CN112632345A - 数据过滤方法、装置、设备及计算机可读存储介质 - Google Patents

Abstract

本发明涉及大数据技术领域，揭露了一种数据过滤方法，包括：获取原始数据集，将所述原始数据集拆分为多个子数据集；利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集；基于预设数据过滤机制，执行所述特征数据集的数据过滤。本发明还涉及区块链技术，所述特征数据集可部署于区块链节点中。本发明可以支持海量数据的数据过滤。

Description

数据过滤方法、装置、设备及计算机可读存储介质

技术领域

本发明涉及大数据技术领域，尤其涉及一种数据过滤的方法、装置、电子设备及计算机可读存储介质。

背景技术

数据过滤是指对互联网上产生的大量的用户数据进行分类、清理、筛选的一种方法。互联网的快速发展催生了大数据时代，移动互联网的兴起，使大数据变得无处不在，从而引发过量、混乱、滥用等数据问题，给用户造成严重的危害以及经济损失，在这种情况下，数据过滤变得非常重要。

目前数据过滤方法主要是基于一些简单的数据特征实现数据过滤，如基于一些常见的关键词，或者一些常用的字段标识来对数据进行过滤，这种数据过滤方法只适用于数据量较少的情况，当数据量成倍增长时，容易造成关键词或字段出现混乱现象，例如，若存在关键词A1或字段A2时，需要过滤数据A，但当存在海量数据时，数据B中也存在关键词A1或字段A2，却不需要过滤数据B，因此上述数据过滤方法并不能够支持大量的数据过滤，从而会降低数据过滤的质量。

发明内容

本发明提供一种数据过滤的方法、装置、电子设备及计算机可读存储介质，其主要目的在于支持海量数据的数据过滤，以保障数据过滤的质量。

为实现上述目的，本发明提供的一种数据过滤方法，包括：

获取原始数据集，将所述原始数据集拆分为多个子数据集；

利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集；

基于预设数据过滤机制，执行所述特征数据集的数据过滤。

可选地，所述将所述原始数据集拆分为多个子数据集，包括：

将所述原始数据集存入待选池中；

从所述待选池中随机选取一个原始数据，并以所述选取的原始数据为中心点，计算所述待选池中剩余原始数据与所述中心点的距离值；

从所述待选池中选取距离值大于预设阈值的数据，得到所述中心点的子数据集；

判断所述待选池是否还有数据或者所述待选池中的数据是否属于任何一个中心点；

若所述待选池中还有数据，或所述待选池中的数据属于任何一个中心点时，重复所述中心点的子数据集的获取步骤；

若所述待选池中没有数据，或所述待选池中的数据不属于任何一个中心点时，得到所述多个子数据集，并在所述待选池中还有数据时，将所述待选池中的数据删除。

可选地，所述利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，包括：

计算所述子数据及子数据集的信息熵，计算所述子数据的分裂信息量；

根据所述子数据及子数据集的信息熵和所述子数据的分裂信息量，利用所述预构建的信息增益模型计算出对应子数据的信息增益率。

可选地，所述计算所述子数据的分裂信息量，包括：

利用下述方法计算所述子数据A的分裂信息量：

其中，SplitInfo_A(A)表示子数据A的分裂信息量，m表示子数据的数量，|D_j|表示第j个子数据的数据数量，|D|表示原子数据集的数据数量。

可选地，所述预构建的信息增益模型如下所示：

其中，GainRatio(A)表示子数据A的信息增益率，Info(D)表示子数据集的信息熵，Info_A(D)表示子数据A的信息熵，SplitInfo_A(A)表示子数据A的分裂信息量。

可选地，所述基于预设数据过滤机制，所述执行所述特征数据集的过滤包括：

从所述特征数据集中获取待传输特征数据；

调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法；

若所述待传输特征数据不合法，过滤所述待传输特征数据；

若所述待传输特征数据合法，利用多渠道方式推送所述待传输特征数。

可选地，所述调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法，包括：

获取所述待传输特征数据的属性参数，利用预设匹配算法判断所述属性参数与所述预设数据过滤机制是否匹配，若不匹配，识别出所述待传输特征数据不合法，若匹配，识别出所述待传输特征数据合法。

