CN116303677A - 基于数据分布均衡度的衡量方法、装置、设备及存储介质 - Google Patents

基于数据分布均衡度的衡量方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116303677A
CN116303677A CN202310285127.1A CN202310285127A CN116303677A CN 116303677 A CN116303677 A CN 116303677A CN 202310285127 A CN202310285127 A CN 202310285127A CN 116303677 A CN116303677 A CN 116303677A
Authority
CN
China
Prior art keywords
data
enumeration value
enumeration
type
balance
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
CN202310285127.1A
Other languages
English (en)
Inventor
侯宗元
张茜
胡立波
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 Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202310285127.1A priority Critical patent/CN116303677A/zh
Publication of CN116303677A publication Critical patent/CN116303677A/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
    • G06F16/245—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
    • G06F16/90—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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes

Landscapes

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

Abstract

本发明涉及人工智能技术，揭露了一种基于数据分布均衡度的衡量方法，包括：获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；对所述待测枚举值数据进行聚类，得到多类枚举值数据；对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。本发明还提出一种基于数据分布均衡度的衡量装置、电子设备以及存储介质。本发明可以提高枚举值数据均衡度的衡量准确性。

Description

基于数据分布均衡度的衡量方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于数据分布均衡度的衡量方法、装置、电子设备及计算机可读存储介质。
背景技术
在数据标签开发的过程中，对于枚举值类型的数据标签，不均衡的取值会导致后续数据区分性差，当部分通过规则产生的枚举值取值过于不均衡时，需要评估预设规则的可行性，因此，枚举值类型的数据标签取值是数据开发的关键。衡量枚举值类型的数据标签的指标包括HHI(Herfindahl-Hirschman Index,赫芬达尔—赫希曼指数)以及方差等，但是现有的技术对于枚举值类型的数据标签的指标取值的上下界不能统一固定，受枚举值的个数影响；枚举值数据均衡度的衡量不够客观准确，在部分直观上均衡程度相近应用场景中，计算结果与实际分布情况差别较大。
综上所述，如何提高枚举值数据均衡度的衡量准确性成为一个亟待解决的技术问题。
发明内容
本发明提供一种基于数据分布均衡度的衡量方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决基于枚举值数据均衡度的衡量准确性较低的技术问题。
为实现上述目的，本发明提供的一种基于数据分布均衡度的衡量方法，包括：
获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
对所述待测枚举值数据进行聚类，得到多类枚举值数据；
对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
可选地，所述对所述待测枚举值数据进行聚类，得到多类枚举值数据，包括：
根据所述待测枚举值数据的属性确定所述待测枚举值数据对应的分类以及分类个数；
根据所述分类以及所述分类个数生成对应的聚类中心，利用所述待测枚举值数据的属性生成属性向量，并将所述属性向量作为所述聚类中心的中心向量；
对所述待测枚举值数据进行向量计算，得到数据向量，计算所述中心向量与所述数据向量之间的相似度；
根据所述相似度从所述聚类中心中确定目标聚类中心，并根据所述目标聚类中心确定所述待测枚举值数据的分类。
可选地，所述对所述衡量数据进行筛选，得到待测枚举值数据，包括：
获取所述衡量数据所对应的数据属性；
利用预设的需求属性从所述数据属性中提取目标数据属性；
利用所述目标数据属性从所述衡量数据中提取出待测枚举值数据。
可选地，所述对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值，包括：
对所述枚举值数据进行记录，得到所述枚举值数据对应的类别指标，并将所述类别指标作为所述枚举值数据的枚举值类型；
根据所述类别指标对所述枚举值数据进行划分，并对划分后的所述枚举值数据进行统计，得到统计数值，并将所述统计数值作为所述枚举值数据的枚举值数值。
可选地，所述根据所述枚举值类型生成均衡系数，包括：
对各所述枚举值类型对应的占比进行方差计算，得到所述枚举值类型对应的占比方差的取值范围；
从所述方差的取值范围的上界中提取出所述枚举值类型的影响因素因子，对所述影响因素因子进行修正处理，得到所述均衡系数。
可选地，利用下述公式对所述类别数、所述占比及所述均衡系数进行指标计算：
Figure BDA0004144135480000031
其中，HHIM为均衡度指标；Si为第i个枚举值类型对应的的占比，i＝1,2,3,…,n(n为自然数)；N为所述枚举值类型的类别数。
可选地，可以利用下述公式计算所述枚举值类型对应的占比：
Si＝Xi/X
其中，Xi为第i个枚举值类型的枚举值数值，i＝1,2,3,…,n(n为自然数)；X为所有所述枚举值类型的枚举值数值；Si为第i个枚举值类型的占比，
i＝1,2,3,…,n(n为自然数)。
为了解决上述问题，本发明还提供一种基于数据分布均衡度的衡量装置，所述装置包括：
待测枚举值数据生成模块，用于获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
