CN115237941A - 数据上报方法、装置、电子设备及计算机可读存储介质 - Google Patents

数据上报方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115237941A
CN115237941A CN202210869130.3A CN202210869130A CN115237941A CN 115237941 A CN115237941 A CN 115237941A CN 202210869130 A CN202210869130 A CN 202210869130A CN 115237941 A CN115237941 A CN 115237941A
Authority
CN
China
Prior art keywords
data
field
reported
fields
reporting
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
CN202210869130.3A
Other languages
English (en)
Inventor
原琳
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 Trust Co Ltd
Original Assignee
Ping An Trust Co 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 Trust Co Ltd filed Critical Ping An Trust Co Ltd
Priority to CN202210869130.3A priority Critical patent/CN115237941A/zh
Publication of CN115237941A publication Critical patent/CN115237941A/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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种数据上报方法，包括：对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；获取历史上报数据表，对历史上报数据表进行解析，得到历史上报字段；获取数据上报需求，构建数据上报需求的需求矩阵；根据需求矩阵筛选出历史字段中符合数据上报需求的字段为待上报字段；将待上报字段按照字段粒度切分为细化字段，根据细化字段从细化数据内匹配得到上报数据，并将上报数据进行上报。此外，本发明还涉及区块链技术，多源数据可存储于区块链的节点。本发明还提出一种数据上报装置、电子设备以及存储介质。本发明可以提高数据上报的效率。

Description

数据上报方法、装置、电子设备及计算机可读存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种数据上报方法、装置、电子设备及计算机可读存储介质。
背景技术
随着金融监管制度的日益健全，国家对金融数据继续监管的要求越来愈高，各个监管机构随时可能要求金融公司快速提供报表及字段，以便进行高时效地监管。
当前行业内的监管报送，多数是是进行烟囱式的自动化开发报送，但烟囱式开发的方法，一方面，上报的数据存在多样性，对于不同的监管需求，需要重新开发数据采集规则，进而利用新采集规则采集数据进行上报，耗费大量开发时间，无法实现快速数据上报响应；另一方面，由于临时性的监管项目越来越多，导致开发质量无法得到保证，若开发后上报的数据出现错误，需要重新开发并进行上报，进一步导致数据上报的效率降低。
发明内容
本发明提供一种数据上报方法、装置及计算机可读存储介质，其主要目的在于解决进行数据上报时的效率较低的问题。
为实现上述目的，本发明提供的一种数据上报方法，包括：
对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
获取数据上报需求，构建所述数据上报需求的需求矩阵；
根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
可选地，所述对多个数据源进行多源数据采集，包括：
调用每一个数据源的数据接口；
提取所述数据接口的接口参数；
根据所述接口参数构建聚合数据接口；
利用所述聚合数据接口对所述多个数据源进行多源数据采集。
可选地，所述将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据，包括：
逐个从所述多源数据内选取其中一个数据为目标数据；
判断所述目标数据的数据粒度是否小于等于预设的字段粒度；
若所述目标数据的数据粒度小于等于所述字段粒度，则返回逐个从所述多源数据内选取其中一个数据为目标数据的步骤；
若所述目标数据的数据粒度大于所述字段粒度，则按照所述字段粒度对所述目标数据进行切分，得到所述目标数据对应的细化数据。
可选地，所述构建所述数据上报需求的需求矩阵，包括：
对所述数据上报需求进行分词处理，得到需求分词；
分别计算每一个所述需求分词与多个预设的需求意图标签的相似度，并选取所述相似度大于预设相似阈值的需求意图标签为目标标签；
利用所述目标标签构建所述需求矩阵。
