CN113656650A - 数据融合方法及装置、电子设备和存储介质 - Google Patents
数据融合方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113656650A CN113656650A CN202110936446.5A CN202110936446A CN113656650A CN 113656650 A CN113656650 A CN 113656650A CN 202110936446 A CN202110936446 A CN 202110936446A CN 113656650 A CN113656650 A CN 113656650A
- Authority
- CN
- China
- Prior art keywords
- data
- database
- index
- candidate
- candidate 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 27
- 238000007500 overflow downdraw method Methods 0.000 title abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 70
- 238000007405 data analysis Methods 0.000 claims description 67
- 238000012549 training Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 34
- 230000004927 fusion Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 25
- 238000012795 verification Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 14
- 238000003066 decision tree Methods 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000007774 longterm Effects 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000000306 recurrent effect Effects 0.000 claims description 4
- 230000006403 short-term memory Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000013526 transfer learning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 23
- 238000005516 engineering process Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000007493 shaping process Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种数据融合方法及装置、电子设备和存储介质，所述方法包括：对第一数据库构建索引，得到索引表；依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：以第二数据库中的目标数据中、与第一数据库的索引字段对应的内容作为索引条件，根据第一数据库的索引表搜索与目标数据对应的候选数据，得到多个候选数据组合；在确定多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将一个或多个候选数据组合中的目标数据融合到第一数据库，更新所述索引表。本公开实施例可以实现对不同数据源的数据库的数据进行去重，快速、高效地融合第一数据库及多个待融合数据库。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及一种数据融合方法及装置、电子设备和存储介质。
背景技术
随着大数据时代的来临，各种各样的数据正源源不断的产生，形成了多种数据源的多个数据库，目前，越来越多的场景需要将不同数据源的数据进行融合，去除冗余数据、重复数据，以降低存储成本、提高存储空间利用率，然而，相关技术在进行数据融合时，准确率、效率较低，并且算力成本较高。
发明内容
根据本公开的一方面，提供了一种数据融合方法，所述方法包括：对第一数据库构建索引，得到索引表，所述索引表包括多个索引字段及与各个索引字段对应的索引数据；依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，所述候选数据组合包括目标数据及相应的候选数据；根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表。
在一种可能的实施方式中，所述对第一数据库构建索引，包括：根据预设字段创建所述第一数据库中各个基础数据的索引字段；根据所述第一数据库中各个基础数据确定各索引字段的索引数据；其中，所述索引数据包括基础数据中与各索引字段对应的内容，对应的内容与所述基础数据相关联；或者所述索引数据包括基础数据中与各索引字段对应的内容、以及所述基础数据。
在一种可能的实施方式中，利用预设搜索引擎执行以下操作：对第一数据库的基础数据构建索引；和/或以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合。
在一种可能的实施方式中，以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，包括：根据所述索引条件，确定所述第二数据库的目标数据与第一数据库中的基础数据的相似度；按照相似度从大到小对所述基础数据进行排序，根据排序结果确定所述多个候选数据组合，其中，所述多个候选数据组合中的候选数据为相似度排序靠前的N个基础数据，N＞0且为整数。
在一种可能的实施方式中，所述根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，包括：所述训练好的数据分析模型确定所述目标数据及所述候选数据的多种类型特征的特征参数，根据得到的特征参数及对应的预设参数确定所述候选数据组合中的目标数据与候选数据是否为相同数据。
在一种可能的实施方式中，所述多种类型特征的特征参数包括以下至少两种：与所述目标数据及所述候选数据各自的名称信息的余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数；与所述目标数据及所述候选数据的时间信息的差值绝对值对应的第二特征参数；与所述目标数据及所述候选数据的相似度对应的第三特征参数。
在一种可能的实施方式中，将被标记的数据集中的标记数据划分为K份，利用K-s份标记数据作为训练数据对初始数据分析模型进行训练，并利用s份标记数据作为校验数据对初始数据分析模型进行校验，得到中间数据分析模型，其中，s＜K-s＜K，K为大于1 的整数，s为大于0的整数；依次轮换K份标记数据中的其他标记数据作为校验数据，并得到对应的训练数据，对数据分析模型进行多次训练及校验，得到多个中间数据分析模型；将多个中间数据分析模型中校验误差最小的中间数据分析模型作为所述训练好的数据分析模型。
