CN107784070B - 一种提高数据清洗效率的方法、装置及设备 - Google Patents
一种提高数据清洗效率的方法、装置及设备 Download PDFInfo
- Publication number
- CN107784070B CN107784070B CN201710834301.8A CN201710834301A CN107784070B CN 107784070 B CN107784070 B CN 107784070B CN 201710834301 A CN201710834301 A CN 201710834301A CN 107784070 B CN107784070 B CN 107784070B
- Authority
- CN
- China
- Prior art keywords
- query
- data
- cleaning
- request
- keyword
- 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.)
- Active
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
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2453—Query optimisation
- G06F16/24534—Query rewriting; Transformation
- G06F16/24549—Run-time optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种提高数据清洗效率的方法包括:接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;根据排序后的查询关键字,对数据进行查询和清洗。由于用户可以任意输入查询关键字,即可快速的自动进行数据查找,有利于提高查找的便利性,节约查找时间,提高清洗效率。
Description
技术领域
本发明属于数据处理领域,尤其涉及一种数据清洗效率的方法、装置及设备。
背景技术
在保险行业,每隔一段时间需要对数据进行清洗,即对数据进行重新审查和校验的过程,目的在于删除重复信息、纠正存在的错误,并提供数据一致性。比如每个月的月中和月底,对保险分红数据的清洗等。由于不同保险的分红日期不相同,并且保险单的数量巨大。比如平安保险公司的每月保险分红的数量高达3亿多条,并且,随着时间的推移,每月增长达数百万条之多。
对如此庞大的数据进行清洗时,需要测试人员对数据进行多次的查找和对比分析,以发现所存储的数据中的异常。由于数据量太大,导致测试人员查找数据时需要消耗的时间非常长,查找规范使得查找麻烦,查找效率非常低。
发明内容
有鉴于此,本申请实施例提供了提高数据清洗效率的方法、装置及设备,以解决现有技术中由于数据量太大,导致测试人员查找数据时需要消耗的时间非常长,查找麻烦,而且效率非常低的问题。
本申请实施例的第一方面提供了一种提高数据清洗效率的方法,所述提高数据清洗效率的方法包括:
接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;
根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;
根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;
根据排序后的查询关键字,对数据进行查询和清洗。
结合第一方面,在第一方面的第一种可能实现方式中,所述对数据进行查询和清洗的步骤包括:
将查找的相似业务的数据结果进行统计,得到不同数据结果的项数所占的比例值;
将统计的比例值与预定的比例阈值进行比较,记录小于预定的比例阈值的比例值所对应的数据结果的单号。
结合第一方面,在第一方面的第二种可能实现方式中,所述对数据进行查询和清洗的步骤包括:
设定输入的查询关键字所对应的标准数据结果;
将所述查询关键字对应的数据结果与标准数据结果进行比较,记录出现差异的数据结果所对应的单号。
结合第一方面,在第一方面的第三种可能实现方式中,所述对数据进行查询和清洗的步骤包括:
获取接收所述数据清洗请求时的请求时间;
根据预设的请求时间与预定时段数据的对应关系,查找所述数据清洗请求所对应的预定时段数据;
对所述预定时段数据进行对比分析。
结合第一方面、第一方面的第一种可能实现方式、第一方面的第二种可能实现方式或第一方面的第三种可能实现方式,在第一方面的第四种可能实现方式中,所述方法还包括:
统计所述查询关键字所对应的查询字段的查询频率;
根据所述查询字段的查询频率,调整所述联合索引中的查询字段的顺序。
本申请实施例的第二方面提供了一种提高数据清洗效率的装置,所述提高数据清洗效率的装置包括:
请求接收单元,用于接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;
查询字段查找单元,用于根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;
排序单元,用于根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;
清洗单元,用于根据排序后的查询关键字,对数据进行查询和清洗。
结合第二方面,在第二方面的第一种可能实现方式中,所述清洗单元包括:
比例值确定子单元,用于将查找的相似业务的数据结果进行统计,得到不同数据结果的项数所占的比例值;
第一单号记录子单元,用于将统计的比例值与预定的比例阈值进行比较,记录小于预定的比例阈值的比例值所对应的数据结果的单号。
结合第二方面,在第二方面的第二种可能实现方式中,所述清洗单元包括:
标准数据结果设定子单元,用于设定输入的查询关键字所对应的标准数据结果;
