CN116129162A - 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
- CN116129162A CN116129162A CN202310213166.0A CN202310213166A CN116129162A CN 116129162 A CN116129162 A CN 116129162A CN 202310213166 A CN202310213166 A CN 202310213166A CN 116129162 A CN116129162 A CN 116129162A
- Authority
- CN
- China
- Prior art keywords
- data
- same
- same data
- pair
- cluster
- 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
- 238000003672 processing method Methods 0.000 title abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000008030 elimination Effects 0.000 abstract 2
- 238000003379 elimination reaction Methods 0.000 abstract 2
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000012423 maintenance Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
- G06F3/064—Management of blocks
- G06F3/0641—De-duplication techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (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，涉及人工智能技术领域，尤其涉及数据处理、数据去重技术领域。具体为：获取待处理数据集中各数据的特征信息；基于特征信息对待处理数据集中的各数据进行聚类，生成多个簇；对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对；根据各相同数据对，关联生成相同数据组。能够对待处理数据集中的各数据进行聚类，然后通过两两特征匹配的方式生成相同数据组，从而便于后续根据去重规则对每一组相同数据组中的数据分别进行去重。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及数据处理、数据去重技术领域，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
目前实现图片去重，需要部署及维护一套图片检索系统，离线计算图片的特征，将全量待去重图片建索引，然后再通过检索系统，全量检索一遍这些图片，获得相同的重复图片，再进行图片去重。
但是，在图片去重业务场景多、数据规模大的情况下，每个业务都部署及维护一套图片检索系统，需要的资源及维护成本比较高。
发明内容
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，能够对待处理数据集中的各数据进行聚类，然后通过两两特征匹配的方式生成相同数据组，从而便于后续根据去重规则对每一组相同数据组中的数据分别进行去重。
根据本公开的第一方面，提供了一种数据处理方法，包括：获取待处理数据集中各数据的特征信息；基于特征信息对待处理数据集中的各数据进行聚类，生成多个簇；对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对；根据各相同数据对，关联生成相同数据组。
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，用于获取待处理数据集中各数据的特征信息；处理模块，用于基于特征信息对待处理数据集中的各数据进行聚类，生成多个簇；对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对；根据各相同数据对，关联生成相同数据组。
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如第一方面提供的方法。
根据本公开的第四方面，提供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根据第一方面提供的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据第一方面提供的方法。
