CN114615207B - 推流前的数据定向化处理方法及装置 - Google Patents

Abstract

本发明涉及数据信息处理技术领域，涉及推流前的数据定向化处理方法及装置，包括以下步骤：步骤1.预处理集成配置；步骤2.引导分流；步骤3.汇总数据流；步骤4.定位查找处理；步骤5.阶段配置；步骤6.分类推流；步骤7.重复上述步骤1‑步骤6，持续至推流数据处理结束，本发明采用了非常规数据处理，提出了一种新型的数据处理方式，结合了分类、汇集、静态动态数据处理以及数据的优化，合理高效地解决了数据多元化推流时无法在单个设备下进行连续处理的问题，同时有效区别现有技术切换使用设备进行不同数据处理的方法。

Description

推流前的数据定向化处理方法及装置

技术领域

本发明涉及数据信息处理技术领域，涉及推流前的数据定向化处理方法及装置。

背景技术

数据推流是响应大数据时代的一种新型数据推送方法，其采用多角度、多维度的数据整合进行定点定向的数据传输，保证用户接收的数据信息可以更符合当前需求，保证需求的成本可以有效降低到最低档，同时可以实现与大数据进行合理搭接联系，保证用户的喜爱和数据流高度一致。

但是现有技术中，因为考虑到数据传递的模式化，基本采用数据的传统模式的传输，传输过程中，会利用每一个模块进行机械性的读写，基于此，不同的数据类型必然需要不同的设备进行，造成数据读取的效率较低，同时导致数据在进行不同的设备切换时，出现丢失、失真等一系列连锁情况，进而促使用户的推广符合度降低。

基于上述问题，虽然已经专利或者研究进行了相关的改善，但是改善的思路依然沿用传统的数据模式进行，其必然导致数据传输并无本质变化，依然具有潜在的数据传输切换过程中的丢失，进而无法满足用于推流，导致人力以及财力的大量损耗，事与愿违。

发明内容

本发明的目的在于提供推流前的数据定向化处理方法及装置，解决现有技术无法进行在复杂且多种业务场景下数据连续处理的问题；同时也解决了不同数据类型无法在不切换不同设备时进行数据处理的问题。

本发明的目的通过以下述技术方案来实现，包括以下步骤：步骤1.预处理集成配置，进行无线以及有线配置，将配置好的模块进行串接连接，形成第一网络模块；步骤2.引导分流，将第一网络模块中的数据信息进行分离，其中数据信息包括动态以及静态信息；步骤3.汇总数据流，将引导分流后的数据信息进行汇总，将汇总后的数据进行分析处理，数据分析处理基于K-近邻算法进行，得到数据信息，将数据信息进行分类传输；步骤4.定位查找处理，将分类后的数据中的静态数据信息进行基于Mark点匹配进行定位处理，定位后进行图像细节校准，校准后将静态数据信息进行传输；步骤5.阶段配置，将定位查找后的静态数据进行阶段配置，配置过程中采用ID3算法，将静态数据进行多路配置，形成对外传输端口，形成第二网络模块；步骤6.分类推流，将阶段配置后的静态数据和分类好的动态数据进行对应推流，其中推流过程采用STREAM算法进行；步骤7.重复上述步骤1-步骤6，持续至推流数据处理结束。

需要说明的是，申请人鉴于常规数据处理，进行了推流前的数据模拟处理后发现，针对不同业务场景时，无法进行合理有效的数据连续处理，例如申请人进行了一个品牌的推广，其中涉及到该品牌的价格、适用对象、使用场景以及配合使用对象，申请人在进行相关产品推广时，必须要进行上述每个方面对应的装置的利用，采用对应的算法进行处理，虽然也可以进行推广，但是推广过程中却始终存在着来回线路切换的问题，在切换过程中，会出现价格无法匹配作用对象等问题，于是就需要进行再次返工作业，如此往复耗时耗力，基于此，申请人思考是否可以找到一种统一连续处理的方法进行处理，根据此设想，申请人结合现有技术中数据处理的惯常步骤以及通用方式，通过分析数据信息之间的联系，将数据以动态和静态作为划分，进行数据的处理，同时配合分类、汇聚，二次配置过程，实现了数据多业务状态下的连续且不切换设备的处理过程，降低了数据丢失以及返工的概率。

