CN114840733A - 主数据识别方法、装置、设备及存储介质 - Google Patents

主数据识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114840733A
CN114840733A CN202210590525.XA CN202210590525A CN114840733A CN 114840733 A CN114840733 A CN 114840733A CN 202210590525 A CN202210590525 A CN 202210590525A CN 114840733 A CN114840733 A CN 114840733A
Authority
CN
China
Prior art keywords
data
scene
target
clustering
acquiring
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
Application number
CN202210590525.XA
Other languages
English (en)
Inventor
李健荣
曾庆华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202210590525.XA priority Critical patent/CN114840733A/zh
Publication of CN114840733A publication Critical patent/CN114840733A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及数据处理，提供一种主数据识别方法、装置、设备及存储介质。该方法获取多个场景对象中的字段特征；抽取所述字段特征中的目标特征；从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；基于所述多个数据群及所述数据类别生成主数据识别模型；当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据，提高了识别效率及识别效果。此外，本发明还涉及区块链技术，所述场景主数据可存储于区块链中。

Description

主数据识别方法、装置、设备及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种主数据识别方法、装置、设备及存储介质。
背景技术
主数据是指企业中各业务部门共用的、具有高价值、高共享、高稳定、高质量特性的基础数据。随着数据化进程的不断推进，对主数据进行识别是非常有必要的。在现有的主数据识别方案中，主要依赖于专家对定性特征进行评分以确定出主数据，然而，这种方式缺乏客观性，导致识别效果不佳，此外，这种方式需要耗费大量时间人力成本，导致识别效率低下。
发明内容
鉴于以上内容，有必要提供一种主数据识别方法、装置、设备及存储介质，能够提高场景主数据的识别效果及识别效率。
一方面，本发明提出一种主数据识别方法，所述主数据识别方法包括：
获取多个场景对象中的字段特征；
抽取所述字段特征中的目标特征；
从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；
基于所述多个数据群及所述数据类别生成主数据识别模型；
当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；
将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
根据本发明优选实施例，所述获取多个场景对象中的字段特征包括：
获取预设场景库中的所有场景作为所述多个场景对象；
从字段库中获取与每个场景对象对应的字段作为场景字段，并获取与所述场景对象所对应的特征作为所述字段特征。
根据本发明优选实施例，所述从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别包括：
基于所述目标特征构建正则表达式；
基于所述正则表达式并行搜索所述多个预设数据源，得到多个初始数据；
对所述多个初始数据进行清洗，得到所述特征数据；
获取与所述多个场景对象对应的目标聚类模型；
基于所述目标聚类模型对所述特征数据进行聚类处理，得到所述多个数据群及每个数据群所对应的数据类别。
根据本发明优选实施例，在获取与所述多个场景对象对应的目标聚类模型之前，所述主数据识别方法还包括：
从所述多个场景对象中获取场景训练数据；
基于多个预设聚类算法构建的预设聚类模型对所述场景训练数据进行聚类处理，得到每个预设聚类模型的多个数据集，所述多个数据集包括第一数据集及第二数据集；
对于每个预设聚类模型，根据每个数据集中的任意两个数据构建第一协方差矩阵；
根据所述第一数据集中的任意数据及所述第二数据集中的任意数据构建第二协方差矩阵；
根据所述第一协方差矩阵及所述第二协方差矩阵生成每个预设聚类算法的算法分值；
将所述算法分值最大的预设聚类模型确定为初始聚类模型；
