CN113378025A - 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
- CN113378025A CN113378025A CN202110654575.5A CN202110654575A CN113378025A CN 113378025 A CN113378025 A CN 113378025A CN 202110654575 A CN202110654575 A CN 202110654575A CN 113378025 A CN113378025 A CN 113378025A
- Authority
- CN
- China
- Prior art keywords
- data
- processed
- processing
- sampling
- target
- 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
- 238000003672 processing method Methods 0.000 title abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 130
- 238000005070 sampling Methods 0.000 claims abstract description 94
- 238000007499 fusion processing Methods 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 34
- 230000011218 segmentation Effects 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 11
- 238000013135 deep learning Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Information Transfer Between Computers (AREA)
- Storage Device Security (AREA)
Abstract
本公开提供了一种数据处理方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及深度学习、大数据处理等人工智能技术领域。具体实现方案为:获取网页的待处理数据;对待处理数据进行采样处理,以得到采样数据;从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容;以及对多个标记数据内容进行融合处理,以得到目标数据。由此,能够实现对网页中海量的数据进行有效地处理和识别,从而能够有效地提升网页中数据处理的效果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及深度学习、大数据处理等人工智能技术领域,具体涉及一种数据处理方法、装置、电子设备及存储介质。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术,以及机器学习、深度学习、大数据处理技术、知识图谱技术等几大方向。
网页主要包括:静态数据和动态数据,相关技术中,通常是针对网页中的静态数据和动态数据执行相应的数据处理任务。
发明内容
本公开提供了一种数据处理方法、装置、电子设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种数据处理方法,包括:获取网页的待处理数据;对所述待处理数据进行采样处理,以得到采样数据;从所述采样数据之中识别出与预设分隔符对应的数据内容,并采用所述预设分隔符对所述数据内容进行标记,以得到多个标记数据内容;以及对所述多个标记数据内容进行融合处理,以得到目标数据。
根据本公开的第二方面,提供了一种数据处理装置,包括:获取模块,用于获取网页的待处理数据;处理模块,用于对所述待处理数据进行采样处理,以得到采样数据;识别模块,用于从所述采样数据之中识别出与预设分隔符对应的数据内容,并采用所述预设分隔符对所述数据内容进行标记,以得到多个标记数据内容;以及融合模块,用于对所述多个标记数据内容进行融合处理,以得到目标数据。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本公开实施例的数据处理方法。
根据本公开的第四方面,提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本公开实施例公开的数据处理方法。
根据本公开的第五方面,提出了一种计算机程序产品,包括计算机程序,当计算机程序由处理器执行时实现本公开实施例公开的数据处理方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开实施例中的预设分隔符标记示意图;
图3是根据本公开第二实施例的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本实施例的未加密数据示意图;
图6是根据本实施例的加密数据示意图;
图7是根据本实施例的数据解密处理示意图;
图8是根据本实施例的无解码数据采样示意图;
图9是根据本公开第四实施例的示意图;
图10是根据本公开第五实施例的示意图;
图11示出了可以用来实施本公开的实施例的数据处理方法的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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是根据本公开第一实施例的示意图。