所述步骤1具体为：配置集成无线和有线网络模块,形成第一网络模块，进而采用无线模块拉流。

需要说明的是，采用第一网络模块可以保证数据可以同时进行无线、有线的拉流，进而提高数据的同步处理效果。

所述步骤2具体为：将第一网络模块中的数据信息利用HSAH算法进行分离引导，其中在第一网络模块中的数据会依据HASH算法进行数据的读取处理。

需要说明的是，对数据进行分离可以保证数据的清晰度，基于HASH算法可以保证数据在分离过程中具有较高的完整性。

所述步骤3具体为：所述K-近邻算法被配置进行多路连续处理，处理过程中采用逐级优化方式进行。

需要说明的是，申请人采用上述算法可以最大效率得到数据的连续处理，采用逐级优化可以保证不清楚的数据可以进行较好的过滤，以此来达到数据的真实还原，避免出现数据信息干扰，导致推流信息出现误差，降低用户体验度。

所述步骤4具体为：对静态信息进行双重定位处理，其中第一重采用全局Mark定位，第二重采用局部Mark定位。

需要说明的是，现有技术在进行信息数据定位时，通常考虑到数据的属性，不会进行刻意的数据定位，正因为如此，很多属性信息接近的数据，会出现误导，进而是的推流数据出现相似化，但并不是最终的数据需要，此时就又需要进行另外设备的加入，申请人基于此，进行了针对性的数据处理，弥补了此处的不足，此步骤克服了现有技术的惯常思维，进行了处理模式的创新。

所述步骤5具体为：多路配置具体为进行三平行数据通道进行处理，将处理结果进行对比汇总，其中对比汇总采用基于ID3的二次开发平台进行。

需要说明的是，采用三行数据通道处理，进一步实现了数据的高效分类处理，促使后期的数据推流结果更加准确。

所述步骤6具体为：将阶段配置后的静态数据和分类好的动态数据通过读取数据的中位数和权值，得到聚类信息，接着基于STREAM算法进行批处理，每次批处理的数据点个数3个至5个。

需要说明的是，选择处理数据3-5个，是为了保证数据处理的清晰度，太多数据的出现，会导致数据拥堵，进而存在数据混乱的情况。

本发明的另一方面，一种推流前的数据定向化处理装置，包括装置本体，所述装置本体内信号连接有处理模块，所述处理模块采用推流前的数据定向化处理方法。

所述处理模块内依次信号连接有预处理模块、导引模块以及类聚模块，其中所述预处理模块用于进行无线以及有线配置，将配置好的模块进行串接连接，形成第一网络模块；

所述导引模块用于将第一网络模块中的数据信息进行分离，其中数据信息包括动态以及静态信息；

所述类聚模块用于将引导分流后的数据信息进行汇总，将汇总后的数据进行分析处理，数据分析处理基于K-近邻算法进行，得到数据信息，将数据信息进行分类传输。

所述处理模块还信号连接有定位模块、配置模块以及分类模块，所述定位模块用于将分类后的数据中的静态数据信息进行基于Mark点匹配进行定位处理，定位后进行图像细节校准，校准后将静态数据信息进行传输；

所述配置模块用于将定位查找后的静态数据进行阶段配置，配置过程中采用ID3算法，将静态数据进行多路配置，形成对外传输端口，形成第二网络模块；

所述分类模块用于将阶段配置后的静态数据和分类好的动态数据进行对应推流，其中推流过程采用STREAM算法进行。

需要说明的是，采用上述装置，可以针对任何一种需要进行多元化数据处理的场景进行，提高数据处理的效率，进而提高数据的处理结果，申请人表明，现有环境的数据种类繁多、数据的复杂程度各不相同，但是采用上述装置，按照其对应的方法，可以进一步高效提高适配度，保证推流前数据处理的高效。

本发明与现有技术相比，具有如下的优点和有益效果：本发明采用了非常规数据处理，提出了一种新型的数据处理方式，结合了分类、汇集、静态动态数据处理以及数据的优化，合理高效地解决了数据多元化推流时无法在单个设备下进行连续处理的问题，同时有效区别现有技术切换使用设备进行不同数据处理的方法。