在一种可能的实施方式中，所述方法还包括：在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述第二数据库的标识信息写入到所述第一数据库中。
在一种可能的实施方式中，在确定所述多个候选数据组合中的目标数据与候选数据均为相同数据的情况下，不对所述多个候选数据组合中的目标数据与第一数据库进行融合。
在一种可能的实施方式中，在确定所述多个候选数据组合中的目标数据与任一候选数据为相同数据的情况下，若所述目标数据中、与该任一候选数据对应的索引字段对应的内容与索引字段的索引数据不一致，将不一致的内容作为对应的索引字段的索引数据的别名加入所述第一数据库。
在一种可能的实施方式中，在对第一数据库构建索引，得到索引表之前，所述方法还包括：对所述第一数据库及所述多个待融合数据库进行归一化处理。
在一种可能的实施方式中，对第二数据库中所有目标数据执行所述操作后，删除所述第二数据库。
在一种可能的实施方式中，所述目标数据包括文档数据。
在一种可能的实施方式中，所述数据分析模型包括决策树模型、聚类模型、贝叶斯分类模型、支持向量机模型、期望最大化EM模型、Adaboost模型、卷积神经网络模型、深度置信网模型、递归神经网络模型、长期短期记忆模型、生成敌对网络模型、转移学习模型、注意模型的至少一种或多种的组合。
根据本公开的一方面，提供了一种数据融合装置，所述装置包括：
构建模块，用于对第一数据库构建索引，得到索引表，所述索引表包括多个索引字段及与各个索引字段对应的索引数据；
融合模块，用于依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，所述候选数据组合包括目标数据及相应的候选数据；
根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
本公开实施例提供的数据融合方法，可以对第一数据库构建索引，得到索引表，依次从多个待融合数据库中选择第二数据库，并以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表快速、准确地搜索所述目标数据的候选数据，得到多个候选数据组合，根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，具有判断准确率高、简单、快速、低算力成本的特点，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表，实现对不同数据源的数据库的数据进行去重，快速、高效地融合第一数据库及多个待融合数据库。
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，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出了根据本公开一实施例的数据融合方法的流程图。
图2示出了根据本公开一实施例的数据融合方法的流程图。
图3示出了根据本公开一实施例的目标数据、候选数据、候选数据组合的关系示意图。
图4示出了根据本公开一实施例的数据分析模型的训练流程图。
图5示出了根据本公开一实施例的数据融合方法的示意图。
图6示出了根据本公开一实施例的数据融合装置的框图。
图7示出了根据本公开一实施例的一种电子设备的框图。
图8示出了根据本公开一实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在本公开的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本公开中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本公开中的具体含义。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
相关技术一般通过简单的字符串匹配方法，或者将字符串进行简单的归一化后再进行匹配，来实现数据融合，这种匹配的方法的融合的准确率低，相关技术也有通过计算两条数据的编辑距离或相似度来判断是否是重复数据，该方法当数据库中每加入一条新数据时，都要跟数据库里所有的数据一一比对来确定相似度，非常费时费力，并且，数据库中的数据量级往往在千万甚至上亿的级别，对于大数据量的数据库融合，相关技术更无法适用，可见相关技术并无法准确、高效、低成本地实现数据的融合。
本公开实施例提供的数据融合方法，可以对第一数据库构建索引，得到索引表，依次从多个待融合数据库中选择第二数据库，并以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表快速、准确地搜索所述目标数据的候选数据，得到多个候选数据组合，根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，具有判断准确率高、简单、快速、低算力成本的特点，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表，实现对不同数据源的数据库的数据进行去重，快速、高效地融合第一数据库及多个待融合数据库。
本公开实施例提供的数据融合方法可以应用于多种类型的数据融合业务中，例如，数据可包括文档数据，或者也可成为文件数据，例如论文、期刊文章、专利公开或授权文档等。该方法可以应用在学术论文、期刊、专利等数据库的建立，也可以应用在新闻、杂志、文章、小说等其他任意类型的数据库的建立，以构建专利数据库为例，本公开实施例可以构建融合数据库，将国际专利文献数据库(INPADOC)、德温特世界专利索引数据库(DWPI)、中国专利文摘数据库(CNABS/CPRSABS)、世界专利文摘库(SIPOABS)、 HKABS、TWABS、专利全文数据库(CN/EP/US/WO/JP)等多种数据库的专利融合到融合数据库中，通过融合数据库可以快速实现专利查询，由于去除了各个数据库的重复专利，查询效率、准确率可以大幅提高，提高了数据库搜索效果和用户体验，并且，由于去除了准确、全面地去除了重复专利，融合数据库的存储成本大幅降低，数据库资源的利用率被显著提高。
在一种可能的实施方式中，本公开实施例提出的数据融合方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。示例性的，所述服务器可以为云服务器，也可以为本地服务器。
请参阅图1，图1示出了根据本公开一实施例的数据融合方法的流程图。
如图1所示，所述方法包括：
步骤S11，对第一数据库构建索引，得到索引表，所述索引表包括多个索引字段及与各个索引字段对应的索引数据；
步骤S12，依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，所述候选数据组合包括目标数据及相应的候选数据；
根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表。
本公开实施例的第一数据库及多个待融合数据库本身可以是去重后的数据库，例如第一数据库中所有数据均为不重复数据。本公开实施例可以提前对各个数据库内部的数据采用相关技术去重，对于针对单个数据库本身数据的去重方式，本公开实施例不做限定。
本公开实施例可以通过多种方法对第一数据库构建索引，得到索引表，下面对可能的实现方式进行示例性介绍。
请参阅图2，图2示出了根据本公开一实施例的数据融合方法的流程图。
在一种可能的实施方式中，如图2所示，步骤S11对第一数据库构建索引，可以包括：
步骤S110，根据预设字段创建所述第一数据库中各个基础数据的索引字段；
步骤S111，根据所述第一数据库中各个基础数据确定各索引字段的索引数据。
其中，所述索引数据包括基础数据中与各索引字段对应的内容，各对应的内容与所述基础数据相关联；或者所述索引数据包括基础数据中与各索引字段对应的内容、以及所述基础数据。
示例性的，所述基础数据为第一数据库中的原有数据。
在一个示例中，本公开实施例的预设字段可以根据数据库的类型适应性选择。示例性的，可针对不同类型的文档数据的特点，选取此类文档数据通用的字段，来创建索引字段。示例性的，若第一数据库及待融合数据库为学术论文类型，则预设字段可以选择论文名称、论文作者、论文发表日期、期刊或会议名称、在期刊中的页数、论文地址等各个数据源都有的通用字段，以提高适配性，减少处理量，降低运算成本，本公开实施例的预设字段可以根据需要选择，预设字段选择的数目可以是一个(如仅选择论文名称)，也可以是多个(如包括论文名称、论文作者等)。
在一个示例中，索引数据可以是预设字段对应的具体内容，例如，若预设字段为论文名称，则论文名称字段对应的索引数据为该论文的具体论文名；若预设字段为论文发表日期，则论文发表日期对应的索引数据为该论文的具体发表日期，通过将索引数据设置为预设字段对应的具体内容，在后续进行相似性判断、相同性判断时，可以提高处理的效率。
示例性的，如表1所示，以索引字段为论文名称为例，索引数据可以为该论文的论文名称索引字段的具体内容，即论文的具体名称(如“一种基于XXX的图像处理技术”)；也可以包括该论文的论文名称索引字段的具体内容以及基础数据(即论文《一种基于XXX 的图像处理技术》本身)。示例性的，第二数据库中的目标数据可以为第二数据库中的任意一篇论文。
表1
在一个示例中，在构建索引时，可以生成索引的键值(ID)，每个索引可以具有不同的、能够唯一识别的标识信息，索引ID与索引字段、索引数据可以具有对应关系。
例如，某一索引ID，可对应至索引字段“作者名”，以及索引数据(即作者的具体姓名)，该条索引还可与至该作者的具体姓名对应的数据(例如论文)相关联。举例来说，索引ID为“001”，对应于索引字段“作者名”，并对应于索引数据“张三”，且关联至作者名为张三或者包含张三的一篇或多篇论文。
当然，以上对索引的介绍是示例性的，索引字段可以根据需要设定，索引数据也可以包括其他，例如，索引数据可包括文档数据，或者也可成为文件数据，例如论文、期刊文章、专利公开或授权文档等，文档可为任意数据格式，可包括文字或图片等内容。在一个示例中，索引表中的索引数据可以包括数据库中与该索引字段对应的整条数据，例如，论文数据库中，若索引字段为论文名称，则与索引字段对应的索引数据可以是论文的具体名称，以及该论文的具体名称对应的论文；示例性的，若索引字段为作者名称，当数据库中包括该作者的多篇论文时，在索引表中，作者名称索引字段对应的索引数据可以包括该作者的具体名称，以及该作者的多篇论文，通过将索引数据设置为包括数据的具体内容，在后续进行相似度判断时，可以提高判断的全面性、准确性。
在一个示例中，每个数据库都可以包括多条数据，如，论文数据库可以包括多篇论文，本公开实施例对数据库中的所有数据均建立索引，以提高数据融合的完整性。
本公开实施例根据预设字段创建所述第一数据库中各个基础数据的索引字段，根据所述第一数据库中各个基础数据确定各索引字段的索引数据，建立索引数据与索引字段的映射关系，可以快速得到第一数据库的索引表，利用该索引表可以快速搜索到所需数据。
在一个示例中，本公开实施例可以利用预设搜索引擎实现索引的构建，如利用ES(Elastic Search)、solr等搜索引擎实现，示例性的，可以利用ES搜索引擎构建第一数据库中各个基础数据的ES索引，步骤包括利用ES创建索引(index)，索引里每条数据的字段一般使用各个基础数据源都有的通用字段，例如，在论文数据库融合时，可以使用论文名、论文作者、期刊或者会议名、发表年份，在期刊中的页数、论文的地址等作为索引字段。第二步是往索引(index)中索引(indexing)数据，即将数据库1中与索引字段对应的具体内容或基础数据的具体内容添加到索引表中。本公开利用ES的分布式、高扩展、高实时的特点，可以快速实现索引的构建，当然，本公开实施例也可以采用其他方式实现索引构建。
在一种可能的实施方式中，本公开实施例还可以利用预设搜索引擎进行搜索，以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的的候选数据，可以快速、准确地得到候选数据，得到多个候选数据组合。
本公开实施例对以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合的具体实现方式不做限定，示例性的，在一种可能的实施方式中，以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，可以包括：
根据所述索引条件，确定所述第二数据库的目标数据与第一数据库中的基础数据的相似度；
按照相似度从大到小对所述基础数据进行排序，根据排序结果确定所述多个候选数据组合，其中，所述多个候选数据组合中的候选数据为相似度排序靠前的N个基础数据，N＞0且为整数。
在一个示例中，本公开实施例可以根据索引字段确定索引条件，如索引字段为论文名称，则利用第二数据库中各个论文的名称作为索引条件，在第一数据库的索引表中进行搜索，示例性的，利用该索引条件可以在索引表的索引数据中搜索，索引数据可以包括索引字段的具体内容(如论文的名称)或基础数据的具体内容(如论文的内容)，其中，若索引数据为索引字段的具体内容，在该索引数据中搜索可以提高索引速度；若索引数据为基础数据的具体内容，在该索引数据中搜索可以提高搜索的全面性。为了提高索引的准确性，本公开实施例的索引字段可以为分组形式，例如一组索引字段可以包括论文名称、作者名称、发表日期等多个条件或任意组合，通过多个索引字段共同作用，可以提高匹配的准确性，示例性的，在搜索候选数据时，可以将第二数据库中某条数据(如某篇论文)的论文名称、论文作者、期刊或者会议名、发表日期这几个字段的值作为搜索条件在索引表中搜索，得到候选数据。
在一个示例中，本公开实施例在以上述索引条件在索引表中搜索时，可以根据目标数据与索引字段对应的内容与索引表中索引数据中匹配到的数据的相似度返回候选数据，本公开实施例对确定相似度的具体方法不做限定，本领域技术人员可以根据相关技术实现，示例性的，对于不同数据类型的索引字段可以采用相应的相似度评估方法，例如对于论文作者名称、论文名称等字符型数据可以采用确定二者距离的方式确定相似度，对于日期等数字可以采用求差根据差值大小确定相似度等，当然，本公开实施例不限于此，在其他的实施例中，也可以采用其他方法确定相似度，如可以利用搜索引擎自身携带的相似度计算方法确定。例如，以第二数据库中论文的论文名称，在第一数据库中搜索，可根据第二数据库中论文的论文名称以及第一数据库的索引表中各论文的论文名称之间的距离(例如字符串距离)，确定第二数据库中的论文与第一数据库中各论文之间的相似度，也可以利用BM25相似算法、TF/IDF算法、boolean相似算法确定相似度，具体的，可以根据具体的数据类型或域采用合适的相似度算法，对此，本公开实施例不做限定。
在一个示例中，在例如通过索引字段对应索引数据的相似度，确定了所述第二数据库的目标数据与第一数据库中的各个基础数据的相似度的情况下，可以根据相似程度，即相似度的大小或排名确定候选数据，例如将相似度排序靠前的N个基础数据作为候选数据，或，将相似度大于预设相似度的基础数据作为候选数据。
在一个示例中，如表2所示，表2示出了各个候选数据组合的示意。示例性的，以第二数据库中的论文A为例，若以论文A的论文名称作为检索条件，在第一数据库的索引表中进行检索，可确定索引表中的各个论文名称与论文A的论文名称的相似度，根据相似度排序在索引表中确定相似度靠前的预定数量的论文名称，并根据论文名称与论文之间的关联关系，可以找到论文B、论文C、论文D(相似度排序靠前的N个基础数据)，则候选数据组合可以包括候选数据组合(论文A，论文B)、候选数据组合(论文A，论文C)、候选数据组合(论文A，论文D)。
表2
下面以图3为例对目标数据、候选数据、候选数据组合的关系进行示例性说明。
请参阅图3，图3示出了根据本公开一实施例的目标数据、候选数据、候选数据组合的关系示意图。
在一个示例中，如图3所示，目标数据可以来源于待融合数据库中数据库2～数据库n 的任意一个数据库(第二数据库)。
在一个示例中，如图3所示，索引表可以是对数据库1(第一数据库)构建索引得到。
在一个示例中，如图3所示，候选数据可以是从数据库1(第一数据库)得到的，也可以是从索引表中得到的。例如，若索引表中的索引数据包括数据库1的基础数据中与个索引字段对应的内容，且对应的内容与所述基础数据相关联，则可以根据第一数据库的索引表在数据库1中搜索与所述目标数据对应的候选数据。例如，若所述索引数据包括数据库1的基础数据中与各索引字段对应的内容、以及所述基础数据，则可以根据第一数据库的索引表直接在索引表中搜索与所述目标数据对应的候选数据。
在一种可能的实施方式中，所述根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，可以包括：
所述训练好的数据分析模型确定所述目标数据及所述候选数据的多种类型特征的特征参数，根据得到的特征参数及对应的预设参数确定所述候选数据组合中的目标数据与候选数据是否为相同数据。
在一个示例中，本公开实施例可以将所述目标数据及所述候选数据输入到训练好的数据分析模型中，根据训练好的数据分析模型的输出结果确定所述候选数据组合中的目标数据与候选数据是否为相同数据。示例性的，本公开实施例的数据分析模型可以是机器学习模型，例如，可以包括决策树模型、聚类模型、贝叶斯分类模型、支持向量机模型、期望最大化EM模型、Adaboost模型、卷积神经网络模型、深度置信网模型、递归神经网络模型、长期短期记忆模型、生成敌对网络模型、转移学习模型、注意模型等的至少一种或多种的组合。
示例性的，本公开实施例采用决策树模型实现数据分析模型，利用决策树模型来判断每个候选数据组合中的两条数据是否为相同数据，决策树的内部节点是模型选取的特征或属性，输出节点包括“是(YES)”和“否(NO)”，当决策树模型判定为YES的概率大于一定阈值时(例如，阈值为0.8)，则认为两条数据是相同数据，若概率小于这个阈值，则认为二者不是相同数据而只是相似数据。
示例性的，本公开实施例可以提取候选数据组合中两条数据的属性特征作为判断基础，快速、准确的实现是否为相同数据的判断，以论文数据融合为例，可以选择论文名、论文作者、期刊或者会议名、发表日期等作为重复数据判断的属性。
在一种可能的实施方式中，所述多种类型特征的特征参数包括以下至少两种：
与所述目标数据及所述候选数据各自的名称信息的余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数；
与所述目标数据及所述候选数据的时间信息的差值绝对值对应的第二特征参数；
与所述目标数据及所述候选数据的相似度对应的第三特征参数。
在一个示例中，名称信息一般为字符串属性，对于类型是字符串的属性，可通过计算两个候选数据组合的属性值编辑距离作为一个特征，该特征即是决策树的一个内部节点，当然，计算编辑距离也可以是余弦相似度、jaccard相似度、编辑距离、汉明距离外的其他类型的距离，对此本公开实施例不做限定。名称信息例如是论文名、作者名、期刊名等。
在一个示例中，时间信息一般为整形类型，对于类型是整形的属性对象，可以用0和1表示二者是否相等或者二者的差值绝对值作为特征。时间信息例如是数据的公开时间(例如论文发表时间、专利申请文件公开时间或授权时间)等。
在一个示例中，与所述目标数据及所述候选数据的相似度可以根据前述方法得到，例如可根据目标数据与候选数据的某一个或多个索引字段对应的索引数据之间的距离来判断目标数据及候选数据的相似度，或者也可以通过其他方式来判断目标数据及候选数据的相似度，例如可以利用ES搜索引擎获取相似度。
本公开实施例在利用余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数、第二特征参数、第三特征参数的至少两种判断所述候选数据组合中的目标数据与候选数据是否为相同数据时，各个特征参数对应的预设参数可以根据实际情况或需要确定，本公开实施例对此不做限定，示例性的，若余弦相似度、jaccard 相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数小于对应的预设距离(预设参数)、及第二特征参数即差值绝对值小于预设差值(预设参数)，可以认为目标数据与候选数据为相同数据。
应该说明的是，本公开实施例中，特征参数的选择方法并不唯一，可根据不同的数据做相应的调整，本公开实施例利用余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数、第二特征参数、第三特征参数进行多个维度的判断，在余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数、第二特征参数、第三特征参数的至少两个满足对应的条件时，确定所述候选数据组合中的目标数据与候选数据为相同数据，否则为不同数据，可以提高判断的准确性，避免单一判断条件导致错误判断。
在一种可能的实施方式中，本公开实施例可以对数据分析模型进行提前训练，以得到训练好的数分析模型，下面对数据分析模型的训练进行示例性介绍。
请参阅图4，图4示出了根据本公开一实施例的数据分析模型的训练流程图。
在一种可能的实施方式中，如图4所示，所述方法还可以包括：
步骤S21，将被标记的数据集中的标记数据划分为K份，利用K-s份标记数据作为训练数据对初始数据分析模型进行训练，并利用s份标记数据作为校验数据对初始数据分析模型进行校验，得到中间数据分析模型，其中，s＜K-s＜K，K为大于1的整数，s为大于0 的整数；
步骤S22，依次轮换K份标记数据中的其他标记数据作为校验数据，并得到对应的训练数据，对数据分析模型进行多次训练及校验，得到多个中间数据分析模型；
步骤S23，将多个中间数据分析模型中校验误差最小的中间数据分析模型作为所述训练好的数据分析模型。
其中，校验误差可表示中间数据分析模型针对校验数据的误差。
示例性的，所述标记数据为被标记了的用于进行模型训练、验证的数据。
在一个示例中，本公开实施例可以根据需要设置K、s的值，例如，为了降低运算复杂度，可以将s设置为1，假设将K设置为10，则1份标记数据可以作为校验数据，另外9 份标记数据可以作为训练数据，示例性的，“多次训练及校验”可以根据需要确定，训练及校验的次数可以为10次，在第一次训练及校验时，可以将第1份标记数据作为校验数据，将其余九份标记数据作为训练数据；在第二次训练及校验时，可以将第2份标记数据作为校验数据，将其余九份标记数据作为训练数据，持续训练及校验轮换过程，直到第10次训练将第10份标记数据作为校验数据，将其余九份标记数据作为训练数据。当然，本公开实施例s，K也可以设置为其他，例如，s可以设置为2或其他，若s设置为2，则每次轮换时，10份标记数据中的任意两份可以随机组合，如第一份与第二份组合，第二份与第八份组合等，通过这样的设计，可以增加训练及校验的次数，提高模型的准确度。
本公开实施例随机将训练集分成K份(例如10份)，每次抽取其中的k-s份作为训练数据, 剩下的s份作为校验数据来依次训练模型，依次轮换数据训练集和验证集多次，最终会生成多个模型，本公开实施例选择这多个模型中在校验数据上误差最小的作为训练好的模型，这样，本公开实施例能够有效的提高模型的泛化能力，在训练集合较小(设置小的训练集可以提高训练速度，对训练数据的量要求不高，便于实现)的情况下作用更加明显，经过试验，采用以上方法训练得到的数据分析模型的准确率高于97.5％。
在一种可能的实施方式中，所述方法还可以包括：
在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述第二数据库的标识信息写入到所述第一数据库中。第二数据库的标识信息可与从第二数据库融合至第一数据库的目标数据关联，以标记目标数据的来源。
在一个示例中，第二数据库的标识信息(ID)可以为第二数据库的键值key，或其他可以唯一标识第二数据库的信息。
本公开实施例在在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将目标数据加入到第一数据库中，实现第二数据库与第一数据库的基础数据库融合，并且，通过将所述第二数据库的标识信息写入到所述第一数据库中，可以丰富数据的多样性，能够加快数据库的搜索，并能够实现该目标数据的溯源。
在一个示例中，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，对索引表进行更新可以包括：将一个或多个候选数据组合中的目标数据中与索引字段对应的内容作为目标数据的该索引字段的索引数据，并还可将该目标数据也加入到索引表中，与目标数据的索引字段对应，建立映射。例如，在上文以论文名作为搜索条件的情况下，可以目标数据的论文名作索引字段，目标数据或目标数据的对应内容(即论文具体内容或论文的具体名称)作为对应的索引数据，加入第一数据库的索引表中。
下面对目标数据与候选数据相同的情况进行示例性说明。
在一种可能的实施方式中，如图2所示，所述方法还可以包括：
步骤S13，在确定所述多个候选数据组合中的目标数据与候选数据均为相同数据的情况下，不对所述多个候选数据组合中的目标数据与第一数据库进行融合。
由于候选数据组合中的目标数据与候选数据被判断为相同，即，在第一数据库中已经存在该目标数据，因此，不需对已有的数据进行融合，可以将该候选数据删除(如将目标数据与该候选数据组成的候选数据组合删除)，并进行下一个候选数据组合中目标数据与候选数据的异同判断，当该目标数据与其所有的候选数据均为相同数据的情况下(包括该目标数据的所有候选数据组合)，可以直接将该条目标数据删除(包括将包括该目标数据的所有候选数据组合删除)，达到去重的目的，并进行其他目标数据的判断。若第二数据库中所有的目标数据与候选数据均为相同数据，则可以将整个第二数据库删除，以提高数据库的利用率。当然，在对第二数据库中的目标数据与候选数据是否相同进行判断时，可以是同步的，以提高处理效率，例如，对一个目标数据对应的多个候选数据组合进行同步判断，和/或，对多个目标数据对应的多个候选数据组合均同步进行判断。
在一种可能的实施方式中，如图2所示，所述方法还可以包括：
步骤S14，在确定所述多个候选数据组合中的目标数据与任一候选数据为相同数据的情况下，若所述目标数据中、与该任一候选数据对应的索引字段对应的内容与索引字段的索引数据不一致，将不一致的内容作为对应的索引字段的索引数据的别名加入所述第一数据库。
在一个示例中，若m个候选数据组合经过数据分析模型后，有一个候选数据组合的输出是YES，即认为目标数据找到了与其重复的数据，对于该条重复数据，本公开实施例可以将该条数据的各个字段通过字符串匹配等手段来判断该重复数据的索引字段对应内容的写法是否一致，若各个字段对应内容的写法一致，则直接删除该条数据，若不一致，则将不一致的内容作为对应的索引字段的索引数据的别名加入所述第一数据库，这样可以丰富数据的多样性，并可以有效的增加数据库搜索的准确度。例如，论文数据中的会议名称Annual Meeting of the Association for Computational Linguistics，其常以简写的形式ACL出现，假设目标数据中会议名称为“ACL”，而候选数据中为“Annual Meeting ofthe Association for Computational Linguistics”，若模型判定目标数据与候选数据相同，那么，本公开实施例可以将ACL作为Annual Meeting of the Association forComputational Linguistics的别名加入到第一数据库的索引表里，此外，还可以针对该候选数据对应的其他索引字段(例如作者名等)进行类似的操作，这极大的丰富了数据的多样性和搜索的准确度。
在一种可能的实施方式中，对第二数据库中所有目标数据执行所述操作后，删除所述第二数据库。例如，当完成第二数据库中、所有目标数据对应的所有候选数据组合的相同判断，并完成了相应数据的融合后，可以将第二数据库删除，以释放数据库存储资源，提高利用率。
在一种可能的实施方式中，如图2所示，在对第一数据库构建索引，得到索引表之前，所述方法还可以包括：
步骤S10，对所述第一数据库及所述多个待融合数据库进行归一化处理。
在一个示例中，不同数据源中数据的格式、结构等各不相同，要去除重复数据无法通过简单的匹配方法来实现。例如，作者名是论文数据库表中非常重要的一维信息，而人名的表示在不同的数据源中往往不同。以中文作者名“张三、李四”为例，其出现的形式可能是“张三、李四”、“张三等”、“张等”中的任何一种。此外，字符串的大小写表示、平角全角差别、简写、缺省等也导致了通过简单的字符串匹配方法无法实现重复数据的消除。此外，数据库中的数据量级往往在千万甚至上亿的级别，如何快速的实现去重也是需要攻克的难点之一。本公开实施例通过对所述第一数据库及所述多个待融合数据库进行归一化处理，可以规范所述第一数据库及所述多个待融合数据库中的数据格式，从而加快处理速度，并提高处理的准确性，使得本公开实施例在千万甚至上亿的数量级具有较高的准确性、及效率。
在一个示例中，归一化的操作包括三步：第一步，字符串的大小写统一、全角半角统一，以及一些特殊符号的处理，例如，一些多余符号的去除，如人名中的冒号，一些外国字符的归一化,如将希腊字母α转成alpha等；第二步，日期类数据归一化，日期的表现形式包括很多，以“2018年”为例，其表现形式有“2018”、“2018年”、“二零一八年”、“20180000”等多种，本公开实施例可以将多种形式的日期表示方式归一化为一种；第三步，数值类数据归一化，包括单位统一和数据类型的统一，如都转成整形等。当然，以上对归一化操作的介绍是示例性的，其步骤可以根据需要调整，归一化的具体实现方式可以根据需要实现，归一化的具体内容可以增加、减少、适应性调整，对此本公开实施例不做限定。
下面结合具体示例对所述数据融合方法进行示例性介绍。
请参阅图5，图5示出了根据本公开一实施例的数据融合方法的示意图。
在一个示例中，如图5所示，本公开实施例可以将数据库1、数据2、…、数据n中的任意一个数据库(如数据库1)作为第一数据库，即将其他数据库中与数据库1中不同的目标数据融合到数据库1中，得到融合数据库。
在一个示例中，如图5所示，本公开实施例可以设置一个融合数据库，并将数据库1加入到融合数据库中。
在一个示例中，如图5所示，本公开实施例可以对数据库1及其他数据库进行归一化处理，并对归一化处理后的数据库1构建索引，得到索引表，并按照顺序或者预设方式从数据库2-数据库n中不重复地抽取第二数据库，针对第二数据库中的各个目标数据，以目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据所述的候选数据，得到多个候选数据组合。
在一个示例中，如图5所示，本公开实施例可以根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库(融合数据库)，更新所述索引表，在多个候选数据组合中所有目标数据均为重复数据的情况下，不进行数据库融合，即丢弃。
在一个示例中，如图5所示，重复以上操作多次，直到数据库2-数据库n中所有数据库都进行过比较、判断，得到最终的融合数据库。
本公开实施例作用的多个数据库可以是来自多个不同数据源的数据库，通过数据融合方法，可以得到去重后的融合数据，本公开实施例将数据库1中的基础数据加入到融合数据中，并将数据库1中的基础数据经过归一化后再构建索引，其余待融合的目标数据经过归一化操作后，逐一通过搜索算法搜索与其相似度最高的m条数据，利用数据分析模型进行重复数据判断，在实现本公开实施例过程中，数据库1的数据量级在千万以上时，平均每条数据的搜索时间在600ms左右。获得候选集后，使用数据分析模型(如决策树模型)来判断是否有重复数据，该步骤的耗时在50ms以内。而本公开实施例的整个数据去重的准确率在高于97.5％，由此可看出本发明在保证了速度的前提下，以非常高的准确率实现了千万量级的数据去重。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
请参阅图6，图6示出了根据本公开一实施例的数据融合装置的框图。
如图6所示，所述装置包括：
构建模块10，用于对第一数据库构建索引，得到索引表，所述索引表包括多个索引字段及与各个索引字段对应的索引数据；
融合模块20，用于依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，所述候选数据组合包括目标数据及相应的候选数据；
根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表。
本公开实施例提供的数据融合装置，可以对第一数据库构建索引，得到索引表，依次从多个待融合数据库中选择第二数据库，并以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表快速、准确地搜索所述目标数据的候选数据，得到多个候选数据组合，根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，具有判断准确率高、简单、快速、低算力成本的特点，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表，实现对不同数据源的数据库的数据进行去重，快速、高效地融合第一数据库及多个待融合数据库。
在一种可能的实施方式中，所述对第一数据库构建索引，包括：
根据预设字段创建所述第一数据库中各个基础数据的索引字段；
根据所述第一数据库中各个基础数据确定各索引字段的索引数据；其中，所述索引数据包括基础数据中与各索引字段对应的内容，对应的内容与所述基础数据相关联；或者所述索引数据包括基础数据中与各索引字段对应的内容、以及所述基础数据。
在一种可能的实施方式中，利用预设搜索引擎执行以下操作：
对第一数据库的基础数据构建索引；和/或
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合。
在一种可能的实施方式中，以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，包括：
根据所述索引条件，确定所述第二数据库的目标数据与所述第一数据库中的基础数据的相似度；
按照相似度从大到小对所述基础数据进行排序，根据排序结果确定所述多个候选数据组合，其中，所述多个候选数据组合中的候选数据为相似度排序靠前的N个数据，N＞ 0且为整数。
在一种可能的实施方式中，所述根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，包括：
所述训练好的数据分析模型确定所述目标数据及所述候选数据的多种类型特征的特征参数，根据得到的特征参数及对应的预设参数确定所述候选数据组合中的目标数据与候选数据是否为相同数据。
在一种可能的实施方式中，所述多种类型特征的特征参数包括以下至少两种：
与所述目标数据及所述候选数据各自的名称信息的余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数；
与所述目标数据及所述候选数据的时间信息的差值绝对值对应的第二特征参数；
与所述目标数据及所述候选数据的相似度对应的第三特征参数。
在一种可能的实施方式中，将被标记的数据集中的标记数据划分为K份，利用K-s份标记数据作为训练数据对初始数据分析模型进行训练，并利用s份标记数据作为校验数据对初始数据分析模型进行校验，得到中间数据分析模型，其中，s＜K-s＜K，K为大于1 的整数，s为大于0的整数；
依次轮换K份标记数据中的其他标记数据作为校验数据，并得到对应的训练数据，对数据分析模型进行多次训练及校验，得到多个中间数据分析模型；
将多个中间数据分析模型中校验误差最小的中间数据分析模型作为所述训练好的数据分析模型。
在一种可能的实施方式中，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述第二数据库的标识信息写入到所述第一数据库中。
在一种可能的实施方式中，在确定所述多个候选数据组合中的目标数据与候选数据均为相同数据的情况下，不对所述多个候选数据组合中的目标数据与第一数据库进行融合。
在一种可能的实施方式中，在确定所述多个候选数据组合中的目标数据与任一候选数据为相同数据的情况下，若所述目标数据中、与该任一候选数据对应的索引字段对应的内容与索引字段的索引数据不一致，将不一致的内容作为对应的索引字段的索引数据的别名加入所述第一数据库。
在一种可能的实施方式中，在对第一数据库构建索引，得到索引表之前，所述装置还包括：
归一化模块，用于对所述第一数据库及所述多个待融合数据库进行归一化处理。
在一种可能的实施方式中，对第二数据库中所有目标数据执行所述操作后，删除所述第二数据库。
在一种可能的实施方式中，所述数据分析模型包括决策树模型、聚类模型、贝叶斯分类模型、支持向量机模型、期望最大化EM模型、Adaboost模型、卷积神经网络模型、深度置信网模型、递归神经网络模型、长期短期记忆模型、生成敌对网络模型、转移学习模型、注意模型的至少一种或多种的组合。
在一种可能的实施方式中，所述目标数据包括文档数据。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
请参阅图7，图7示出了根据本公开一实施例的一种电子设备的框图。
例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图7，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器 (EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风 (MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800 或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(WiFi)，第二代移动通信技术(2G)或第三代移动通信技术(3G)，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB) 技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