本公开能够通过特征提取的方式，计算提取得到待处理数据集中各数据的特征信息。然后基于各数据的特征信息，对待处理数据集中的各数据进行聚类。从而基于聚类后得到的多个簇，分别对每个簇中的数据进行两两特征匹配，以得到相同数据对。最终可以根据得到的相同数据对，关联生成相同数据组。进而便于后续根据相同数据组，来按照预设的去重规则对每个相同数据组中的数据进行去重。或者还可以根据相同数据组，来向用户推荐用户输入的数据的关联数据(如相同数据)。如此，由于聚类后的数据中，每个簇中的数据的特征信息均相同或相近，即每个簇中的数据均为相同或相近的数据。所以，通过该方法基于聚类后的每个簇来进行特征匹配得到相同数据对时，能够减小数据处理量，节省资源，提高效率。并且，得到相同数据组后，可以在不通过维护检索系统来检索全量待处理数据集的情况下，便捷的对每个相同数据组中的数据分别进行去重，从而降低数据去重时的系统维护成本。
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为本公开实施例提供的数据处理方法的流程示意图之一；
图2为本公开实施例提供的数据处理方法的流程示意图之二；
图3为本公开实施例提供的数据处理方法的流程示意图之三；
图4为本公开实施例提供的根据相同数据对构建的连通关系的示意图；
图5为本公开实施例提供的数据处理方法的流程示意图之四；
图6为本公开实施例提供的数据处理装置的组成示意图；
图7示出了可以用来实施本公开的实施例的示例电子设备700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。
本公开提供的数据处理方法和数据处理装置，适用于对待处理数据集按照相似度进行划分聚合，以便后续对待处理数据集进行去重等操作的情况。本公开所提供的数据处理方法可以由数据处理装置执行，该数据处理装置可以采用软件和/或硬件实现，并具体配置于电子设备中，该电子设备可以是用户终端、服务器、计算机、移动设备、单片机等设备或其他计算设备此处不做限制。
以下首先对本公开所提供的数据处理方法进行详细说明。
目前实现图片去重，需要部署及维护一套图片检索系统，离线计算图片的特征，将全量待去重图片建索引，然后再通过检索系统，全量检索一遍这些图片，获得相同的重复图片，再进行图片去重。
但是，在图片去重业务场景多、数据规模大的情况下，每个业务都部署及维护一套图片检索系统，需要的资源及维护成本比较高。
对此，本公开提供了一种数据处理方法，包括：获取待处理数据集中各数据的特征信息；基于特征信息对待处理数据集中的各数据进行聚类，生成多个簇；对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对；根据各相同数据对，关联生成相同数据组。
本公开能够通过特征提取的方式，计算提取得到待处理数据集中各数据的特征信息。然后基于各数据的特征信息，对待处理数据集中的各数据进行聚类。从而基于聚类后得到的多个簇，分别对每个簇中的数据进行两两特征匹配，以得到相同数据对。最终可以根据得到的相同数据对，关联生成相同数据组。进而便于后续根据相同数据组，来按照预设的去重规则对每个相同数据组中的数据进行去重。或者还可以根据相同数据组，来向用户推荐用户输入的数据的关联数据(如相同数据)。如此，由于聚类后的数据中，每个簇中的数据的特征信息均相同或相近，即每个簇中的数据均为相同或相近的数据。所以，通过该方法基于聚类后的每个簇来进行特征匹配得到相同数据对时，能够减小数据处理量，节省资源，提高效率。并且，得到相同数据组后，可以在不通过维护检索系统来检索全量待处理数据集的情况下，便捷的对每个相同数据组中的数据分别进行去重，从而降低数据去重时的系统维护成本。
图1为本公开实施例提供的数据处理方法的流程示意图。如图1所示，该方法可以包括以下S101-S104。
S101、获取待处理数据集中各数据的特征信息。
其中，数据的特征信息，可以是用于判断数据之间是否相同的特征。例如，当数据为图像时，特征信息可以是图像对应的全局特征信息，或者还可以是图像对应的内容特征信息(或称为视觉特征信息)。
并且，在实际应用中，还可以基于数据的特性，根据数据的不同场景，获取各数据分别对应的多个特征信息。例如，继续以数据为图像为例，当图像为人物类图像时，则可以分别获取各图像的视觉特征信息，以及各图像的人脸特征信息，从而便于后续聚类以及特征匹配时，能够基于人脸特征信息进一步对图像进行聚类和特征匹配，以更加准确的确定出相同图像对。
需要说明的是，可以采用目前特征提取相关技术中涉及的特征提取算法，来获取待处理数据集中各数据的特征信息，此处不做限制。
S102、基于特征信息对待处理数据集中的各数据进行聚类，生成多个簇。
示例地，对待处理数据集中的各数据进行聚类的方式，可以是采用k-means聚类等各种聚类算法，此处不做限制。
例如，以k-means聚类算法为例，可以随机选取待处理数据中的部分数据作为训练数据，并在训练数据中随机选择k个聚类中心，以便进行初步聚类。从而能够根据训练数据分别对应的特征信息，将训练数据分别聚类到对应于k个聚类中心的k个簇，构成码本。
然后便可以对待处理数据集中的各数据进行遍历，基于上述码本和对应数据的特征信息，分别为各数据在k个聚类中心中匹配出最近接的N个聚类中心，从而将待处理数据集中的各数据按照k个聚类中心划分到k个簇中，具有较高相似度的数据则会划分到相同的簇中。
需要说明的是，上述的k以及N均为正整数，且N小于或等于k。示例地，N可以为8。
当然，上述k-means聚类仅为对待处理数据集中的各数据进行聚类的具体方式的举例，在本申请的其他可能的实施方式中，还可以采用其他聚类算法。