附图说明

图1是本发明的流程示意图。

具体实施方式

请参考说明附图1，本实施例提供了推流前的数据定向化处理方法及装置，该推流前的数据定向化处理方法及装置主要用于解决现有技术无法进行在复杂且多种业务场景下数据连续处理的问题；同时也解决了不同数据类型无法在不切换不同设备时进行数据处理的问题，该推流前的数据定向化处理方法及装置已经处于实际使用阶段。

申请人在实验中，克服了现有技术处理多元化信息的思维，将数据的多元化转变为方法的变化，集成一系列连续的处理过程，保证了在复杂数据的处理推流前，进行合理分配以及传输，保证用户直观体验，

本发明的实施过程为：包括以下步骤：步骤1.预处理集成配置，进行无线以及有线配置，将配置好的模块进行串接连接，形成第一网络模块；步骤2.引导分流，将第一网络模块中的数据信息进行分离，其中数据信息包括动态以及静态信息；步骤3.汇总数据流，将引导分流后的数据信息进行汇总，将汇总后的数据进行分析处理，数据分析处理基于K-近邻算法进行，得到数据信息，将数据信息进行分类传输；步骤4.定位查找处理，将分类后的数据中的静态数据信息进行基于Mark点匹配进行定位处理，定位后进行图像细节校准，校准后将静态数据信息进行传输；步骤5.阶段配置，将定位查找后的静态数据进行阶段配置，配置过程中采用ID3算法，将静态数据进行多路配置，形成对外传输端口，形成第二网络模块；步骤6.分类推流，将阶段配置后的静态数据和分类好的动态数据进行对应推流，其中推流过程采用STREAM算法进行；步骤7.重复上述步骤1-步骤6，持续至推流数据处理结束。

需要说明的是，申请人鉴于常规数据处理，进行了推流前的数据模拟处理后发现，常规的数据处理基本上采用单一点对点的处理，数据的精确度具有一定保证，但是数据的处理种类却无法得到较高的解决，无法做的连续处理，必须要进行不同设备的替换使用，针对不同业务场景时，无法进行合理有效的数据连续处理，鉴于此，申请人构思了一种既可以保证精度也可以保证传输种类归一化的处理方式，本实施例较佳的处理方式是将数据进行预配置-分流-汇总-定位-阶段匹配-分类的处理，其中为了保证数据在复杂环境下也可以进行高效处理，不会出现数据拥堵或者数据无法识别处理而导致的推流失败，申请人将每个步骤进行了细化构思，依照多种类处理的主线逻辑，进行数据的处理，具体为以下步骤：

所述步骤1具体为：配置集成无线和有线网络模块,形成第一网络模块，进而采用无线模块拉流，所述步骤2具体为：将第一网络模块中的数据信息利用HSAH算法进行分离引导，其中在第一网络模块中的数据会依据HASH算法进行数据的读取处理，所述步骤3具体为：所述K-近邻算法被配置进行多路连续处理，处理过程中采用逐级优化方式进行，所述步骤4具体为：对静态信息进行双重定位处理，其中第一重采用全局Mark定位，第二重采用局部Mark定位，所述步骤5具体为：多路配置具体为进行三平行数据通道进行处理，将处理结果进行对比汇总，其中对比汇总采用基于ID3的二次开发平台进行，所述步骤6具体为：将阶段配置后的静态数据和分类好的动态数据通过读取数据的中位数和权值，得到聚类信息，接着基于STREAM算法进行批处理，每次批处理的数据点个数3个至5个。

