CN112836045A - 基于文本数据集的数据处理方法、装置及终端设备 - Google Patents
基于文本数据集的数据处理方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112836045A CN112836045A CN202011565188.6A CN202011565188A CN112836045A CN 112836045 A CN112836045 A CN 112836045A CN 202011565188 A CN202011565188 A CN 202011565188A CN 112836045 A CN112836045 A CN 112836045A
- Authority
- CN
- China
- Prior art keywords
- keyword
- data
- source data
- candidate
- effective
- 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 claims abstract description 29
- 238000012512 characterization method Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 230000003542 behavioural effect Effects 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于文本数据集的数据处理方法、装置及终端设备，该方法应用于数据处理领域，包括：获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组；基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量；根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。本发明提供的基于文本数据集的数据处理方法、装置及终端设备能够有效地对特定群体人口监控***中的登记源数据进行分类处理，提高后续数据处理速度。
Description
技术领域
本发明属于数据处理技术领域，更具体地说，是涉及一种基于文本数据集的数据处理方法、装置及终端设备。
背景技术
已知特定群体人口监控***内部存储着大量登记源数据，如何有效地对大量登记源数据进行分类处理成为本领域技术人员亟需解决的问题。
发明内容
本发明的目的在于提供一种基于文本数据集的数据处理方法、装置及终端设备，以实现特定群体人口监控***中登记源数据的分类处理。
本发明实施例的第一方面，提供了一种基于文本数据集的数据处理方法，所述基于文本数据集的数据处理方法应用于特定群体人口监控***，所述方法包括：
获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组；
基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量；其中，所述权重对照表为各个有效关键词以及各个有效关键词对应的行为能力指数的对照表；
根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。
本发明实施例的第二方面，提供了一种基于文本数据集的数据处理装置，所述基于文本数据集的数据处理装置应用于特定群体人口监控***，其特征在于，包括：
数据获取模块，用于获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组；
指数确定模块，用于基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量；其中，所述权重对照表为各个有效关键词以及各个有效关键词对应的行为能力指数的对照表；
分类存储模块，用于根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。
本发明实施例的第三方面，提供了一种终端设备，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，所述处理器执行所述计算机程序时实现上述的基于文本数据集的数据处理方法的步骤。
本发明实施例的第四方面，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，所述计算机程序被处理器执行时实现上述的基于文本数据集的数据处理方法的步骤。
本发明实施例提供的基于文本数据集的数据处理方法、装置及终端设备的有益效果在于：
本发明是基于目标特定群体人口监控***的文本数据集进行数据分类处理的，相对于直接基于数据表字段进行分类处理的方案，本发明给出的基于文本数据集的数据分类处理方法可以考虑到目标特定群体人口监控***中登记源数据的个性化文本描述，从而更加准确地对目标特定群体人口监控***的数据进行分类。在上述构思的基础上，本发明给出了具体的实现方案，也即提取登记源数据的有效关键词，根据有效关键词对应的行为能力指数对各个登记源数据进行分类，从而实现了更为准确的目标特定群体人口监控***的数据分类处理方案。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于文本数据集的数据处理方法的流程示意图；
图2为本发明一实施例提供的基于文本数据集的数据处理装置的结构框图；
图3为本发明一实施例提供的终端设备的示意框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
请参考图1，图1为本发明一实施例提供的基于文本数据集的数据处理方法的流程示意图，该方法包括：
S101：获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组。
在本实施例中，登记源数据可以为目标特定群体人口监控***中关于人员行为能力现状描述的文本数据集。
S102：基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量。
在本实施例中，权重对照表为各个有效关键词以及各个有效关键词对应的行为能力指数的对照表。