第二单号记录子单元,用于将所述查询关键字对应的数据结果与标准数据结果进行比较,记录出现差异的数据结果所对应的单号。
本申请实施例的第三方面提供了一种提高数据清洗效率的设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如第一方面任一项所述提高数据清洗效率的方法的步骤。
本申请实施例的第四方面提供了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程序,其特征在于,所述计算机程序被处理器执行时实现如第一方面任一项所述提高数据清洗效率的方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:接收数据清洗请求中包括的查询关键字,根据查询关键字与查询字段的对应关系,对所述查询关键字进行排序,从而根据排序后的关键字在相应的查询字段中快速的查找到需要的数据进行清洗。由于数据清洗时可以由用户任意输入需要查询的数据,用户可以任意输入查询关键字,即可快速的自动进行数据查找,有利于提高查找的便利性,节约查找时间,提高清洗效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的提高数据清洗效率的方法的实现流程示意图;
图2是本申请实施例提供的提高数据清洗效率的方法的实现流程示意图;
图3是本申请实施例提供的提高数据清洗效率的方法的实现流程示意图;
图4是本申请实施例提供的提高数据清洗效率的方法的实现流程示意图;
图5是本申请实施例提供的提高数据清洗效率的装置的示意图;
图6是本申请实施例提供的提高数据清洗效率的设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如图1所示为本申请实施例提供的提高数据清洗效率的方法的实现流程示意图,详述如下:
在步骤S101中,接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字。
具体的,所述数据清洗请求,可以为用户在输入查询关键字后触发的异常数据查询请求。
所述查询关键字,可以为查询字段中包括的内容。比如,对于业务名称的查询字段中,包括多个具体的业务名称,所述查询关键字可以为业务名称中的查询字段中的具体的业务名称。
所述数据清洗是指用于过滤那些不符合要求的数据,将过滤的结果查找和记录,以便于确认是否过滤掉,或者由业务单位修正之后再进行抽取。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据等。
对于数据量非常大的数据清洗,可以根据预定的时间段,对数据进行划分,在一个时间段内,针对一段固定的历史数据进行清洗,避免实时对数据清洗时,由于数据增加所带来的数据清洗次数显著增加,以及避免对数据的多次重复清洗。
在步骤S102中,根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段。
具体的,所述查询关键字与查询字段的对应关系,可以获取查询字段所包括的具体名称,建立所述查询字段与所有的具体名称的对应关系。当用户输入查询关键字时,将所述查询关键字与具体名字进行匹配,当两者的相似度超过一定值,可以确定输入的查询关键字所对应的查询字段。
所述查询关键字与查询字段下的具体名称的相似度,可以根据具体名称与查询字段相同的字数,与具体名称的总字数的比值,确定两者的相似度。可以通过相似度阈值,查找出与输入的查询关键字较为相近的多个具体名称,近而得到与具体名称对应的相关数据。
或者,还可以根据查询关键字的字数确定的第一相似度,结合查询关键字的字义与查询字段的字义的第二相似度,确定所述查询关键字所对应的查询字段。所述查询关键字、查询字段的字义,可以预先设定,根据查询关键字和查询字段与字义的对应关系,确定查询关键字所对应的字义,也可以确定查询字段的字义。
所述查询字段,表示在数据存储表中所存储的一列数据。在所述数据存储表中,所包括的每列数据,分别对应一个查询字段,比如可以包括序号查询字段、名称查询字段、业务类型查询字段、数据结果查询字段等。
在步骤S103中,根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序。
预先通过联合索引的方式,对待清洗数据表进行存储。所述联合索引中包括查询字段的查询顺序。通过联合索引的方式,按照联合索引中的查询字段的排序信息,相应的调用对应的查询关键字,可以更加准确和快速的查找到目标的结果数据。
比如,待清洗的数据表中存储有A、B、C、D、E、F六个查询字段,并且查询字段的顺序依次为F、E、D、C、B、A。当用户输入的查询关键字对应E-F、D-E-F、C-D-E-F、B-C-D-E-F、A-B-C-D-E-F时,可以根据查询字段的排序结果,对所述数据清洗请求对应的查询字段进行排序为:F-E、F-E-D、F-E-D-C、F-E-D-C-B、F-E-D-C-B-A。当用户输入的查询关键字所对应的查询字段在查询字段顺序表的中间部缺少部分查询字段时,可以自动将该缺少的查询字段补充为全部查找,从而能够进一步提高查询的可适应性或灵活性。
另外,还可以根据用户输入缺省查询关键字时所选择的查询结果,根据不同结果的选择的次数,将全部查找的数据根据选择的次数进行排序,在使用过程中根据选择结果不断的优化排序,便于用户有效的查找到所需的数据。
在步骤S104中,根据排序后的查询关键字,对数据进行查询和清洗。
根据排序后的查询关键字进行数据查询时,可以由根据查询的结果数据的差异进行分析,将小比例的存在差异的结果数据记录为异常的结果数据。或者,也可以根据查询关键字设定对应的标准数据结果,将查询的数据结果与标准的数据结果进行对比,即可确定出现异常的数据结果。
通过接收数据清洗请求中包括的查询关键字,根据查询关键字与查询字段的对应关系,对所述查询关键字进行排序,从而根据排序后的关键字在相应的查询字段中快速的查找到需要的数据进行清洗。由于数据清洗时可以由用户任意输入需要查询的数据,用户可以任意输入查询关键字,即可快速的自动进行数据查找,有利于提高查找的便利性,节约查找时间,提高清洗效率。
