基于接口关联模型的产品设计变更影响分析方法
CN104685431A (zh) * 2012-05-01 2015-06-03 5D机器人公司 基于对象行为测定和协作相对定位的冲突解决
CN104798069A (zh) * 2012-09-18 2015-07-22 诺基亚技术有限公司 用于提供协议以解决当在多个设备之间进行同步时的同步冲突的方法、装置和计算机程序产品
CN104050088A (zh) * 2013-03-12 2014-09-17 旺宏电子股份有限公司 差异逻辑至实体的方法与系统
JP2017011701A (ja) * 2015-06-17 2017-01-12 富士通株式会社 無線ボディエリアネットワークに用いられる干渉回避装置、方法及びシステム
CN107194824A (zh) * 2017-05-08 2017-09-22 中车青岛四方机车车辆股份有限公司 工程数据的变更方法和装置
CN107644090A (zh) * 2017-09-26 2018-01-30 北京金堤科技有限公司 一种变更信息处理方法及装置
CN108647268A (zh) * 2018-04-28 2018-10-12 国网湖南省电力有限公司 用于配电网规划数据集成的增量更新方法
CN109977128A (zh) * 2019-03-21 2019-07-05 国网湖南省电力有限公司 基于时态维度的电网规划数据融合方法
CN110705307A (zh) * 2019-08-30 2020-01-17 深圳壹账通智能科技有限公司 信息变更指标监控方法、装置、计算机设备和存储介质
CN111127872A (zh) * 2019-12-10 2020-05-08 东南大学 考虑行人与右转车辆冲突的直右可变导向车道的控制方法
CN111429757A (zh) * 2020-03-09 2020-07-17 中国电子科技集团公司第十五研究所 一种空域使用冲突自动检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
临时变向车道的交通流速度及冲突特性分析;曹弋;杨忠振;左忠义;;交通运输系统工程与信息(第05期);第78-84页 *
开源代码仓库增量分析方法;许福;杨湛宇;陈志泊;孙钰;张海燕;;清华大学学报(自然科学版)(第07期);第24-32页 *

Also Published As

Publication number Publication date
CN112131292A (zh) 2020-12-25

Similar Documents

Publication Publication Date Title
US20190163742A1 (en) Method and apparatus for generating information
CN108628830B (zh) 一种语义识别的方法和装置
CN109471783B (zh) 预测任务运行参数的方法和装置
CN112131292B (zh) 一种变更数据的结构化处理方法和装置
CN107247798B (zh) 构建搜索词库的方法和装置
CN111861596B (zh) 一种文本分类方法和装置
CN111104479A (zh) 一种数据标注的方法及装置
CN113986864A (zh) 日志数据处理方法、装置、电子设备及存储介质
CN109840534B (zh) 处理事件的方法和装置
CN113435859A (zh) 信访件处理方法、装置、电子设备和计算机可读介质
CN112328805A (zh) 基于nlp的漏洞描述信息与数据库表的实体映射方法
CN116562255B (zh) 表单信息生成方法、装置、电子设备和计算机可读介质
CN110705271B (zh) 一种提供自然语言处理服务的系统及方法
CN116450622B (zh) 数据入库的方法、装置、设备和计算机可读介质
US20180173776A1 (en) Mapping 1:Many Relationships for Elements in a Database System
CN110727759B (zh) 一种确定语音信息的主题的方法和装置
CN111416833A (zh) 一种判断会话结束的方法和装置
CN111832319B (zh) 一种预警语音播报的方法和装置
CN111813765B (zh) 一种异常数据处理的方法、装置、电子设备、计算机可读介质
US11657030B2 (en) Multi-dimensional data tagging and reuse
CN112783615B (zh) 一种数据处理任务的清理方法和装置
CN113779017A (zh) 数据资产管理的方法和装置
CN112131379A (zh) 用于识别问题类别的方法、装置、电子设备及存储介质
CN110908663A (zh) 业务问题的定位方法和定位装置
CN111178696A (zh) 一种业务处理时长超时预警方法和装置

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