CN113239687B - 一种数据处理方法和装置 - Google Patents
一种数据处理方法和装置 Download PDFInfo
- Publication number
- CN113239687B CN113239687B CN202110498274.8A CN202110498274A CN113239687B CN 113239687 B CN113239687 B CN 113239687B CN 202110498274 A CN202110498274 A CN 202110498274A CN 113239687 B CN113239687 B CN 113239687B
- Authority
- CN
- China
- Prior art keywords
- class
- sets
- keyword
- word segmentation
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 132
- 238000012545 processing Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000002372 labelling Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据处理方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。该实施方式提升了数据处理的自动化程度,提高了处理效率和处理准确率,降低了人力成本,有效保障了数据安全。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据处理方法和装置。
背景技术
如何在海量数据资源中有效的定义和识别数据资产,对数据进行分类划分,并根据所划分的数据对应的业务类型保障数据资产的安全,是当前数字化转型的企业所面对的一大挑战。
现有技术中至少存在如下问题:
现有的数据处理方法中,主要以人工的方式对企业已存在的海量数据进行筛选过滤,确定关键数据,继而对其进行保护,存在人力资源消耗大、自动化程度低、处理效率低,准确率低的技术问题。
发明内容
有鉴于此,本发明实施例提供一种数据处理方法和装置,能够提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全。
为实现上述目的,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:
获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;
对多个关键词集合进行聚类处理,得到至少一个类;
根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。
进一步地,对多个分词集合进行加权处理,确定多个关键词集合,还包括:
分别对多个分词集合进行加权处理,以确定多个分词集合中的分词对应的分词频率和分词权重;
根据分词频率和分词权重确定多个关键词集合。
进一步地,对多个关键词集合进行聚类处理,还包括:
对多个关键词集合进行向量化处理,并计算向量化处理后的多个关键词集合所对应的向量距离;
根据向量距离对多个关键词集合进行聚类处理。
进一步地,根据向量距离对多个关键词集合进行聚类处理,还包括:
根据向量距离计算多个关键词集合之间的相似度;
根据相似度、以及关键词集合中各关键词对应的分词权重,对多个关键词集合进行聚类处理。
进一步地,在类为多个的情况下,方法还包括:
确定多个关键词集合中包括的关键词分别在多个类中对应的类频率;
根据类频率、以及关键词对应的分词频率对多个关键词集合进行更新,并对类进行更新。
进一步地,在对多个分词集合进行加权处理的步骤之前,方法还包括:
根据过滤词对多个分词集合中包括的分词进行过滤处理。
进一步地,在对类进行标注处理的步骤之后,方法还包括:
对类中的多个关键词进行特征提取,分别得到类对应的特征向量集合;
获取新增待处理数据,确定新增待处理数据对应的特征向量;
根据新增待处理数据对应的特征向量、特征向量集合以及相似度阈值确定新增待处理数据对应的类。
进一步地,还包括:
根据标注处理结果确定类的级别,根据类的级别确定相应的读取策略。
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:
关键词集合确定模块,用于获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;
聚类模块,用于对多个关键词集合进行聚类处理,得到至少一个类;
标注模块,用于根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。
根据本发明实施例的第三方面,提供了一种电子设备,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,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述任一种数据处理方法。