根据所述场景训练数据调整所述初始聚类模型，直至所述初始聚类模型的损失值不再降低，得到所述目标聚类模型。
根据本发明优选实施例，所述算法分值的计算公式为：
Figure BDA0003664974770000031
其中，y是指所述算法分值，k是指所述多个数据集的个数，ak是指第k个数据集的第一协方差矩阵的元素总和，bk是指所述第一数据集与所述第k个数据集构建的第二协方差矩阵的元素总和。
根据本发明优选实施例，所述基于所述多个数据群及所述数据类别生成主数据识别模型包括：
对于每个数据群，识别该数据群中数据的来源系统；
统计所述来源系统的系统数量；
根据所述多个预设数据源的源数量及预设比例生成标准数量；
将大于所述标准数量的系统数量所对应的数据群确定为目标群；
将所述目标群所对应的数据类别确定为目标类别，并将与所述目标类别相同的字段特征所对应的场景对象确定为目标场景；
根据所述目标类别及所述目标场景构建所述主数据识别模型。
根据本发明优选实施例，所述根据所述主数据识别请求获取待识别数据及待识别场景包括：
解析所述主数据识别请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取指示场景的信息作为所述待识别场景，并从所述数据信息中提取指示路径的信息作为存储路径；
从所述存储路径中获取所有数据作为所述待识别数据。
另一方面，本发明还提出一种主数据识别装置，所述主数据识别装置包括：
获取单元，用于获取多个场景对象中的字段特征；
抽取单元，用于抽取所述字段特征中的目标特征；
所述获取单元，还用于从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；
生成单元，用于基于所述多个数据群及所述数据类别生成主数据识别模型；
所述获取单元，还用于当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；
输入单元，用于将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
另一方面，本发明还提出一种电子设备，所述电子设备包括：
存储器，存储计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现所述主数据识别方法。
另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述主数据识别方法。
由以上技术方案可以看出，本发明通过所述多个预设数据源能够全面的获取到所述特征数据进行聚类，从而有利于提高所述主数据识别模型的模型跨领域能力，同时通过对所述特征数据进行聚类处理，能够准确的将所述特征数据划分为多个数据群，进而根据所述多个数据群及所述数据类别训练生成所述主数据识别模型，能够提高所述主数据识别模型的识别准确性，进而利用所述主数据识别模型对所述待识别数据进行识别，提高所述场景主数据的准确性，另外，由于无需人为分析所述待识别数据，因此能够提高所述场景主数据的识别效率。
附图说明
图1是本发明主数据识别方法的较佳实施例的流程图。
图2是本发明主数据识别装置的较佳实施例的功能模块图。
图3是本发明实现主数据识别方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
如图1所示，是本发明主数据识别方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
所述主数据识别方法可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述主数据识别方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字信号处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所在的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
S10，获取多个场景对象中的字段特征。
在本发明的至少一个实施例中，所述多个场景对象可以是企业中所有项目场景，例如，所述多个场景对象可以是理赔项目等。
所述字段特征是指所述多个场景对象中的任意字段所具有的具体特征，例如，字段“客户”的字段特征为：数据位数为10位；数据开头为特定数字字母等等。
在本发明的至少一个实施例中，所述电子设备获取多个场景对象中的字段特征包括：
获取预设场景库中的所有场景作为所述多个场景对象；
从字段库中获取与每个场景对象对应的字段作为场景字段，并获取与所述场景对象所对应的特征作为所述字段特征。
通过上述实施方式，能够最大化的获取到所述字段特征。
S11，抽取所述字段特征中的目标特征。
在本发明的至少一个实施例中，所述电子设备随机抽取所述字段特征中的特征，并将抽取到的特征确定为所述目标特征。
S12，从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别。
在本发明的至少一个实施例中，所述多个预设数据源可以包括与所述多个场景对象对应的数据库，所述多个预设数据源也可以包括与多个企业部门对应的共享数据库。