图2为本申请实施例提供的又一种提高数据清洗效率的方法的实现流程,详述如下:
在步骤S201中,接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字。
在步骤S202中,根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段。
在步骤S203中,根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序。
步骤S201-S203与图1所述的步骤S101-S103基本相同。
在步骤S204中,根据排序后的查询关键字,将查找的相似业务的数据结果进行统计,得到不同数据结果的项数所占的比例值。
根据用户输入的查询关键字,匹配对应的查询字段后,对查询关键字进行排序,根据排序后的查询关键字,在数据表中进行查询,查找到查询关键字所对应的数据结果。将根据数据进行比较和分析,可以得到不同的值的数据结果的数量,以及不同值的数据结果的数量占总的数据结果的数量的比例。
比如,通过查询得到的数据结果包括X、Y、Z三种,并且每种数据结果的数量为588、658、54条,那么,X、Y、Z的数据结果所占的比例值分别为:588/1300、658/1300、54/1300。
在步骤S205中,将统计的比例值与预定的比例阈值进行比较,记录小于预定的比例阈值的比例值所对应的数据结果的单号。
根据异常数据结果出现的机率较小的特性,可以设定比例阈值,比如5%等。将比例值小于预设的比例阈值的数据结果作为异常的数据结果进行记录。通过比较比例值的方式,可以自动对异常数据进行求解,可以提高***查找异常的结果数据的智能性和查找效率。
图3为本发明实施例提供的又一提高数据清洗效率的方法的实现流程,详述如下:
在步骤S301中,接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字。
在步骤S302中,根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段。
在步骤S303中,根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序。
步骤S301-S303与图1所述的步骤S101-S103基本相同。
在步骤S304中,设定输入的查询关键字所对应的标准数据结果;
根据排序后的查询关键字,将所述查询关键字对应的数据结果与标准数据结果进行比较,记录出现差异的数据结果所对应的单号。
所述标准数据结果可以由工作人员进行设定,或者也可以根据***计算的数据结果中挑选比例最大的数据结果,作为标准数据结果。将所述标准数据结果与其它数据结果进行比较,从而可以快速的定位异常数据结果,特别是当异常数据结果包括多种,以及异常数据结果的数量较多时,使用该查找方式,有利于提高查找效率。
图4为本发明实施例提供的又一提高数据清洗效率的方法的实现流程,详述如下:
在步骤S401中,接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字。
在步骤S402中,根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段。
在步骤S403中,根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序。
步骤S401-S403与图1所述的步骤S101-S103基本相同。
在步骤S404中,获取接收所述数据清洗请求时的请求时间。
所述接收所述数据清洗请求的请求时间,可以为用户触发所述清洗请求的时间。如果用户触发所述清洗请求时,设定为预定时间点进行数据清洗,则所述数据清洗请求时的请求时间,可以为对数据进行清洗时的时间。
在步骤S405中,根据预设的请求时间与预定时段数据的对应关系,查找所述数据清洗请求所对应的预定时段数据。
所述请求时间与预定时段数据的对应关系,可以根据清洗要求而设定。比如,可以设定在在每个月的1号-19号进行数据清洗时,所记录的执行日期为上月的月末,所对应的数据为上月20号到月末之间的数据。在每个月的20号到月末进行数据清洗时,所记录的执行日期为当月的20号,所对应的数据为1号到19号的数据,比如,执行时间与记录执行的日期、数据的对应关系可以如下表所示:
当然,上述执行日期和时段同,只是其中一种划分方式。
在步骤S406中,对所述预定时段数据进行对比分析。
通过将预定时段的数据与清洗时间建立对应关系,使得用户在进行数据清理时,可在不同的时间点对相同的数据进行多次清理校验,并且可以避免引入不同数据对清洗带来干扰,有利于提高清洗的准确率。
另外,作为本申请优化的一种实施方式,所述方法还可以包括对联合索的查询字段的顺序进行优化的步骤,包括:
统计所述查询关键字所对应的查询字段的查询频率;
根据所述查询字段的查询频率,调整所述联合索引中的查询字段的顺序。
通过对用户输入的查询关键字进行统计,可以记录用户输入次数最多的查询关键字,将次数最多的关键字所对应的查询字段排放在靠前位置,从而使得用户能够更加快速的查找到所需要的数据,进一步提高查询效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
图5为本申请实施例提供的提高数据清洗效率的装置的结构示意图,详述如下:
本申请所述提高数据清洗效率的装置,包括:
请求接收单元501,用于接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;
查询字段查找单元502,用于根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;