其中,需要说明的是,本实施例的数据处理方法的执行主体为数据处理装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
本公开实施例涉及深度学习、大数据处理等人工智能技术领域。
其中,人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
而大数据处理,是指采用人工智能的方式对规模巨大的数据进行分析以及处理的过程,而大数据可以概括为5个V,数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。
本实施例中,数据处理方法的执行主体可以通过各种公开、合法合规的方式获取初始数据,例如可以是从公开数据集处获取的,或者是经过了用户的授权从用户处获取的。该数据并不能反映出某一特定用户的个人信息,也即是说,本公开实施例中的数据均是在符合相关法律、法规的情况下获取的。
如图1所示,该数据处理方法包括:
S101:获取网页的待处理数据。
其中,当前待对其进行处理的数据,可以被称为待处理数据。本实施例中的待处理数据可以例如是网页中的动态加载的数据,该动态加载的数据即可以是网页中的动态数据,待处理数据也可以是网页中的静态数据,或者,待处理数据也可以是其它任意与网页相关联的数据,对此不做限制。
待处理数据的数量可以是一个也可以是多个,对此不做限制。
S102:对待处理数据进行采样处理,以得到采样数据。
上述在获取网页得待处理数据后,可以对待处理数据进行采样处理,以得到采样数据,对待处理数据进行采样处理得到的数据,可以被称为采样数据。
其中,采样处理,可以是指按照某种规则从待处理数据中挑选部分数据,该采样得到的部分数据可以被称为采样数据,通过采样处理的方式处理待处理数据,不仅可以节约计算机资源,还由于适当剔除了多余的数据,从而可以有效地提升数据处理效果。
举例而言,在实现对待处理数据进行采样处理,以得到采样数据时,可以基于预训练的数据采样模型来实现,比如可以将待处理数据作为数据采样模型的输入参数,以得到数据采样模型输出的采样数据,
当然,也可以采用其它任意可能的方式来实现,本实施例中对待处理数据进行采样处理,以得到采样数据的步骤,对此不做限制。
S103:从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容。
其中,预先设定的对数据进行分隔处理的分隔符,可以被称为预设分隔符。
上述在对待处理数据进行采样处理,以得到采样数据后,可以从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容。
也即是说,可以对采样数据进行识别,以得到预设分隔符对应的数据内容,还可以采用预设分隔符对数据进行标记处理,以得到多个标记数据内容。
可以一并结合图2对本实施例作出说明,如图2所示,图2是根据本公开实施例中的预设分隔符标记示意图,预配置的分隔符(预配置的分隔符可以被称为预设分隔符)可以例如:“”、“.”、“,”、“;”、“+”等,在得到采样数据后,可以从采样数据中识别出预设分隔符对应的数据内容(即,采用预设分隔符在待处理数据中进行匹配,预设分隔符所匹配出的数据段的内容,可以被称为数据内容),而后,还可以采用预设分隔符对数据内容进行标记,以得到多个标记数据内容,其中,基于预设分隔符识匹配出的数据内容和携带的标记,可以被共同作为标记数据内容。
S104:对多个标记数据内容进行融合处理,以得到目标数据。
上述在从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容后,可以对多个标记数据进行融合处理,以得到融合处理后的数据,该融合处理后的数据,即可被称为目标数据。
举例而言,可以采用数据拼接的方式对多个标记数据内容进行融合处理,以得到目标数据,或者也可以采用其它任意可能的方式对多个标记数据内容进行融合处理,对此不做限制。
本实施例中,通过获取网页的待处理数据,对待处理数据进行采样处理,以得到采样数据,从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容,以及对多个标记数据内容进行融合处理,以得到目标数据。由此,能够实现对网页中海量的数据进行有效地处理和识别,从而能够有效地提升网页中数据处理的效果。
图3是根据本公开第二实施例的示意图。
如图3所示,针对本实施例的描述,可以结合上述图1所示,该数据处理方法包括:
S301:接收加载请求消息,加载请求消息,用于在网页之中加载对应的动态信息。
其中,用于在网页之中加载对应的动态信息的请求消息,可以被称为加载请求消息。
其中,网页主要包括:静态数据和动态数据,动态数据可以是从动态信息中解析得到的,而动态信息可以例如网页中动态生成的页面内容信息,即在网页加载到浏览器后动态生成的页面内容,相应的,静态数据可以例如是从静态信息中解析得到的,而静态信息指与网页的源文件相关的信息,通常可以通过分析网页的源文件,以得到静态信息。
本实施例中,接收加载请求消息后,可以根据加载请求消息在网页之中加载对应的动态信息,从而触发后续步骤。
S302:根据加载请求消息获取对应的动态信息,并从动态信息之中解析得到待处理数据。
上述在接收加载请求消息后,可以根据加载请求消息获取对应的动态信息,并从动态信息之中解析得到待处理数据。
一些实施例中,在接收加载请求消息后,可以通过浏览器渲染内核的方式,从网页之中加载相应的动态信息。
其中,浏览器渲染内核的方式指的是,浏览器的页面渲染引擎负责取得网页的内容,对获取的网页的内容进行整理,并输出至显示器或者打印机。