所述数据类别是指每个数据群所对应的类别特征，例如，所述数据类别为：数据开头为特定数字字母等。
在本发明的至少一个实施例中，所述电子设备从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别包括：
基于所述目标特征构建正则表达式；
基于所述正则表达式并行搜索所述多个预设数据源，得到多个初始数据；
对所述多个初始数据进行清洗，得到所述特征数据；
获取与所述多个场景对象对应的目标聚类模型；
基于所述目标聚类模型对所述特征数据进行聚类处理，得到所述多个数据群及每个数据群所对应的数据类别。
其中，所述特征数据是指不包含重复数据的初始数据。
所述目标聚类模型是指同时能够用于对所述多个场景对象进行聚类的模型。
通过所述正则表达式并行对所述多个预设数据源进行搜索，能够快速的获取到所述多个初始数据，通过对所述多个初始数据进行清洗，能够避免所述特征数据中存在重复数据，进而影响聚类效率，进而通过所述目标聚类模型对所述特征数据进行聚类，能够快速并准确的获得所述多个数据群及所述数据类别。
具体地，在获取与所述多个场景对象对应的目标聚类模型之前，所述主数据识别方法还包括：
从所述多个场景对象中获取场景训练数据；
基于多个预设聚类算法构建的预设聚类模型对所述场景训练数据进行聚类处理，得到每个预设聚类模型的多个数据集，所述多个数据集包括第一数据集及第二数据集；
对于每个预设聚类模型，根据每个数据集中的任意两个数据构建第一协方差矩阵；
根据所述第一数据集中的任意数据及所述第二数据集中的任意数据构建第二协方差矩阵；
根据所述第一协方差矩阵及所述第二协方差矩阵生成每个预设聚类算法的算法分值；
将所述算法分值最大的预设聚类模型确定为初始聚类模型；
根据所述场景训练数据调整所述初始聚类模型，直至所述初始聚类模型的损失值不再降低，得到所述目标聚类模型。
其中，所述多个预设聚类算法可以包括，但不限于：K-Means算法等。
所述多个数据集的个数有多个，所述第二数据集是指与所述第一数据集不同的数据集。
通过所述多个预设聚类算法构建的预设聚类模型对所述场景训练数据进行聚类处理，能够利用聚类处理所得到的多个数据集对所述预设聚类模型进行筛选，提高所述初始聚类模型在所述多个场景对象中的适用性，进而对所述初始聚类模型进一步进行调整，能够提高所述目标聚类模型的准确性。
具体地，所述算法分值的计算公式为：
Figure BDA0003664974770000081
其中，y是指所述算法分值，k是指所述多个数据集的个数，ak是指第k个数据集的第一协方差矩阵的元素总和，bk是指所述第一数据集与所述第k个数据集构建的第二协方差矩阵的元素总和。
通过在分母中设定k-1，能够避免数据集存在一个的情况，从而能够提高所述算法分值的准确性。
S13，基于所述多个数据群及所述数据类别生成主数据识别模型。
在本发明的至少一个实施例中，所述主数据识别模型能够用于所述多个场景对象中的主数据。
在本发明的至少一个实施例中，所述电子设备基于所述多个数据群及所述数据类别生成主数据识别模型包括：
对于每个数据群，识别该数据群中数据的来源系统；
统计所述来源系统的系统数量；
根据所述多个预设数据源的源数量及预设比例生成标准数量；
将大于所述标准数量的系统数量所对应的数据群确定为目标群；
将所述目标群所对应的数据类别确定为目标类别，并将与所述目标类别相同的字段特征所对应的场景对象确定为目标场景；
根据所述目标类别及所述目标场景构建所述主数据识别模型。
其中，所述预设比例可以根据实际需求设定，例如，所述预设比例可以是60％等。
通过将大于所述标准数量的系统数量所对应的数据群确定为所述目标群，能够实现基于主数据具有共享性的特征对所述多个数据群进行筛选，从而提高所述目标群的准确性，进而基于所述目标类别及所述目标场景能够准确的构建出所述主数据识别模型。
具体地，所述电子设备获取同时与所述目标类别及所述目标场景对应的训练数据，并基于决策树算法获取决策树网络，将所述训练数据及所述目标场景输入至所述决策树网络，得到所述训练数据的预测类别，根据所述预测类别及所述目标类别计算所述决策树网络的网络损失值，调整所述决策树网络的广度及深度，直至所述网络损失值不再降低，得到所述主数据识别模型。
其中，所述决策树算法可以是ID3决策树算法，也可以是CART决策树算法，本发明对所述决策树算法的具体算法不作限制。
S14，当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景。
在本发明的至少一个实施例中，所述主数据识别请求可以是在由有主数据识别需求的用户触发生成，所述主数据识别请求也可以是在特定时间点由机器触发生成。
所述待识别数据是指需要进行主数据识别的数据。
所述待识别场景是指需要进行主数据识别的特定场景。
在本发明的至少一个实施例中，所述电子设备根据所述主数据识别请求获取待识别数据及待识别场景包括：
解析所述主数据识别请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取指示场景的信息作为所述待识别场景，并从所述数据信息中提取指示路径的信息作为存储路径；