排序单元503,用于根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;
清洗单元504,用于根据排序后的查询关键字,对数据进行查询和清洗。
优选的,所述清洗单元包括:
比例值确定子单元,用于将查找的相似业务的数据结果进行统计,得到不同数据结果的项数所占的比例值;
第一单号记录子单元,用于将统计的比例值与预定的比例阈值进行比较,记录小于预定的比例阈值的比例值所对应的数据结果的单号。
优选的,所述清洗单元包括:
标准数据结果设定子单元,用于设定输入的查询关键字所对应的标准数据结果;
第二单号记录子单元,用于将所述查询关键字对应的数据结果与标准数据结果进行比较,记录出现差异的数据结果所对应的单号。
图5所述提高数据清洗效率的设备,与图1-4所述的提高数据清洗效率的方法对应。
图6是本发明一实施例提供的提高数据清洗效率的设备的示意图。如图6所示,该实施例的提高数据清洗效率的设备6包括:处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62,例如提高数据清洗效率的程序。所述处理器60执行所述计算机程序62时实现上述各个提高数据清洗效率的方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块501至504的功能。
示例性的,所述计算机程序62可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器61中,并由所述处理器60执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序62在所述提高数据清洗效率的设备6中的执行过程。例如,所述计算机程序62可以被分割成请求接收单元、查询字段查找单元、排序单元和清洗单元,各单元具体功能如下:
请求接收单元,用于接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;
查询字段查找单元,用于根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;
排序单元,用于根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;
清洗单元,用于根据排序后的查询关键字,对数据进行查询和清洗。
所述提高数据清洗效率的设备6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。所述提高数据清洗效率的设备可包括,但不仅限于,处理器60、存储器61。本领域技术人员可以理解,图6仅仅是提高数据清洗效率的设备6的示例,并不构成对提高数据清洗效率的设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述提高数据清洗效率的设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器61可以是所述提高数据清洗效率的设备6的内部存储单元,例如提高数据清洗效率的设备6的硬盘或内存。所述存储器61也可以是所述提高数据清洗效率的设备6的外部存储设备,例如所述提高数据清洗效率的设备6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。进一步地,所述存储器61还可以既包括所述提高数据清洗效率的设备6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述提高数据清洗效率的设备所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元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单元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,也可以采用软件功能单元的形式实现。
所述集成的模块/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取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。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)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例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同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.一种提高数据清洗效率的方法,其特征在于,所述提高数据清洗效率的方法包括:
接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;所述数据清洗是指过滤不符合要求的数据;所述数据清洗请求,为用户在输入查询关键字后触发的异常数据查询请求;
根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;
根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;
根据排序后的查询关键字,对数据进行查询和清洗,包括:获取接收所述数据清洗请求时的请求时间;根据预设的请求时间与预定时段数据的对应关系,查找所述数据清洗请求所对应的预定时段数据;对所述预定时段数据进行对比分析,设定输入的查询关键字所对应的标准数据结果;将所述查询关键字对应的数据结果与标准数据结果进行比较,记录出现差异的数据结果所对应的单号;
统计所述查询关键字所对应的查询字段的查询频率;
根据所述查询字段的查询频率,调整所述联合索引中的查询字段的顺序。