S103、对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对。
即，对于任一个簇，均将该簇中的数据根据数据对应的特征信息进行两两特征匹配，从而得到相同数据对。
其中，相同数据对，即两两特征匹配确定为数据相同时，对应的两个数据构成的数据对。示例地，两两特征匹配确定对应的两个数据相同的方式，可以是根据两个数据分别对应的特征信息进行特征匹配计算，从而得到匹配值，若匹配值达到预设阈值，则确定对应的两个数据相同。例如，可以基于HADOOP MapReduce来实现数据的两两特征匹配，以得到相同数据对。
S104、根据各相同数据对，关联生成相同数据组。
示例地，当得到相同数据对后，可以根据相同数据对间的关联关系生成对应的相同数据组。即相同数据组中包括具有相同数据的各相同数据对中的数据。
例如，当得到的相同数据对包括数据1、数据2组成的相同数据对，数据2、数据4组成的相同数据对时，则可以关联生成包括数据1、数据2以及数据4对应的相同数据组。
如此，便能够将根据特征信息匹配得到的相同数据划分到相同数据组中，从而得到对应于不同数据的多个不同的相同数据组。
可选地，对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对，如图2所示，可以包括：
对于任一个簇：
S201、根据簇中的数据规模，对簇中的数据进行分桶。
S202、对各桶的数据，分别进行桶内数据两两特征匹配和桶间数据两两特征匹配，得到相同数据对。
示例地，在对簇中的数据进行分桶时，可以根据簇中的数据规模来确定分桶的数量。例如，当数据规模小于或等于处理内存支持规模时，则可以确定分桶数量为1，即不对簇中的数据进行划分。而当数据规模大于处理内存支持规模时，则可以根据处理内存支持规模的大小来具体确定分桶数量，以使每个分桶内的数据的规模能够分别被处理内存所支持。
作为一种示例，为了能够保证簇中的数据进行分桶后，簇中的所有数据均能够被处理，进行参与两两特征匹配，则可以对各桶分别进行桶内数据两两特征匹配以及桶间数据两两特征匹配。
例如，以分桶数量为2，即将簇中的数据划分为桶1和桶2，两个桶为例。则可以将桶1内的数据进行两两特征匹配，将桶2内的数据进行两两特征匹配，以及将桶1内的数据分别和桶2内的数据进行两两特征匹配，从而保证桶1和桶2内的数据能够完全被两两特征匹配计算。
如此，能够通过对簇中的数据进行分桶的方式，保证簇中数据规模较大时，簇中数据进行两两特征匹配的处理能够被处理内存等资源支持，避免处理内存等资源不够出现卡顿或崩溃等问题，从而提高资源利用效率，增强系统稳定性。
可选地，在实际应用中，若分桶后的桶内的数据的数据规模仍然较大，无法直接进行矩阵计算时，还可以对相应的桶内的数据在进行分片处理。从而将桶内数据划分为两个或两个以上的片，以使每个桶内数据进行两两特征匹配以及桶间数据进行两两特征匹配时，数据能够以片为单位直接进行矩阵计算，提高计算效率。然后对于相应的桶，再进行片内数据两两特征匹配，片间数据两两特征匹配，以及桶内各片的数据分别与其他桶内的数据进行两两特征匹配。
例如，以将簇中的数据划分为桶1和桶2，将桶1中的数据划分为片11和片12，将桶2中的数据划分为片21和片22为例，则可以将片11内的数据进行两两特征匹配，将片12内的数据进行两两特征匹配，将片21内的数据进行两两特征匹配，将片22内的数据进行两两特征匹配，将片11内的数据分别与片12内的数据进行两两特征匹配，将片11内的数据分别与片21内的数据进行两两特征匹配，将片11内的数据分别与片22内的数据进行两两特征匹配，将片12内的数据分别与片21内的数据进行两两特征匹配，将片12内的数据分别与片22内的数据进行两两特征匹配，以及将片21内的数据分别与片22内的数据进行两两特征匹配。
可选地，根据各相同数据对，关联生成相同数据组，如图3所示，可以包括：
S301、以相同数据对中两个数据分别作为顶点，基于各相同数据对构建连通关系。
S302、将同一连通关系中的各数据组成一个相同数据组。
例如，以包括数据A、数据B的相同数据对A-B，包括数据B、数据C的相同数据对B-C，包括数据B、数据D的相同数据对B-D，包括数据C、数据D的相同数据对C-D，包括数据D、数据E的相同数据对D-E为例。则可以构建得到如图4所示的连通关系。从而将该连通关系中的数据A、数据B、数据C、数据D以及数据E组成一个相同数据组。
如此，能够根据各相同数据对间的连通关系，将所有相同的数据划分到一个相同数据组中，从而高效便捷的将待处理数据集中的数据按照相似度进行划分。
作为一种示例，在得到相同数据组后，还可以为各相同数据组分别生成对应的组标识，并为待处理数据集中的各数据标识其所属相同数据组对应的组标识。从而，便于后续基于组标识快速查询相应的相同数据组所包括的数据。示例地，组标识可以根据对应相同数据组中的某个数据的标识生成，当然也可以根据其他规则生成，此处不做限制。
当然，作为另一种示例，还可以在得到相同数据组后，为各相同数据组分别维护一张数据表。数据表中可以包括对应的相同数据组所包括的各数据的名称或标识。从而，便于后续基于数据表快速查询相应的相同数据组所包括的数据。
可选地，上述方法还可以包括：