枚举值数据生成模块，用于对所述待测枚举值数据进行聚类，得到多类枚举值数据；
枚举值数据处理模块，用于对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
枚举值均衡系数生成模块，用于根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
均衡度指标生成模块，用于对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
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基于数据分布均衡度的衡量方法。
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基于数据分布均衡度的衡量方法。
本发明实施例提出了一种衡量枚举值数据分布均衡程度的指标计算方法，所述均衡度指标的计算逻辑简单且清晰，在现有均衡度计算方法的基础上进行了优化，克服了衡量枚举值类型的数据标签的指标在“衡量枚举值数据分布均衡程度”这个场景中存在的计算结果不够稳定的问题；对所述待测枚举值数据进行聚类使均衡度计算受所述分类个数的影响误差减小，在一些直观上均衡程度相近的不同枚举值上得到的计算结果也更具有稳定性，更加适合作为一个统一的衡量指标；所述均衡系数的生成修正了所述影响因素因子，得到了统一且固定的所述均衡度指标取值的上下界，剔除了枚举值取值的个数这个影响因素，消除了传统衡量枚举值数据分布均衡程度计算方法受枚举值取值个数的影响。因此本发明提出的基于数据分布均衡度的衡量方法、装置、电子设备及计算机可读存储介质，可以解决枚举值数据均衡度的衡量准确性较低的技术问题。
附图说明
图1为本发明一实施例提供的基于数据分布均衡度的衡量方法的流程示意图；
图2为本发明一实施例提供的对所述衡量数据进行筛选，得到待测枚举值数据的流程示意图；
图3为本发明一实施例提供的对所述待测枚举值数据进行聚类，得到多类枚举值数据的流程示意图；
图4为本发明一实施例提供的基于数据分布均衡度的衡量装置的功能模块图；
图5为本发明一实施例提供的实现所述基于数据分布均衡度的衡量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基于数据分布均衡度的衡量方法。所述基于数据分布均衡度的衡量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，所述基于数据分布均衡度的衡量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(ContentDeliveryNetwork，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基于数据分布均衡度的衡量方法的流程示意图。在本实施例中，所述基于数据分布均衡度的衡量方法包括：
S1、获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据。
本发明实施例中，所述衡量数据为用于计算数据分布均衡度的数据集，该数据集中的数据包括用于计算数据均衡度的有用数据，以及其他数据。因此，可以对衡量数据进行清洗和筛选，获得用于计算均衡度指标的待测数据。
请参阅图2所示，本发明实施例中，所述对所述衡量数据进行筛选，得到待测枚举值数据，包括：
S21、获取所述衡量数据所对应的数据属性；
S22、利用预设的条件语句从所述数据属性中提取目标数据属性；
S23、利用所述目标数据属性从所述衡量数据中提取出待测枚举值数据。
本发明实施例中，所述待测枚举值数据就是对有限可能取值的变量一一列出的值，例如对性别这一变量，取值只有男女，对于星期这一变量只有周一到周日七个等。
本发明实施例中，所述衡量数据所对应的数据属性可以包括身份属性、地域属性、工作属性、年龄属性等；可以利用where条件语句对所述目标数据属性进行提取，例如，从数据属性中提取目标数据属性，若该目标数据属性为性别数据属性，则可以使用select(属性名：性别属性数据)，from(数据属性)where(性别)条件语句从所述数据属性中提取性别数据属性；提取所述待测枚举值数据可以利用关键字筛选数据的方法，例如，所述目标数据属性为性别数据属性，则可以使用selectdistinct(性别数据属性)语句查询所述衡量数据中性别数据属性所对应的数据，得到性别属性数据，该性别属性数据即为待测枚举值数据。
S2、对所述待测枚举值数据进行聚类，得到多类枚举值数据。
请参阅图3所示，本发明实施例中，对所述待测枚举值数据进行聚类，得到多类枚举值数据，包括：
S31、根据所述待测枚举值数据的属性确定所述待测枚举值数据对应的分类以及分类个数；
S32、根据所述分类以及所述分类个数生成对应的聚类中心，利用所述待测枚举值数据的属性生成属性向量，并将所述属性向量作为所述聚类中心的中心向量；
S33、对所述待测枚举值数据进行向量计算，得到数据向量，计算所述中心向量与所述数据向量之间的相似度；
S34、根据所述相似度从所述聚类中心中确定目标聚类中心，并根据所述目标聚类中心确定所述待测枚举值数据的分类。
本发明实施例中，聚类就是将所述待测枚举值数据按照数据属性进行划分，使得同种类别之间有较高的相似性，不同类别有较大的区分性，可以采用K-均值聚类对所述待测枚举值数据进行聚类，因为K-均值聚类算法简单快速，受所述分类个数的影响误差最小，在处理大数据集可以保持可伸缩性和高效性。
本发明实施例中，可以采用欧氏距离、余弦相似度等计算所述中心向量与所述数据向量之间的相似度，确定相似度计算结果最大的聚类中心为目标聚类中心，根据目标聚类中心处待测枚举值数据所对应的相似度的大小进行数据划分；所述欧氏距离可以体现个体数值特征的绝对差异，可以解决从维度的数值大小中体现差异的问题；所述余弦相似度对具体数值的绝对值大小不敏感，对数据的包容性更强。
S3、对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值。
本发明实施例中，所述对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值，包括：
对所述枚举值数据进行记录，得到所述枚举值数据对应的类别指标，并将所述类别指标作为所述枚举值数据的枚举值类型；
根据所述类别指标对所述枚举值数据进行划分，并对划分后的所述枚举值数据进行统计，得到统计数值，并将所述统计数值作为所述枚举值数据的枚举值数值。
本发明实施例中，所述对所述枚举值数据进行划分是对所述类别指标地细化，例如，针对性别这一指标下的数据，把“女”划分为一个类别，把“男”划分为另一个类别，分别对“男”、“女”两个类别中的数据进行数值统计，得到所述枚举值数据的枚举值数值。为了便于统计所述枚举值数据的数量，可以对所述类别指标中的数据用不同的数字或编码进行表示，例如对性别这一类别指标中的男性类别表示为1、女性类别表示为2，在统计的过程中可以直接对数字进行计数。
本发明实施例中，所述枚举值类型为有限可能的取值变量，例如骰子的点数这个枚举值类型的取值是有限的，为一点至六点。
S4、根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数。
本发明实施例中，所述根据所述枚举值类型生成均衡系数，包括：
对各所述枚举值类型对应的占比进行方差计算，得到所述枚举值类型对应的占比方差的取值范围；
从所述方差的取值范围的上界中提取出所述枚举值类型的影响因素因子，对所述影响因素因子进行修正处理，得到所述均衡系数。
本发明实施例中，所述方差的取值范围为，(为所述枚举值类型的类别数)；所述影响因素因子为所述枚举值的类别数，即原有计算均衡度指标的取值范围受到所述枚举值的类别数的影响；所述修正是对原有计算均衡度指标的方法进行优化，消除所述影响因素因子对均衡度计算结果的影响。
本发明实施例中，所述根据所述枚举值数值计算所述枚举值类型对应的占比，包括：
利用下述公式计算所述枚举值类型对应的占比：
Si＝Xi/X
其中，Xi为第i个枚举值类型的枚举值数值，i＝1,2,3,…,n(n为自然数)；S为所有所述枚举值类型的枚举值数值；Si为第i个枚举值类型的占比，i＝1,2,3,…,n(n为自然数)。
本发明另一可选实施例中，可以利用下述公式根据所述枚举值类型的类别数计算均衡系数：
Figure BDA0004144135480000081
其中，Y为所述均衡系数；N为所述枚举值类型的类别数。
S5、对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
本发明实施例中，所述对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标，包括：
利用下述公式对所述类别数、所述占比及所述均衡系数进行指标计算：
Figure BDA0004144135480000082
其中，HHIM为均衡度指标；Si为第i个枚举值类型对应的的占比，i＝1,2,3,…,n(n为自然数)；N为所述枚举值类型的类别数。
本发明实施例中，HHIM的取值范围可以为[0,1)，对比传统的HHI指标的取值范围为[0,(N-1)/N),HHIM计算方法加入所述均衡系数的修正处理，使得HHIM计算方法的取值范围的上下界是固定的，所述均衡度指标不受所述枚举值类型的类别数影响，针对均衡程度相近的枚举值分布的应用场景，所述均衡度指标的计算结果更加精准；所述枚举值数据分布均衡度根据所述均衡度指标的大小进行判断：所述待测枚举值数据分布越均衡，所述均衡度指标取值越小；所述待测枚举值数据分布越不均衡，所述均衡度指标取值越大。
本发明实施例提出了一种衡量枚举值数据分布均衡程度的指标计算方法，所述均衡度指标的计算逻辑简单且清晰，在现有均衡度计算方法的基础上进行了优化，克服了衡量枚举值类型的数据标签的指标在“衡量枚举值数据分布均衡程度”这个场景中存在的计算结果不够稳定的问题；本发明通过对所述待测枚举值数据进行聚类，使均衡度计算受所述分类个数的影响误差减小，在一些直观上均衡程度相近的不同枚举值上得到的计算结果也更具有稳定性，更加适合作为一个统一的衡量指标；所述均衡系数的生成修正了所述影响因素因子，得到了统一且固定的所述均衡度指标取值的上下界，剔除了枚举值取值的个数这个影响因素，消除了传统衡量枚举值数据分布均衡程度计算方法受枚举值取值个数的影响。因此本发明提出的基于数据分布均衡度的衡量方法，可以解决枚举值数据均衡度的衡量准确性较低的问题
如图4所示，是本发明一实施例提供的基于数据分布均衡度的衡量装置的功能模块图。
本发明所述基于数据分布均衡度的衡量装置100可以安装于电子设备中。根据实现的功能，所述基于数据分布均衡度的衡量装置100可以包括待测枚举值数据生成模块101、枚举值数据生成模块102、枚举值数据处理模块103、枚举值均衡系数生成模块104及均衡度指标生成模块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：
所述待测枚举值数据生成模块101，用于获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
所述枚举值数据生成模块102，用于对所述待测枚举值数据进行聚类，得到多类枚举值数据；
所述枚举值数据处理模块103，用于对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
所述枚举值均衡系数生成模块104，用于根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
所述均衡度指标生成模块105，用于对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
详细地，本发明实施例中所述基于数据分布均衡度的衡量装置100中所述的各模块在使用时采用与附图中所述的基于数据分布均衡度的衡量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基于数据分布均衡度的衡量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，如基于数据分布均衡度的衡量程序。
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(例如执行基于数据分布均衡度的衡量程序等)，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，例如基于数据分布均衡度的衡量程序的代码等，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5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5示出的结构并不构成对所述电子设备1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存储的基于数据分布均衡度的衡量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：
获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
对所述待测枚举值数据进行聚类，得到多类枚举值数据；
对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
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：
获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
对所述待测枚举值数据进行聚类，得到多类枚举值数据；
对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
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。
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)