2.根据权利要求1所述的提高数据清洗效率的方法,其特征在于,所述对数据进行查询和清洗的步骤包括:
将查找的相似业务的数据结果进行统计,得到不同数据结果的项数所占的比例值;
将统计的比例值与预定的比例阈值进行比较,记录小于预定的比例阈值的比例值所对应的数据结果的单号。
3.一种提高数据清洗效率的装置,其特征在于,所述提高数据清洗效率的装置包括:
请求接收单元,用于接收数据清洗请求,所述数据清洗请求包括用户输入的查询关键字;所述数据清洗是指过滤不符合要求的数据;所述数据清洗请求,为用户在输入查询关键字后触发的异常数据查询请求;
查询字段查找单元,用于根据查询关键字与查询字段所具有的相同的字数占查询字段总字数的比例,确定所述查询关键字与查询字段的相似度,根据所述相似度确定所述查询关键字所对应的查询字段;
排序单元,用于根据预设的联合索引中的查询字段的查询顺序,对所述查询关键字进行排序;统计所述查询关键字所对应的查询字段的查询频率;根据所述查询字段的查询频率,调整所述联合索引中的查询字段的顺序;
清洗单元,用于根据排序后的查询关键字,对数据进行查询和清洗,包括:获取接收所述数据清洗请求时的请求时间;根据预设的请求时间与预定时段数据的对应关系,查找所述数据清洗请求所对应的预定时段数据;对所述预定时段数据进行对比分析;所述清洗单元包括:标准数据结果设定子单元,用于设定输入的查询关键字所对应的标准数据结果;第二单号记录子单元,用于将所述查询关键字对应的数据结果与标准数据结果进行比较,记录出现差异的数据结果所对应的单号。
4.根据权利要求3所述的提高数据清洗效率的装置,其特征在于,所述清洗单元包括:
比例值确定子单元,用于将查找的相似业务的数据结果进行统计,得到不同数据结果的项数所占的比例值;
第一单号记录子单元,用于将统计的比例值与预定的比例阈值进行比较,记录小于预定的比例阈值的比例值所对应的数据结果的单号。
5.一种提高数据清洗效率的设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1或2所述提高数据清洗效率的方法的步骤。
6.一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或2所述提高数据清洗效率的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710834301.8A CN107784070B (zh) | 2017-09-15 | 2017-09-15 | 一种提高数据清洗效率的方法、装置及设备 |
PCT/CN2018/082314 WO2019052162A1 (zh) | 2017-09-15 | 2018-04-09 | 提高数据清洗效率的方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710834301.8A CN107784070B (zh) | 2017-09-15 | 2017-09-15 | 一种提高数据清洗效率的方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107784070A CN107784070A (zh) | 2018-03-09 |
CN107784070B true CN107784070B (zh) | 2020-10-30 |
Family
ID=61438075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710834301.8A Active CN107784070B (zh) | 2017-09-15 | 2017-09-15 | 一种提高数据清洗效率的方法、装置及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107784070B (zh) |
WO (1) | WO2019052162A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784070B (zh) * | 2017-09-15 | 2020-10-30 | 平安科技(深圳)有限公司 | 一种提高数据清洗效率的方法、装置及设备 |
CN108984708B (zh) * | 2018-07-06 | 2022-02-01 | 蔚来(安徽)控股有限公司 | 脏数据识别方法及装置、数据清洗方法及装置、控制器 |
CN109947770A (zh) * | 2018-08-14 | 2019-06-28 | 武汉斗鱼网络科技有限公司 | 一种数据库查询方法、终端设备及存储介质 |
CN109299233B (zh) * | 2018-09-19 | 2024-03-01 | 平安科技(深圳)有限公司 | 文本数据处理方法、装置、计算机设备及存储介质 |
CN109271379A (zh) * | 2018-10-11 | 2019-01-25 | 北京奇艺世纪科技有限公司 | 一种数据清理方法及装置 |
CN109492089A (zh) * | 2018-10-18 | 2019-03-19 | 上海连尚网络科技有限公司 | 用于输出信息的方法和装置 |
CN110457704B (zh) * | 2019-08-12 | 2022-11-15 | 北京明略软件***有限公司 | 目标字段的确定方法、装置、存储介质及电子装置 |
CN113326261B (zh) * | 2021-04-29 | 2024-03-08 | 奇富数科(上海)科技有限公司 | 数据血缘关系提取方法、装置及电子设备 |