首先，申请人在步骤1中配置了无线和有线两种模块，可以保证数据可以在两种模式下进行，现有技术通常是仅仅设置一种模式，在此技术构思下，申请人进行了第一网络模块的创建，在第一网络模块中，将信息进行分离，分离过程中采用了HASH算法进行，之所以选用此算法是因为此算法具有处理精度高的特性，可以保证数据处理的完整，因为此处采用的是现有技术算法，所以算法本身的原理不展开论述，接着进行了数据的分离后，申请人结合各类数据处理模型以及数据处理的算法，依据多对一的技术构思，将数据等同于多个点位，继而进行多点位归一，进而进行数据的近邻处理，筛选出了K-近邻算法进行，此算法具有对异常值不敏感、精度较高的特性，之所以采用，还因为数据之间有时候具有同一属性，因此不能进行较大区分，会出现遗漏或者筛分错误的情况，本实施例又一实施方式为采用线性回归的算法进行，采用此算法也可以进行连续处理，但是因为对异常值敏感度较高，因此容易出现数据筛选错误，在选定算法后，申请人采用多路连续处理，意在保证数据的处理可以实现高效化，多路处理中的每一路中又加入了逐级优化，是为了保证在高效处理的同时，可以进行数据的同步优化分析，其中可以采用现有技术中优化同步算法、优化遍历算法等进行，此处不进行限定，达到相关效果即可，逐级优化后，会进行双重定位，双重定位是为了保证静态信息推流前的准确，现有技术通常采用单方面定位甚至不进行定位的方式，原因是考虑到数据本身具有特性，因此没必要进行相关内容的利用，但正因为此，数据才会出现在混乱出现错误传输，申请人不仅进行了定位，而且还采用了双重定位的方式，此方式可以保证静态数据的定位准确，采用Mark定位，结合现有技术的空间定位思路，将其转换为静态图片的定位，意在保证数据推流前的稳定，Mark算法可以高效进行稳定与准确的作业，紧接着采用了ID3算法进行三平行数据通道的处理，可以实现数据多路处理，降低单一路线的处理负载，提高算力的同时，可以有效进行数据之间的对比，其中对比的数据为静态数据属性，此过程中申请人发现单纯进行ID3算法的使用，不能高效满足数据的处理结果，因此申请人基于此进行了二次开发，在二次开发的平台上进行继续处理，此处需要说明的是，二开平台属于申请人需要进行技术秘密保护的内容，此处不进行详细叙述。进行完数据阶段配置后，进行推流前的分类适配，其中申请人经过长时间的数据分析后，采用静态数据以及动态数据的中位数以及权值进行，可以高效得到数据变化的平均情况，以此来保证数据的真实以及推流的准确性，现有技术通常采用数据的峰值进行，此数值多数是代表数据传输的最佳状态，往往具有较大的误差，之所以现有技术采用峰值，是因为峰值可以配合单点传输进行高效处理，但是处理效果欠佳。

本发明的另一方面，一种推流前的数据定向化处理装置，包括装置本体，所述装置本体内信号连接有处理模块，所述处理模块采用推流前的数据定向化处理方法，所述处理模块内依次信号连接有预处理模块、导引模块以及类聚模块，其中所述预处理模块用于进行无线以及有线配置，将配置好的模块进行串接连接，形成第一网络模块；所述导引模块用于将第一网络模块中的数据信息进行分离，其中数据信息包括动态以及静态信息；所述类聚模块用于将引导分流后的数据信息进行汇总，将汇总后的数据进行分析处理，数据分析处理基于K-近邻算法进行，得到数据信息，将数据信息进行分类传输；所述处理模块还信号连接有定位模块、配置模块以及分类模块，所述定位模块用于将分类后的数据中的静态数据信息进行基于Mark点匹配进行定位处理，定位后进行图像细节校准，校准后将静态数据信息进行传输；所述配置模块用于将定位查找后的静态数据进行阶段配置，配置过程中采用ID3算法，将静态数据进行多路配置，形成对外传输端口，形成第二网络模块；所述分类模块用于将阶段配置后的静态数据和分类好的动态数据进行对应推流，其中推流过程采用STREAM算法进行。

采用上述装置，可以针对任何一种需要进行多元化数据处理的场景进行，提高数据处理的效率，进而提高数据的处理结果，申请人表明，现有环境的数据种类繁多、数据的复杂程度各不相同，但是采用上述装置，按照其对应的方法，可以进一步高效提高适配度，保证推流前数据处理的高效。

