CN117493785A - 数据处理方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种数据处理方法、装置及电子设备。具体方案为：获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。本发明对多个待处理数据的进行处理，可以支持灵活扩展，另外，针对待编码字段的数据进行分析处理，可以降低数据处理的复杂性，获得准确的数据处理内容。

Description

数据处理方法、装置及电子设备

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理方法、装置及电子设备。

背景技术

在对银行数据进行分析处理时，经常会遇到机构名称、编码数据不一致或是缺失的情况。其中，常见的现象有：源系统对相同机构的数据编码不同，例如：A系统中a市的数据编码为110，B系统中a市的数据编码为110001。相同机构的名称不一致，例如：A系统中的机构名称为a市XXX公司，C系统中的机构名称为a XX公司。填写内容不一致或缺失、错误等，例如：A系统的填写内容有a市、a市b区，D系统的填写内容为a。上述不一致的情况会影响数据汇总处理质量和效率。

现有的对上述情况处理的方式主要是通过对每个系统中的数据字段进行单独修改处理，但是这种情况不能进行批量修改，无法实现对数据处理的灵活扩展，还容易导致数据处理的不准确。

发明内容

本发明提供了一种数据处理方法、装置及电子设备，解决了对数据字段不能批量修改且准确性较低的情况，实现了对数据处理的灵活扩展，且降低数据处理的复杂性，获得准确的数据处理内容。

根据本发明的一方面，提供了一种数据处理方法，该方法包括：

获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；

对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；

基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；

将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

根据本发明的另一方面，提供了一种数据处理装置，该装置包括：

待处理数据获取模块，用于获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；

目标内容获取模块，用于对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；

名称及编码确定模块，用于基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；

数据展示模块，用于将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

根据本发明的另一方面，提供了一种电子设备，该电子设备包括：

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计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的数据处理方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的数据处理方法。

本发明实施例的技术方案，通过获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；之后，对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；进一步的，将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。解决了现有技术中对数据字段不能批量修改且准确性较低的情况，对多个待处理数据的进行处理，可以支持灵活扩展，另外，针对待编码字段的数据进行分析处理，可以降低数据处理的复杂性，获得准确的数据处理内容。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种数据处理方法的流程图；

图2是本发明实施例提供的一种目标模型确定方法的流程图；

图3是本发明实施例提供的一种数据处理方法的流程示例图；

图4是本发明实施例提供的一种数据处理装置的结构示意图；

图5是实现本发明实施例的数据处理方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1是本发明实施例提供的一种数据处理方法的流程图，本实施例可适用于对多个待处理数据进行数据处理获得规范化名称和标准编码并进行展示的情况，该方法可以由数据处理装置来执行，该数据处理装置可以采用硬件和/或软件的形式实现，该数据处理装置可配置于手机、计算机或者服务器等的电子设备中。如图1所示，该方法包括：

S110、获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容。

在本发明实施例中，待处理数据可以是基于不同的数据库中获取得到的需要进行数据处理的数据。其中，待处理数据包括至少一个字段对应的数据内容。以便后续从待处理数据中选择符合要求的字段对应的数据内容。

具体的，当不同系统或数据源中的数据对应的机构名称、编码等不一致时，可以从上述多个系统或数据源的数据库中获取需要进行数据处理的数据，作为待处理数据。其中，待处理数据中可以包括至少一个字段下所对应的数据内容，以便后续可以从待处理数据中选择需要的字段内容进行获取。

S120、对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容。

在本发明实施例中，待编码字段可以是待处理数据中需要进行分析处理的数据内容对应的字段。例如，待编码字段对应的数据内容可以是需要进行数据处理的机构名称、描述等数据信息。目标内容可以是进行数据处理后获得的与待编码字段对应的数据内容。例如，目标内容可以是机构名称、机构地址、机构简介对应的数据信息。

具体的，在获得待处理数据中，选择需要进行数据处理的数据内容同时确定该数据内容对应的字段，即待编码字段，以获取待编码字段的数据内容。之后可以利用相应的模型对数据内容进行数据处理。其中，数据处理可以是对数据内容进行数据清洗、分词处理等。在数据处理后可以获得与待编码字段对应的目标内容。

可选的，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容，包括：将待处理数据填入第一配置表中，并获取预先设定的待编码字段的数据内容；基于目标模型对数据内容分词处理，得到与待编码字段相对应的目标内容。

在本发明实施例中，第一配置表可以是包含多个规范化名称和相应的标准编码的数据表。其中，规范化名称可以是不同机构名称规范化处理后的名称，规范化名称可以包含一个或多个规范的机构名称。标准编码可以是与规范化名称对应的编码，即对于同一规范化名称对应的标准编码一致。目标模型可以是对数据内容进行分词处理以获得目标内容的模型。

具体的，将待处理数据填入第一配置表，以根据第一配置表中写入的待处理数据确定目标模型。并且，可以从待处理数据中获取根据实际需求预先设定的待编码字段的数据内容，使得目标模型对数据内容进行分词处理，以获得目标内容。

S130、基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码。

在本发明实施例中，预先设置的配置表可以是包含多个规范化名称和相应的标准编码的第一配置表。

具体的，可以根据预先设置的配置表，在其中查找目标内容对应的规范化名称和标准编码，以确定目标内容相对应的规范化名称和标准编码。

可选的，基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码，包括：基于预先设置的配置表中的各数据内容所对应的规范化名称以及标准编码，确定目标内容的规范化名称和标准编码。

具体的，在预先设置的配置表中可以包括各数据内容对应的规范化名称和标准编码，当确定目标内容时，可以根据目标内容在预先设置的配置表中匹配到与目标内容对应的数据内容，从而确定目标内容对应的规范化名称和标准编码。

S140、将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

在本发明实施例中，预设格式可以是将待处理数据、规范化名称以及对应的标准编码存储在表格中的格式。

具体的，在获得目标内容对应的规范化名称和标准编码后，可以将待处理数据中的每个字段对应的数据内容、以及获得的规范化名称和标准编码以预设格式对应起来，并进行展示，以方便后续相关人员可以准确获知每个待处理数据对应的规范化名称和标准编码。

可选的，预设格式与第一配置表中数据内容的显示格式相同。

具体的，第一配置表可以是包括多个规范化名称和标准编码的数据表，相应的，预设格式可以是将待处理数据，以及其对应的规范化名称和标准编码以第一配置表中数据内容的显示格式进行处理的格式。

本实施例的技术方案，通过获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；之后，对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；进一步的，将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。解决了现有技术中对数据字段不能批量修改且准确性较低的情况，对多个待处理数据的进行处理，可以支持灵活扩展，另外，针对待编码字段的数据进行分析处理，可以降低数据处理的复杂性，获得准确的数据处理内容。

实施例二

图2是本发明实施例提供的一种目标模型确定方法的流程图，本实施例是在上述实施例的基础上，在获取数据内容后，可以先确定目标模型，以利用目标模型对数据内容进行分析处理。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。如图2所示，该方法包括：

S210、配置至少一个机构的待使用规范化名称以及相应的待使用编码，得到第一配置表。

在本发明实施例中，待使用规范化名称可以是根据实际需求设置的该机构对应的规范化名称。可以设置多个机构的规范化名称以便后续使用，即为待使用规范化名称。待使用编码可以是机构的标准编码，相应的，可以配置多个机构对应的标准编码作为待使用编码。

具体的，可以先为每个机构配置对应的待使用规范化名称和待使用编码。在获得每个机构对应的待使用规范化名称和待使用编码后，可以设置二者的对应关系或是映射关系，之后可以基于上述对应关系或映射关系将待使用规范化名称和待使用编码写入关系表中，以获得第一配置表。例如，待使用规范化名称可以是a，待使用编码可以是110001，相应的对应关系可以是：a--110001的形式。

S220、从至少一个源系统中获取至少一个历史数据，其中，历史数据包括至少一个字段以及至少一个字段下所对应的数据内容，至少一个字段包括隶属源系统标识、表名、不同数据内容所对应的数据字段。

在本发明实施例中，为方便对数据的处理，可以获取一个或多个系统的数据库中的历史数据。其中，一个或多个系统即为至少一个源系统，即源系统为获取的历史数据所属的系统。历史数据可以是包括至少一个字段和至少一个字段对应的数据内容。对于历史数据中的至少一个字段可以包括隶属源系统标识、表名、不同数据内容所对应的数据字段。其中，源系统标识可以是用于唯一标识该源系统的标识符，不同的源系统对应的源系统标识不同。表名可以理解为获取历史数据时对应的数据表的名称。不同数据内容可以包括机构名称、机构描述等信息。

具体的，对于不同的源系统中，其对应的源系统标识、表名和多个数据内容均不相同。因而，可以从至少一个源系统中获取至少一个历史数据，以便后续更新第一配置表。其中，历史数据可以包括至少一个字段以及至少一个字段下所对应的数据内容。数据内容可以包括源系统标识、表名、不同数据内容等内容。

S230、将至少一个字段更新至第一配置表中的字段行，得到更新后的第一配置表，以基于第一配置表中写入的历史数据确定目标模型，以基于目标模型对数据内容分析处理。

在本发明实施例中，更新后的第一配置表可以是包括至少一个历史数据中的字段、规范化名称以及标准编码的数据表。

具体的，将至少一个历史数据包含的至少一个字段写入第一配置表对应的字段行，其中，可以将每个历史数据与规范化名称、标准编码建立对应关系，即在更新后的第一配置表中，每个历史数据都对应于其规范化名称和标准编码。之后，可以根据对应后的历史数据、规范化名称以及标准编码确定目标模型，以便根据目标模型对数据内容进行分析处理。

可选的，还包括：通过对历史数据标记处理，确定历史数据的规范化名称以及相应的标准编码并更新至相应字段下，得到样本数据；依据预设划分比例对样本数据划分为训练集和测试集，其中，训练集和测试集中包括与规范化名称相对应的描述内容；基于训练集对待训练分词模型进行分词处理，得到待验证模型；基于测试集对待验证模型进行验证处理，以在验证结果满足预设要求时，得到目标模型。

在本发明实施例中，样本数据可以包括包含规范化名称和标准编码的历史数据。预设划分比例可以是根据实际需求设置的训练集和测试集的比例。例如，训练集和测试集的比例可以是8:2。其中，训练集可以理解为在样本数据中用于模型训练的数据集，测试集可以理解为在样本数据中用于验证处理的数据集。在测试集和训练集中可以包括历史数据中对应于规范化名称的内容，即描述内容。待训练分词模型可以是用于对训练集进行分词处理的模型。待验证模型可以是待训练分词模型分词训练后获得的模型。验证结果可以用以表征分词处理的准确率。预设要求即为预先设置的分词处理的标准准确率。

具体的，对历史数据进行标记处理，即确定每个历史数据中用以描述规范化名称的描述内容，基于描述内容确定该历史数据的规范化名称和相应的标准编码。在获得规范化名称和相应的标准编码后可以将其更新在第一配置表的相应字段行对应的字段下。之后，可以对获得的包含规范化名称和相应标准编码的历史数据进行分析处理，即去除历史数据中的异常数据和缺失数据，基于此获得样本数据。在获得样本数据后，可以将样本数据按照预设比例划分为训练集和测试集。其中，训练集和测试集中包括与规范化名称相对应的描述内容。另外，可以以规范化名称作为分类标签。在获得训练集和测试集之后，可以使用数据探查分析不同类别的规范化名称对应的样本数据是否数据量达到平衡，若平衡，可以基于训练集和测试集进行后续模型训练。若不平衡，可以重新进行样本数据的获取，若某些类别中包含的样本数据数量过少，则可以进行补充。在上述处理之后，可以根据训练集对待训练分词模型进行分词处理，同时根据待训练分词模型输出的分词数据对模型进行修正，以获得待验证模型。其中，在分词处理过程中，可以采取停用词库的方式去掉一些无意义的词。在获得待验证模型后，可以根据测试集对待验证模型进行验证处理，判断分词处理获得的分词对应的准确率，当准确率满足预设要求时，即可获得目标模型。