1.一种基于数据分布均衡度的衡量方法，其特征在于，所述方法包括：
获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
对所述待测枚举值数据进行聚类，得到多类枚举值数据；
对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
2.如权利要求1所述的基于数据分布均衡度的衡量方法，其特征在于，所述对所述待测枚举值数据进行聚类，得到多类枚举值数据，包括：
根据所述待测枚举值数据的属性确定所述待测枚举值数据对应的分类以及分类个数；
根据所述分类以及所述分类个数生成对应的聚类中心，利用所述待测枚举值数据的属性生成属性向量，并将所述属性向量作为所述聚类中心的中心向量；
对所述待测枚举值数据进行向量计算，得到数据向量，计算所述中心向量与所述数据向量之间的相似度；
根据所述相似度从所述聚类中心中确定目标聚类中心，并根据所述目标聚类中心确定所述待测枚举值数据的分类。
3.如权利要求1所述的基于数据分布均衡度的衡量方法，其特征在于，所述对所述衡量数据进行筛选，得到待测枚举值数据，包括：
获取所述衡量数据所对应的数据属性；
利用预设的需求属性从所述数据属性中提取目标数据属性；
利用所述目标数据属性从所述衡量数据中提取出待测枚举值数据。
4.如权利要求1所述的基于数据分布均衡度的衡量方法，其特征在于，所述对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值，包括：
对所述枚举值数据进行记录，得到所述枚举值数据对应的类别指标，并将所述类别指标作为所述枚举值数据的枚举值类型；
根据所述类别指标对所述枚举值数据进行划分，并对划分后的所述枚举值数据进行统计，得到统计数值，并将所述统计数值作为所述枚举值数据的枚举值数值。
5.如权利要求1所述的基于数据分布均衡度的衡量方法，其特征在于，所述根据所述枚举值类型生成均衡系数，包括：
对各所述枚举值类型对应的占比进行方差计算，得到所述枚举值类型对应的占比方差的取值范围；
从所述方差的取值范围的上界中提取出所述枚举值类型的影响因素因子，对所述影响因素因子进行修正处理，得到所述均衡系数。
6.如权利要求1中所述的基于数据分布均衡度的衡量方法，其特征在于，所述对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标，包括：
利用下述公式对所述类别数、所述占比及所述均衡系数进行指标计算：
Figure FDA0004144135470000021
其中，HHIM为均衡度指标；Si为第i个枚举值类型对应的的占比，i＝1,2,3,…,n(n为自然数)；N为所述枚举值类型的类别数。
7.如权利要求1至6中任一项所述的基于数据分布均衡度的衡量方法，其特征在于，所述根据所述枚举值数值计算所述枚举值类型对应的占比，包括：
利用下述公式计算所述枚举值类型对应的占比：
Si＝Xi/X
其中，Xi为第i个枚举值类型的枚举值数值，i＝1,2,3,…,n(n为自然数)；X为所有所述枚举值类型的枚举值数值；Si为第i个枚举值类型的占比，i＝1,2,3,…,n(n为自然数)。
8.一种基于数据分布均衡度的衡量装置，其特征在于，所述装置包括：
待测枚举值数据生成模块，用于获取衡量数据，对所述衡量数据进行筛选，得到待测枚举值数据；
枚举值数据生成模块，用于对所述待测枚举值数据进行聚类，得到多类枚举值数据；
枚举值数据处理模块，用于对对所述枚举值数据进行类型匹配，得到枚举值类型以及所述枚举值类型对应的枚举值数值；
枚举值均衡系数生成模块，用于根据所述枚举值数值计算所述枚举值类型对应的占比，根据所述枚举值类型生成均衡系数；
均衡度指标生成模块，用于对所述类别数、所述占比及所述均衡系数进行指标计算，得到所述待测数据的均衡度指标。
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中任意一项所述的基于数据分布均衡度的衡量方法。
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中任意一项所述的基于数据分布均衡度的衡量方法。
CN202310285127.1A 2023-03-14 2023-03-14 基于数据分布均衡度的衡量方法、装置、设备及存储介质 Pending CN116303677A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310285127.1A CN116303677A (zh) 2023-03-14 2023-03-14 基于数据分布均衡度的衡量方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310285127.1A CN116303677A (zh) 2023-03-14 2023-03-14 基于数据分布均衡度的衡量方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN116303677A true CN116303677A (zh) 2023-06-23