在本实施例中，可基于每个关键词组中各个有效关键词的行为能力指数确定各个关键词组对应的行为能力指数表征量。其中，行为能力指数表征量用于描述各个登记源数据对应的人员的行为能力。
S103：根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。
在本实施例中，对各个数据类进行分块存储可以详述为：
按照各个数据类的平均访问频次对各个数据类进行排序，将各个数据类的排序顺序确定为各个数据类在目标数据块的存储顺序(排序顺序越靠前，则存储位置也越靠前)。其中，同一数据类存储进连续的存储空间内。
其中，某个数据类的平均访问频次为该数据类中各个登记源数据的被访问次数的平均值。
由上可以得出，本发明是基于目标特定群体人口监控***的文本数据集进行数据分类处理的，相对于直接基于数据表字段进行分类处理的方案，本发明给出的基于文本数据集的数据分类处理方法可以考虑到目标特定群体人口监控***中登记源数据的个性化文本描述，从而更加准确地对目标特定群体人口监控***的数据进行分类。在上述构思的基础上，本发明给出了具体的实现方案，也即提取登记源数据的有效关键词，根据有效关键词对应的行为能力指数对各个登记源数据进行分类，从而实现了更为准确的目标特定群体人口监控***的数据分类处理方案。
可选地，作为本发明实施例提供的基于文本数据集的数据处理方法的一种具体实施方式，对于某个登记源数据，提取该登记源数据中的有效关键词的方法为：
在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及关键词库中与各个候选关键词对应的目标关键词。
将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词。
在本实施例中，候选关键词即与关键词库中某个目标关键词相似的关键词，例如，某个目标关键词为“无行动能力”，而登记源数据中存在短语“缺乏行动能力”或“x行动x能力”(其中x代表字或词)，则在近似搜索时，“无行动能力”会成为“缺乏行动能力”或“x行动x能力”(其中x代表字或词) 对应的目标关键词。也就是说，近似搜索也即从关键词库中搜索出某些与候选关键词存在重合短语的目标关键词。其中，值得注意的是，候选关键词即已经与目标关键词对应上的关键词，若登记源数据存在一关键词，其未与关键词库中任何一个目标关键词匹配，则该关键词不能称为候选关键词。
可选地，作为本发明实施例提供的基于文本数据集的数据处理方法的一种具体实施方式，在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及关键词库中与各个候选关键词对应的目标关键词，包括：
在预设的关键词库中进行近似搜索，若该登记源数据中的某一关键词与关键词库中某一关键词之间的相似度大于预设值，则将该关键词作为候选关键词，将与该关键词对应的关键词库中的关键词作为目标关键词。
在本实施例中，登记源数据中的某一关键词与关键词库中某一关键词之间的相似度指的是登记源数据中的某一关键词与关键词库中某一关键词之间的短语重合度。
可选地，作为本发明实施例提供的基于文本数据集的数据处理方法的一种具体实施方式，预设的匹配模型为概率神经网络模型。
将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词，包括：
S41：任选一候选关键词，将该候选关键词、以及与该候选关键词对应的目标关键词输入至预设的匹配模型中，得到该候选关键词与该目标关键词之间的匹配概率。
S42：若匹配概率大于预设概率值，则将该目标关键词作为有效关键词。若匹配概率不大于预设概率值，则删除该候选关键词。
S43：若已遍历所有候选关键词，则将步骤S42中得到的各个有效关键词作为该登记源数据对应的有效关键词。
若未遍历所有候选关键词，则返回执行步骤S41。
在本实施例中，概率神经网络模型用于接收候选关键词以及与候选关键词对应的目标关键词，并输出两者的匹配概率。若两者的匹配概率不大于预设概率值，则表明匹配失败，删除该候选关键词，若两者的匹配概率大于预设概率值，则表明匹配成功，将目标关键词作为代表该候选关键词的有效关键词，以更方便地进行后续计算。
可选地，作为本发明实施例提供的基于文本数据集的数据处理方法的一种具体实施方式，对于某一关键词组，基于该关键词组中的有效关键词、以及预设的权重对照表生成该关键词组对应的行为能力指数表征量，包括：
查找预设的权重对照表，确定该关键词组中各个有效关键词对应的行为能力指数，基于该关键词组中各个有效关键词对应的行为能力指数确定该关键词组对应的行为能力指数表征量。
在本实施例中，可直接将某个关键词组中各个有效关键词对应的行为能力指数的和作为该关键词组对应的行为能力指数表征量。
可选地，作为本发明实施例提供的基于文本数据集的数据处理方法的一种具体实施方式，根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，包括：
基于各个关键词组对应的行为能力指数表征量所属的参数范围对各个登记源数据进行分类，得到多个数据类。
在本实施例中，若某个关键词组对应的行为能力指数表征量属于参数范围 (0，r1)，则将该关键词组对应的登记源数据划分至第一数据类，若某个关键词组对应的行为能力指数表征量属于参数范围(r1，r2)，则将该关键词组对应的登记源数据划分至第二数据类，某个关键词组对应的行为能力指数表征量属于参数范围(r2，+∞)，则将该关键词组对应的登记源数据划分至第三数据类。其中，r1、r2、r3均大于零，均可根据实际需求预设。
对应于上文实施例的基于文本数据集的数据处理方法，图2为本发明一实施例提供的基于文本数据集的数据处理装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图2，该基于文本数据集的数据处理装置20包括：数据获取模块21、指数确定模块22、分类存储模块23。
其中，数据获取模块21，用于获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组。
指数确定模块22，用于基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量。其中，权重对照表为各个有效关键词以及各个有效关键词对应的行为能力指数的对照表。
分类存储模块23，用于根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。