举例而言,可以对加载的动态信息进行相应的筛选处理,丢弃层叠样式表(Cascading Style Sheet,CSS)、图片、多媒体数据(例如音视频数据)等数据,保留动态信息中的XHR(XMLHttpRequest)、JS(JavaScript,Java脚本)等动态信息,而后,对上述保留的动态信息进行相应的解析,以得到待处理数据。
其中的XHR,是可扩展标记语言-超文本传输协议请求(Extensible MarkupLanguageHyperText Transfer ProtocolRequest,XMLHttpRequest)的缩写形式,XMLHttpRequest是一种创建AJAX(Asynchronous JavaScript and XML(异步的JavaScript和XML)请求的Java脚本的应用程序编程接口(JavaScript Application ProgrammingInterface,JavaScriptAPI),XMLHttpRequest能够提供在浏览器和服务器之间发送请求的能力。
本实施例中,通过接收加载请求消息,加载请求消息,用于在网页之中加载对应的动态信息,并根据加载请求消息获取对应的动态信息,并从动态信息之中解析得到待处理数据,由于是在根据加载请求消息获取对应的动态信息的过程中,即实现处理动态信息以解析得到待处理数据,从而能够有效提升待处理数据获取的效率,将数据处理逻辑无缝融合至网页加载处理逻辑中,不影响网页的线上访问,且可以实现准确地、快速地抓取到待处理数据,以辅助后续的数据处理逻辑,从而能够有效提升整体数据处理方法的执行效率。
S303:确定与待处理数据对应的加密状态。
上述在根据加载请求消息获取对应的动态信息,并从动态信息之中解析得到待处理数据后,可以确定与待处理数据的加密状态。
其中,加密是指,在计算机安全领域,通过加密算法和加密密钥将明文转化为密文,相应的,解密是通过解密算法和解密密钥将密文恢复为明文。在此过程中,加密的数据可以被称为密文,未加密的数据可以被称为明文。
也即是说,如果待处理数据为明文,则加密状态指示:待处理数据未加密,如果待处理数据为密文,则加密状态指示:待处理数据加密。
S304:确定与加密状态对应的目标采样方式。
上述在确定待处理数据对应的加密状态后,可以确定与加密状态对应的采样方式,与加密状态对应的采样方式,可以被称为目标采样方式。
一些实施例中,在确定加密状态对应的目标采样方式时,可以通过确定待处理数据对应的加密状态、待处理数据的大小,及待处理数据相应的数据处理逻辑,确定加密状态对应的目标采样方式,对此不做限制。
本实施例中,可以通过确定待处理数据的加密状态,确定与加密状态对应的目标采样方式,举例而言,如果确定待处理数据为加密状态,则可以通过确定加密状态对应的采样方式为方式A,得到加密状态对应的目标采样方式为方式A,相应的,如果确定待处理数据为未加密状态,则可以通过确定未加密状态对应的采样方式为方式B,得到未加密状态对应的目标采样方式为方式B。
S305:根据目标采样方式对待处理数据进行采样处理,以得到采样数据。
上述在确定加密状态对应的目标采样方式后,可以根据目标采样方式对待处理数据进行采样处理,以得到采样数据。
一些实施例中,通过确定与待处理数据对应的加密状态;确定与加密状态对应的目标采样方式,并根据目标采样方式对待处理数据进行采样处理,以得到采样数据。由于是根据加密状态对应的目标采样方式对待处理数据进行采样处理,从而使得采样处理方式能够与待处理数据的加密状态相适配,提供了更为灵活的采样处理方式,使得采样处理方式能够满足待处理数据的个性化需求,从而能够辅助快速准确地采用与待处理数据适配的采样方式来对待处理数据进行采样处理,较大程度地提升数据采样处理的效率,从而辅助提升整体的数据处理灵活性和数据处理效果。
可选的,一些实施例中,如图4所示,图4是根据本公开第三实施例的示意图,根据目标采样方式对待处理数据进行采样处理,以得到采样数据,包括:
S401:如果加密状态指示:待处理数据未加密,则对待处理数据进行切词处理,得到多个初始词。
其中,切词处理是指对待处理数据进行分段处理,以得到多个分段数据,该分段数据可以被称为初始词。
可以一并结合图5对本实施例作出说明,如图5所示,图5是根据本实施例的未加密数据示意图。
在本实施例中,如果待处理数据为明文,即指示待处理数据的加密状态是:待处理数据未加密,则可以对待处理数据进行切词处理,以得到多个初始词。
一些实施例中,如果待处理数据是文本类数据,对文本类数据进行切词处理,例如,可以使用bigram(二元分词)的方式对文本类数据进行切词处理,以得到多个初始词,对此不做限制。
S402:确定与多个初始词分别对应的多个初始词向量表示,并将多个初始词向量表示作为采样数据。
上述在确定待处理数据的加密状态是:待处理数据未加密,并对待处理数据进行切词处理以得到多个初始词后,可以确定与多个初始词分别对应的多个初始词向量表示,并将多个初始词向量表示作为采样数据。
一些实施例中,可以对多个初始词进行特征提取,以得到多个初始词对应的特征向量,该特征向量可以被称为初始词向量表示。
举例而言,可以通过神经网络的嵌入层Embedding,将多个初始词转化为分别对应的多个初始词向量表示,并将得到的多个初始词向量表示作为采样数据。
本实施例中,通过确定待处理数据为未加密状态,对待处理数据进行切词处理,得到多个初始词,并确定与多个初始词分别对应的多个初始词向量表示,并将多个初始词向量表示作为采样数据,从而当待处理数据的加密状态是:待处理数据未加密时,能够采用与待处理数据未加密相对应的采样处理方式处理待处理数据,有效实现数据处理效率和数据处理准确性的兼顾,能够有效地拓展数据处理方式的应用场景,较大程度地提升数据处理方法的适用性。
S403:如果加密状态指示:待处理数据加密,则确定与待处理数据对应的数据量。
其中,用于表示待处理数据字符数量的参数,可以被称为数据量。
可以一并结合图6对本实施例作出说明,如图6所示,图6是根据本实施例的加密数据示意图。
本实施例中,如果待处理数据为密文,即指示待处理数据的加密状态是:待处理数据加密,则可以确定与待处理数据对应的数据量。
举例而言,可以采用网络爬虫、人工录入等方式对待处理数据进行全方位的汇总统计,以得到待处理数据对应的数据量。
S404:如果数据量小于或者等于数据量阈值,则对待处理数据进行解密处理,以得到解密数据。
其中,解密处理是指,通过解密算法和解密密钥将密文恢复为明文,即将待处理数据由加密状态处理为未加密状态,而解密得到的数据,可以被称为解密数据。
其中,数据量阈值可以用来表示数据量的界限范围或临界值,如果数据量在数据量阈值的范围内,则执行一种数据处理过程,如果数据量在数据量阈值的范围外,则可以执行相应的另一种数据处理过程,例如,如果数据量小于数据量阈值,则可以对待处理数据进行解密处理,以得到解密数据,对此不做限制。
可以一并结合图7对本实施例作出说明,如图7所示,图7是根据本实施例的数据解密处理示意图。
本实施例中,可以结合执行数据处理任务的硬件设备的性能,对数据量阈值进行相应设置,该设置方式还可以是自适应设置的,对此不做限制。
本公开实施例中,支持在数据量小于或者等于数据量阈值时,对待处理数据进行解密处理,以得到解密数据。
一些实施例中,可以通过调用解密函数来对待处理数据进行解密处理,以得到解密数据,对此不做限制。
由于在数据量小于或者等于数据量阈值时,对待处理数据进行解密处理,以得到解密数据,由于数据量相对较小,从而对待处理数据进行解密处理逻辑不会占用过多的运算资源消耗,能够有效地保障数据处理的效率。
S405:对解密数据进行切词处理,以得到多个解密词。
上述确定数据量小于或者等于数据量阈值,对待处理数据进行解密处理,以得到解密数据后,可以对解密数据进行切词处理,以得到多个解密词。
其中,对解密数据进行切词处理,以得到多个分段数据,该分段数据可以被称为解密词。
本实施例中,对解密进行切词处理,以得到多个解密词的举例说明,可以具体参见上述步骤S401的描述说明,在此不再赘述。
S406:确定与多个解密词分别对应的多个解密词向量表示,并将多个解密词向量表示作为采样数据。
其中,可以对多个解密词进行特征提取,以得到多个解密词对应的特征向量,该特征向量可以被称为解密词向量表示。
本实施例中,确定与多个解密词分别对应的多个解密词向量表示,并将多个解密词向量表示作为采样数据的举例说明,可以具体参见上述步骤S402的描述说明,在此不再赘述。
上述在确定待处理数据为加密状态后,可以确定与待处理数据对应的数据量,如果数据量小于或者等于数据量阈值,则对待处理数据进行解密处理,以得到解密数据;对解密数据进行切词处理,以得到多个解密词,确定与多个解密词分别对应的多个解密词向量表示,并将多个解密词向量表示作为采样数据,由于在数据量小于或者等于数据量阈值时,对待处理数据进行解密处理,以得到解密数据,由于数据量相对较小,从而对待处理数据进行解密处理逻辑不会占用过多的运算资源消耗,能够有效地保障数据处理的效率。
S407:如果数据量大于数据量阈值,则确定与待处理数据对应的加密算法类型。
其中,加密算法是指对待处理数据按照相应的算法进行处理,在此过程中,不同的待处理数据可能会对应不同类别的加密算法,该加密算法的类别可以被称为加密算法类型。
本实施例中,如果待处理数据的数据量大于数据量阈值,采用解密函数可能消耗较多的运算资源,从而本公开实施例中,在待处理数据的数据量大于数据量阈值时,可以通过确定与待处理数据对应的加密算法类型,而后,可以参考加密算法类型对待处理数据进行相应的处理,以得到采样数据,而可以不对待处理数据执行解密处理逻辑,从而能够有效地避免消耗较多的运算资源,保障数据处理效率。
举例而言,如果数据量大于数据量阈值,则可以确定与待处理数据对应的加密算法类型为,base64类型(基64类型)。
S408:确定与加密算法类型对应的目标字符数,其中,目标字符数指示:与加密算法类型对应的数据单元所包括的字符数。
上述确定数据量大于数据量阈值,并确定与待处理数据对应的加密算法类型后,可以确定与加密算法类型对应的目标字符数。
也即是说,在确定加密算法类型为base64的加密方式后,可以根据base64的加密方式所涉及的数据处理逻辑,确定为base64的加密方式为3字符-4字符映射,即可以确定加密算法类型对应的目标字符数为3字符-4字符。
S409:参考目标字符数对待处理数据进行切分处理,以得到多个切分数据段,并将多个切分数据段作为采样数据。
上述在确定加密算法类型对应的目标字符数为3字符-4字符后,可以参考目标字符数对待处理数据进行切分处理,以得到多个切分数据段,并将多个切分数据段作为采样数据。
可以一并结合图8对本实施例作出说明,图8是根据本实施例的无解码数据采样示意图,如图8所示,可以参考目标字符数对待处理数据,每4个字符进行切分处理,也就是每4个字符可以代表一个数据单元,按照4个字符进行切分处理时,仍然能够表示待处理数据的完整数据含义,上述在对待处理数据进行相应的切分处理后,可以得到多个由4个字符构成的切分数据段,该切分数据段即可以作为采样数据。
一些实施例中,在确定数据量大于数据量阈值,并确定与待处理数据对应的加密算法类型后,可以确定与加密算法类型对应的目标字符数,参考目标字符数对待处理数据进行切分处理,以得到多个切分数据段,并将多个切分数据段作为采样数据,支持在数据量大于数据量阈值时,参考加密算法类型对待处理数据进行相应的处理,以得到采样数据,可以不对待处理数据执行解密处理逻辑,从而能够有效地避免消耗较多的运算资源,保障数据处理效率。
本实施例中,通过确定待处理数据为未加密状态,对待处理数据进行切词处理,得到多个初始词,并确定与多个初始词分别对应的多个初始词向量表示,并将多个初始词向量表示作为采样数据,从而当待处理数据的加密状态是:待处理数据未加密时,能够采用与待处理数据未加密相对应的采样处理方式处理待处理数据,有效实现数据处理效率和数据处理准确性的兼顾,能够有效地拓展数据处理方式的应用场景,较大程度地提升数据处理方法的适用性。上述在确定待处理数据为加密状态后,可以确定与待处理数据对应的数据量,如果数据量小于或者等于数据量阈值,则对待处理数据进行解密处理,以得到解密数据;对解密数据进行切词处理,以得到多个解密词,确定与多个解密词分别对应的多个解密词向量表示,并将多个解密词向量表示作为采样数据,由于在数据量小于或者等于数据量阈值时,对待处理数据进行解密处理,以得到解密数据,由于数据量相对较小,从而对待处理数据进行解密处理逻辑不会占用过多的运算资源消耗,能够有效地保障数据处理的效率。在确定数据量大于数据量阈值,并确定与待处理数据对应的加密算法类型后,可以确定与加密算法类型对应的目标字符数,参考目标字符数对待处理数据进行切分处理,以得到多个切分数据段,并将多个切分数据段作为采样数据,支持在数据量大于数据量阈值时,参考加密算法类型对待处理数据进行相应的处理,以得到采样数据,可以不对待处理数据执行解密处理逻辑,从而能够有效地避免消耗较多的运算资源,保障数据处理效率。
S306:从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容。
S306的举例说明可以具体参见上述实施例,在此不再赘述。
S307:对多个标记数据内容进行拼接处理,以得到拼接数据。
上述在从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容后,可以对多个标记数据内容进行拼接处理,以得到拼接数据。
举例而言,如果多个标记数据内容包括:abcd efgh(标记数据内容1)和ijkl mnop(标记数据内容2),则可以对标记内容1和标记内容2进行拼接处理,以得到abcd efgh ijklmnop(拼接数据),或者也可以采用其它任意可能的方式,对多个标记数据进行拼接处理,对此不做限制。
S308:根据与多个标记数据内容分别对应的多个预设分隔符,生成与多个标记数据内容分别对应的多种数据特征,将拼接数据和多种数据特征共同作为目标数据。
上述在对多个标记数据内容进行拼接处理,以得到拼接数据后,可以根据与多个标记数据内容分别对应的多个预设分隔符,生成与多个标记数据内容分别对应的多种数据特征,将拼接数据和多种数据特征共同作为目标数据,由此,可以有效地优化数据处理结果的表达方式,提供了多样的目标数据的形态,使得处理得到的目标数据能够有效地被适配于多用数据处理场景中,从而能够有效地丰富数据处理的应用场景。
本实施例中,通过接收加载请求消息,加载请求消息,用于在网页之中加载对应的动态信息,并根据加载请求消息获取对应的动态信息,并从动态信息之中解析得到待处理数据,由于是在根据加载请求消息获取对应的动态信息的过程中,即实现处理动态信息以解析得到待处理数据,从而能够有效提升待处理数据获取的效率,将数据处理逻辑无缝融合至网页加载处理逻辑中,不影响网页的线上访问,且可以实现准确地、快速地抓取到待处理数据,以辅助后续的数据处理逻辑,从而能够有效提升整体数据处理方法的执行效率。通过确定与待处理数据对应的加密状态;确定与加密状态对应的目标采样方式,并根据目标采样方式对待处理数据进行采样处理,以得到采样数据。由于是根据加密状态对应的目标采样方式对待处理数据进行采样处理,从而使得采样处理方式能够与待处理数据的加密状态相适配,提供了更为灵活的采样处理方式,使得采样处理方式能够满足待处理数据的个性化需求,从而能够辅助快速准确地采用与待处理数据适配的采样方式来对待处理数据进行采样处理,较大程度地提升数据采样处理的效率,从而辅助提升整体的数据处理灵活性和数据处理效果。通过从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容,在对多个标记数据内容进行拼接处理,以得到拼接数据后,可以根据与多个标记数据内容分别对应的多个预设分隔符,生成与多个标记数据内容分别对应的多种数据特征,将拼接数据和多种数据特征共同作为目标数据,由此,可以有效地优化数据处理结果的表达方式,提供了多样的目标数据的形态,使得处理得到的目标数据能够有效地被适配于多用数据处理场景中,从而能够有效地丰富数据处理的应用场景。
图9是根据本公开第四实施例的示意图。
如图9所示,该数据处理装置90,包括:
获取模块901,用于获取网页的待处理数据;
处理模块902,用于对待处理数据进行采样处理,以得到采样数据;
识别模块903,用于从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容;以及
融合模块904,用于对多个标记数据内容进行融合处理,以得到目标数据。
在本公开的一些实施例中,如图10所示,图10是根据本公开第五实施例的示意图,该数据处理装置100,包括:获取模块1001、处理模块1002、识别模块1003、处理模块1004,其中,获取模块1001,具体用于:
接收加载请求消息,加载请求消息,用于在网页之中加载对应的动态信息;
根据加载请求消息获取对应的动态信息,并从动态信息之中解析得到待处理数据。
在本公开的一些实施例中,其中,处理模块1002,包括:
第一确定子模块10021,用于确定与待处理数据对应的加密状态;
第二确定子模块10022,用于确定与加密状态对应的目标采样方式;
处理子模块10023,用于根据目标采样方式对待处理数据进行采样处理,以得到采样数据。
在本公开的一些实施例中,其中,处理子模块10023,具体用于:
如果加密状态指示:待处理数据未加密,则对待处理数据进行切词处理,得到多个初始词;
确定与多个初始词分别对应的多个初始词向量表示,并将多个初始词向量表示作为采样数据。
在本公开的一些实施例中,其中,处理子模块10023,具体用于:
如果加密状态指示:待处理数据加密,则确定与待处理数据对应的数据量;
如果数据量小于或者等于数据量阈值,则对待处理数据进行解密处理,以得到解密数据;
对解密数据进行切词处理,以得到多个解密词;
确定与多个解密词分别对应的多个解密词向量表示,并将多个解密词向量表示作为采样数据。
在本公开的一些实施例中,其中,处理子模块10023,具体用于:
如果数据量大于数据量阈值,则确定与待处理数据对应的加密算法类型;
确定与加密算法类型对应的目标字符数,其中,目标字符数指示:与加密算法类型对应的数据单元所包括的字符数;
参考目标字符数对待处理数据进行切分处理,以得到多个切分数据段,并将多个切分数据段作为采样数据。
在本公开的一些实施例中,其中,融合模块1004,具体用于:
如果数据量大于数据量阈值,则确定与待处理数据对应的加密算法类型;
确定与加密算法类型对应的目标字符数,其中,目标字符数指示:与加密算法类型对应的数据单元所包括的字符数;
参考目标字符数对待处理数据进行切分处理,以得到多个切分数据段,并将多个切分数据段作为采样数据。
可以理解的是,本实施例附图10中的数据处理装置100与上述实施例中的数据处理装置90,获取模块1001与上述实施例中的获取模块901,处理模块1002与上述实施例中的处理模块502,识别模块1003与上述实施例中的识别模块903,融合模块1004与上述实施例中的融合模块904,可以具有相同的功能和结构。
需要说明的是,前述对数据处理方法的解释说明也适用于本实施例的数据处理装置,此处不再赘述。
本实施例中,通过获取网页的待处理数据;对待处理数据进行采样处理,以得到采样数据;从采样数据之中识别出与预设分隔符对应的数据内容,并采用预设分隔符对数据内容进行标记,以得到多个标记数据内容;以及对多个标记数据内容进行融合处理,以得到目标数据。由此,能够实现对网页中海量的数据进行有效地处理和识别,从而能够有效地提升网页中数据处理的效果。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图11示出了可以用来实施本公开的实施例的数据处理方法的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图11所示,设备1100包括计算单元1101,其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序,来执行各种适当的动作和处理。在RAM 1103中,还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
设备1100中的多个部件连接至I/O接口1105,包括:输入单元1106,例如键盘、鼠标等;输出单元1107,例如各种类型的显示器、扬声器等;存储单元1108,例如磁盘、光盘等;以及通信单元1109,例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其它设备交换信息/数据。
计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理,例如数据处理方法。例如,在一些实施例中,数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1108。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时,可以执行上文描述的数据处理方法的一个或多个步骤。备选地,在其它实施例中,计算单元1101可以通过其它任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其它因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种数据处理方法,包括:
获取网页的待处理数据;
对所述待处理数据进行采样处理,以得到采样数据;
从所述采样数据之中识别出与预设分隔符对应的数据内容,并采用所述预设分隔符对所述数据内容进行标记,以得到多个标记数据内容;以及
对所述多个标记数据内容进行融合处理,以得到目标数据。
2.根据权利要求1所述的方法,其中,所述获取网页的待处理数据,包括:
接收加载请求消息,所述加载请求消息,用于在所述网页之中加载对应的动态信息;
根据所述加载请求消息获取所述对应的动态信息,并从所述动态信息之中解析得到所述待处理数据。
3.根据权利要求1所述的方法,其中,所述对所述待处理数据进行采样处理,以得到采样数据,包括:
确定与所述待处理数据对应的加密状态;
确定与所述加密状态对应的目标采样方式;
根据所述目标采样方式对所述待处理数据进行采样处理,以得到采样数据。
4.根据权利要求3所述的方法,其中,所述根据所述目标采样方式对所述待处理数据进行采样处理,以得到采样数据,包括:
如果所述加密状态指示:所述待处理数据未加密,则对所述待处理数据进行切词处理,得到多个初始词;
确定与所述多个初始词分别对应的多个初始词向量表示,并将所述多个初始词向量表示作为所述采样数据。
5.根据权利要求3所述的方法,其中,所述根据所述目标采样方式对所述待处理数据进行采样处理,以得到采样数据,包括:
如果所述加密状态指示:所述待处理数据加密,则确定与所述待处理数据对应的数据量;
如果所述数据量小于或者等于数据量阈值,则对所述待处理数据进行解密处理,以得到解密数据;
对所述解密数据进行切词处理,以得到多个解密词;
确定与所述多个解密词分别对应的多个解密词向量表示,并将所述多个解密词向量表示作为所述采样数据。
6.根据权利要求5所述的方法,还包括:
如果所述数据量大于所述数据量阈值,则确定与所述待处理数据对应的加密算法类型;
确定与所述加密算法类型对应的目标字符数,其中,所述目标字符数指示:与所述加密算法类型对应的数据单元所包括的字符数;
参考所述目标字符数对所述待处理数据进行切分处理,以得到多个切分数据段,并将所述多个切分数据段作为所述采样数据。
7.根据权利要求1所述的方法,其中,所述对所述多个标记数据内容进行融合处理,以得到目标数据,包括:
对所述多个标记数据内容进行拼接处理,以得到拼接数据;
根据与所述多个标记数据内容分别对应的多个预设分隔符,生成与所述多个标记数据内容分别对应的多种数据特征,将所述拼接数据和所述多种数据特征共同作为所述目标数据。
8.一种数据处理装置,包括:
获取模块,用于获取网页的待处理数据;
处理模块,用于对所述待处理数据进行采样处理,以得到采样数据;
识别模块,用于从所述采样数据之中识别出与预设分隔符对应的数据内容,并采用所述预设分隔符对所述数据内容进行标记,以得到多个标记数据内容;以及
融合模块,用于对所述多个标记数据内容进行融合处理,以得到目标数据。
9.根据权利要求8所述的装置,其中,所述获取模块,具体用于:
接收加载请求消息,所述加载请求消息,用于在所述网页之中加载对应的动态信息;
根据所述加载请求消息获取所述对应的动态信息,并从所述动态信息之中解析得到所述待处理数据。
10.根据权利要求8所述的装置,其中,所述处理模块,包括:
第一确定子模块,用于确定与所述待处理数据对应的加密状态;
第二确定子模块,用于确定与所述加密状态对应的目标采样方式;
处理子模块,用于根据所述目标采样方式对所述待处理数据进行采样处理,以得到采样数据。
11.根据权利要求10所述的装置,其中,所述处理子模块,具体用于:
如果所述加密状态指示:所述待处理数据未加密,则对所述待处理数据进行切词处理,得到多个初始词;
确定与所述多个初始词分别对应的多个初始词向量表示,并将所述多个初始词向量表示作为所述采样数据。
12.根据权利要求10所述的装置,其中,所述处理子模块,具体用于:
如果所述加密状态指示:所述待处理数据加密,则确定与所述待处理数据对应的数据量;
如果所述数据量小于或者等于数据量阈值,则对所述待处理数据进行解密处理,以得到解密数据;
对所述解密数据进行切词处理,以得到多个解密词;
确定与所述多个解密词分别对应的多个解密词向量表示,并将所述多个解密词向量表示作为所述采样数据。
13.根据权利要求12所述的装置,其中,所述处理子模块,具体用于:
如果所述数据量大于所述数据量阈值,则确定与所述待处理数据对应的加密算法类型;
确定与所述加密算法类型对应的目标字符数,其中,所述目标字符数指示:与所述加密算法类型对应的数据单元所包括的字符数;
参考所述目标字符数对所述待处理数据进行切分处理,以得到多个切分数据段,并将所述多个切分数据段作为所述采样数据。
14.根据权利要求8所述的装置,其中,所述融合模块,具体用于:
对所述多个标记数据内容进行拼接处理,以得到拼接数据;
根据与所述多个标记数据内容分别对应的多个预设分隔符,生成与所述多个标记数据内容分别对应的多种数据特征,将所述拼接数据和所述多种数据特征共同作为所述目标数据。
15.一种电子设备,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权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110654575.5A CN113378025B (zh) | 2021-06-11 | 2021-06-11 | 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 |
---|---|---|---|
CN202110654575.5A CN113378025B (zh) | 2021-06-11 | 2021-06-11 | 数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113378025A true CN113378025A (zh) | 2021-09-10 |
CN113378025B CN113378025B (zh) | 2023-07-14 |
Family
ID=77574040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110654575.5A Active CN113378025B (zh) | 2021-06-11 | 2021-06-11 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378025B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836358A (zh) * | 2021-09-14 | 2021-12-24 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN114598480A (zh) * | 2022-05-06 | 2022-06-07 | 浙江乾冠信息安全研究院有限公司 | 一种网络安全运营平台机器数据处理方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020244070A1 (zh) * | 2019-06-06 | 2020-12-10 | 平安科技(深圳)有限公司 | 数字信息加密方法、装置、计算机设备和存储介质 |
CN112560461A (zh) * | 2020-12-11 | 2021-03-26 | 北京百度网讯科技有限公司 | 新闻线索的生成方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-11 CN CN202110654575.5A patent/CN113378025B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020244070A1 (zh) * | 2019-06-06 | 2020-12-10 | 平安科技(深圳)有限公司 | 数字信息加密方法、装置、计算机设备和存储介质 |
CN112560461A (zh) * | 2020-12-11 | 2021-03-26 | 北京百度网讯科技有限公司 | 新闻线索的生成方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
S. FONG-IN: "A header encryption of ultrasound image using absolute-value chaotic map", IEEE * |
吴佳;苏丹;袁卫国;杨延;: "云计算智能电网大数据驱动的方法研究", 计算技术与自动化, no. 02 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113836358A (zh) * | 2021-09-14 | 2021-12-24 | 北京百度网讯科技有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN114598480A (zh) * | 2022-05-06 | 2022-06-07 | 浙江乾冠信息安全研究院有限公司 | 一种网络安全运营平台机器数据处理方法及系统 |
CN114598480B (zh) * | 2022-05-06 | 2022-08-23 | 浙江乾冠信息安全研究院有限公司 | 一种网络安全运营平台机器数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113378025B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113705187B (zh) | 预训练语言模型的生成方法、装置、电子设备和存储介质 | |
CN113159091B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN112966742A (zh) | 模型训练方法、目标检测方法、装置和电子设备 | |
CN113407850B (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN113591864B (zh) | 文本识别模型框架的训练方法、装置及系统 | |
CN113378025B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
CN113627536A (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN115150063A (zh) | 模型加密的方法、装置及电子设备 | |
CN114863182A (zh) | 图像分类方法、图像分类模型的训练方法及装置 | |
CN113344214B (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN110852057A (zh) | 一种计算文本相似度的方法和装置 | |
CN113810375A (zh) | webshell检测方法、装置、设备及可读存储介质 | |
CN115982675A (zh) | 文档处理方法、装置、电子设备以及存储介质 | |
CN114882557A (zh) | 一种人脸识别方法和装置 | |
CN115730104A (zh) | 直播间处理方法、装置、设备及介质 | |
CN113221554A (zh) | 文本处理方法、装置、电子设备和存储介质 | |
CN109460511B (zh) | 一种获取用户画像的方法、装置、电子设备及存储介质 | |
CN112784596A (zh) | 一种识别敏感词的方法和装置 | |
CN114896986B (zh) | 增强语义识别模型的训练数据的方法和装置 | |
CN113761528B (zh) | 恶意软件检测方法和装置 | |
CN113642612B (zh) | 样本图像生成方法、装置、电子设备及存储介质 | |
CN113111181B (zh) | 文本数据处理方法、装置、电子设备及存储介质 | |
CN110414395B (zh) | 内容识别方法、装置、服务器及存储介质 | |
CN114926830A (zh) | 屏幕图像识别方法、装置、设备和计算机可读介质 |
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 |