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上述任一种数据处理方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理的技术手段,所以克服了现有的数据处理方法中,存在的人力资源消耗大、自动化程度低、处理效率低,准确率低的技术问题,进而达到提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全的技术效果。
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是根据本发明第一实施例提供的数据处理方法的主要流程的示意图;
图2是根据本发明第二实施例提供的数据处理方法的主要流程的示意图;
图3是根据本发明实施例提供的数据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是根据本发明第一实施例提供的数据处理方法的主要流程的示意图;如图1所示,本发明实施例提供的数据处理方法主要包括:
步骤S101,获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合。
通过上述设置,对每个待处理数据依次进行分词处理和加权处理,分别得到一个关键词集合,以该关键词集合表征其对应的待处理数据,以便于后续根据关键词集合确定待处理数据所对应的类,进而对其进行标注,以提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全。
具体地,根据本发明实施例,上述对多个分词集合进行加权处理,确定多个关键词集合,还包括:
分别对多个分词集合进行加权处理,以确定多个分词集合中的分词对应的分词频率和分词权重;
根据分词频率和分词权重确定多个关键词集合。
针对每个待处理数据对应的分词集合,根据该分词集合内各分词所对应的分词频率和分词权重,来确定关键词集合,其中,关键词集合中包括至少一个关键词。通过上述设置,有助于精确地确定每个待处理数据对应的关键词集合,进而提高后续数据处理的准确率。
进一步地,根据本发明实施例,在对多个分词集合进行加权处理的步骤之前,上述方法还包括:
根据过滤词对多个分词集合中包括的分词进行过滤处理。
通过上述设置,对分词集合内的分词进行过滤,进一步提升了提高了确定关键词集合的效率和准确率。
步骤S102,对多个关键词集合进行聚类处理,得到至少一个类。
具体地,根据本发明实施例,上述对多个关键词集合进行聚类处理,还包括:
对多个关键词集合进行向量化处理,并计算向量化处理后的多个关键词集合所对应的向量距离;
根据向量距离对多个关键词集合进行聚类处理。
根据本发明实施例,分别对表征待处理数据的关键词集合进行向量化处理,确定每个待处理数据对应的向量矩阵,进而根据向量矩阵之间的向量距离来进行聚类,提升了聚类效果,有助于后续对不同类的数据进行标注,进而进行数据保护。
进一步地,根据本发明实施例,上述根据向量距离对多个关键词集合进行聚类处理,还包括:
根据向量距离计算多个关键词集合之间的相似度;
根据相似度、以及关键词集合中各关键词对应的分词权重,对多个关键词集合进行聚类处理。
通过上述设置,在进行聚类处理的过程中,将关键词集合中各关键词对应的分词权重也纳入考量范围内,进一步提升了聚类效果。
优选地,根据本发明实施例,在类为多个的情况下,上述方法还包括:
确定多个关键词集合中包括的关键词分别在多个类中对应的类频率;
根据类频率、以及关键词对应的分词频率对多个关键词集合进行更新,并对类进行更新。
根据本发明实施例,根据各关键词分别在多个类中对应的类频率确定该关键词最贴近的类别,可以将其他类别中包括的该关键词从关键词集合中进行删除,进行再次聚类,通过上述设置,有助于使得每个类别中所包括的关键词得以显著区分,以便于后续根据类中的关键词对类进行标注,进而进行数据保护。
步骤S103,根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。
进一步地,根据本发明实施例,在对类进行标注处理的步骤之后,上述方法还包括:
对类中的多个关键词进行特征提取,分别得到类对应的特征向量集合;
获取新增待处理数据,确定新增待处理数据对应的特征向量;
根据新增待处理数据对应的特征向量、特征向量集合以及相似度阈值确定新增待处理数据对应的类。
通过上述设置,在得到多个类之后,可通过特征提取确定每个类所对应的特征向量集合,以便于后续有新增的待处理数据后,可直接根据将该新增待处理数据的特征向量与该类的特征向量集合进行相似度比对,进而确定新增待处理数据所对应的类。
根据本发明实施例的一具体实施方式,在类中新增待处理数据之后,上述方法还包括,对该类所对应的特征向量集合进行更新。
优选地,根据本发明实施例,上述方法还包括:
根据标注处理结果确定类的级别,根据类的级别确定相应的读取策略。
具体地,标注处理结果指示了该类所对应的业务类型,可结合业务需求,确定不同业务类型所对应的保护级别,针对不同保护级别的类确定读取(访问)权限等策略,以保障数据安全。
根据本发明实施例的技术方案,因为采用获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理的技术手段,所以克服了现有的数据处理方法中,存在的人力资源消耗大、自动化程度低、处理效率低,准确率低的技术问题,进而达到提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全的技术效果。
图2是根据本发明第二实施例提供的数据处理方法的主要流程的示意图;如图2所示,本发明实施例提供的数据处理方法主要包括:
步骤S201,获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合。
通过上述设置,对每个待处理数据进行分词处理,分别得到一个分词集合,有助于后续从分词集合中选取表征该待处理数据的关键词集合,进而根据关键词集合确定待处理数据所对应的类,并对类进行标注,以提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全。
步骤S202,根据过滤词对多个分词集合中包括的分词进行过滤处理。
通过上述设置,对分词集合内的分词进行过滤,进一步提升了提高了确定关键词集合的效率和准确率。
根据本发明实施例,过滤词可以是一些使用较为广泛的单词,如“你、我、他、的”等等,或者也可以是在样本(多个待处理数据)中已知出现频率较高,但实际意义不大的词。这些词对于提取待处理数据中的关键信息,是没有意义的,属于噪声信息。通过上述设置,过滤掉噪音信息,可以有效地提高分词算法的精确性。
步骤S203,分别对多个分词集合进行加权处理,以确定多个分词集合中的分词对应的分词频率和分词权重;根据分词频率和分词权重确定多个关键词集合。
针对每个待处理数据对应的分词集合,根据该分词集合内各分词所对应的分词频率和分词权重,来确定关键词集合,其中,关键词集合中包括至少一个关键词。通过上述设置,有助于精确地确定每个待处理数据对应的关键词集合,进而提高后续数据处理的准确率。
根据本发明实施例,可以采用TF-IDF(term frequency-inverse documentfrequency,词频-逆向文件频率,一种用于信息检索与文本挖掘的常用加权技术)来对分词集合进行加权处理。
步骤S204,对多个关键词集合进行向量化处理,并计算向量化处理后的多个关键词集合所对应的向量距离;根据向量距离对多个关键词集合进行聚类处理;得到至少一个类。
根据本发明实施例,分别对表征待处理数据的关键词集合进行向量化处理,确定每个待处理数据对应的向量矩阵,进而根据向量矩阵之间的向量距离来进行聚类,提升了聚类效果,有助于后续对不同类的数据进行标注,进而进行数据保护。
根据本发明实施例的一具体实施方式,可采用层次聚类(如ROCK聚类,CURE聚类等)的方式对多个关键词集合进行聚类处理,即先计算样本(这里指关键词集合所对应的向量矩阵)之间的距离,每次将距离最近的点合并到同一个小类;然后再计算小类与小类之间的距离,将距离最近的小类合并为一个较大的类;直至达到聚类阈值。
具体地,根据本发明实施例,根据向量距离对多个关键词集合进行聚类处理,还包括:
根据向量距离计算多个关键词集合之间的相似度;
根据相似度、以及关键词集合中各关键词对应的分词权重,对多个关键词集合进行聚类处理。
通过上述设置,在进行聚类处理的过程中,将关键词集合中各关键词对应的分词权重也纳入考量范围内,进一步提升了聚类效果。
进一步地,根据本发明实施例,在类为多个的情况下,上述方法还包括:
确定多个关键词集合中包括的关键词分别在多个类中对应的类频率;
根据类频率、以及关键词对应的分词频率对多个关键词集合进行更新,并对类进行更新。
根据本发明实施例,根据各关键词分别在多个类中对应的类频率确定该关键词最贴近的类别,可以将其他类别中包括的该关键词从关键词集合中进行删除,进行再次聚类,通过上述设置,有助于使得每个类别中所包括的关键词得以显著区分,以便于后续根据类中的关键词对类进行标注,进而进行数据保护。
上述步骤可以看错对层次聚类的一个优化,聚类分析的原理,在于分析样本之间的存在不同程度的相似性;而聚类分析的目标,是希望一个簇(即上述的类)内的数据尽量相似,不同簇的数量尽量不相似。通过上述设置,在已经得到聚类结果的基础上,根据关键词对应的分词频率对聚类结果进行优化,优化过程中主要包括如下原则:
如果某一个关键词在本类中出现次数越多,在其他类中出现的次数越少,则表明该关键词针对本类越关键,则属于本类的特征关键词(在后续有新的待处理数据进行分词处理时,针对该类关键词,可设置较高的分词权重。根据各个词语的权重大小来计算相似度更能反映关键词集合之间的类别关系);
如果某一个关键词在本类和其他类中出现的次数都很多,则表明此关键词针对本样本集不敏感,可以考虑将该关键词作为过滤词。