可选地，所述根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段，包括：
逐个从所述需求矩阵中选取行向量为目标向量；
将所述目标特征作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
汇集所述需求矩阵的所有行向量生成的决策树为字段筛选模型；
利用所述字段筛选模型对所述历史字段进行筛选，得到待上报字段。
可选地，所述利用所述字段筛选模型对所述历史字段进行筛选，得到待上报字段，包括：
从所述历史字段中逐个选取其中一个字段为输入值；
从所述决策树模型中逐个选取一个决策树为目标决策树，将所述输入值输入至所述目标决策树，得到所述目标决策树输出的输出结果，其中，所述输出结果为所述输入值与所述目标决策树的参数相同，或者所述输入值与所述目标决策树的参数不同；
汇集所述输入值与所述目标决策树的参数相同的输出结果对应的历史字段为待上报字段。
可选地，所述根据所述细化字段从所述细化数据内匹配得到上报数据，包括：
逐个从所述细化字段中选取其中一个字段为目标细化字段；
计算所述目标细化字段与所述细化数据内每个数据之间的相似度；
确定所述细化数据内与所述目标细化字段之间相似度最大的数据为所述目标细化字段的上报数据。
为了解决上述问题，本发明还提供一种数据上报装置，所述装置包括：
数据切分模块，用于对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
报表解析模块，用于获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
需求分析模块，用于获取数据上报需求，构建所述数据上报需求的需求矩阵；
字段筛选模块，用于根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
数据上报模块，用于将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
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计算机程序，所述计算机程序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上述所述的数据上报方法。
为了解决上述问题，本发明还提供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至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的数据上报方法。
本发明实施例能够对多个数据源进行多源数据采集，有利于提升获取上报数据的效率，进而提升数据上报的效率；同时，对采集到的数据进行标准化切分，实现对不同数据源中数据的细粒度统一化；按照数据上报需求从历史上报的字段中筛选出待上报字段，并按照与多源数据相同的细粒度对待上报字段进行切分，实现字段与数据的细粒度统一化，进而根据字段筛选出上报数据，避免了由于字段与数据粒度的差别，导致需要对数据上报规则的重新开发，可提升数据上报的效率。因此本发明提出的数据上报方法、装置、电子设备及计算机可读存储介质，可以解决进行数据上报时的效率较低的问题。
附图说明
图1为本发明一实施例提供的数据上报方法的流程示意图；
图2为本发明一实施例提供的构建需求矩阵的流程示意图；
图3为本发明一实施例提供的从细化数据内匹配得到上报数据的流程示意图；
图4为本发明一实施例提供的数据上报装置的功能模块图；
图5为本发明一实施例提供的实现所述数据上报方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种数据上报方法。所述数据上报方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述数据上报方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的数据上报方法的流程示意图。
在本实施例中，所述数据上报方法包括：
S1、对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据。
本发明实施例中，所述数据源为存储有需要上报的数据的数据库、区块链节点、网络缓存等数据存储区域。
详细地，由于需要上报的数据可能存储于不同的数据源内，因此，可对不同的数据源进行多源数据采集，以获得需要进行上报的多源数据。
本发明实施例中，所述对多个数据源进行多源数据采集，包括：
调用每一个数据源的数据接口；
提取所述数据接口的接口参数；
根据所述接口参数构建聚合数据接口；
利用所述聚合数据接口对所述多个数据源进行多源数据采集。
详细地，本发明实施例可以利用SQL的接口创建方法，将所述接口参数编译为聚合参数，利用SQL创建仅包括初始化参数的初始聚合接口，利用所述聚合参数对所述初始聚合接口进行参数赋值，得到所述聚合数据接口。
具体地，所述接口参数包括：接口地址、接口请求方法、接口请求字段名称与规则及接口响应字段名称与规则等。
本发明实施例通过构建聚合数据接口，利用聚合数据接口对多个数据源进行数据采集，可实现利用统一的接口实现对多个数据源中数据的调用，有利于提高数据调用的效率。
进一步地，由于不同数据源内的数据被存储时的数据粒度不一致，因此，在从所述多个数据源内采集得到多源数据后，可将所述多源数据按照预设的字段粒度进行标准化切分，得到细化数据，以实现对多源数据内每个数据的粒度的统一。