请参阅图8，图8示出了根据本公开一实施例的一种电子设备的框图。
例如，电子设备1900可以被提供为一服务器。参照图8，电子设备1900包括处理组件 1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出 (I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows ServerTM)，苹果公司推出的基于图形用户界面操作系统(Mac OSXTM)，多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM)，开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器 (SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令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，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (17)
1.一种数据融合方法，其特征在于，所述方法包括：
对第一数据库构建索引，得到索引表，所述索引表包括多个索引字段及与各个索引字段对应的索引数据；
依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，所述候选数据组合包括目标数据及相应的候选数据；
根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表。
2.根据权利要求1所述的方法，其特征在于，所述对第一数据库构建索引，包括：
根据预设字段创建所述第一数据库中各个基础数据的索引字段；
根据所述第一数据库中各个基础数据确定各索引字段的索引数据；
其中，所述索引数据包括基础数据中与各索引字段对应的内容，对应的内容与所述基础数据相关联；或者
所述索引数据包括基础数据中与各索引字段对应的内容、以及所述基础数据。
3.根据权利要求1或2所述的方法，其特征在于，利用预设搜索引擎执行以下操作：
对第一数据库的基础数据构建索引；和/或
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合。
4.根据权利要求1所述的方法，其特征在于，以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，包括：
根据所述索引条件，确定所述第二数据库的目标数据与第一数据库中的基础数据的相似度；
按照相似度从大到小对所述基础数据进行排序，根据排序结果确定所述多个候选数据组合，其中，所述多个候选数据组合中的候选数据为相似度排序靠前的N个基础数据，N＞0且为整数。
5.根据权利要求1所述的方法，其特征在于，所述根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，包括：
所述训练好的数据分析模型确定所述目标数据及所述候选数据的多种类型特征的特征参数，根据得到的特征参数及对应的预设参数确定所述候选数据组合中的目标数据与候选数据是否为相同数据。
6.根据权利要求5所述的方法，其特征在于，所述多种类型特征的特征参数包括以下至少两种：
与所述目标数据及所述候选数据各自的名称信息的余弦相似度、jaccard相似度、编辑距离、汉明距离中的至少一种对应的第一特征参数；
与所述目标数据及所述候选数据的时间信息的差值绝对值对应的第二特征参数；
与所述目标数据及所述候选数据的相似度对应的第三特征参数。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将被标记的数据集中的标记数据划分为K份，利用K-s份标记数据作为训练数据对初始数据分析模型进行训练，并利用s份标记数据作为校验数据对初始数据分析模型进行校验，得到中间数据分析模型，其中，s＜K-s＜K，K为大于1的整数，s为大于0的整数；
依次轮换K份标记数据中的其他标记数据作为校验数据，并得到对应的训练数据，对数据分析模型进行多次训练及校验，得到多个中间数据分析模型；
将多个中间数据分析模型中校验误差最小的中间数据分析模型作为所述训练好的数据分析模型。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述第二数据库的标识信息写入到所述第一数据库中。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在确定所述多个候选数据组合中的目标数据与候选数据均为相同数据的情况下，不对所述多个候选数据组合中的目标数据与第一数据库进行融合。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
在确定所述多个候选数据组合中的目标数据与任一候选数据为相同数据的情况下，若所述目标数据中、与该任一候选数据对应的索引字段对应的内容与索引字段的索引数据不一致，将不一致的内容作为对应的索引字段的索引数据的别名加入所述第一数据库。
11.根据权利要求1所述的方法，其特征在于，在对第一数据库构建索引，得到索引表之前，所述方法还包括：
对所述第一数据库及所述多个待融合数据库进行归一化处理。
12.根据权利要求1所述的方法，其特征在于，所述方法还包括：对第二数据库中所有目标数据执行所述操作后，删除所述第二数据库。
13.根据权利要求1所述的方法，其特征在于，所述数据分析模型包括决策树模型、聚类模型、贝叶斯分类模型、支持向量机模型、期望最大化EM模型、Adaboost模型、卷积神经网络模型、深度置信网模型、递归神经网络模型、长期短期记忆模型、生成敌对网络模型、转移学习模型、注意模型的至少一种或多种的组合。
14.根据权利要求1-13任一项所述的方法，其特征在于，所述目标数据包括文档数据。
15.一种数据融合装置，其特征在于，所述装置包括：
构建模块，用于对第一数据库构建索引，得到索引表，所述索引表包括多个索引字段及与各个索引字段对应的索引数据；
融合模块，用于依次从多个待融合数据库中选择第二数据库，执行以下操作，得到融合后的第一数据库：
以第二数据库中的目标数据中、与所述第一数据库的索引字段对应的内容作为索引条件，根据所述第一数据库的索引表搜索与所述目标数据对应的候选数据，得到多个候选数据组合，所述候选数据组合包括目标数据及相应的候选数据；
根据训练好的数据分析模型确定所述候选数据组合中的目标数据与候选数据是否为相同数据，在确定所述多个候选数据组合的一个或多个候选数据组合中的目标数据与候选数据为不同数据的情况下，将所述一个或多个候选数据组合中的目标数据融合到所述第一数据库，更新所述索引表。
16.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至14中任意一项所述的方法。