为了解决上述问题，本发明还提供一种数据过滤装置，所述装置包括：

拆分模块，用于获取原始数据集，将所述原始数据集拆分为多个子数据集；

计算及提取模块，用于利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集；

执行模块，用于基于预设数据过滤机制，执行所述特征数据集的数据过滤。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述中所述的数据过滤方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述中所述的数据过滤方法。

本发明实施例首先获取原始数据集，将所述原始数据集拆分为多个子数据集，实现了所述原始数据集中原始数据之间的聚类，从而提高了后续数据过滤的过滤速度；其次，本发明实施例利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集，可以过滤掉所述子数据集中部分数据，减轻后续过滤海量数据时的压力；进一步地，本发明实施例基于预设数据过滤机制，执行所述特征数据集的数据过滤，可以有效的防止数据在过滤时出现过量、混乱、滥用等问题，从而支持了海量数据的过滤，保障了数据过滤的质量。

附图说明

图1为本发明第一实施例提供的数据过滤方法的流程示意图；

图2为本发明第一实施例中图1提供的数据过滤方法步骤S1的流程示意图；

图3为本发明第一实施例中图1提供的数据过滤方法步骤S3的流程示意图；

图4为本发明第一实施例提供的数据过滤装置的模块示意图；

图5为本发明第一实施例提供的实现数据过滤方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将整合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供的数据过滤方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据过滤方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

本发明提供一种数据过滤的方法。参照图1所示，为本发明一实施例提供的数据过滤方法的流程示意图。

在本实施例中，所述数据过滤的方法包括：

S1、获取原始数据集，将所述原始数据集拆分为多个子数据集。

在本发明的至少一个实施例中，所述原始数据集包括、但不限于：用户数据集和产品数据集，其中，所述用户数据集通过不同用户数据组合得到，所述用户数据指的是反应用户属性、和用户相关的数据，例如，所述用户数据可以包括：用户姓名、用户种族、用户年龄以及用户性别等；所述产品数据集通过不同产品数据组合得到，所述产品数据指的是反应产品属性、和产品数据相关的数据，例如，所述产品数据可以包括：产品类型、产品价格以及产品名称等。

优选地，本发明实施例中，所述原始数据集包括从不同平台系统产生的海量数据中获取。具体地，本发明实施例利用应用程序编程接口的方法将不同平台系统连接起来，通过所述应用程序编程接口获取所述不同平台系统中产生的数据，得到所述原始数据集。优选地，本发明实施例中，所述原始数据集中的数据类型为文本型及数值型。

一个可选实施例中，所述应用程序编程接口是预先定义的函数，该函数可以实现不同平台系统间的数据相互流通，可选的，所述预先定义的函数为main()函数。

进一步地，参阅图2所示，所述将所述原始数据集拆分为多个子数据集包括：

S10、将所述原始数据集存入待选池中；

一个可选实施例中，所述待选池可以为一个缓存空间，用于存储所述原始数据集，方便后续数据的查询。

S11、从所述待选池中随机选取一个原始数据，并以所述选取的原始数据为中心点，计算所述待选池中剩余原始数据与所述中心点的距离值；

一个可选实施例中，在以所述选取的原始数据为中心点之后还可以包括，确定该中心点的数据类型，有利于后续对该数据的查询，例如，中心点为用户姓名，则确定该中心点的所属数据类型为姓名；中心点为用户年龄，则确定该中心点的所属数据类型为年龄；中心点为产品价格，则确定该中心点的所述数据类型为价格。

进一步地，本发明实施例中，将所述选取的原始数据作为一个中心点，用于计算所述待选池中剩余原始数据与所述中心点的距离值，以实现所述原始数据集中原始数据的聚类，从而可以提高后续数据过滤的过滤速度。