Family

ID=86816472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310285127.1A Pending CN116303677A (zh) 2023-03-14 2023-03-14 基于数据分布均衡度的衡量方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116303677A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993859A (zh) * 2023-09-28 2023-11-03 深圳市维度数据科技股份有限公司 一种基于图片数据提取技术生成统计报表的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116993859A (zh) * 2023-09-28 2023-11-03 深圳市维度数据科技股份有限公司 一种基于图片数据提取技术生成统计报表的方法
CN116993859B (zh) * 2023-09-28 2024-01-02 深圳市维度数据科技股份有限公司 一种基于图片数据提取技术生成统计报表的方法

Similar Documents

Publication Publication Date Title
CN113516417A (zh) 基于智能建模的业务评估方法、装置、电子设备及介质
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113360768A (zh) 基于用户画像的产品推荐方法、装置、设备及存储介质
CN113868528A (zh) 资讯推荐方法、装置、电子设备及可读存储介质
CN116303677A (zh) 基于数据分布均衡度的衡量方法、装置、设备及存储介质
CN113591881B (zh) 基于模型融合的意图识别方法、装置、电子设备及介质
CN117155771B (zh) 一种基于工业物联网的设备集群故障溯源方法及装置
CN113344125A (zh) 长文本匹配识别方法、装置、电子设备及存储介质
CN111460293B (zh) 信息推送方法、装置及计算机可读存储介质
CN112269875A (zh) 文本分类方法、装置、电子设备及存储介质
CN116628263A (zh) 基于多模态的视频检索方法、装置、电子设备及存储介质
CN115204971B (zh) 产品推荐方法、装置、电子设备及计算机可读存储介质
CN114219367A (zh) 用户评分方法、装置、设备及存储介质
CN113869455A (zh) 无监督聚类方法、装置、电子设备及介质
CN114723488B (zh) 课程推荐方法、装置、电子设备及存储介质
CN113592606B (zh) 基于多重决策的产品推荐方法、装置、设备及存储介质
CN113191455B (zh) 边缘计算盒子选举方法、装置、电子设备及介质
CN115225489B (zh) 队列业务流量阈值动态控制方法、电子设备及存储介质
CN115098644B (zh) 图像与文本匹配方法、装置、电子设备及存储介质
CN114781833B (zh) 基于业务人员的能力测评方法、装置、设备及存储介质
CN113704616B (zh) 信息推送方法、装置、电子设备及可读存储介质
CN113139129B (zh) 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质
CN117371033A (zh) 数据脱敏方法、装置、设备及存储介质
CN116738197A (zh) 基于大数据的经济体征指标分析方法、装置、设备及介质
CN114519647A (zh) 基于图分析的保险理赔方法、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