本发明实施例中，所述将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据，包括：
逐个从所述多源数据内选取其中一个数据为目标数据；
判断所述目标数据的数据粒度是否小于等于预设的字段粒度；
若所述目标数据的数据粒度小于等于所述字段粒度，则返回逐个从所述多源数据内选取其中一个数据为目标数据的步骤；
若所述目标数据的数据粒度大于所述字段粒度，则按照所述字段粒度对所述目标数据进行切分，得到所述目标数据对应的细化数据。
详细地，可通过逐个将所述多源数据内每一个数据的数据粒度与预设的字段粒度进行比对，以判断所述多源数据内每一个数据的数据粒度是否小于等于预设的字段粒度，当小于等于所述字段粒度时，确定该数据的粒度足够小，无需进行进一步粒度划分，当大于所述字段粒度时，确定改数据的粒度较大，可按照所述字段粒度对所述数据进行切分，以实现对该数据的粒度的细化。
本发明实施例中，将采集得到的多源数据按照预设的字段粒度进行标准化切分，可统一不同数据源内数据的粒度，进而避免数据上报时，需要对不同粒度的数据进行区别性处理，有利于提升数据上报的效率。
S2、获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段。
本发明实施例中，所述历史上报数据表为历史时间内上报过的数据表，所述历史上报数据表内记载有历史上报过的多个数据字段(即历史上报字段)，以及每个数据字段的详细内容。
详细地，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先确定的用于存储所述历史上报数据表的数据存储内抓取所述历史上报数据表。
具体地，可利用SQL、Hive、JSON等内置解析器对所述历史上报数据表进行解析，以得到所述历史上报数据表内包含的历史上报字段。
S3、获取数据上报需求，构建所述数据上报需求的需求矩阵。
本发明实施例中，所述数据上报需求为用于预先上传的，用于表述需要上传的字段类型、内容等相关需求的数据。
详细地，为了提升数据上报的精确度，可对所述数据上报需求进行分析，以生成所述数据上报需求的需求矩阵。
本发明实施例中，参图2所示，所述构建所述数据上报需求的需求矩阵，包括：
S21、对所述数据上报需求进行分词处理，得到需求分词；
S22、分别计算每一个所述需求分词与多个预设的需求意图标签的相似度，并选取所述相似度大于预设相似阈值的需求意图标签为目标标签；
S23、利用所述目标标签构建所述需求矩阵。
本申请实施例中，将所述数据上报需求拆分为需求分词，以单独对每个需求分词进行分析处理，能够减少分析时计算的占用，提升分析效率。
具体地，将所述数据上报需求按照不同的长度在预设的标准词典中进行检索，并将可在所述标准词典中检索到的内容汇集为需求分词，其中，所述标准词典中包含多个标准分词。
本申请实施例中，可利用欧式距离算法、余弦距离算法等具有相似度计算功能的算法分别计算每一个所述需求分词与多个预设的需求意图标签的相似度，从而选取所述相似度大于预设相似阈值的需求意图标签为目标标签，根据所述相似度筛选出所述需求意图标签中可能用于表示需求意图的标签，实现了根据需求分词对需求意图的模糊筛选，避免由于用户对所述数据上报需求的表述的差异性，导致筛选时遗漏部分数据上报需求的情况，有利于提升筛选出的目标标签的精确度。
进一步地，为了便于后续对筛选出的目标标签的分析，可将所述目标标签转换为词向量。
详细地，可从预设的字向量表中查询所述目标标签中每个字的字向量，并按照所述目标标签中每一个字的顺序将所述字向量拼接为所述目标标签的词向量，其中，所述字向量表中包含多个字，以及每个字对应的字向量，可通过将所述目标标签的每一个字在所述字向量表中进行检索，得到每一个字对应的字向量，并按照每一个字在所述目标标签中的顺序，将所述字向量拼接为所述目标标签的词向量，其中，所述字向量表与所述标准词典类似，为预先构建的，包含多个单字对应的字向量的数据表。
例如，所述目标标签包括“贵金属”三个字，分别将三个字在所述字向量表中进行查询，得到“贵”字对应的字向量为{A}，“金”字对应的字向量为{B}，“属”字对应的字向量为{C}，则可按照该三个字在所述目标标签“贵金属”中的顺序，将三个字向量拼接为所述需求分词的词向量：{ABC}。
本申请其他实施例中，还可采用word2vec模型、NLP(Natural LanguageProcessing，自然语言处理)模型、bert模型等具有词向量转换功能的模型分别将所述目标标签转换为词向量。
本申请实施例中，利用所述目标标签构建所述需求矩阵，包括：
将所述目标标签转换为词向量；
将所述词向量写入预先构建的空白矩阵，得到所述需求矩阵。
具体地，所述空白矩阵即元素全部为0的矩阵，可通过R语言库中的B＝zeros(m,n)函数创建m行n列的空白矩阵。
本申请实施例中，可将所述词向量逐个以行向量的形式填入所述空白矩阵，得到包含所述词向量的需求矩阵。
S4、根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段。
本发明实施例中，由于所述历史字段中包含大量不同的字段，但需要上报的字段可能较少，因此，可利用所述需求矩阵对所述历史字段进行筛选，以筛选出所述历史字段中符合所述数据上报需求的字段。
本发明实施例中，所述根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段，包括：