一个可选实施例中，利用下述公式计算所述待选池中剩余原始数据与所述中心点的距离值：

Jaccard(O_A,O_B)表示距离值，O_A∩O_B表示所述待选池中剩余原始数据与所述中心点中相同字段的个数，O_A∪O_B表示将所述待选池中剩余原始数据与所述中心点中相同字段进行合并后所有字段的总个数。

S12、从所述待选池中选取距离值大于预设阈值的数据，得到所述中心点的子数据集；

一个可选实施例中，所述预设的距离阈值为0.85。

S13、判断所述待选池是否还有数据或者所述待选池中的数据是否属于任何一个中心点。

当所述待选池有数据时，返回上述的S11。

当所述待选池没有数据或者所述待选池中的数据不属于任何一个中心点时时，执行S14、得到所述多个子数据集，并在所述待选池中还有数据时，将所述待选池中的数据删除。

S2、利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集。

本发明较佳实施例中，所述信息增益率可以理解为一个数据在后续数据处理过程中所占比例的占比值，其信息增益率越大，表示对应数据越重要，因此，本发明根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集。

进一步地，所述利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，包括：

计算所述子数据及子数据集的信息熵，计算所述子数据的分裂信息量，根据所述子数据及子数据集的信息熵、所述子数据的分裂信息量，利用所述预构建的信息增益模型计算出对应子数据的信息增益率。

其中，所述信息熵用于度量一个数据集合的信息量，一个数据集合越有序，其信息熵越低，需要声明的是，信息熵的计算方法属于当前较为成熟的已知技术，在此不在做阐述。

一个可选实施例中，利用下述方法计算所述子数据A的分裂信息量：

其中，SplitInfo_A(A)表示子数据A的分裂信息量，m表示子数据的数量，|D_j|表示第j个子数据的数据数量，|D|表示原子数据集的数据数量。

较佳地，本发明实施例中，所述预构建的信息增益模型如下所示：

其中，GainRatio(A)表示子数据A的信息增益率，Info(D)表示子数据集的信息熵，Info_A(D)表示子数据A的信息熵，SplitInfo_A(A)表示子数据A的分裂信息量。

进一步地，在本发明的其中一个实施例中，所述根据所述信息增益率提取出所述子数据集的特征数据包括：

若所述信息增益率大于预设的信息增益率，则提取出对应的子数据，并将提取的子数据作为所述特征数据，若所述信息增益率不大于预设的信息增益率，则删除对应的子数据。优选地，所述预设的信息增益率为0.5。

其中，需要强调的是，为进一步保证上述特征数据集的私密和安全性，上述特征数据集还可以存储于一区块链的节点中。

基于所述特征数据的提取，可以过滤掉所述原始数据集中部分原始数据，减轻后续过滤海量数据时的压力。

S3、基于预设数据过滤机制，执行所述特征数据集的数据过滤。

在本发明的至少一个实施例中，所述预设数据过滤机制基于多维度查询方式进行开发多维度的数据过滤机制，例如对于上述产品数据，根据产品等级、期限以及种类等维度设置数据过滤机制，比如产品等级不符合预设等级时，过滤掉该产品。

一个可选实施例中，利用java编译语言编译所述数据过滤机制。

进一步地，参阅图3所示，基于预设数据过滤机制，所述执行所述特征数据集的过滤包括：

S30、从所述特征数据集中获取待传输特征数据；

基于不同用户需求，获取所述待传输特征数据。

S31、调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法；

详细地，所述调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法，包括：

获取所述待传输特征数据的属性参数，利用预设匹配算法判断所述属性参数与所述预设数据过滤机制是否匹配，若不匹配，识别出所述待传输特征数据不合法，若匹配，识别出所述待传输特征数据合法。