基于预设的去重规则，分别对各相同数据组进行数据去重。
示例地，可以依次获取各相同数据组，对于获取的一个相同数据组，将该相同数据组中的数据进行去重。
可选地，去重规则可以根据实际需要进行设置，如，只保留获取的一个相同数据组中的一个数据，去除其他数据。又如，随机保留获取的一个相同数据组中的预设个数个数据，然后去除其他数据等，此处不做限制。
如此，便能够在不通过维护检索系统来检索全量待处理数据集的情况下，便捷的对待处理数据集中的数据进行去重，降低数据去重时的系统维护成本，节省资源，提高效率。
可选地，待处理数据集中的数据可以为图像，此时，基于预设的去重规则，分别对各相同数据组进行数据去重，可以包括：
保留各相同数据组中图像质量最高的图像，去除其余图像。
示例地，可以根据图像质量评价算法对对应相同数据组内的图像分别进行图像质量评价，然后保留该相同数据组内图像质量最高的图像，去除其他图像。
如此，能够去除待处理数据集中质量较低，且重复的图像。
示例地，对于任一个相同数据组，还可以保留该相同数据组内不同尺寸的图像，然后去除其他图像，此处对于具体的去重规则不做限制，可根据实际需要进行设置。
可选地，在得到相同数据组之后，还可以基于得到的相同数据组来根据用户输入的数据向用户推荐数据。
例如，在根据各相同数据对，关联生成相同数据组之后，如图5所示，方法还可以包括：
S501、接收到用户输入的第一数据。
S502、根据第一数据确定第一数据对应的相同数据组。
S503、根据确定出的相同数据组中的数据，向用户推荐与第一数据相同的第二数据，或第二数据对应的关联数据。
其中，根据第一数据确定第一数据对应的相同数据组的方式，可以是根据第一数据的标识遍历各相同数据组内的数据，从而确定包括第一数据的相同数据组，进而确定第一数据对应的相同数据组。还可以是根据第一数据确定其对应的相同数据组的组标识，然后基于该组标识确定对应的相同数据组。
可选地，向用户推荐与第一数据相同的第二数据，可以是从第一数据对应的相同数据组中随机推荐一个数据给用户。
可选地，向用户推荐与第一数据相同的第二数据对应的关联数据，可以是在第一数据对应的相同数据组中包括具有关联数据的第二数据时，向用户推荐该第二数据的关联数据。
例如，以数据为图像为例，则用户输入了图片1后，便可以根据该图片1确定其对应的相同数据组。而该相同数据组中包括有图片2，该图片2为视频1的封面图片，视频1为该图片2的关联数据，则可以向用户推荐视频1。
如此，能够基于得到的相同数据组来根据用户输入的数据向用户推荐数据，实现相似或相关数据推荐功能。
示例性实施例中，本公开实施例还提供一种数据处理装置，可以用于实现如前述实施例所述的数据处理方法。
图6为本公开实施例提供的数据处理装置的组成示意图。
如图6所示，数据处理装置，可以包括：
获取模块601，用于获取待处理数据集中各数据的特征信息；
处理模块602，用于基于特征信息对待处理数据集中的各数据进行聚类，生成多个簇；对每个簇，分别根据特征信息进行数据两两特征匹配，得到相同数据对；根据各相同数据对，关联生成相同数据组。
一些可能的实施方式中，处理模块602，具体用于对于任一个簇：根据簇中的数据规模，对簇中的数据进行分桶；对各桶的数据，分别进行桶内数据两两特征匹配和桶间数据两两特征匹配，得到相同数据对。
一些可能的实施方式中，处理模块602，具体用于以相同数据对中两个数据分别作为顶点，基于各相同数据对构建连通关系；将同一连通关系中的各数据组成一个相同数据组。
一些可能的实施方式中，装置还包括：
去重模块603，用于基于预设的去重规则，分别对各相同数据组进行数据去重。
一些可能的实施方式中，数据为图像，去重模块603，具体用于保留各相同数据组中图像质量最高的图像，去除其余图像。
一些可能的实施方式中，装置还包括：
推荐模块604，用于接收到用户输入的第一数据；根据第一数据确定第一数据对应的相同数据组；根据确定出的相同数据组中的数据，向用户推荐与第一数据相同的第二数据，或第二数据对应的关联数据。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
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。
示例性实施例中，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如以上实施例所述的方法。
示例性实施例中，可读存储介质可以是存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行根据以上实施例所述的方法。