可选地，作为本发明实施例提供的基于文本数据集的数据处理装置的一种具体实施方式，对于某个登记源数据，提取该登记源数据中的有效关键词的方法为：
在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及关键词库中与各个候选关键词对应的目标关键词。
将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词。
可选地，作为本发明实施例提供的基于文本数据集的数据处理装置的一种具体实施方式，在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及关键词库中与各个候选关键词对应的目标关键词，包括：
在预设的关键词库中进行近似搜索，若该登记源数据中的某一关键词与关键词库中某一关键词之间的相似度大于预设值，则将该关键词作为候选关键词，将与该关键词对应的关键词库中的关键词作为目标关键词。
可选地，作为本发明实施例提供的基于文本数据集的数据处理装置的一种具体实施方式，预设的匹配模型为概率神经网络模型。
将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词，包括：
S41：任选一候选关键词，将该候选关键词、以及与该候选关键词对应的目标关键词输入至预设的匹配模型中，得到该候选关键词与该目标关键词之间的匹配概率。
S42：若匹配概率大于预设概率值，则将该目标关键词作为有效关键词。若匹配概率不大于预设概率值，则删除该候选关键词。
S43：若已遍历所有候选关键词，则将步骤S42中得到的各个有效关键词作为该登记源数据对应的有效关键词。
若未遍历所有候选关键词，则返回执行步骤S41。
可选地，作为本发明实施例提供的基于文本数据集的数据处理装置的一种具体实施方式，对于某一关键词组，基于该关键词组中的有效关键词、以及预设的权重对照表生成该关键词组对应的行为能力指数表征量，包括：
查找预设的权重对照表，确定该关键词组中各个有效关键词对应的行为能力指数，基于该关键词组中各个有效关键词对应的行为能力指数确定该关键词组对应的行为能力指数表征量。
可选地，作为本发明实施例提供的基于文本数据集的数据处理装置的一种具体实施方式，根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，包括：
基于各个关键词组对应的行为能力指数表征量所属的参数范围对各个登记源数据进行分类，得到多个数据类。
参见图3，图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括：一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器 301、输入设备302、输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序，计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中，处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图2所示模块21至23的功能。
应当理解，在本发明实施例中，所称处理器301可以是中央处理单元 (CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal 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。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的基于文本数据集的数据处理方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供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程序，计算机程序包括程序指令，程序指令被处理器执行时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，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，计算机程序包括计算机程序代码，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。计算机可读介质可以包括：能够携带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，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。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端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，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
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，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，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，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。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
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发明实施例方案的目的。
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，也可以是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。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于文本数据集的数据处理方法，其特征在于，所述基于文本数据集的数据处理方法应用于特定群体人口监控***，所述方法包括：