优选地，所述属性参数包括：字符串、字段以及Id等。

一个可选实施例中，所述预设匹配算法为字符串匹配算法，可选地，所述字符串算法可以为当前已知技术的KMP算法。

S32、若所述待传输特征数据不合法，过滤所述待传输特征数据；

S33、若所述待传输特征数据合法，利用多渠道方式推送所述待传输特征数据。

一个可选实施例中，所述多渠道方式包括：短信、公众号以及app等。

基于所述数据过滤机制，可以有效的防止数据在过滤时出现过量、混乱、滥用等问题，支持了海量数据的过滤，从而保障了数据过滤的质量。

综上所述，本发明实施例首先获取原始数据集，将所述原始数据集拆分为多个子数据集，实现了所述原始数据集中原始数据之间的聚类，从而提高了后续数据过滤的过滤速度；其次，本发明实施例利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集，可以过滤掉所述子数据集中部分数据，减轻后续过滤海量数据时的压力；进一步地，本发明实施例基于预设数据过滤机制，执行所述特征数据集的数据过滤，可以有效的防止数据在过滤时出现过量、混乱、滥用等问题，从而支持了海量数据的过滤，保障了数据过滤的质量。

如图4所示，是本发明一实施例提供的数据过滤装置的模块示意图。

本发明所述数据过滤装置100可以安装于电子设备中。根据实现的功能，所述数据过滤装置可以包括拆分模块101、计算及提取模块102以及执行模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述拆分模块101，用于获取原始数据集，将所述原始数据集拆分为多个子数据集。

在本发明的至少一个实施例中，所述原始数据集包括、但不限于：用户数据集和产品数据集，其中，所述用户数据集通过不同用户数据组合得到，所述用户数据指的是反应用户属性、和用户相关的数据，例如，所述用户数据可以包括：用户姓名、用户种族、用户年龄以及用户性别等；所述产品数据集通过不同产品数据组合得到，所述产品数据指的是反应产品属性、和产品数据相关的数据，例如，所述产品数据可以包括：产品类型、产品价格以及产品名称等

优选地，本发明实施例中，所述原始数据集包括从不同平台系统产生的海量数据中获取。具体地，本发明实施例利用应用程序编程接口的方法将不同平台系统连接起来，通过所述应用程序编程接口获取所述不同平台系统中产生的数据，得到所述原始数据集。优选地，本发明实施例中，所述原始数据集中的数据类型为文本型及数值型。

一个可选实施例中，所述应用程序编程接口是预先定义的函数，该函数可以实现不同平台系统间的数据相互流通，可选的，所述预先定义的函数为main()函数。

详细地，所述拆分模块101通过下述步骤将所述将所述原始数据集拆分为多个子数据集：

步骤一、将所述原始数据集存入待选池中；

一个可选实施例中，所述待选池可以为一个缓存空间，用于存储所述原始数据集，方便后续数据的查询。

步骤二、从所述待选池中随机选取一个原始数据，并以所述选取的原始数据为中心点，计算所述待选池中剩余原始数据与所述中心点的距离值；

一个可选实施例中，在以所述选取的原始数据为中心点之后还可以包括，确定该中心点的数据类型，有利于后续对该数据的查询，例如，中心点为用户姓名，则确定该中心点的所属数据类型为姓名；中心点为用户年龄，则确定该中心点的所属数据类型为年龄；中心点为产品价格，则确定该中心点的所述数据类型为价格。

进一步地，本发明实施例中，将所述选取的原始数据作为一个中心点，用于计算所述待选池中剩余原始数据与所述中心点的距离值，以实现所述原始数据集中原始数据的聚类，从而可以提高后续数据过滤的过滤速度。

一个可选实施例中，利用下述公式计算所述待选池中剩余原始数据与所述中心点的距离值：

Jaccard(O_A,O_B)表示距离值，O_A∩O_B表示所述待选池中剩余原始数据与所述中心点中相同字段的个数，O_A∪O_B表示将所述待选池中剩余原始数据与所述中心点中相同字段进行合并后所有字段的总个数。

步骤三、从所述待选池中选取距离值大于预设阈值的数据，得到所述中心点的子数据集；

一个可选实施例中，所述预设的距离阈值为0.85。

步骤四、重复执行上述的步骤二以及步骤三，直到所述待选池已经没有数据或者所述待选池中的数据不属于任何一个中心点时，得到所述多个子数据集，并在所述待选池中还有数据时，将所述待选池中的数据删除。