示例性实施例中，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以上实施例所述的方法。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的用户终端，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、智能电话等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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701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701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701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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701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，在其他实施例中，计算单元701可以通过其他任何适当的方式(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、现场可编程门阵列(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、专用计算机或其他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)和互联网。
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，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，根据设计要求和其他因素，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 (15)
1.一种数据处理方法，其特征在于，包括：
获取待处理数据集中各数据的特征信息；
基于所述特征信息对所述待处理数据集中的各数据进行聚类，生成多个簇；
对每个所述簇，分别根据所述特征信息进行数据两两特征匹配，得到相同数据对；
根据各相同数据对，关联生成相同数据组。
2.根据权利要求1所述的方法，其特征在于，所述对每个所述簇，分别根据所述特征信息进行数据两两特征匹配，得到相同数据对，包括：
对于任一个所述簇：
根据簇中的数据规模，对簇中的数据进行分桶；
对各桶的数据，分别进行桶内数据两两特征匹配和桶间数据两两特征匹配，得到相同数据对。
3.根据权利要求2所述的方法，其特征在于，所述根据各相同数据对，关联生成相同数据组，包括：
以相同数据对中两个数据分别作为顶点，基于各所述相同数据对构建连通关系；
将同一连通关系中的各数据组成一个所述相同数据组。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
基于预设的去重规则，分别对各所述相同数据组进行数据去重。
5.根据权利要求4所述的方法，其特征在于，所述数据为图像，所述基于预设的去重规则，分别对各所述相同数据组进行数据去重，包括：
保留各所述相同数据组中图像质量最高的图像，去除其余图像。
6.根据权利要求1至3任一项所述的方法，其特征在于，在所述根据各相同数据对，关联生成相同数据组之后，所述方法还包括：
接收到用户输入的第一数据；
根据所述第一数据确定所述第一数据对应的相同数据组；
根据确定出的相同数据组中的数据，向用户推荐与所述第一数据相同的第二数据，或所述第二数据对应的关联数据。
7.一种数据处理装置，其特征在于，包括：
获取模块，用于获取待处理数据集中各数据的特征信息；
处理模块，用于基于所述特征信息对所述待处理数据集中的各数据进行聚类，生成多个簇；对每个所述簇，分别根据所述特征信息进行数据两两特征匹配，得到相同数据对；根据各相同数据对，关联生成相同数据组。
8.根据权利要求7所述的装置，其特征在于，所述处理模块，具体用于对于任一个所述簇：根据簇中的数据规模，对簇中的数据进行分桶；对各桶的数据，分别进行桶内数据两两特征匹配和桶间数据两两特征匹配，得到相同数据对。
9.根据权利要求8所述的装置，其特征在于，所述处理模块，具体用于以相同数据对中两个数据分别作为顶点，基于各所述相同数据对构建连通关系；将同一连通关系中的各数据组成一个所述相同数据组。
10.根据权利要求7至9任一项所述的装置，其特征在于，所述装置还包括：
去重模块，用于基于预设的去重规则，分别对各所述相同数据组进行数据去重。
11.根据权利要求10所述的装置，其特征在于，所述数据为图像，所述去重模块，具体用于保留各所述相同数据组中图像质量最高的图像，去除其余图像。
12.根据权利要求7至9任一项所述的装置，其特征在于，所述装置还包括：
推荐模块，用于接收到用户输入的第一数据；根据所述第一数据确定所述第一数据对应的相同数据组；根据确定出的相同数据组中的数据，向用户推荐与所述第一数据相同的第二数据，或所述第二数据对应的关联数据。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品，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1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310213166.0A CN116129162A (zh) | 2023-03-06 | 2023-03-06 | 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 |