逐个从所述需求矩阵中选取行向量为目标向量；
将所述目标特征作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
汇集所述需求矩阵的所有行向量生成的决策树为字段筛选模型；
利用所述字段筛选模型对所述历史字段进行筛选，得到待上报字段。
示例性地，所述决策函数可以为：
Figure BDA0003759838850000081
其中，f（x)为所述决策函数的输出值，x为所述决策函数的参数，g(y)为所述决策函数的输入值。
详细地，可从所述产品特中逐个选取其中一个特征为目标特征，利用该目标特征对所述决策函数的参数x进行赋值，并将赋值后的决策函数作为决策条件生成如下决策树：
当所述决策树的输入值g(y)与所述决策树的参数x相同时，该决策树输出值f(x)＝α；
当所述决策树的输入至g(y)与所述决策树的参数x不相同时，该决策树输出值f(x)＝β。
本发明实施例中，可利用并联或者串联的形式将所述行向量中每一个特征对应的决策树进行汇集，得到字段筛选模型。
进一步地，所述利用所述字段筛选模型对所述历史字段进行筛选，得到待上报字段，包括：
从所述历史字段中逐个选取其中一个字段为输入值；
从所述决策树模型中逐个选取一个决策树为目标决策树，将所述输入值输入至所述目标决策树，得到所述目标决策树输出的输出结果，其中，所述输出结果为所述输入值与所述目标决策树的参数相同，或者所述输入值与所述目标决策树的参数不同；
汇集所述输入值与所述目标决策树的参数相同的输出结果对应的历史字段为待上报字段。
例如，所述历史字段中存在字段A、字段B，选取字段A为输入至，将字段A输入至所述字段筛选模型后，该字段筛选模型中存在至少一个目标决策树的输出结果为所述字段A与该目标决策树的参数相同，则可确定该字段A为待上报字段；并再次选取字段B为输入值，将字段B输入至所述字段筛选模型后，该字段筛选模型中不存在任何一个目标决策树的输出结果为所述字段A与该目标决策树的参数相同，则可确认该字段B不是待上报字段。
S5、将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
本发明实施例中，由于所述待上报字段是根据数据上报需求筛选出的字段，因此，该待上报字段的字段粒度可能不一致，因此，可将所述待上报字段按照所述字段粒度切分为细化字段，以得到与所述细化数据具有相同字段粒度的数据。
详细地，所述将所述待上报字段按照所述字段粒度切分为细化字段的步骤，与S1中将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据的步骤一致，在此不做赘述。
进一步地，可根据细化字段从所述细化数据内选取上报数据，进而将该上报数据进行上报，以避免重新开发数据抓取规则对上报数据进行抓取，有利于提升数据上报的效率。
本发明实施例中，参图3所示，所述根据所述细化字段从所述细化数据内匹配得到上报数据，包括：
S31、逐个从所述细化字段中选取其中一个字段为目标细化字段；
S32、计算所述目标细化字段与所述细化数据内每个数据之间的相似度；
S33、确定所述细化数据内与所述目标细化字段之间相似度最大的数据为所述目标细化字段的上报数据。
详细地，所述计算所述目标细化字段与所述细化数据内每个数据之间的相似度的步骤，与S2中分别计算每一个所述需求分词与多个预设的需求意图标签的相似度的步骤一致，在此不做赘述。
本发明实施例能够对多个数据源进行多源数据采集，有利于提升获取上报数据的效率，进而提升数据上报的效率；同时，对采集到的数据进行标准化切分，实现对不同数据源中数据的细粒度统一化；按照数据上报需求从历史上报的字段中筛选出待上报字段，并按照与多源数据相同的细粒度对待上报字段进行切分，实现字段与数据的细粒度统一化，进而根据字段筛选出上报数据，避免了由于字段与数据粒度的差别，导致需要对数据上报规则的重新开发，可提升数据上报的效率。因此本发明提出的数据上报方法，可以解决进行数据上报时的效率较低的问题。
如图4所示，是本发明一实施例提供的数据上报装置的功能模块图。
本发明所述数据上报装置100可以安装于电子设备中。根据实现的功能，所述数据上报装置100可以包括数据切分模块101、报表解析模块102、需求分析模块103、字段筛选模块104及数据上报模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据切分模块101，用于对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
所述报表解析模块102，用于获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
所述需求分析模块103，用于获取数据上报需求，构建所述数据上报需求的需求矩阵；
所述字段筛选模块104，用于根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
所述数据上报模块105，用于将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
详细地，本发明实施例中所述数据上报装置100中所述的各模块在使用时采用与上述图1至图3中所述的数据上报方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现数据上报方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如数据上报程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行数据上报程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据上报程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数据上报程序是多个指令的组合，在所述处理器10中运行时，可以实现：
对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
获取数据上报需求，构建所述数据上报需求的需求矩阵；
根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，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存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序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)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
获取数据上报需求，构建所述数据上报需求的需求矩阵；
根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，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。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
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。
本发明所指区块链是分布式数据存储、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。
本申请实施例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。
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。系统权利要求中陈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)

1.一种数据上报方法，其特征在于，所述方法包括：
对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
获取数据上报需求，构建所述数据上报需求的需求矩阵；
根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
2.如权利要求1所述的数据上报方法，其特征在于，所述对多个数据源进行多源数据采集，包括：
调用每一个数据源的数据接口；
提取所述数据接口的接口参数；
根据所述接口参数构建聚合数据接口；
利用所述聚合数据接口对所述多个数据源进行多源数据采集。
3.如权利要求1所述的数据上报方法，其特征在于，所述将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据，包括：
逐个从所述多源数据内选取其中一个数据为目标数据；
判断所述目标数据的数据粒度是否小于等于预设的字段粒度；
若所述目标数据的数据粒度小于等于所述字段粒度，则返回逐个从所述多源数据内选取其中一个数据为目标数据的步骤；
若所述目标数据的数据粒度大于所述字段粒度，则按照所述字段粒度对所述目标数据进行切分，得到所述目标数据对应的细化数据。
4.如权利要求1所述的数据上报方法，其特征在于，所述构建所述数据上报需求的需求矩阵，包括：
对所述数据上报需求进行分词处理，得到需求分词；
分别计算每一个所述需求分词与多个预设的需求意图标签的相似度，并选取所述相似度大于预设相似阈值的需求意图标签为目标标签；
利用所述目标标签构建所述需求矩阵。
5.如权利要求1所述的数据上报方法，其特征在于，所述根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段，包括：
逐个从所述需求矩阵中选取行向量为目标向量；
将所述目标特征作为参数对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；
汇集所述需求矩阵的所有行向量生成的决策树为字段筛选模型；
利用所述字段筛选模型对所述历史字段进行筛选，得到待上报字段。
6.如权利要求1所述的数据上报方法，其特征在于，所述利用所述字段筛选模型对所述历史字段进行筛选，得到待上报字段，包括：
从所述历史字段中逐个选取其中一个字段为输入值；
从所述决策树模型中逐个选取一个决策树为目标决策树，将所述输入值输入至所述目标决策树，得到所述目标决策树输出的输出结果，其中，所述输出结果为所述输入值与所述目标决策树的参数相同，或者所述输入值与所述目标决策树的参数不同；
汇集所述输入值与所述目标决策树的参数相同的输出结果对应的历史字段为待上报字段。
7.如权利要求1至6中任一项所述的数据上报方法，其特征在于，所述根据所述细化字段从所述细化数据内匹配得到上报数据，包括：
逐个从所述细化字段中选取其中一个字段为目标细化字段；
计算所述目标细化字段与所述细化数据内每个数据之间的相似度；
确定所述细化数据内与所述目标细化字段之间相似度最大的数据为所述目标细化字段的上报数据。
8.一种数据上报装置，其特征在于，所述装置包括：
数据切分模块，用于对多个数据源进行多源数据采集，并将采集得到的多源数据按照预设的字段粒度进行标准化切分，得到细化数据；
报表解析模块，用于获取历史上报数据表，对所述历史上报数据表进行解析，得到历史上报字段；
需求分析模块，用于获取数据上报需求，构建所述数据上报需求的需求矩阵；
字段筛选模块，用于根据所述需求矩阵筛选出所述历史字段中符合所述数据上报需求的字段为待上报字段；
数据上报模块，用于将所述待上报字段按照所述字段粒度切分为细化字段，根据所述细化字段从所述细化数据内匹配得到上报数据，并将所述上报数据进行上报。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求1至7中任意一项所述的数据上报方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的数据上报方法。
CN202210869130.3A 2022-07-22 2022-07-22 数据上报方法、装置、电子设备及计算机可读存储介质 Pending CN115237941A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210869130.3A CN115237941A (zh) 2022-07-22 2022-07-22 数据上报方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210869130.3A CN115237941A (zh) 2022-07-22 2022-07-22 数据上报方法、装置、电子设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115237941A true CN115237941A (zh) 2022-10-25

Family

ID=83676198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210869130.3A Pending CN115237941A (zh) 2022-07-22 2022-07-22 数据上报方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115237941A (zh)

Similar Documents

Publication Publication Date Title
CN111813963A (zh) 知识图谱构建方法、装置、电子设备及存储介质
CN111814962A (zh) 识别模型的参数获取方法、装置、电子设备及存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN113111162A (zh) 科室推荐方法、装置、电子设备及存储介质
CN114707474A (zh) 报表生成方法、装置、电子设备及计算机可读存储介质
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113268665A (zh) 基于随机森林的信息推荐方法、装置、设备及存储介质
CN113656690A (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN113806492A (zh) 基于语义识别的记录生成方法、装置、设备及存储介质
CN113658002A (zh) 基于决策树的交易结果生成方法、装置、电子设备及介质
CN113157739A (zh) 跨模态检索方法、装置、电子设备及存储介质
CN112101481A (zh) 目标物的影响因子筛选方法、装置、设备及存储介质
CN114490666A (zh) 基于数据需求的图表生成方法、装置、设备及存储介质
CN115496166A (zh) 多任务处理方法、装置、电子设备及存储介质
CN114780688A (zh) 基于规则匹配的文本质检方法、装置、设备及存储介质
CN115221274A (zh) 文本情感分类方法、装置、电子设备及存储介质
CN114518993A (zh) 基于业务特征的系统性能监控方法、装置、设备及介质
CN114841165A (zh) 用户数据分析及展示方法、装置、电子设备及存储介质
CN115237941A (zh) 数据上报方法、装置、电子设备及计算机可读存储介质
CN113723114A (zh) 基于多意图识别的语义分析方法、装置、设备及存储介质
CN113419951A (zh) 人工智能模型优化方法、装置、电子设备及存储介质
CN113657546A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN112580505A (zh) 网点开关门状态识别方法、装置、电子设备及存储介质
CN113706204B (zh) 基于深度学习的权益发放方法、装置、设备及存储介质
CN116991364B (zh) 基于大数据的软件开发系统管理方法

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