从所述存储路径中获取所有数据作为所述待识别数据。
通过解析所述报文，由于无需对整个请求进行解析，提高所述数据信息的获取效率，从而提高所述待识别数据及所述待识别场景的获取效率。
S15，将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
需要强调的是，为进一步保证上述场景主数据的私密和安全性，上述场景主数据还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述场景主数据是指所述待识别数据中，属于所述待识别场景中的主数据。
在本发明的至少一个实施例中，所述电子设备将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据的方式与所述电子设备根据所述目标类别及所述目标场景构建所述主数据识别模型的方式互为逆过程，本发明对此不再赘述。
由以上技术方案可以看出，本发明通过所述多个预设数据源能够全面的获取到所述特征数据进行聚类，从而有利于提高所述主数据识别模型的模型跨领域能力，同时通过对所述特征数据进行聚类处理，能够准确的将所述特征数据划分为多个数据群，进而根据所述多个数据群及所述数据类别训练生成所述主数据识别模型，能够提高所述主数据识别模型的识别准确性，进而利用所述主数据识别模型对所述待识别数据进行识别，提高所述场景主数据的准确性，另外，由于无需人为分析所述待识别数据，因此能够提高所述场景主数据的识别效率。
如图2所示，是本发明主数据识别装置的较佳实施例的功能模块图。所述主数据识别装置11包括获取单元110、抽取单元111、生成单元112、输入单元113、聚类单元114、构建单元115、确定单元116及调整单元117。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。
获取单元110获取多个场景对象中的字段特征。
在本发明的至少一个实施例中，所述多个场景对象可以是企业中所有项目场景，例如，所述多个场景对象可以是理赔项目等。
所述字段特征是指所述多个场景对象中的任意字段所具有的具体特征，例如，字段“客户”的字段特征为：数据位数为10位；数据开头为特定数字字母等等。
在本发明的至少一个实施例中，所述获取单元110获取多个场景对象中的字段特征包括：
获取预设场景库中的所有场景作为所述多个场景对象；
从字段库中获取与每个场景对象对应的字段作为场景字段，并获取与所述场景对象所对应的特征作为所述字段特征。
通过上述实施方式，能够最大化的获取到所述字段特征。
抽取单元111抽取所述字段特征中的目标特征。
在本发明的至少一个实施例中，所述抽取单元111随机抽取所述字段特征中的特征，并将抽取到的特征确定为所述目标特征。
所述获取单元110从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别。
在本发明的至少一个实施例中，所述多个预设数据源可以包括与所述多个场景对象对应的数据库，所述多个预设数据源也可以包括与多个企业部门对应的共享数据库。
所述数据类别是指每个数据群所对应的类别特征，例如，所述数据类别为：数据开头为特定数字字母等。
在本发明的至少一个实施例中，所述获取单元110从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别包括：
基于所述目标特征构建正则表达式；
基于所述正则表达式并行搜索所述多个预设数据源，得到多个初始数据；
对所述多个初始数据进行清洗，得到所述特征数据；
获取与所述多个场景对象对应的目标聚类模型；
基于所述目标聚类模型对所述特征数据进行聚类处理，得到所述多个数据群及每个数据群所对应的数据类别。
其中，所述特征数据是指不包含重复数据的初始数据。
所述目标聚类模型是指同时能够用于对所述多个场景对象进行聚类的模型。
通过所述正则表达式并行对所述多个预设数据源进行搜索，能够快速的获取到所述多个初始数据，通过对所述多个初始数据进行清洗，能够避免所述特征数据中存在重复数据，进而影响聚类效率，进而通过所述目标聚类模型对所述特征数据进行聚类，能够快速并准确的获得所述多个数据群及所述数据类别。
具体地，在获取与所述多个场景对象对应的目标聚类模型之前，所述获取单元110从所述多个场景对象中获取场景训练数据；
聚类单元114基于多个预设聚类算法构建的预设聚类模型对所述场景训练数据进行聚类处理，得到每个预设聚类模型的多个数据集，所述多个数据集包括第一数据集及第二数据集；
构建单元115对于每个预设聚类模型，根据每个数据集中的任意两个数据构建第一协方差矩阵；
所述构建单元115根据所述第一数据集中的任意数据及所述第二数据集中的任意数据构建第二协方差矩阵；
生成单元112根据所述第一协方差矩阵及所述第二协方差矩阵生成每个预设聚类算法的算法分值；
确定单元116将所述算法分值最大的预设聚类模型确定为初始聚类模型；
调整单元117根据所述场景训练数据调整所述初始聚类模型，直至所述初始聚类模型的损失值不再降低，得到所述目标聚类模型。
其中，所述多个预设聚类算法可以包括，但不限于：K-Means算法等。