获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组；
基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量；其中，所述权重对照表为各个有效关键词以及各个有效关键词对应的行为能力指数的对照表；
根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。
2.如权利要求1所述的基于文本数据集的数据处理方法，其特征在于，对于某个登记源数据，提取该登记源数据中的有效关键词的方法为：
在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及所述关键词库中与各个候选关键词对应的目标关键词；
将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词。
3.如权利要求2所述的基于文本数据集的数据处理方法，其特征在于，所述在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及所述关键词库中与各个候选关键词对应的目标关键词，包括：
在预设的关键词库中进行近似搜索，若该登记源数据中的某一关键词与所述关键词库中某一关键词之间的相似度大于预设值，则将该关键词作为候选关键词，将与该关键词对应的所述关键词库中的关键词作为目标关键词。
4.如权利要求2所述的基于文本数据集的数据处理方法，其特征在于，所述预设的匹配模型为概率神经网络模型；
所述将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词，包括：
S41：任选一候选关键词，将该候选关键词、以及与该候选关键词对应的目标关键词输入至预设的匹配模型中，得到该候选关键词与该目标关键词之间的匹配概率；
S42：若所述匹配概率大于预设概率值，则将该目标关键词作为有效关键词；若所述匹配概率不大于预设概率值，则删除该候选关键词；
S43：若已遍历所有候选关键词，则将步骤S42中得到的各个有效关键词作为该登记源数据对应的有效关键词；
若未遍历所有候选关键词，则返回执行步骤S41。
5.如权利要求1所述的基于文本数据集的数据处理方法，其特征在于，对于某一关键词组，基于该关键词组中的有效关键词、以及预设的权重对照表生成该关键词组对应的行为能力指数表征量，包括：
查找预设的权重对照表，确定该关键词组中各个有效关键词对应的行为能力指数，基于该关键词组中各个有效关键词对应的行为能力指数确定该关键词组对应的行为能力指数表征量。
6.如权利要求1所述的基于文本数据集的数据处理方法，其特征在于，所述根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，包括：
基于各个关键词组对应的行为能力指数表征量所属的参数范围对各个登记源数据进行分类，得到多个数据类。
7.一种基于文本数据集的数据处理装置，所述基于文本数据集的数据处理装置应用于特定群体人口监控***，其特征在于，包括：
数据获取模块，用于获取目标特定群体人口监控***的登记源数据，并提取各个登记源数据中的有效关键词，得到各个登记源数据对应的关键词组；
指数确定模块，用于基于各个关键词组中的有效关键词、以及预设的权重对照表生成各个关键词组对应的行为能力指数表征量；其中，所述权重对照表为各个有效关键词以及各个有效关键词对应的行为能力指数的对照表；
分类存储模块，用于根据各个关键词组对应的行为能力指数表征量对各个登记源数据进行分类，得到多个数据类，并对各个数据类进行分块存储。
8.如权利要求7所述的基于文本数据集的数据处理装置，其特征在于，对于某个登记源数据，提取该登记源数据中的有效关键词的方法为：
在预设的关键词库中进行近似搜索，提取出该登记源数据中的候选关键词、以及所述关键词库中与各个候选关键词对应的目标关键词；
将各个候选关键词、以及与各个候选关键词对应的目标关键词输入至预设的匹配模型中，确定该登记源数据对应的有效关键词。
9.一种终端设备，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至6任一项所述方法的步骤。
10.一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至6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565188.6A CN112836045A (zh) | 2020-12-25 | 2020-12-25 | 基于文本数据集的数据处理方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011565188.6A CN112836045A (zh) | 2020-12-25 | 2020-12-25 | 基于文本数据集的数据处理方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112836045A true CN112836045A (zh) | 2021-05-25 |
Family
ID=75925058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011565188.6A Pending CN112836045A (zh) | 2020-12-25 | 2020-12-25 | 基于文本数据集的数据处理方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112836045A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113342976A (zh) * | 2021-06-17 | 2021-09-03 | 北京海数宝科技有限公司 | 一种自动采集处理数据的方法、装置、存储介质及设备 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104978354A (zh) * | 2014-04-10 | 2015-10-14 | 中电长城网际***应用有限公司 | 文本分类方法和装置 |
| CN105893606A (zh) * | 2016-04-25 | 2016-08-24 | 深圳市永兴元科技有限公司 | 文本分类方法和装置 |