CN117171153A (zh) * | 2023-09-11 | 2023-12-05 | 北京三维天地科技股份有限公司 | 一种支持自定义清洗流程的可视化数据清洗方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650734A (zh) * | 2009-08-17 | 2010-02-17 | 金蝶软件(中国)有限公司 | 一种表单过滤方法、装置、表单处理***及信息处理设备 |
CN103514201A (zh) * | 2012-06-27 | 2014-01-15 | 阿里巴巴集团控股有限公司 | 一种非关系型数据库的数据查询方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040044679A1 (en) * | 2002-08-30 | 2004-03-04 | Kuo-Chin Chang | System and method for remotely generating reports |
CN102542071B (zh) * | 2012-01-17 | 2014-02-26 | 深圳市龙视传媒有限公司 | 一种分布式处理数据的***及方法 |
CN104268216A (zh) * | 2014-09-24 | 2015-01-07 | 江苏名通信息科技有限公司 | 一种基于互联网信息的数据清洗*** |
CN107784070B (zh) * | 2017-09-15 | 2020-10-30 | 平安科技(深圳)有限公司 | 一种提高数据清洗效率的方法、装置及设备 |
-
2017
- 2017-09-15 CN CN201710834301.8A patent/CN107784070B/zh active Active
-
2018
- 2018-04-09 WO PCT/CN2018/082314 patent/WO2019052162A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101650734A (zh) * | 2009-08-17 | 2010-02-17 | 金蝶软件(中国)有限公司 | 一种表单过滤方法、装置、表单处理***及信息处理设备 |
CN103514201A (zh) * | 2012-06-27 | 2014-01-15 | 阿里巴巴集团控股有限公司 | 一种非关系型数据库的数据查询方法和装置 |
Non-Patent Citations (3)
Title |
---|
sql写where字句后面的字段顺序是不是要与建立索引的顺序一样查询会快些;用户MeChess;《百度知道》;20100105;第1页 * |
用户MeChess.sql写where字句后面的字段顺序是不是要与建立索引的顺序一样查询会快些.《百度知道》.2010,第1页. * |
针对包含异常值数据的优化K-MEANS聚类算法;焦昂;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120315;第I138-1654页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019052162A1 (zh) | 2019-03-21 |
CN107784070A (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107784070B (zh) | 一种提高数据清洗效率的方法、装置及设备 | |
CN110020122B (zh) | 一种视频推荐方法、***及计算机可读存储介质 | |
CN107819627B (zh) | ***故障处理方法及服务器 | |
CN108038130B (zh) | 虚假用户的自动清理方法、装置、设备及存储介质 | |
CN107179930B (zh) | 一种应用卸载推荐方法及装置 | |
CN108536739B (zh) | 元数据敏感信息字段识别方法、装置、设备及存储介质 | |
CN110888981A (zh) | 基于标题的文档聚类方法、装置、终端设备及介质 | |
CN110990350A (zh) | 日志的解析方法及装置 | |
CN108920601B (zh) | 一种数据匹配方法及装置 | |
CN109101630B (zh) | 一种应用程序搜索结果的生成方法、装置及设备 | |
CN116228374A (zh) | 物流行业市场单量数据预警方法、装置、设备及存储介质 | |
CN112765118B (zh) | 一种日志查询方法、装置、设备及存储介质 | |
CN113705625A (zh) | 异常生活保障申请家庭的识别方法、装置及电子设备 | |
CN114968933A (zh) | 数据中心的日志的分类方法和装置 | |
CN111652281B (zh) | 信息数据的分类方法、装置及可读存储介质 | |
CN109472766B (zh) | 桥梁螺栓区域定位方法及终端设备 | |
CN114116799A (zh) | 异常交易环路的识别方法、装置、终端及存储介质 | |
CN107436788B (zh) | 一种应用程序的卸载方法、装置及终端设备 | |
CN112016975A (zh) | 产品筛选方法、装置、计算机设备及可读存储介质 | |
CN111158994A (zh) | 一种压测性能测试方法及装置 | |
CN111427778A (zh) | 一种测试方法、装置、终端设备及存储介质 | |
CN110728138A (zh) | 新闻文本识别的方法、装置以及存储介质 | |
CN115187153B (zh) | 应用于业务风险溯源的数据处理方法及*** | |
CN113392105A (zh) | 业务数据处理方法和终端设备 | |
CN110716747B (zh) | 基于函数参数统计的程序运行效率优化方法及终端设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |