CN117786390A - 一种待维护特征数据整理方法及其相关设备 - Google Patents
一种待维护特征数据整理方法及其相关设备 Download PDFInfo
- Publication number
- CN117786390A CN117786390A CN202410045931.7A CN202410045931A CN117786390A CN 117786390 A CN117786390 A CN 117786390A CN 202410045931 A CN202410045931 A CN 202410045931A CN 117786390 A CN117786390 A CN 117786390A
- Authority
- CN
- China
- Prior art keywords
- data
- feature data
- maintained
- feature
- text
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012423 maintenance Methods 0.000 claims abstract description 121
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000010354 integration Effects 0.000 claims abstract description 34
- 238000013500 data storage Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 49
- 238000012216 screening Methods 0.000 claims description 30
- 238000013507 mapping Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 9
- 108091026890 Coding region Proteins 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000007726 management method Methods 0.000 abstract description 7
- 238000010415 tidying Methods 0.000 abstract 1
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例属于金融科技技术领域,应用于金融业务大数据维护管理场景中,涉及一种待维护特征数据整理方法及其相关设备,包括获取多源数据端发送的特征数据维护请求;解析维护请求,获得相应数据端的特征数据存储信息;基于存储信息和预设的统一维护函数,分别对多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对初步整理日志进行整合处理,获得基于多源数据端的整合型日志,完成对多源数据端的待维护特征数据的整理。分别对不同数据端的待维护特征数据进行初步整理,再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用统一维护函数相较不同数据端采用不同维护函数,减少了整理维护的工作量。
Description
技术领域
本申请涉及金融科技技术领域,应用于金融业务大数据维护管理场景中,尤其涉及一种待维护特征数据整理方法及其相关设备。
背景技术
随着互联网的飞速发展,各行各业都在依托互联网寻求行业突破点,近年来,金融行业也正在围绕着互联网进行线上业务拓展。由于金融行业涉及的业务量和数据量较大,也导致了金融业务特征数据的管理维护较为困难。
在多源数据端协同进行业务处理的架构模式下,每一个数据端都需要使用到特征数据,例如客户数据端、算法数据端、服务数据端,常见的方式是将用户的输入或者行为数据等转化为特征数据分别存储到相应的数据端;而相应的数据端也需要将这些特征数据存储,以供线上服务和训练时使用,这就导致了多源数据端存储的特征数据存在不同,例如客户数据端更偏向于存储客户信息,算法数据端更偏向于存储理赔金额、理赔费率等,服务数据端更偏向于存储服务信息,因此,导致了在对目标金融业务系统进行特征数据维护时,管理维护工作量较大。
发明内容
本申请实施例的目的在于提出一种待维护特征数据整理方法及其相关设备,以解决现有技术在对目标金融业务系统进行特征数据维护时,管理维护工作量较大的问题。
为了解决上述技术问题,本申请实施例提供待维护特征数据整理方法,采用了如下所述的技术方案:
一种待维护特征数据整理方法,包括下述步骤:
获取多源数据端发送的特征数据维护请求;
解析所述维护请求,获得相应数据端的特征数据存储信息;
基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;
根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。
进一步的,所述基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志的步骤,具体包括:
根据所述存储信息识别出当前数据端的区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹;
基于所述区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹对所述当前数据端中的待维护特征数据进行预处理,获得预处理后的特征数据;
采用所述统一维护函数对所述预处理后的特征数据进行初步整理,获得所述初步整理日志。
进一步的,所述基于所述区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹对所述当前数据端中的待维护特征数据进行预处理,获得预处理后的特征数据的步骤,具体包括:
识别所述当前数据端中待维护特征数据所对应的特征类型,获得识别结果,其中,所述特征类型包括ID类特征、标签类特征和文本类特征;
根据所述识别结果,筛选出所述待维护特征数据中的ID类特征数据;
根据所述识别结果,筛选出所述待维护特征数据中的标签类特征数据;
根据所述识别结果,筛选出所述待维护特征数据中的文本类特征数据;
对所述ID类特征数据,按照ID码值从小到大顺序使用MD5算法计算所有ID码值分别对应的哈希值,并对所述哈希值进行转10进制处理,获得所有ID码值分别对应的10进制处理转码结果;
对所述标签类特征数据,根据数据类型从中识别出字符串类型的特征数据,根据预设的字符串排序规则对所述字符串类型的特征数据按照从1至M进行递增编码排序,获得所述字符串类型的特征数据对应的编码排序结果,其中,M为正整数;
对所述文本类特征数据,根据所述当前数据端历史记录的文本类特征使用频率,确定所有文本类特征数据分别对应的使用频率,根据所述使用频率对所述所有文本类特征数据进行降序排序,获得文本类特征数据的排序结果。
进一步的,所述统一维护函数包括第一数值参数和第二数值参数,所述采用所述统一维护函数对所述预处理后的特征数据进行初步整理,获得所述初步整理日志的步骤,具体包括:
基于所述统一维护函数中的第一数值参数对获得的所述所有ID码值分别对应的10进制处理转码结果进行转码结果筛选,筛选出后K个转码结果,其中,K为正整数,表示所述第一数值参数;
根据所述统一维护函数和所述字符串类型的特征数据对应的编码排序结果,获得所述字符串类型的特征数据对应的编码排序映射关系;
基于所述统一维护函数中的第二数值参数对所述文本类特征数据的排序结果进行筛选处理,筛选出前N个文本类特征数据,其中,N为正整数,表示所述第二数值参数;
将所述筛选出后K个转码结果、所述字符串类型的特征数据对应的编码排序映射关系以及所述筛选出前N个文本类特征数据,写入到预设的空白记录文件中,获得所述初步整理日志。
进一步的,所述基于所述统一维护函数中的第二数值参数对所述文本类特征数据的排序结果进行筛选处理,筛选出前N个文本类特征数据的步骤之后,所述方法还包括:
识别出所有数据端中未被筛选出的文本类特征数据;
根据未被筛选出的文本类特征数据分别对应的使用频率和预设的使用频率阈值,对所述未被筛选出的文本类特征数据进行清洗处理,具体清洗处理方式为:从所述未被筛选出的文本类特征数据中删除使用频率次数小于所述使用频率阈值的文本类特征数据。
进一步的,所述根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理的步骤,具体包括:
根据所有数据端分别对应的初步整理日志,确定所有数据端分别筛选出的后K个转码结果、所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系以及所有数据端分别筛选出的前N个文本类特征数据;
对所有数据端分别筛选出的后K个转码结果进行码值比较,根据码值比较结果对相同码值的转码结果进行去重处理,获得码值去重处理结果;
对所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系,添加所述区别标识,生成附带所述区别标识的字符串类型的特征数据对应的编码排序映射关系;
对所有数据端分别筛选出的前N个文本类特征数据,根据每个文本类特征数据分别在所有数据端中的使用频率,进行重新排序处理,获得文本类特征数据对应的重新排序结果;
将所述码值去重处理结果、附带所述区别标识的字符串类型的特征数据对应的编码排序映射关系以及文本类特征数据对应的重新排序结果作为所述整合型日志的记录信息,完成对所述多源数据端的待维护特征数据的整理。
进一步的,所述对所有数据端分别筛选出的前N个文本类特征数据,根据每个文本类特征数据分别在所有数据端中的使用频率,进行重新排序处理,获得文本类特征数据对应的重新排序结果的步骤,具体包括:
以所有数据端分别筛选出的前N个文本类特征数据依次为检索数据;
通过检索方式,分别获取每个检索数据分别在所有数据端中的使用频率;
根据所述区别标识和所述每个检索数据分别在所有数据端中的使用频率,进行累加求和,获得所述每个检索数据分别在所有数据端中的使用频率和值;
基于所述使用频率和值对所有数据端分别筛选出的前N个文本类特征数据进行降序排序,获得所述文本类特征数据对应的重新排序结果。
为了解决上述技术问题,本申请实施例还提供待维护特征数据整理装置,采用了如下所述的技术方案:
一种待维护特征数据整理装置,包括:
维护请求获取模块,用于获取多源数据端发送的特征数据维护请求;
维护请求解析模块,用于解析所述维护请求,获得相应数据端的特征数据存储信息;
特征数据初步整理模块,用于基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;
初步整理日志整合模块,用于根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的待维护特征数据整理方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的待维护特征数据整理方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述待维护特征数据整理方法,通过获取多源数据端发送的特征数据维护请求;解析所述维护请求,获得相应数据端的特征数据存储信息;基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。尤其在金融业务上,由于涉及的数据量较大以及数据端较多,通过分别对不同数据端的待维护特征数据进行初步整理,之后再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用所述统一维护函数相较于不同数据端采用不同维护函数,一定程度上减少了整理维护的工作量。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的待维护特征数据整理方法的一个实施例的流程图;
图3是图2所示步骤203的一个具体实施例的流程图;
图4是图3所示步骤302的一个具体实施例的流程图;
图5是图3所示步骤303的一个具体实施例的流程图;
图6是图2所示步骤204的一个具体实施例的流程图;
图7是图6所示步骤604的一个具体实施例的流程图
图8是根据本申请的待维护特征数据整理装置的一个实施例的结构示意图;
图9是图8所示特征数据初步整理模块803的一个具体实施例的结构示意图;
图10是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的待维护特征数据整理方法一般由服务器/终端设备执行,相应地,待维护特征数据整理装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的待维护特征数据整理方法的一个实施例的流程图。所述的待维护特征数据整理方法,包括以下步骤:
步骤201,获取多源数据端发送的特征数据维护请求。
本实施例中,所述多源数据端指金融业务系统中不同的数据端,例如保险理赔系统中的客户数据端、算法数据端、服务数据端等,所述多源数据端存储的数据在实际的保险理赔业务中侧重点不同,例如客户数据端更偏向于存储客户信息,算法数据端更偏向于存储理赔金额、理赔费率等,服务数据端更偏向于存储服务信息。
步骤202,解析所述维护请求,获得相应数据端的特征数据存储信息。
本实施例中,所述存储信息,一般包括存储路径,存储路径中包含了相应数据端的区别标识、存储信息在相应数据端中的存储文件,以及所述存储文件所在的各级存储夹。
步骤203,基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志。
通过所述预设的统一维护函数,使得能够对所述多源数据端,采用同样的维护函数进行特征数据整理维护,避免了采用不同的维护函数对不同的数据端进行逐个整理维护,一定程度上减少了金融业务大数据场景下的特征数据整理维护工作量。
继续参考图3,图3是图2所示步骤203的一个具体实施例的流程图,包括:
步骤301,根据所述存储信息识别出当前数据端的区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹;
步骤302,基于所述区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹对所述当前数据端中的待维护特征数据进行预处理,获得预处理后的特征数据;
继续参考图4,图4是图3所示步骤302的一个具体实施例的流程图,包括:
步骤401,识别所述当前数据端中待维护特征数据所对应的特征类型,获得识别结果,其中,所述特征类型包括ID类特征、标签类特征和文本类特征;
步骤402,根据所述识别结果,筛选出所述待维护特征数据中的ID类特征数据;
步骤403,根据所述识别结果,筛选出所述待维护特征数据中的标签类特征数据;
步骤404,根据所述识别结果,筛选出所述待维护特征数据中的文本类特征数据;
步骤405,对所述ID类特征数据,按照ID码值从小到大顺序使用MD5算法计算所有ID码值分别对应的哈希值,并对所述哈希值进行转10进制处理,获得所有ID码值分别对应的10进制处理转码结果;
具体的,对ID类特征数据,例如用户ID,由于ID类特征数据随记录入库而逐渐累加且各不相同,因此,对其进行MD5值处理,获得哈希值(包括16位哈希值或者32位哈希值),再对所述哈希值进行10进制转码处理,保证了最终获得的ID类特征数据都为数值类型的数据,便于维护人员进行整理维护。
步骤406,对所述标签类特征数据,根据数据类型从中识别出字符串类型的特征数据,根据预设的字符串排序规则对所述字符串类型的特征数据按照从1至M进行递增编码排序,获得所述字符串类型的特征数据对应的编码排序结果,其中,M为正整数;
具体的,对标签类特征数据中的字符串类型的特征数据,根据预设的字符串排序规则对所述字符串类型的特征数据按照从1至M进行递增编码排序,保证了最终获得的字符串类型的特征数据都具备唯一的排序编码,便于维护人员进行整理维护。
步骤407,对所述文本类特征数据,根据所述当前数据端历史记录的文本类特征使用频率,确定所有文本类特征数据分别对应的使用频率,根据所述使用频率对所述所有文本类特征数据进行降序排序,获得文本类特征数据的排序结果。
具体的,对文本类特征数据,根据所述当前数据端历史记录的文本类特征使用频率,确定所有文本类特征数据分别对应的使用频率,根据所述使用频率对所述所有文本类特征数据进行降序排序,保证了最终获得的文本类特征数据根据使用频率由高到低进行排序,便于维护人员进行整理维护,优先对高使用频率的文本类特征数据进行整理维护。
通过特征类型的不同识别出数据端中ID类特征数据、标签类特征数据和文本类特征数据,并对所述ID类特征数据、标签类特征数据和文本类特征数据分别采用不同的处理方式进行预处理,便于维护人员进行整理维护。
步骤303,采用所述统一维护函数对所述预处理后的特征数据进行初步整理,获得所述初步整理日志。
本实施例中,所述统一维护函数包括第一数值参数和第二数值参数。
继续参考图5,图5是图3所示步骤303的一个具体实施例的流程图,包括:
步骤501,基于所述统一维护函数中的第一数值参数对获得的所述所有ID码值分别对应的10进制处理转码结果进行转码结果筛选,筛选出后K个转码结果,其中,K为正整数,表示所述第一数值参数;
具体的,筛选出后K个转码结果,表示对最新入库的K个ID类特征数据进行整理维护,对于以往较早入库的ID类特征数据不再进行过多的维护整理,更加切合实际业务场景。
步骤502,根据所述统一维护函数和所述字符串类型的特征数据对应的编码排序结果,获得所述字符串类型的特征数据对应的编码排序映射关系;
具体的,获得所述字符串类型的特征数据对应的编码排序映射关系,便于后续结合所述编码排序映射关系对所述字符串类型的特征数据进行精准整理维护。
步骤503,基于所述统一维护函数中的第二数值参数对所述文本类特征数据的排序结果进行筛选处理,筛选出前N个文本类特征数据,其中,N为正整数,表示所述第二数值参数;
具体的,筛选出前N个文本类特征数据,表示对高使用频率的文本类特征数据进行维护整理,更加切合实际业务场景。
本实施例中,所述基于所述统一维护函数中的第二数值参数对所述文本类特征数据的排序结果进行筛选处理,筛选出前N个文本类特征数据的步骤之后,所述方法还包括:识别出所有数据端中未被筛选出的文本类特征数据;根据未被筛选出的文本类特征数据分别对应的使用频率和预设的使用频率阈值,对所述未被筛选出的文本类特征数据进行清洗处理,具体清洗处理方式为:从所述未被筛选出的文本类特征数据中删除使用频率次数小于所述使用频率阈值的文本类特征数据。
通过从所述未被筛选出的文本类特征数据中删除使用频率次数小于所述使用频率阈值的文本类特征数据,释放出一些低使用频率的文本类特征数据,保证了对数据端内的存储空间做进一步的优化处理,减少了当前数据端的存储压力。
步骤504,将所述筛选出后K个转码结果、所述字符串类型的特征数据对应的编码排序映射关系以及所述筛选出前N个文本类特征数据,写入到预设的空白记录文件中,获得所述初步整理日志。
步骤204,根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。
继续参考图6,图6是图2所示步骤204的一个具体实施例的流程图,包括:
步骤601,根据所有数据端分别对应的初步整理日志,确定所有数据端分别筛选出的后K个转码结果、所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系以及所有数据端分别筛选出的前N个文本类特征数据;
步骤602,对所有数据端分别筛选出的后K个转码结果进行码值比较,根据码值比较结果对相同码值的转码结果进行去重处理,获得码值去重处理结果;
本实施例中,码值相同,则说明从所述多源数据端获取的ID类特征数据存在相同,因此,为了便于整理维护,考虑进一步进行去重处理,减少了整理维护工作量。
步骤603,对所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系,添加所述区别标识,生成附带所述区别标识的字符串类型的特征数据对应的编码排序映射关系;
通过对所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系,添加所述区别标识,便于在后续整理维护时,精准对不同数据端中的标签类特征数据中的字符串类型的特征数据进行管理维护。
步骤604,对所有数据端分别筛选出的前N个文本类特征数据,根据每个文本类特征数据分别在所有数据端中的使用频率,进行重新排序处理,获得文本类特征数据对应的重新排序结果;
继续参考图7,图7是图6所示步骤604的一个具体实施例的流程图,包括:
步骤701,以所有数据端分别筛选出的前N个文本类特征数据依次为检索数据;
步骤702,通过检索方式,分别获取每个检索数据分别在所有数据端中的使用频率;
步骤703,根据所述区别标识和所述每个检索数据分别在所有数据端中的使用频率,进行累加求和,获得所述每个检索数据分别在所有数据端中的使用频率和值;
步骤704,基于所述使用频率和值对所有数据端分别筛选出的前N个文本类特征数据进行降序排序,获得所述文本类特征数据对应的重新排序结果。
本实施例中,对所有数据端分别筛选出的前N个文本类特征数据,根据每个文本类特征数据分别在所有数据端中的使用频率,进行重新排序处理,能够统计出筛选出的所有文本类特征数据在所有数据端中的使用频率和值,从而能够识别出筛选出的所有文本类特征数据在整个金融业务系统的使用频率情况,便于辅助运维人员优先整理维护高使用频率的文本类特征数据。
步骤605,将所述码值去重处理结果、附带所述区别标识的字符串类型的特征数据对应的编码排序映射关系以及文本类特征数据对应的重新排序结果作为所述整合型日志的记录信息,完成对所述多源数据端的待维护特征数据的整理。
本申请通过获取多源数据端发送的特征数据维护请求;解析所述维护请求,获得相应数据端的特征数据存储信息;基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。尤其在金融业务上,由于涉及的数据量较大以及数据端较多,通过分别对不同数据端的待维护特征数据进行初步整理,之后再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用所述统一维护函数相较于不同数据端采用不同维护函数,一定程度上减少了整理维护的工作量。
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。
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、大待维护特征数据整理技术、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。
本申请实施例中,通过获取多源数据端发送的特征数据维护请求;解析所述维护请求,获得相应数据端的特征数据存储信息;基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。尤其在金融业务上,由于涉及的数据量较大以及数据端较多,通过分别对不同数据端的待维护特征数据进行初步整理,之后再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用所述统一维护函数相较于不同数据端采用不同维护函数,一定程度上减少了整理维护的工作量。
进一步参考图8,作为对上述图2所示方法的实现,本申请提供了待维护特征数据整理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例所述的待维护特征数据整理装置800包括:维护请求获取模块801、维护请求解析模块802、特征数据初步整理模块803和初步整理日志整合模块804。其中:
维护请求获取模块801,用于获取多源数据端发送的特征数据维护请求;
维护请求解析模块802,用于解析所述维护请求,获得相应数据端的特征数据存储信息;
特征数据初步整理模块803,用于基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;
初步整理日志整合模块804,用于根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。
继续参考图9,图9是图8所示特征数据初步整理模块803的一个具体实施例的结构示意图,所述的特征数据初步整理模块803包括区别标识识别子模块901、特征数据预处理子模块902和初步整理子模块903。其中:
区别标识识别子模块901,用于根据所述存储信息识别出当前数据端的区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹;
特征数据预处理子模块902,用于基于所述区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹对所述当前数据端中的待维护特征数据进行预处理,获得预处理后的特征数据;
初步整理子模块903,用于采用所述统一维护函数对所述预处理后的特征数据进行初步整理,获得所述初步整理日志。
在本申请的一些具体实施例中,所述的特征数据预处理子模块902包括特征类型识别单元、ID类特征数据筛选单元、标签类特征数据筛选单元、文本类特征数据筛选单元、ID类特征数据转码单元、标签类特征数据编码排序单元和文本类特征数据排序单元。其中:
特征类型识别单元,用于识别所述当前数据端中待维护特征数据所对应的特征类型,获得识别结果,其中,所述特征类型包括ID类特征、标签类特征和文本类特征;
ID类特征数据筛选单元,用于根据所述识别结果,筛选出所述待维护特征数据中的ID类特征数据;
标签类特征数据筛选单元,用于根据所述识别结果,筛选出所述待维护特征数据中的标签类特征数据;
文本类特征数据筛选单元,用于根据所述识别结果,筛选出所述待维护特征数据中的文本类特征数据;
ID类特征数据转码单元,用于对所述ID类特征数据,按照ID码值从小到大顺序使用MD5算法计算所有ID码值分别对应的哈希值,并对所述哈希值进行转10进制处理,获得所有ID码值分别对应的10进制处理转码结果;
标签类特征数据编码排序单元,用于对所述标签类特征数据,根据数据类型从中识别出字符串类型的特征数据,根据预设的字符串排序规则对所述字符串类型的特征数据按照从1至M进行递增编码排序,获得所述字符串类型的特征数据对应的编码排序结果,其中,M为正整数;
文本类特征数据排序单元,用于对所述文本类特征数据,根据所述当前数据端历史记录的文本类特征使用频率,确定所有文本类特征数据分别对应的使用频率,根据所述使用频率对所述所有文本类特征数据进行降序排序,获得文本类特征数据的排序结果。
本申请通过获取多源数据端发送的特征数据维护请求;解析所述维护请求,获得相应数据端的特征数据存储信息;基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。尤其在金融业务上,由于涉及的数据量较大以及数据端较多,通过分别对不同数据端的待维护特征数据进行初步整理,之后再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用所述统一维护函数相较于不同数据端采用不同维护函数,一定程度上减少了整理维护的工作量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图10,图10为本实施例计算机设备基本结构框图。
所述计算机设备10包括通过系统总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是,图中仅示出了具有组件10a-10c的计算机设备10,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,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)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器10a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、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器10a可以是所述计算机设备10的内部存储单元,例如该计算机设备10的硬盘或内存。在另一些实施例中,所述存储器10a也可以是所述计算机设备10的外部存储设备,例如该计算机设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中,所述存储器10a通常用于存储安装于所述计算机设备10的操作系统和各类应用软件,例如一种待维护特征数据整理方法的计算机可读指令等。此外,所述存储器10a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器10b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他待维护特征数据整理芯片。该处理器10b通常用于控制所述计算机设备10的总体操作。本实施例中,所述处理器10b用于运行所述存储器10a中存储的计算机可读指令或者处理数据,例如运行所述待维护特征数据整理方法的计算机可读指令。
所述网络接口10c可包括无线网络接口或有线网络接口,该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于金融科技技术领域,应用于金融业务大数据维护管理场景中。本申请通过获取多源数据端发送的特征数据维护请求;解析所述维护请求,获得相应数据端的特征数据存储信息;基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。尤其在金融业务上,由于涉及的数据量较大以及数据端较多,通过分别对不同数据端的待维护特征数据进行初步整理,之后再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用所述统一维护函数相较于不同数据端采用不同维护函数,一定程度上减少了整理维护的工作量。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的待维护特征数据整理方法的步骤。
本实施例提出的计算机可读存储介质,属于金融科技技术领域,应用于金融业务大数据维护管理场景中。本申请通过获取多源数据端发送的特征数据维护请求;解析所述维护请求,获得相应数据端的特征数据存储信息;基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。尤其在金融业务上,由于涉及的数据量较大以及数据端较多,通过分别对不同数据端的待维护特征数据进行初步整理,之后再进行整合,便于辅助运维人员对待维护特征数据进行整体维护,采用所述统一维护函数相较于不同数据端采用不同维护函数,一定程度上减少了整理维护的工作量。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种待维护特征数据整理方法,其特征在于,包括下述步骤:
获取多源数据端发送的特征数据维护请求;
解析所述维护请求,获得相应数据端的特征数据存储信息;
基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;
根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。
2.根据权利要求1所述的待维护特征数据整理方法,其特征在于,所述基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志的步骤,具体包括:
根据所述存储信息识别出当前数据端的区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹;
基于所述区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹对所述当前数据端中的待维护特征数据进行预处理,获得预处理后的特征数据;
采用所述统一维护函数对所述预处理后的特征数据进行初步整理,获得所述初步整理日志。
3.根据权利要求2所述的待维护特征数据整理方法,其特征在于,所述基于所述区别标识、当前数据端中待维护特征数据所处的存储文件以及所述存储文件所在的各级存储夹对所述当前数据端中的待维护特征数据进行预处理,获得预处理后的特征数据的步骤,具体包括:
识别所述当前数据端中待维护特征数据所对应的特征类型,获得识别结果,其中,所述特征类型包括ID类特征、标签类特征和文本类特征;
根据所述识别结果,筛选出所述待维护特征数据中的ID类特征数据;
根据所述识别结果,筛选出所述待维护特征数据中的标签类特征数据;
根据所述识别结果,筛选出所述待维护特征数据中的文本类特征数据;
对所述ID类特征数据,按照ID码值从小到大顺序使用MD5算法计算所有ID码值分别对应的哈希值,并对所述哈希值进行转10进制处理,获得所有ID码值分别对应的10进制处理转码结果;
对所述标签类特征数据,根据数据类型从中识别出字符串类型的特征数据,根据预设的字符串排序规则对所述字符串类型的特征数据按照从1至M进行递增编码排序,获得所述字符串类型的特征数据对应的编码排序结果,其中,M为正整数;
对所述文本类特征数据,根据所述当前数据端历史记录的文本类特征使用频率,确定所有文本类特征数据分别对应的使用频率,根据所述使用频率对所述所有文本类特征数据进行降序排序,获得文本类特征数据的排序结果。
4.根据权利要求3所述的待维护特征数据整理方法,其特征在于,所述统一维护函数包括第一数值参数和第二数值参数,所述采用所述统一维护函数对所述预处理后的特征数据进行初步整理,获得所述初步整理日志的步骤,具体包括:
基于所述统一维护函数中的第一数值参数对获得的所述所有ID码值分别对应的10进制处理转码结果进行转码结果筛选,筛选出后K个转码结果,其中,K为正整数,表示所述第一数值参数;
根据所述统一维护函数和所述字符串类型的特征数据对应的编码排序结果,获得所述字符串类型的特征数据对应的编码排序映射关系;
基于所述统一维护函数中的第二数值参数对所述文本类特征数据的排序结果进行筛选处理,筛选出前N个文本类特征数据,其中,N为正整数,表示所述第二数值参数;
将所述筛选出后K个转码结果、所述字符串类型的特征数据对应的编码排序映射关系以及所述筛选出前N个文本类特征数据,写入到预设的空白记录文件中,获得所述初步整理日志。
5.根据权利要求4所述的待维护特征数据整理方法,其特征在于,所述基于所述统一维护函数中的第二数值参数对所述文本类特征数据的排序结果进行筛选处理,筛选出前N个文本类特征数据的步骤之后,所述方法还包括:
识别出所有数据端中未被筛选出的文本类特征数据;
根据未被筛选出的文本类特征数据分别对应的使用频率和预设的使用频率阈值,对所述未被筛选出的文本类特征数据进行清洗处理,具体清洗处理方式为:从所述未被筛选出的文本类特征数据中删除使用频率次数小于所述使用频率阈值的文本类特征数据。
6.根据权利要求4所述的待维护特征数据整理方法,其特征在于,所述根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理的步骤,具体包括:
根据所有数据端分别对应的初步整理日志,确定所有数据端分别筛选出的后K个转码结果、所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系以及所有数据端分别筛选出的前N个文本类特征数据;
对所有数据端分别筛选出的后K个转码结果进行码值比较,根据码值比较结果对相同码值的转码结果进行去重处理,获得码值去重处理结果;
对所有数据端中字符串类型的特征数据所分别对应的编码排序映射关系,添加所述区别标识,生成附带所述区别标识的字符串类型的特征数据对应的编码排序映射关系;
对所有数据端分别筛选出的前N个文本类特征数据,根据每个文本类特征数据分别在所有数据端中的使用频率,进行重新排序处理,获得文本类特征数据对应的重新排序结果;
将所述码值去重处理结果、附带所述区别标识的字符串类型的特征数据对应的编码排序映射关系以及文本类特征数据对应的重新排序结果作为所述整合型日志的记录信息,完成对所述多源数据端的待维护特征数据的整理。
7.根据权利要求6所述的待维护特征数据整理方法,其特征在于,所述对所有数据端分别筛选出的前N个文本类特征数据,根据每个文本类特征数据分别在所有数据端中的使用频率,进行重新排序处理,获得文本类特征数据对应的重新排序结果的步骤,具体包括:
以所有数据端分别筛选出的前N个文本类特征数据依次为检索数据;
通过检索方式,分别获取每个检索数据分别在所有数据端中的使用频率;
根据所述区别标识和所述每个检索数据分别在所有数据端中的使用频率,进行累加求和,获得所述每个检索数据分别在所有数据端中的使用频率和值;
基于所述使用频率和值对所有数据端分别筛选出的前N个文本类特征数据进行降序排序,获得所述文本类特征数据对应的重新排序结果。
8.一种待维护特征数据整理装置,其特征在于,包括:
维护请求获取模块,用于获取多源数据端发送的特征数据维护请求;
维护请求解析模块,用于解析所述维护请求,获得相应数据端的特征数据存储信息;
特征数据初步整理模块,用于基于所述存储信息和预设的统一维护函数,分别对所述多源数据端中的特征数据进行初步整理,获得初步整理日志;
初步整理日志整合模块,用于根据预设的整合策略,对所述初步整理日志进行整合处理,获得基于所述多源数据端的整合型日志,完成对所述多源数据端的待维护特征数据的整理。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的待维护特征数据整理方法的步骤。
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上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的待维护特征数据整理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410045931.7A CN117786390A (zh) | 2024-01-10 | 2024-01-10 | 一种待维护特征数据整理方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410045931.7A CN117786390A (zh) | 2024-01-10 | 2024-01-10 | 一种待维护特征数据整理方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117786390A true CN117786390A (zh) | 2024-03-29 |
Family
ID=90379755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410045931.7A Pending CN117786390A (zh) | 2024-01-10 | 2024-01-10 | 一种待维护特征数据整理方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117786390A (zh) |
-
2024
- 2024-01-10 CN CN202410045931.7A patent/CN117786390A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836131B (zh) | 一种大数据清洗方法、装置、计算机设备及存储介质 | |
CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
CN116431878A (zh) | 向量检索服务方法、装置、设备及其存储介质 | |
CN115238009A (zh) | 基于血缘分析的元数据管理方法、装置、设备及存储介质 | |
CN112084408B (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
CN117786390A (zh) | 一种待维护特征数据整理方法及其相关设备 | |
CN117093717B (zh) | 一种相似文本聚合方法、装置、设备及其存储介质 | |
CN117290452A (zh) | 一种数据仓库治理方法、装置、设备及其存储介质 | |
CN116796133A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN117076775A (zh) | 资讯数据的处理方法、装置、计算机设备及存储介质 | |
CN117853241A (zh) | 一种风险服务商识别方法、装置、设备及其存储介质 | |
CN116402644A (zh) | 基于大数据多源数据融合分析的法律监督方法和系统 | |
CN117114894A (zh) | 一种理赔结果预测方法、装置、设备及其存储介质 | |
CN117194032A (zh) | 一种任务执行方法、装置、设备及其存储介质 | |
CN117234505A (zh) | 一种交互页面生成方法、装置、设备及其存储介质 | |
CN117851055A (zh) | 一种任务调度方法、装置、设备及其存储介质 | |
CN117421312A (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
CN117113400A (zh) | 一种数据泄露溯源方法、装置、设备及其存储介质 | |
CN117785181A (zh) | 一种代码执行方法、装置、设备及其存储介质 | |
CN116028446A (zh) | 时序数据文件化管理方法、装置、设备及其存储介质 | |
CN117874073A (zh) | 一种搜索优化方法、装置、设备及其存储介质 | |
CN116795825A (zh) | 数据清理方法、装置、计算机设备及存储介质 | |
CN116701119A (zh) | 一种跑批任务数据监测方法、装置、设备及其存储介质 | |
CN116910095A (zh) | 埋点处理方法、装置、计算机设备及存储介质 |
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 |