|---|---|---|---|
| CN202310213166.0A CN116129162A (zh) | 2023-03-06 | 2023-03-06 | 数据处理方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116129162A true CN116129162A (zh) | 2023-05-16 |
Family
ID=86297511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310213166.0A Pending CN116129162A (zh) | 2023-03-06 | 2023-03-06 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116129162A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116644061A (zh) * | 2023-07-27 | 2023-08-25 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路信号集中监测系统数据清洗方法及系统 |
-
2023
- 2023-03-06 CN CN202310213166.0A patent/CN116129162A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116644061A (zh) * | 2023-07-27 | 2023-08-25 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路信号集中监测系统数据清洗方法及系统 |
| CN116644061B (zh) * | 2023-07-27 | 2023-10-27 | 北京全路通信信号研究设计院集团有限公司 | 一种铁路信号集中监测系统数据清洗方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110019876B (zh) | 数据查询方法、电子设备及存储介质 | |
| CN113326420B (zh) | 问题检索方法、装置、电子设备和介质 | |
| CN116129162A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN112559631A (zh) | 分布式图数据库的数据处理方法、装置以及电子设备 | |
| CN112528067A (zh) | 图数据库的存储方法、读取方法、装置及设备 | |
| CN114461407B (zh) | 数据处理方法、装置、分发服务器、系统及存储介质 | |
| CN110619253B (zh) | 身份识别的方法和装置 | |
| CN116340831B (zh) | 一种信息分类方法、装置、电子设备及存储介质 | |
| CN114897666B (zh) | 图数据存储、访问、处理方法、训练方法、设备及介质 | |
| CN115169489B (zh) | 数据检索方法、装置、设备以及存储介质 | |
| CN116028873A (zh) | 一种基于支持向量机的多类服务器故障预测方法 | |
| CN113641670B (zh) | 数据存储及数据检索方法、装置、电子设备及存储介质 | |
| CN113360689A (zh) | 图像检索系统、方法、相关装置及计算机程序产品 | |
| CN112861034B (zh) | 检测信息的方法、装置、设备和存储介质 | |
| CN115759233B (zh) | 模型的训练方法、图数据处理方法、装置及电子设备 | |
| CN116304253B (zh) | 数据存储方法、数据检索方法和识别相似视频的方法 | |
| CN114359610B (zh) | 实体分类的方法、装置、设备以及存储介质 | |
| CN116361658B (zh) | 模型训练方法、任务处理方法、装置、电子设备及介质 | |
| CN115578583B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN113326416B (zh) | 检索数据的方法、向客户端发送检索数据的方法及装置 | |
| CN114241243B (zh) | 图像分类模型的训练方法、装置、电子设备和存储介质 | |
| CN116070127A (zh) | 一种运维语句分类方法、装置、设备和存储介质 | |
| CN116431860A (zh) | 视频处理方法、装置、设备和存储介质 | |
| CN115952061A (zh) | 颁发设备指纹的方法、装置、设备以及存储介质 | |
| CN117056436A (zh) | 一种社区发现方法、装置、存储介质及电子设备 |
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 |