所述计算及提取模块102，用于利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集。

本发明较佳实施例中，所述信息增益率可以理解为一个数据在后续数据处理过程中所占比例的占比值，其信息增益率越大，表示对应数据越重要，因此，本发明根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集。

进一步地，所述所述计算及提取模块102通过下述方法计算每个所述子数据集中所有子数据的信息增益率：

计算所述子数据及子数据集的信息熵，计算所述子数据的分裂信息量，根据所述子数据及子数据集的信息熵、所述子数据的分裂信息量，利用所述预构建的信息增益模型计算出对应子数据的信息增益率。

其中，所述信息熵用于度量一个数据集合的信息量，一个数据集合越有序，其信息熵越低，需要声明的是，信息熵的计算方法属于当前较为成熟的已知技术，在此不在做阐述。

一个可选实施例中，利用下述方法计算所述子数据A的分裂信息量：

其中，SplitInfo_A(A)表示子数据A的分裂信息量，m表示子数据的数量，|D_j|表示第j个子数据的数据数量，|D|表示原子数据集的数据数量。

较佳地，本发明实施例中，所述预构建的信息增益模型如下所示：

其中，GainRatio(A)表示子数据A的信息增益率，Info(D)表示子数据集的信息熵，Info_A(D)表示子数据A的信息熵，SplitInfo_A(A)表示子数据A的分裂信息量。

进一步地，在本发明的其中一个实施例中，所述根据所述信息增益率提取出所述子数据集的特征数据包括：

若所述信息增益率大于预设的信息增益率，则提取出对应的子数据，并将提取的子数据作为所述特征数据，若所述信息增益率不大于预设的信息增益率，则删除对应的子数据。优选地，所述预设的信息增益率为0.5。

其中，需要强调的是，为进一步保证上述特征数据集的私密和安全性，上述特征数据集还可以存储于一区块链的节点中。

基于所述特征数据的提取，可以过滤掉所述原始数据集中部分原始数据，减轻后续过滤海量数据时的压力。

所述执行模块103，用于基于预设数据过滤机制，执行所述特征数据集的数据过滤。

在本发明的至少一个实施例中，所述预设数据过滤机制基于多维度查询方式进行开发多维度的数据过滤机制，例如对于上述产品数据，根据产品等级、期限以及种类等维度设置数据过滤机制，比如产品等级不符合预设等级时，过滤掉该产品。

一个可选实施例中，利用java编译语言编译所述数据过滤机制。

详细地，所述执行模块103通过下述方法步骤执行所述特征数据集的过滤：

步骤A、从所述特征数据集中获取待传输特征数据；

基于不同用户需求，获取所述待传输特征数据。

步骤B、调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法；

详细地，所述调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法，包括：

获取所述待传输特征数据的属性参数，利用预设匹配算法判断所述属性参数与所述预设数据过滤机制是否匹配，若不匹配，识别出所述待传输特征数据不合法，则执行步骤C、过滤所述待传输特征数据，若匹配，识别出所述待传输特征数据合法，则执行步骤D、利用多渠道方式推送所述待传输特征数据。

优选地，所述属性参数包括：字符串、字段以及Id等。

一个可选实施例中，所述预设匹配算法为字符串匹配算法，可选地，所述字符串算法可以为当前已知技术的KMP算法。

一个可选实施例中，所述多渠道方式包括：短信、公众号以及app等。

基于所述数据过滤机制，可以有效的防止数据在过滤时出现过量、混乱、滥用等问题，支持了海量数据的过滤，从而保障了数据过滤的质量。

综上所述，本发明实施例首先获取原始数据集，将所述原始数据集拆分为多个子数据集，实现了所述原始数据集中原始数据之间的聚类，从而提高了后续数据过滤的过滤速度；其次，本发明实施例利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集，可以过滤掉所述子数据集中部分数据，减轻后续过滤海量数据时的压力；进一步地，本发明实施例基于预设数据过滤机制，执行所述特征数据集的数据过滤，可以有效的防止数据在过滤时出现过量、混乱、滥用等问题，从而支持了海量数据的过滤，保障了数据过滤的质量。

如图5所示，是本发明一实施例提供的实现数据过滤的方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据过滤程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如数据过滤程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如数据过滤程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的数据过滤程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

获取原始数据集，将所述原始数据集拆分为多个子数据集；

利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集；

基于预设数据过滤机制，执行所述特征数据集的数据过滤。

具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。需要强调的是，为进一步保证上述原始数据集的私密和安全性，上述稽核数据还可以存储于一区块链的节点中。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种数据过滤方法，其特征在于，所述方法包括：

获取原始数据集，将所述原始数据集拆分为多个子数据集；

利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集；

基于预设数据过滤机制，执行所述特征数据集的数据过滤。

2.如权利要求1所述的数据过滤方法，其特征在于，所述将所述原始数据集拆分为多个子数据集，包括：

将所述原始数据集存入待选池中；

从所述待选池中随机选取一个原始数据，并以所述选取的原始数据为中心点，计算所述待选池中剩余原始数据与所述中心点的距离值；

从所述待选池中选取距离值大于预设阈值的数据，得到所述中心点的子数据集；

判断所述待选池是否还有数据或者所述待选池中的数据是否属于任何一个中心点；

若所述待选池中还有数据，或所述待选池中的数据属于任何一个中心点时，重复所述中心点的子数据集的获取步骤；

若所述待选池中没有数据，或所述待选池中的数据不属于任何一个中心点时，得到所述多个子数据集，并在所述待选池中还有数据时，将所述待选池中的数据删除。

3.如权利要求1所述的数据过滤方法，其特征在于，所述利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，包括：

计算所述子数据及子数据集的信息熵，计算所述子数据的分裂信息量；

根据所述子数据及子数据集的信息熵和所述子数据的分裂信息量，利用所述预构建的信息增益模型计算出对应子数据的信息增益率。

4.如权利要求3中所述的数据过滤方法，其特征在于，所述计算所述子数据的分裂信息量，包括：

利用下述方法计算所述子数据A的分裂信息量：

其中，SplitInfo_A(A)表示子数据A的分裂信息量，m表示子数据的数量，|D_j|表示第j个子数据的数据数量，|D|表示原子数据集的数据数量。

5.如权利要求3所述的数据过滤方法，其特征在于，所述预构建的信息增益模型如下所示：

其中，GainRatio(A)表示子数据A的信息增益率，Info(D)表示子数据集的信息熵，Info_A(D)表示子数据A的信息熵，SplitInfo_A(A)表示子数据A的分裂信息量。

6.如权利要求1至5中任意一项所述的数据过滤方法，其特征在于，所述基于预设数据过滤机制，所述执行所述特征数据集的过滤包括：

从所述特征数据集中获取待传输特征数据；

调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法；

若所述待传输特征数据不合法，过滤所述待传输特征数据；

若所述待传输特征数据合法，利用多渠道方式推送所述待传输特征数据。

7.如权利要求6所述的数据过滤方法，其特征在于，所述调用所述预设数据过滤机制，识别出所述待传输特征数据是否合法，包括：

获取所述待传输特征数据的属性参数，利用预设匹配算法判断所述属性参数与所述预设数据过滤机制是否匹配，若不匹配，识别出所述待传输特征数据不合法，若匹配，识别出所述待传输特征数据合法。

8.一种数据过滤装置，其特征在于，所述装置包括：

拆分模块，用于获取原始数据集，将所述原始数据集拆分为多个子数据集；

计算及提取模块，用于利用预构建的信息增益模型计算每个所述子数据集中所有子数据的信息增益率，根据所述信息增益率提取出对应子数据集的特征数据，得到特征数据集；

执行模块，用于基于预设数据过滤机制，执行所述特征数据集的数据过滤。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的数据过滤方法。

10.一种计算机可读存储介质，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至7中任意一项所述的数据过滤方法。

Images