步骤S205,根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。
进一步地,在对类进行标注处理的步骤之后,方法还包括:
对类中的多个关键词进行特征提取,分别得到类对应的特征向量集合;
获取新增待处理数据,确定新增待处理数据对应的特征向量;
根据新增待处理数据对应的特征向量、特征向量集合以及相似度阈值确定新增待处理数据对应的类。
通过上述设置,在得到多个类之后,可通过特征提取确定每个类所对应的特征向量集合,以便于后续有新增的待处理数据后,可直接根据将该新增待处理数据的特征向量与该类的特征向量集合进行相似度比对,进而确定新增待处理数据所对应的类。
步骤S206,根据标注处理结果确定类的级别,根据类的级别确定相应的读取策略。
具体地,标注处理结果指示了该类所对应的业务类型,可结合业务需求,确定不同业务类型所对应的保护级别,针对不同保护级别的类确定读取(访问)权限等策略,以保障数据安全。
具体地,上述类的级别相当于该类数据对应的机密等级,根据类的机密等级创建数据保护策略,有效地降低了数据保护成本和数据保护效率。
根据本发明实施例的技术方案,因为采用获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理的技术手段,所以克服了现有的数据处理方法中,存在的人力资源消耗大、自动化程度低、处理效率低,准确率低的技术问题,进而达到提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全的技术效果。
图3是根据本发明实施例提供的数据处理装置的主要模块的示意图;如图3所示,本发明实施例提供的数据处理装置300主要包括:
关键词集合确定模块301,用于获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合。
通过上述设置,对每个待处理数据依次进行分词处理和加权处理,分别得到一个关键词集合,以该关键词集合表征其对应的待处理数据,以便于后续根据关键词集合确定待处理数据所对应的类,进而对其进行标注,以提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全。
具体地,根据本发明实施例,上述关键词集合确定模块301还用于:
分别对多个分词集合进行加权处理,以确定多个分词集合中的分词对应的分词频率和分词权重;
根据分词频率和分词权重确定多个关键词集合。
针对每个待处理数据对应的分词集合,根据该分词集合内各分词所对应的分词频率和分词权重,来确定关键词集合,其中,关键词集合中包括至少一个关键词。通过上述设置,有助于精确地确定每个待处理数据对应的关键词集合,进而提高后续数据处理的准确率。
进一步地,根据本发明实施例,上述数据处理装置300还包括过滤模块,在对多个分词集合进行加权处理的步骤之前,用于:
根据过滤词对多个分词集合中包括的分词进行过滤处理。
通过上述设置,对分词集合内的分词进行过滤,进一步提升了提高了确定关键词集合的效率和准确率。
聚类模块302,用于对多个关键词集合进行聚类处理,得到至少一个类。
具体地,根据本发明实施例,上述聚类模块302,还用于:
对多个关键词集合进行向量化处理,并计算向量化处理后的多个关键词集合所对应的向量距离;
根据向量距离对多个关键词集合进行聚类处理。
根据本发明实施例,分别对表征待处理数据的关键词集合进行向量化处理,确定每个待处理数据对应的向量矩阵,进而根据向量矩阵之间的向量距离来进行聚类,提升了聚类效果,有助于后续对不同类的数据进行标注,进而进行数据保护。
进一步地,根据本发明实施例,上述聚类模块302,还用于:
根据向量距离计算多个关键词集合之间的相似度;
根据相似度、以及关键词集合中各关键词对应的分词权重,对多个关键词集合进行聚类处理。
通过上述设置,在进行聚类处理的过程中,将关键词集合中各关键词对应的分词权重也纳入考量范围内,进一步提升了聚类效果。
优选地,根据本发明实施例,上述数据处理装置300还包括更新模块,在类为多个的情况下,用于:
确定多个关键词集合中包括的关键词分别在多个类中对应的类频率;
根据类频率、以及关键词对应的分词频率对多个关键词集合进行更新,并对类进行更新。
根据本发明实施例,根据各关键词分别在多个类中对应的类频率确定该关键词最贴近的类别,可以将其他类别中包括的该关键词从关键词集合中进行删除,进行再次聚类,通过上述设置,有助于使得每个类别中所包括的关键词得以显著区分,以便于后续根据类中的关键词对类进行标注,进而进行数据保护。
标注模块303,用于根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。
进一步地,根据本发明实施例,上述数据处理装置300还包括特征提取模块,在对类进行标注处理的步骤之后,用于:
对类中的多个关键词进行特征提取,分别得到类对应的特征向量集合;
获取新增待处理数据,确定新增待处理数据对应的特征向量;
根据新增待处理数据对应的特征向量、特征向量集合以及相似度阈值确定新增待处理数据对应的类。
通过上述设置,在得到多个类之后,可通过特征提取确定每个类所对应的特征向量集合,以便于后续有新增的待处理数据后,可直接根据将该新增待处理数据的特征向量与该类的特征向量集合进行相似度比对,进而确定新增待处理数据所对应的类。
根据本发明实施例的一具体实施方式,在类中新增待处理数据之后,上述特征提取模块还用于,对该类所对应的特征向量集合进行更新。
优选地,根据本发明实施例,上述数据处理装置300还包括读取策略确定模块,用于:根据标注处理结果确定类的级别,根据类的级别确定相应的读取策略。
具体地,标注处理结果指示了该类所对应的业务类型,可结合业务需求,确定不同业务类型所对应的保护级别,针对不同保护级别的类确定读取(访问)权限等策略,以保障数据安全。
根据本发明实施例的技术方案,因为采用获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理的技术手段,所以克服了现有的数据处理方法中,存在的人力资源消耗大、自动化程度低、处理效率低,准确率低的技术问题,进而达到提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全的技术效果。
图4示出了可以应用本发明实施例的数据处理方法或数据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(此架构仅仅是示例,具体架构中包含的组件可以根据申请具体情况调整)。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、数据处理类应用、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(进行数据处理)的服务器(仅为示例)。该服务器可以对接收到的待处理数据等进行分析等处理,并将处理结果(例如类、类对应的业务类型--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的数据处理方法一般由服务器405执行,相应地,数据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或服务器的计算机系统500的结构示意图。图5示出的终端设备或服务器仅仅是一个示例,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:一种处理器包括关键词集合确定模块、聚类模块和标注模块。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,关键词集合确定模块还可以被描述为“用于获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合的模块”。
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:获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理。
根据本发明实施例的技术方案,因为采用获取多个待处理数据,根据分词词典对多个待处理数据进行分词处理,得到多个分词集合;对多个分词集合进行加权处理,以确定多个关键词集合;对多个关键词集合进行聚类处理,得到至少一个类;根据类中包括的关键词,确定类对应的业务类型,根据业务类型对类进行标注处理的技术手段,所以克服了现有的数据处理方法中,存在的人力资源消耗大、自动化程度低、处理效率低,准确率低的技术问题,进而达到提升数据处理的自动化程度,提高处理效率和处理准确率,降低人力成本,有效保障数据安全的技术效果。
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 (8)
1.一种数据处理方法,其特征在于,包括:
获取多个待处理数据,根据分词词典对所述多个待处理数据进行分词处理,得到多个分词集合;对所述多个分词集合进行加权处理,以确定多个关键词集合;
对所述多个关键词集合进行聚类处理,得到至少一个类,包括:对所述多个关键词集合进行向量化处理,并计算向量化处理后的多个关键词集合所对应的向量距离;根据所述向量距离对所述多个关键词集合进行聚类处理;
根据所述类中包括的关键词,确定所述类对应的业务类型,根据所述业务类型对所述类进行标注处理;
根据标注处理结果确定类的级别,根据类的级别确定相应的读取策略;
在所述类为多个的情况下,所述方法还包括:确定所述多个关键词集合中包括的关键词分别在多个类中对应的类频率;根据各关键词分别在多个类中对应的类频率确定该关键词最贴近的类别,将其他类别中包括的该关键词从关键词集合中进行删除,进行再次聚类。
2.根据权利要求1所述的数据处理方法,其特征在于,所述对所述多个分词集合进行加权处理,确定多个关键词集合,还包括:
分别对所述多个分词集合进行加权处理,以确定所述多个分词集合中的分词对应的分词频率和分词权重;
根据所述分词频率和所述分词权重确定多个关键词集合。
3.根据权利要求1所述的数据处理方法,其特征在于,所述根据所述向量距离对所述多个关键词集合进行聚类处理,还包括:
根据所述向量距离计算所述多个关键词集合之间的相似度;
根据所述相似度、以及所述关键词集合中各关键词对应的分词权重,对所述多个关键词集合进行聚类处理。
4.根据权利要求1所述的数据处理方法,其特征在于,在对所述多个分词集合进行加权处理的步骤之前,所述方法还包括:
根据过滤词对所述多个分词集合中包括的分词进行过滤处理。
5.根据权利要求1所述的数据处理方法,其特征在于,在所述对所述类进行标注处理的步骤之后,所述方法还包括:
对所述类中的多个关键词进行特征提取,分别得到所述类对应的特征向量集合;
获取新增待处理数据,确定所述新增待处理数据对应的特征向量;
根据所述新增待处理数据对应的特征向量、所述特征向量集合以及相似度阈值确定所述新增待处理数据对应的类。
6.一种数据处理装置,其特征在于,包括:
关键词集合确定模块,用于获取多个待处理数据,根据分词词典对所述多个待处理数据进行分词处理,得到多个分词集合;对所述多个分词集合进行加权处理,以确定多个关键词集合;
聚类模块,用于对所述多个关键词集合进行聚类处理,得到至少一个类,包括:对所述多个关键词集合进行向量化处理,并计算向量化处理后的多个关键词集合所对应的向量距离;根据所述向量距离对所述多个关键词集合进行聚类处理;
标注模块,用于根据所述类中包括的关键词,确定所述类对应的业务类型,根据所述业务类型对所述类进行标注处理;
更新模块,在类为多个的情况下,用于:确定多个关键词集合中包括的关键词分别在多个类中对应的类频率;根据各关键词分别在多个类中对应的类频率确定该关键词最贴近的类别,将其他类别中包括的该关键词从关键词集合中进行删除,进行再次聚类;
读取策略确定模块,用于:根据标注处理结果确定类的级别,根据类的级别确定相应的读取策略。
7.一种电子设备,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1-5中任一所述的方法。
8.一种计算机可读介质,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1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498274.8A CN113239687B (zh) | 2021-05-08 | 2021-05-08 | 一种数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110498274.8A CN113239687B (zh) | 2021-05-08 | 2021-05-08 | 一种数据处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239687A CN113239687A (zh) | 2021-08-10 |
CN113239687B true CN113239687B (zh) | 2024-03-22 |
Family
ID=77132455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110498274.8A Active CN113239687B (zh) | 2021-05-08 | 2021-05-08 | 一种数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239687B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512277A (zh) * | 2015-12-04 | 2016-04-20 | 北京航空航天大学 | 一种面向图书市场书名的短文本聚类方法 |
CN106294736A (zh) * | 2016-08-10 | 2017-01-04 | 成都轻车快马网络科技有限公司 | 基于关键词频率的文本特征提取方法 |
CN108182523A (zh) * | 2017-12-26 | 2018-06-19 | 新疆金风科技股份有限公司 | 故障数据的处理方法和装置、计算机可读存储介质 |
CN108376151A (zh) * | 2018-01-31 | 2018-08-07 | 深圳市阿西莫夫科技有限公司 | 问题分类方法、装置、计算机设备和存储介质 |
WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技(深圳)有限公司 | 网络舆情的分析方法、装置及计算机可读存储介质 |
CN110807097A (zh) * | 2018-08-03 | 2020-02-18 | 北京京东尚科信息技术有限公司 | 分析数据的方法和装置 |
CN111930883A (zh) * | 2020-07-01 | 2020-11-13 | 深信服科技股份有限公司 | 一种文本聚类方法、装置、电子设备和计算机存储介质 |
CN112307133A (zh) * | 2020-10-29 | 2021-02-02 | 平安普惠企业管理有限公司 | 安全防护方法、装置、计算机设备及存储介质 |
-
2021
- 2021-05-08 CN CN202110498274.8A patent/CN113239687B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512277A (zh) * | 2015-12-04 | 2016-04-20 | 北京航空航天大学 | 一种面向图书市场书名的短文本聚类方法 |
CN106294736A (zh) * | 2016-08-10 | 2017-01-04 | 成都轻车快马网络科技有限公司 | 基于关键词频率的文本特征提取方法 |
CN108182523A (zh) * | 2017-12-26 | 2018-06-19 | 新疆金风科技股份有限公司 | 故障数据的处理方法和装置、计算机可读存储介质 |
CN108376151A (zh) * | 2018-01-31 | 2018-08-07 | 深圳市阿西莫夫科技有限公司 | 问题分类方法、装置、计算机设备和存储介质 |
WO2019227710A1 (zh) * | 2018-05-31 | 2019-12-05 | 平安科技(深圳)有限公司 | 网络舆情的分析方法、装置及计算机可读存储介质 |
CN110807097A (zh) * | 2018-08-03 | 2020-02-18 | 北京京东尚科信息技术有限公司 | 分析数据的方法和装置 |
CN111930883A (zh) * | 2020-07-01 | 2020-11-13 | 深信服科技股份有限公司 | 一种文本聚类方法、装置、电子设备和计算机存储介质 |
CN112307133A (zh) * | 2020-10-29 | 2021-02-02 | 平安普惠企业管理有限公司 | 安全防护方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张向荣.《 模式识别》.西安电子科技大学出版社,2019,55-57页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113239687A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11062089B2 (en) | Method and apparatus for generating information | |
US10547618B2 (en) | Method and apparatus for setting access privilege, server and storage medium | |
CN112527649A (zh) | 一种测试用例的生成方法和装置 | |
CN112988753B (zh) | 一种数据搜索方法和装置 | |
CN107908662B (zh) | 搜索系统的实现方法和实现装置 | |
CN113657113A (zh) | 文本处理方法、装置和电子设备 | |
CN115632874A (zh) | 一种实体对象的威胁检测方法、装置、设备及存储介质 | |
CN114969840A (zh) | 数据防泄漏方法和装置 | |
CN113904943A (zh) | 账号检测方法、装置、电子设备和存储介质 | |
CN114297278A (zh) | 批量数据快速写入方法、系统和装置 | |
CN113239687B (zh) | 一种数据处理方法和装置 | |
CN116775167A (zh) | 一种业务处理方法、装置、电子设备及计算机可读介质 | |
CN115495740A (zh) | 一种病毒检测方法和装置 | |
CN115952258A (zh) | 政务标签库的生成方法、政务文本的标签确定方法和装置 | |
CN113590447B (zh) | 埋点处理方法和装置 | |
CN115423030A (zh) | 一种设备识别的方法和装置 | |
CN112100291A (zh) | 一种数据分箱的方法和装置 | |
CN112862554A (zh) | 一种订单数据的处理方法和装置 | |
CN112784596A (zh) | 一种识别敏感词的方法和装置 | |
CN110895564A (zh) | 一种潜在客户数据处理方法和装置 | |
CN111858917A (zh) | 文本分类方法和装置 | |
CN110929512A (zh) | 一种数据增强方法和装置 | |
CN115981910B (zh) | 处理异常请求的方法、装置、电子设备和计算机可读介质 | |
CN113312549B (zh) | 一种域名处理方法和装置 | |
CN111460269B (zh) | 信息推送方法和装置 |
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 |