所述多个数据集的个数有多个，所述第二数据集是指与所述第一数据集不同的数据集。
通过所述多个预设聚类算法构建的预设聚类模型对所述场景训练数据进行聚类处理，能够利用聚类处理所得到的多个数据集对所述预设聚类模型进行筛选，提高所述初始聚类模型在所述多个场景对象中的适用性，进而对所述初始聚类模型进一步进行调整，能够提高所述目标聚类模型的准确性。
具体地，所述算法分值的计算公式为：
Figure BDA0003664974770000131
其中，y是指所述算法分值，k是指所述多个数据集的个数，ak是指第k个数据集的第一协方差矩阵的元素总和，bk是指所述第一数据集与所述第k个数据集构建的第二协方差矩阵的元素总和。
通过在分母中设定k-1，能够避免数据集存在一个的情况，从而能够提高所述算法分值的准确性。
所述生成单元112基于所述多个数据群及所述数据类别生成主数据识别模型。
在本发明的至少一个实施例中，所述主数据识别模型能够用于所述多个场景对象中的主数据。
在本发明的至少一个实施例中，所述生成单元112基于所述多个数据群及所述数据类别生成主数据识别模型包括：
对于每个数据群，识别该数据群中数据的来源系统；
统计所述来源系统的系统数量；
根据所述多个预设数据源的源数量及预设比例生成标准数量；
将大于所述标准数量的系统数量所对应的数据群确定为目标群；
将所述目标群所对应的数据类别确定为目标类别，并将与所述目标类别相同的字段特征所对应的场景对象确定为目标场景；
根据所述目标类别及所述目标场景构建所述主数据识别模型。
其中，所述预设比例可以根据实际需求设定，例如，所述预设比例可以是60％等。
通过将大于所述标准数量的系统数量所对应的数据群确定为所述目标群，能够实现基于主数据具有共享性的特征对所述多个数据群进行筛选，从而提高所述目标群的准确性，进而基于所述目标类别及所述目标场景能够准确的构建出所述主数据识别模型。
具体地，所述生成单元112获取同时与所述目标类别及所述目标场景对应的训练数据，并基于决策树算法获取决策树网络，将所述训练数据及所述目标场景输入至所述决策树网络，得到所述训练数据的预测类别，根据所述预测类别及所述目标类别计算所述决策树网络的网络损失值，调整所述决策树网络的广度及深度，直至所述网络损失值不再降低，得到所述主数据识别模型。
其中，所述决策树算法可以是ID3决策树算法，也可以是CART决策树算法，本发明对所述决策树算法的具体算法不作限制。
当接收到主数据识别请求时，所述获取单元110根据所述主数据识别请求获取待识别数据及待识别场景。
在本发明的至少一个实施例中，所述主数据识别请求可以是在由有主数据识别需求的用户触发生成，所述主数据识别请求也可以是在特定时间点由机器触发生成。
所述待识别数据是指需要进行主数据识别的数据。
所述待识别场景是指需要进行主数据识别的特定场景。
在本发明的至少一个实施例中，所述获取单元110根据所述主数据识别请求获取待识别数据及待识别场景包括：
解析所述主数据识别请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取指示场景的信息作为所述待识别场景，并从所述数据信息中提取指示路径的信息作为存储路径；
从所述存储路径中获取所有数据作为所述待识别数据。
通过解析所述报文，由于无需对整个请求进行解析，提高所述数据信息的获取效率，从而提高所述待识别数据及所述待识别场景的获取效率。
输入单元113将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
需要强调的是，为进一步保证上述场景主数据的私密和安全性，上述场景主数据还可以存储于一区块链的节点中。
在本发明的至少一个实施例中，所述场景主数据是指所述待识别数据中，属于所述待识别场景中的主数据。
在本发明的至少一个实施例中，所述输入单元113将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据的方式与所述生成单元112根据所述目标类别及所述目标场景构建所述主数据识别模型的方式互为逆过程，本发明对此不再赘述。
由以上技术方案可以看出，本发明通过所述多个预设数据源能够全面的获取到所述特征数据进行聚类，从而有利于提高所述主数据识别模型的模型跨领域能力，同时通过对所述特征数据进行聚类处理，能够准确的将所述特征数据划分为多个数据群，进而根据所述多个数据群及所述数据类别训练生成所述主数据识别模型，能够提高所述主数据识别模型的识别准确性，进而利用所述主数据识别模型对所述待识别数据进行识别，提高所述场景主数据的准确性，另外，由于无需人为分析所述待识别数据，因此能够提高所述场景主数据的识别效率。
如图3所示，是本发明实现主数据识别方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如主数据识别程序。
本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的，所述计算机可读指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如，所述计算机可读指令可以被分割成获取单元110、抽取单元111、生成单元112、输入单元113、聚类单元114、构建单元115、确定单元116及调整单元117。
所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)。
本发明所指区块链是分布式主数据识别、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1，所述电子设备1中的所述存储器12存储计算机可读指令实现一种主数据识别方法，所述处理器13可执行所述计算机可读指令从而实现：
获取多个场景对象中的字段特征；
抽取所述字段特征中的目标特征；
从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；
基于所述多个数据群及所述数据类别生成主数据识别模型；
当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；
将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
具体地，所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：
获取多个场景对象中的字段特征；
抽取所述字段特征中的目标特征；
从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；
基于所述多个数据群及所述数据类别生成主数据识别模型；
当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；
将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种主数据识别方法，其特征在于，所述主数据识别方法包括：
获取多个场景对象中的字段特征；
抽取所述字段特征中的目标特征；
从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；
基于所述多个数据群及所述数据类别生成主数据识别模型；
当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；
将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
2.如权利要求1所述的主数据识别方法，其特征在于，所述获取多个场景对象中的字段特征包括：
获取预设场景库中的所有场景作为所述多个场景对象；
从字段库中获取与每个场景对象对应的字段作为场景字段，并获取与所述场景对象所对应的特征作为所述字段特征。
3.如权利要求1所述的主数据识别方法，其特征在于，所述从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别包括：
基于所述目标特征构建正则表达式；
基于所述正则表达式并行搜索所述多个预设数据源，得到多个初始数据；
对所述多个初始数据进行清洗，得到所述特征数据；
获取与所述多个场景对象对应的目标聚类模型；
基于所述目标聚类模型对所述特征数据进行聚类处理，得到所述多个数据群及每个数据群所对应的数据类别。
4.如权利要求3所述的主数据识别方法，其特征在于，在获取与所述多个场景对象对应的目标聚类模型之前，所述主数据识别方法还包括：
从所述多个场景对象中获取场景训练数据；
基于多个预设聚类算法构建的预设聚类模型对所述场景训练数据进行聚类处理，得到每个预设聚类模型的多个数据集，所述多个数据集包括第一数据集及第二数据集；
对于每个预设聚类模型，根据每个数据集中的任意两个数据构建第一协方差矩阵；
根据所述第一数据集中的任意数据及所述第二数据集中的任意数据构建第二协方差矩阵；
根据所述第一协方差矩阵及所述第二协方差矩阵生成每个预设聚类算法的算法分值；
将所述算法分值最大的预设聚类模型确定为初始聚类模型；
根据所述场景训练数据调整所述初始聚类模型，直至所述初始聚类模型的损失值不再降低，得到所述目标聚类模型。
5.如权利要求4所述的主数据识别方法，其特征在于，所述算法分值的计算公式为：
Figure FDA0003664974760000021
其中，y是指所述算法分值，k是指所述多个数据集的个数，ak是指第k个数据集的第一协方差矩阵的元素总和，bk是指所述第一数据集与所述第k个数据集构建的第二协方差矩阵的元素总和。
6.如权利要求1所述的主数据识别方法，其特征在于，所述基于所述多个数据群及所述数据类别生成主数据识别模型包括：
对于每个数据群，识别该数据群中数据的来源系统；
统计所述来源系统的系统数量；
根据所述多个预设数据源的源数量及预设比例生成标准数量；
将大于所述标准数量的系统数量所对应的数据群确定为目标群；
将所述目标群所对应的数据类别确定为目标类别，并将与所述目标类别相同的字段特征所对应的场景对象确定为目标场景；
根据所述目标类别及所述目标场景构建所述主数据识别模型。
7.如权利要求1所述的主数据识别方法，其特征在于，所述根据所述主数据识别请求获取待识别数据及待识别场景包括：
解析所述主数据识别请求的报文，得到所述报文携带的数据信息；
从所述数据信息中提取指示场景的信息作为所述待识别场景，并从所述数据信息中提取指示路径的信息作为存储路径；
从所述存储路径中获取所有数据作为所述待识别数据。
8.一种主数据识别装置，其特征在于，所述主数据识别装置包括：
获取单元，用于获取多个场景对象中的字段特征；
抽取单元，用于抽取所述字段特征中的目标特征；
所述获取单元，还用于从多个预设数据源中获取与所述目标特征对应的特征数据进行聚类处理，得到多个数据群及每个数据群所对应的数据类别；
生成单元，用于基于所述多个数据群及所述数据类别生成主数据识别模型；
所述获取单元，还用于当接收到主数据识别请求时，根据所述主数据识别请求获取待识别数据及待识别场景；
输入单元，用于将所述待识别数据及所述待识别场景输入至所述主数据识别模型中，得到所述待识别场景的场景主数据。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，存储有计算机可读指令；及
处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的主数据识别方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的主数据识别方法。
CN202210590525.XA 2022-05-26 2022-05-26 主数据识别方法、装置、设备及存储介质 Pending CN114840733A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210590525.XA CN114840733A (zh) 2022-05-26 2022-05-26 主数据识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210590525.XA CN114840733A (zh) 2022-05-26 2022-05-26 主数据识别方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114840733A true CN114840733A (zh) 2022-08-02

Family

ID=82571357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210590525.XA Pending CN114840733A (zh) 2022-05-26 2022-05-26 主数据识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114840733A (zh)

Similar Documents

Publication Publication Date Title
CN112417096B (zh) 问答对匹配方法、装置、电子设备及存储介质
CN113656547B (zh) 文本匹配方法、装置、设备及存储介质
CN111639487A (zh) 基于分类模型的字段抽取方法、装置、电子设备及介质
CN113570391B (zh) 基于人工智能的社群划分方法、装置、设备及存储介质
CN115222443A (zh) 客户群体划分方法、装置、设备及存储介质
CN114372060A (zh) 数据存储方法、装置、设备及存储介质
CN114510487A (zh) 数据表合并方法、装置、设备及存储介质
CN114037545A (zh) 客户推荐方法、装置、设备及存储介质
CN113705468A (zh) 基于人工智能的数字图像识别方法及相关设备
CN113065947A (zh) 数据处理方法、装置、设备及存储介质
CN113268597A (zh) 文本分类方法、装置、设备及存储介质
CN113516205B (zh) 基于人工智能的员工稳定性分类方法及相关设备
CN113850632B (zh) 用户类别确定方法、装置、设备及存储介质
CN113420545B (zh) 摘要生成方法、装置、设备及存储介质
CN113343700B (zh) 数据处理方法、装置、设备及存储介质
CN113627186B (zh) 基于人工智能的实体关系检测方法及相关设备
CN114581177A (zh) 产品推荐方法、装置、设备及存储介质
CN114238296A (zh) 产品指标数据展示方法、装置、设备及存储介质
CN114840733A (zh) 主数据识别方法、装置、设备及存储介质
CN114942749A (zh) 审批系统开发方法、装置、设备及存储介质
CN113902302A (zh) 基于人工智能的数据分析方法、装置、设备及存储介质
CN113269179A (zh) 数据处理方法、装置、设备及存储介质
CN113591881A (zh) 基于模型融合的意图识别方法、装置、电子设备及介质
CN113486680A (zh) 文本翻译方法、装置、设备及存储介质
CN113283677A (zh) 指标数据处理方法、装置、设备及存储介质

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