可选的，基于训练集对待训练分词模型进行分词处理，得到待验证模型，包括：将训练集中的描述内容输入至待训练分词模型，得到至少一个待处理分词；基于至少一个待处理分词以及与描述内容相对应的标准分词，确定损失值；基于损失值对待训练分词模型中的模型参数进行修正，得到待验证模型。

在本发明实施例中，待处理分词可以是待训练分词模型基于输入的描述内容训练输出的分词数据。标准分词可以是根据描述内容预先设定的标准化的分词数据。一般情况下，待训练分词模型的模型参数为初始参数或默认参数，在对待训练分词模型进行训练时，可以基于待训练分词模型的输出结果，即待处理分词，来修正模型中的各项模型参数，即，可以通过待训练分词模型的损失值进行修正，从而得到待验证模型。其中，损失值为待处理分词与标准分词之间的差异值。

具体的，将训练集中的描述内容作为待训练分词模型的输入，输入至待训练分词模型中，得到至少一个待处理分词。之后，可以根据至少一个待处理分词以及描述内容对应的标准分词之间的差异值，计算损失值，以利用损失值对待训练分词模型进行修正。在利用损失值对待训练分词模型中的模型参数进行修正时，可以将损失函数收敛作为训练目标，比如训练误差是否小于预设误差，或误差变化是否趋于稳定，或者当前的迭代次数是否等于预设次数。若检测达到收敛条件，比如损失函数的训练误差小于预设误差，或者误差变化趋势趋于稳定，表明该待训练分词模型训练完成，此时可以停止迭代训练。若检测到当前未达到收敛条件，可以进一步获取其他训练集以对待训练分词模型继续进行训练，直至损失函数的训练误差在预设范围之内。当损失函数的训练误差达到收敛时，即可将训练完成的待训练分词模型作为待验证模型。

可选的，基于测试集对待验证模型进行验证处理，以在验证结果满足预设要求时，得到目标模型，包括：将测试集中的描述内容输入至待验证模型中，得到预测分词；确定预测分词以及描述内容的标注分词的词向量；基于测试集所对应的多个词向量，确定待验证模型的准确率；在准确率达到预设要求时，得到目标模型。

在本发明实施例中，预测分词可以是待验证模型基于输入的描述内容预测输出的分词数据。词向量可以是采用词频和TF-IDF(Term Frequency-Inverse DocumentFrequency，词频-逆文件频率)特征生成的词汇向量。TF-IDF是一种特征权重计算方法，可以用以评估某个分词的重要程度。

具体的，将测试集中的描述内容输入至待验证模型中，从而输出预测分词。之后，可以根据词频和TF-IDF对预测分词和描述内容的标注分词进行处理，以获得相应的词向量。其中，采用词频进行处理时，可以对预测分词和描述内容的标注分词进行词频统计，获得预测分词和描述内容的标注分词的出现次数。同时，结合TF-IDF对预测分词和描述内容的标注分词进行处理，从而词频和TF-IDF值作为特征，获得相应的词向量。基于此，可以获得测试集对应的多个词向量。之后，可以根据获得的词向量，确定待验证模型的准确率。其中，准确率的确定，可以根据获得的词向量的准确程度以及待验证模型正确分词处理的成功程度总体表示。在确定准确率后，可以判断准确率是否达到预设要求，若达到预设要求，则获得目标模型，以便根据目标模型对数据内容进行分析处理。

本实施例的技术方案，通过配置至少一个机构的待使用规范化名称以及相应的待使用编码，得到第一配置表。之后，从至少一个源系统中获取至少一个历史数据，其中，历史数据包括至少一个字段以及至少一个字段下所对应的数据内容，至少一个字段包括隶属源系统标识、表名、不同数据内容所对应的数据字段。进一步的，将至少一个字段更新至第一配置表中的字段行，得到更新后的第一配置表，以基于第一配置表中写入的历史数据确定目标模型，以基于目标模型对数据内容分析处理。实现了根据第一配置表中的历史数据确定目标模型的目的，以便根据目标模型对数据内容进行分析处理，从而提高数据处理的准确度。

实施例三

图3是本发明实施例提供的一种数据处理方法的流程示例图，本实施例为上述实施例的一个示例。其具体的实施方式可以参见本实施例技术方案。其中，与上述实施例相同或者相应的技术术语在此不再赘述。如图3所示，该方法包括：

S310、建立机构编码映射关系表。

在本发明实施例中，机构是指机构的规范化名称，对应于上述实施例所提及至少一个机构的待使用规范化名称。编码可以理解为与机构的规范化名称对应的标准编码，对应于上述实施例所提及的待使用编码。映射关系表对应于上述实施例所提及的第一配置表。相应的，建立机构编码映射关系表对应于上述实施例所提及的S210。

具体的，设定规范机构名称和机构编码的映射关系，将规范机构名称和机构编码的映射关系写入映射关系表，例如：规范机构名称为a，机构编码为110001，则映射关系为a--110001；若规范机构名称为b，机构编码为12000，则映射关系为b--120001。

S320、将规范化的机构名称-机构编码关系填入映射关系表。

在本发明实施例中，规范化的机构名称，即上述实施例所提及的待使用规范化名称，机构编码即上述实施例所提及的待使用编码。

具体的，可以在数据库中建立一张配置表，作为映射关系表。可以从至少一个源系统中获取源系统的系统名称、表名、字段名等字段。将上述字段配置在映射关系表中。其中，源系统的系统名称对应于上述实施例所提及的源系统标识。表名对应于上述实施例所提及的表名。字段名对应于上述实施例所提及的不同数据内容所对应的数据字段。对于建立的映射关系表，可以先将上述获得的规范机构名称和机构编码填入映射关系表中，之后其他字段对应的数据内容暂时为空。对应于上述实施例所提及的S220以及S230中的将至少一个字段更新至第一配置表中的字段行，得到更新后的第一配置表。

S330、使用NLP方法对待转换数据进行文本分类预测。

在本发明实施例中，NLP(Natural Language Processing，自然语言处理)方法可以包括对待转换数据进行分词、词性标注以及词汇解析等处理方法。待转换数据可以是从源系统中获得的机构名称、描述等信息，对于上述实施例所提及的待编码字段的数据内容。

具体的，可以使用NPL的中文分词方法对需要进行处理的待转换数据进行分析，根据中文分词技术，解析待转换数据中需要进行转码的机构名称、描述等信息，以实现将待转换数据转换为规范机构名称，即上述实施例所提及的规范化名称，对应于上述实施例所提及的S120和S130。

可选的，使用NLP方法对待转换数据进行文本分类预测，包括：数据采集、数据探查、数据清洗、分词、特征提取、SVM分类器训练、模型调优以及模型应用。

具体的，在使用NLP方法对待转换数据进行文本分类预测时，还包括多个阶段。首先，数据采集阶段的处理过程可以是先采集历史上规范的统计数据作为训练数据，在训练数据中包括原始机构信息、简介等内容，这些内容与规范机构名称具有对应关系。其中，历史上规范的统计数据即上述实施例所提及的历史数据。训练数据即上述实施例所提及的样本数据。训练数据中包括的内容即上述实施例所提及的描述内容。在获得训练数据之后，可以以规范机构名称作为分类标签，以获得不同规范机构名称对应的多类训练数据。之后将多类训练数据中的每一类训练数据都划分为训练集和测试集，比例约为8:2，对应于上述实施例所提及的；依据预设划分比例对样本数据划分为训练集和测试集。之后，可以进行数据探查，即分析不同类别的训练数据中包含的数据量是否达到平衡，若不平衡需要重新进行训练数据的采集，对数量过小的某个类别的训练数据进行扩充。进一步的，在进行数据探查后，可以对训练数据进行数据清洗，即对训练数据进行分析处理，将训练数据中的异常数据或存在缺失的数据做丢弃处理。之后，可以进行分词处理，即利用分词方法对上述处理后的训练数据进行分词，同时采取停用词库的方式去掉训练数据中一些无意义的词，对应于上述实施例所提及的分词处理。在基于分词处理后，可以获得训练数据的多个词汇，之后，可以采用词频和TF-IDF特征为基础，生成相应的词向量。进一步的，基于生成的词向量输入SVM分类器进行训练，并采用网格搜索的方式调优，训练生成预测模型，即上述实施例所提及的待验证模型。在获得预测模型后，可以利用测试集对预测模型进行验证，以查看预测模型的预测分词效果。其中，分词效果可以采用准确率(P)、查全率(R，也称召回率)、调和平均值(F)评价。准确率表明了预测模型分词的准确程度；查全率也叫召回率，反映预测模型正确切分结果的成功程度；F值综合准确率和查全率，反映整体的指标。其中，将标准分词数表示为N，即上述实施例所提及的描述内容的标注分词的词向量对应的数量。预测模型预测获得的正确分词数量为C,错误分词数量为E，则上述各评价指标对应的计算公式可以如下：

P＝C/(C+E)

R＝C/N

F＝(2PR)/(P+R)

之后，可以根据上述各个指标设置对应的阈值，即上述实施例所提及的预设要求。当超出阈值时，则认为预测模型调优完成，否则，需要对预测模型进行修正，以使得其满足预设要求。基于此，即可获得训练好的预测模型，即目标模型。进一步的，可以利用训练好的预测模型对待转换数据进行数据处理。其中，待转换数据对应于上述实施例所提及的待处理数据。

S340、将需转码的源数据信息填入映射关系表。

在本发明实施例中，需转码的源数据信息对应于上述实施例所提及的待处理数据。

具体的，在完成一个源系统的数据处理后，即获得相应的规范机构名称后，可以将该源系统的系统名称、表名、待转换字段对应的数据内容以及字段转换结果写入映射关系表中。例如，待转换字段对应的数据内容可以是机构名称。字段转换结果可以是规范机构名称。在对所有源系统处理完成后，可以将对应的源数据信息填入映射关系表中。例如，填入完成后的映射关系表可以如下表1所示：

表1映射关系表

S350、执行自动化配置脚本转码。

具体的，基于映射关系表开发自动化配置脚本，脚本的功能逻辑代码可复用。在脚本模板中填写源系统名称、表名、待转换字段对应的数据内容、字段转换结果，完成脚本配置后，执行脚本，可以完成多个源系统对应的待转换数据的转换。如需调整源系统中的待转换字段对应的数据内容和字段转换结果之间的映射关系，可以只修改映射关系表字段内容，无需逐个修改脚本。

本实施例的技术方案，通过建立机构编码映射关系表，将规范化的机构名称-机构编码关系填入映射关系表。之后，使用NLP方法对待转换数据进行文本分类预测，并将将需转码的源数据信息填入映射关系表。进一步的，执行自动化配置脚本对源系统中对应的待转换数据进行自动处理。解决了现有技术中对数据字段不能批量修改且准确性较低的情况，对多个源系统的待转换数据的进行处理，可以支持灵活扩展，另外，NLP方法可以简化待转换数据，减少配置映射关系数量，从而可以降低数据处理的复杂性，获得准确的数据处理内容。

实施例四

图4是本发明实施例提供的一种数据处理装置的结构示意图。如图4所示，该装置包括：待处理数据获取模块410、目标内容获取模块420、名称及编码确定模块430以及数据展示模块440。

待处理数据获取模块410，用于获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；目标内容获取模块420，用于对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；名称及编码确定模块430，用于基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；数据展示模块440，用于将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

本实施例的技术方案，通过获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；之后，对于待处理数据，获取待编码字段的数据内容，并对数据内容分析处理，得到与待编码字段所对应的目标内容；基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；进一步的，将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。解决了现有技术中对数据字段不能批量修改且准确性较低的情况，对多个待处理数据的进行处理，可以支持灵活扩展，另外，针对待编码字段的数据进行分析处理，可以降低数据处理的复杂性，获得准确的数据处理内容。

在上述实施例的基础上，可选的，该装置还包括：目标模型确定模块，该模块用于配置至少一个机构的待使用规范化名称以及相应的待使用编码，得到第一配置表；从至少一个源系统中获取至少一个历史数据，其中，历史数据包括至少一个字段以及至少一个字段下所对应的数据内容，至少一个字段包括隶属源系统标识、表名、不同数据内容所对应的数据字段；将至少一个字段更新至第一配置表中的字段行，得到更新后的第一配置表，以基于第一配置表中写入的历史数据确定目标模型，以基于目标模型对数据内容分析处理。

可选的，该装置还包括：模型训练模块，该模块包括：样本数据获取单元，用于通过对历史数据标记处理，确定历史数据的规范化名称以及相应的标准编码并更新至相应字段下，得到样本数据；样本数据划分单元，用于依据预设划分比例对样本数据划分为训练集和测试集，其中，训练集和测试集中包括与规范化名称相对应的描述内容；待验证模型获取单元，用于基于训练集对待训练分词模型进行分词处理，得到待验证模型；目标模型获取单元，用于基于测试集对待验证模型进行验证处理，以在验证结果满足预设要求时，得到目标模型。

可选的，待验证模型获取单元，用于将训练集中的描述内容输入至待训练分词模型，得到至少一个待处理分词；基于至少一个待处理分词以及与描述内容相对应的标准分词，确定损失值；基于损失值对待训练分词模型中的模型参数进行修正，得到待验证模型。

可选的，目标模型获取单元，用于将测试集中的描述内容输入至待验证模型中，得到预测分词；确定预测分词以及描述内容的标注分词的词向量；基于测试集所对应的多个词向量，确定待验证模型的准确率；在准确率达到预设要求时，得到目标模型。

可选的，目标内容获取模块，用于将待处理数据填入第一配置表中，并获取预先设定的待编码字段的数据内容；基于目标模型对数据内容分词处理，得到与待编码字段相对应的目标内容。

可选的，名称及编码确定模块，用于基于预先设置的配置表中的各数据内容所对应的规范化名称以及标准编码，确定目标内容的规范化名称和标准编码。

可选的，预设格式与第一配置表中数据内容的显示格式相同。

本发明实施例所提供的数据处理装置可执行本发明任意实施例所提供的数据处理方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5是本发明实施例提供的一种电子设备的结构示意图。电子设备10旨在表示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、可穿戴设备(如头盔、眼镜、手表等)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/或者要求的本发明的实现。

如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。

处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如数据处理方法。

在一些实施例中，数据处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11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，处理器11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、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。

用于实施本发明的数据处理方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。

实施例六

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种数据处理方法，该方法包括：

获取多个待处理数据，其中，待处理数据包括至少一个字段下所对应的数据内容；对于待处理数据，获取待编码字段的数据内容，对数据内容分析处理，得到与待编码字段所对应的目标内容；基于预先设置的配置表以及目标内容，确定与目标内容相对应的规范化名称以及标准编码；将待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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)、区块链网络和互联网。

计算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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

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，本发明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，只要能够实现本发明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，并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种数据处理方法，其特征在于，包括：

获取多个待处理数据，其中，所述待处理数据包括至少一个字段下所对应的数据内容；

对于所述待处理数据，获取待编码字段的数据内容，并对所述数据内容分析处理，得到与所述待编码字段所对应的目标内容；

基于预先设置的配置表以及所述目标内容，确定与所述目标内容相对应的规范化名称以及标准编码；

将所述待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

2.根据权利要求1所述的方法，其特征在于，还包括：

配置至少一个机构的待使用规范化名称以及相应的待使用编码，得到第一配置表；

从至少一个源系统中获取至少一个历史数据，其中，所述历史数据包括至少一个字段以及所述至少一个字段下所对应的数据内容，所述至少一个字段包括隶属源系统标识、表名、不同数据内容所对应的数据字段；

将所述至少一个字段更新至所述第一配置表中的字段行，得到更新后的第一配置表，以基于所述第一配置表中写入的历史数据确定目标模型，以基于所述目标模型对所述数据内容分析处理。

3.根据权利要求2所述的方法，其特征在于，还包括：

通过对所述历史数据标记处理，确定所述历史数据的规范化名称以及相应的标准编码并更新至相应字段下，得到样本数据；

依据预设划分比例对所述样本数据划分为训练集和测试集，其中，所述训练集和所述测试集中包括与所述规范化名称相对应的描述内容；

基于所述训练集对待训练分词模型进行分词处理，得到待验证模型；

基于所述测试集对所述待验证模型进行验证处理，以在验证结果满足预设要求时，得到所述目标模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述训练集对待训练分词模型进行分词处理，得到待验证模型，包括：

将所述训练集中的描述内容输入至待训练分词模型，得到至少一个待处理分词；

基于所述至少一个待处理分词以及与所述描述内容相对应的标准分词，确定损失值；

基于所述损失值对所述待训练分词模型中的模型参数进行修正，得到所述待验证模型。

5.根据权利要求3所述的方法，其特征在于，所述基于所述测试集对所述待验证模型进行验证处理，以在验证结果满足预设要求时，得到所述目标模型，包括：

将所述测试集中的描述内容输入至所述待验证模型中，得到预测分词；

确定所述预测分词以及所述描述内容的标注分词的词向量；

基于所述测试集所对应的多个词向量，确定所述待验证模型的准确率；

在所述准确率达到预设要求时，得到所述目标模型。

6.根据权利要求1所述的方法，其特征在于，所述获取待编码字段的数据内容，并对所述数据内容分析处理，得到与所述待编码字段所对应的目标内容，包括：

将所述待处理数据填入第一配置表中，并获取预先设定的待编码字段的数据内容；

基于目标模型对所述数据内容分词处理，得到与待编码字段相对应的目标内容。

7.根据权利要求1所述的方法，其特征在于，所述基于预先设置的配置表以及所述目标内容，确定与所述目标内容相对应的规范化名称以及标准编码，包括：

基于预先设置的配置表中的各数据内容所对应的规范化名称以及标准编码，确定所述目标内容的规范化名称和标准编码。

8.根据权利要求1所述的方法，其特征在于，所述预设格式与第一配置表中数据内容的显示格式相同。

9.一种数据处理装置，其特征在于，包括：

待处理数据获取模块，用于获取多个待处理数据，其中，所述待处理数据包括至少一个字段下所对应的数据内容；

目标内容获取模块，用于对于所述待处理数据，获取待编码字段的数据内容，并对所述数据内容分析处理，得到与所述待编码字段所对应的目标内容；

名称及编码确定模块，用于基于预先设置的配置表以及所述目标内容，确定与所述目标内容相对应的规范化名称以及标准编码；

数据展示模块，用于将所述待处理数据以及相应的规范化名称和标准编码按照预设格式进行展示。

10.一种电子设备，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权利要求1-8中任一项所述的数据处理方法。