本申请的数据传输效果与现有技术对比后，得到如下数据对比结果：本发明的方法可以将推流前的数据进行高达85％的汇总处理，且处理的结果准确度可以达到95％以上，然而现有技术，申请人进行统计，得到处理结果的准确度与本申请进行对比后，发现仅为本申请的1/2，可以看出，本申请在提出一种新型的数据推流定向处理的方法下，也达到甚至超越了现有技术。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.推流前的数据定向化处理方法，其特征在于，包括以下步骤：

步骤1.预处理集成配置，配置无线和有线网络模块，将配置好的模块进行串接连接，形成第一网络模块，进而采用无线模块拉流；

步骤2.引导分流，将第一网络模块中的数据信息进行分离，其中数据信息包括动态以及静态信息；

步骤3.汇总数据流，将引导分流后的数据信息进行汇总，将汇总后的数据进行分析处理，数据分析处理基于 K-近邻算法进行，得到分析处理后的数据信息，将分析处理后的数据信息进行分类传输；

步骤4.定位查找处理，将分类后的数据中的静态数据信息基于Mark点匹配进行定位处理，定位后进行图像细节校准，校准后将静态数据信息进行传输；

步骤5.阶段配置，将定位查找后的静态数据进行阶段配置，配置过程中采用ID3算法，将静态数据进行多路配置，先形成对外传输端口，最后形成第二网络模块；其中，多路配置具体为进行三平行数据通道进行处理，将处理结果进行对比汇总，其中对比汇总采用基于ID3的二次开发平台进行；

步骤6.分类推流，将阶段配置后的静态数据和分类好的动态数据进行对应推流，其中推流过程采用STREAM算法进行；

步骤7.重复上述步骤1-步骤6，持续至推流数据处理结束。

2.根据权利要求1所述的推流前的数据定向化处理方法，其特征在于，所述步骤2具体为：将第一网络模块中的数据信息利用HSAH算法进行分离引导，其中在第一网络模块中的数据会依据HASH算法进行数据的读取处理。

3.根据权利要求1所述的推流前的数据定向化处理方法，其特征在于，所述步骤3具体为：所述K-近邻算法被配置进行多路连续处理，处理过程中采用逐级优化方式进行。

4.根据权利要求1所述的推流前的数据定向化处理方法，其特征在于，所述步骤4具体为：对静态信息进行双重定位处理，其中第一重采用全局Mark定位，第二重采用局部Mark定位。

5.根据权利要求1所述的推流前的数据定向化处理方法，其特征在于，所述步骤6具体为：将阶段配置后的静态数据和分类好的动态数据通过读取数据的中位数和权值，得到聚类信息，接着基于STREAM算法进行批处理，每次批处理的数据点个数3个至5个。

6.一种推流前的数据定向化处理装置，其特征在于，包括装置本体，所述装置本体内信号连接有处理模块，所述处理模块采用权利要求1-5任意一项所述的推流前的数据定向化处理方法。

7.根据权利要求6所述的一种推流前的数据定向化处理装置，其特征在于，所述处理模块内依次信号连接有预处理模块、导引模块以及类聚模块，其中所述预处理模块用于进行无线以及有线配置，将配置好的模块进行串接连接，形成第一网络模块；

所述导引模块用于将第一网络模块中的数据信息进行分离，其中数据信息包括动态以及静态信息；

所述类聚模块用于将引导分流后的数据信息进行汇总，将汇总后的数据进行分析处理，数据分析处理基于 K-近邻算法进行，得到分析处理后的数据信息，将分析处理后的数据信息进行分类传输。

8.根据权利要求6所述的一种推流前的数据定向化处理装置，其特征在于，所述处理模块还信号连接有定位模块、配置模块以及分类模块，所述定位模块用于将分类后的数据中的静态数据信息基于Mark点匹配进行定位处理，定位后进行图像细节校准，校准后将静态数据信息进行传输；

所述配置模块用于将定位查找后的静态数据进行阶段配置，配置过程中采用ID3算法，将静态数据进行多路配置，先形成对外传输端口，最后形成第二网络模块；

所述分类模块用于将阶段配置后的静态数据和分类好的动态数据进行对应推流，其中推流过程采用STREAM算法进行。

Images