17.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至14中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110936446.5A CN113656650A (zh) | 2021-08-16 | 2021-08-16 | 数据融合方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110936446.5A CN113656650A (zh) | 2021-08-16 | 2021-08-16 | 数据融合方法及装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113656650A true CN113656650A (zh) | 2021-11-16 |
Family
ID=78479212
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110936446.5A Pending CN113656650A (zh) | 2021-08-16 | 2021-08-16 | 数据融合方法及装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113656650A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017170459A1 (ja) * | 2016-03-31 | 2017-10-05 | スマートインサイト株式会社 | 異種データソース混在環境におけるフィールド間の関係性の自動的発見のための方法、プログラム、および、システム |
| CN108984598A (zh) * | 2018-05-31 | 2018-12-11 | 中国地质大学（武汉） | 一种关系型地质数据库与NoSQL的融合方法及系统 |
| CN109542966A (zh) * | 2018-11-09 | 2019-03-29 | 金色熊猫有限公司 | 数据融合方法、装置、电子设备及计算机可读介质 |
| CN109993184A (zh) * | 2017-12-30 | 2019-07-09 | 华为技术有限公司 | 一种数据融合的方法以及数据融合设备 |
| CN112988863A (zh) * | 2021-02-09 | 2021-06-18 | 苏州中科蓝迪软件技术有限公司 | 一种基于Elasticsearch的异构多数据源的高效搜索引擎方法 |
-
2021
- 2021-08-16 CN CN202110936446.5A patent/CN113656650A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017170459A1 (ja) * | 2016-03-31 | 2017-10-05 | スマートインサイト株式会社 | 異種データソース混在環境におけるフィールド間の関係性の自動的発見のための方法、プログラム、および、システム |
| CN109993184A (zh) * | 2017-12-30 | 2019-07-09 | 华为技术有限公司 | 一种数据融合的方法以及数据融合设备 |
| CN108984598A (zh) * | 2018-05-31 | 2018-12-11 | 中国地质大学（武汉） | 一种关系型地质数据库与NoSQL的融合方法及系统 |
| CN109542966A (zh) * | 2018-11-09 | 2019-03-29 | 金色熊猫有限公司 | 数据融合方法、装置、电子设备及计算机可读介质 |
| CN112988863A (zh) * | 2021-02-09 | 2021-06-18 | 苏州中科蓝迪软件技术有限公司 | 一种基于Elasticsearch的异构多数据源的高效搜索引擎方法 |
Non-Patent Citations (1)
| Title |
|---|
| 党玉龙;: "公安资源服务平台异类数据融合设计与高效实现", 警察技术, no. 05, 7 September 2018 (2018-09-07), pages 93 - 96 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120078B2 (en) | Method and device for video processing, electronic device, and storage medium | |
| US11727053B2 (en) | Entity recognition from an image | |
| CN107102746B (zh) | 候选词生成方法、装置以及用于候选词生成的装置 | |
| EP3173948A1 (en) | Method and apparatus for recommendation of reference documents | |
| CN109144285B (zh) | 一种输入方法和装置 | |
| US20150293975A1 (en) | Method and device for searching for contact object, and storage medium | |
| CN110597963A (zh) | 表情问答库的构建方法、表情搜索方法、装置及存储介质 | |
| WO2021082463A1 (zh) | 数据处理方法及装置、电子设备和存储介质 | |
| WO2023061276A1 (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
| CN114168798B (zh) | 文本存储管理与检索方法及装置 | |
| CN111538830A (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
| CN110929122B (zh) | 一种数据处理方法、装置和用于数据处理的装置 | |
| CN111602129B (zh) | 针对注释和墨迹的智能搜索 | |
| CN115061580A (zh) | 输入方法、装置、电子设备及可读存储介质 | |
| CN111538998B (zh) | 文本定密方法和装置、电子设备及计算机可读存储介质 | |
| US8935283B2 (en) | Systems and methods for searching for analog notations and annotations | |
| CN112989011B (zh) | 数据查询方法、数据查询装置和电子设备 | |
| CN113157923B (zh) | 实体分类方法、装置及可读存储介质 | |
| CN113656650A (zh) | 数据融合方法及装置、电子设备和存储介质 | |
| KR20150135059A (ko) | 검색을 수행하는 방법 및 장치 | |
| CN106959970B (zh) | 词库、词库的处理方法、装置和用于处理词库的装置 | |
| CN112987941B (zh) | 生成候选词的方法及装置 | |
| CN110471538B (zh) | 一种输入预测方法及装置 | |
| CN110362686B (zh) | 一种词库的生成方法、装置、终端设备和服务器 | |
| CN114610163A (zh) | 推荐方法、装置和介质 |
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 |