| CN105956031A (zh) * | 2016-04-25 | 2016-09-21 | 深圳市永兴元科技有限公司 | 文本分类方法和装置 |
| WO2017202125A1 (zh) * | 2016-05-25 | 2017-11-30 | 华为技术有限公司 | 文本分类方法及装置 |
| CN107545038A (zh) * | 2017-07-31 | 2018-01-05 | 中国农业大学 | 一种文本分类方法与设备 |
| CN107633380A (zh) * | 2017-08-30 | 2018-01-26 | 北京明朝万达科技股份有限公司 | 一种数据防泄漏***的任务审批方法和*** |
| CN108073568A (zh) * | 2016-11-10 | 2018-05-25 | 腾讯科技（深圳）有限公司 | 关键词提取方法和装置 |
| CN110196910A (zh) * | 2019-05-30 | 2019-09-03 | 珠海天燕科技有限公司 | 一种语料分类的方法及装置 |
| CN110263345A (zh) * | 2019-06-26 | 2019-09-20 | 北京百度网讯科技有限公司 | 关键词提取方法、装置及存储介质 |
| CN110362673A (zh) * | 2019-07-17 | 2019-10-22 | 福州大学 | 基于摘要语义分析的计算机视觉类论文内容判别方法及*** |
| CN110390094A (zh) * | 2018-04-20 | 2019-10-29 | 伊姆西Ip控股有限责任公司 | 对文档进行分类的方法、电子设备和计算机程序产品 |
| CN110569349A (zh) * | 2019-07-30 | 2019-12-13 | 平安科技（深圳）有限公司 | 基于大数据的患教文章推送方法、***、设备及存储介质 |
| CN111651581A (zh) * | 2020-06-05 | 2020-09-11 | 腾讯科技（深圳）有限公司 | 文本处理方法、装置、计算机设备及计算机可读存储介质 |
| CN111914564A (zh) * | 2020-07-13 | 2020-11-10 | 北京邮电大学 | 一种文本关键词确定方法及装置 |
-
2020
- 2020-12-25 CN CN202011565188.6A patent/CN112836045A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104978354A (zh) * | 2014-04-10 | 2015-10-14 | 中电长城网际***应用有限公司 | 文本分类方法和装置 |
| CN105893606A (zh) * | 2016-04-25 | 2016-08-24 | 深圳市永兴元科技有限公司 | 文本分类方法和装置 |
| CN105956031A (zh) * | 2016-04-25 | 2016-09-21 | 深圳市永兴元科技有限公司 | 文本分类方法和装置 |
| WO2017202125A1 (zh) * | 2016-05-25 | 2017-11-30 | 华为技术有限公司 | 文本分类方法及装置 |
| CN108073568A (zh) * | 2016-11-10 | 2018-05-25 | 腾讯科技（深圳）有限公司 | 关键词提取方法和装置 |
| CN107545038A (zh) * | 2017-07-31 | 2018-01-05 | 中国农业大学 | 一种文本分类方法与设备 |
| CN107633380A (zh) * | 2017-08-30 | 2018-01-26 | 北京明朝万达科技股份有限公司 | 一种数据防泄漏***的任务审批方法和*** |
| CN110390094A (zh) * | 2018-04-20 | 2019-10-29 | 伊姆西Ip控股有限责任公司 | 对文档进行分类的方法、电子设备和计算机程序产品 |
| CN110196910A (zh) * | 2019-05-30 | 2019-09-03 | 珠海天燕科技有限公司 | 一种语料分类的方法及装置 |
| CN110263345A (zh) * | 2019-06-26 | 2019-09-20 | 北京百度网讯科技有限公司 | 关键词提取方法、装置及存储介质 |
| CN110362673A (zh) * | 2019-07-17 | 2019-10-22 | 福州大学 | 基于摘要语义分析的计算机视觉类论文内容判别方法及*** |
| CN110569349A (zh) * | 2019-07-30 | 2019-12-13 | 平安科技（深圳）有限公司 | 基于大数据的患教文章推送方法、***、设备及存储介质 |
| CN111651581A (zh) * | 2020-06-05 | 2020-09-11 | 腾讯科技（深圳）有限公司 | 文本处理方法、装置、计算机设备及计算机可读存储介质 |
| CN111914564A (zh) * | 2020-07-13 | 2020-11-10 | 北京邮电大学 | 一种文本关键词确定方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113342976A (zh) * | 2021-06-17 | 2021-09-03 | 北京海数宝科技有限公司 | 一种自动采集处理数据的方法、装置、存储介质及设备 |
| CN113342976B (zh) * | 2021-06-17 | 2023-07-04 | 北京海数宝科技有限公司 | 一种自动采集处理数据的方法、装置、存储介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021184554A1 (zh) | 数据库异常监测方法、装置、计算机装置及存储介质 | |
| CN109815314B (zh) | 一种意图识别方法、识别设备及计算机可读存储介质 | |
| CN108615119B (zh) | 一种异常用户的识别方法及设备 | |
| CN112347310B (zh) | 事件处理信息的查询方法、装置、计算机设备和存储介质 | |
| CN109634698B (zh) | 菜单显示方法、装置、计算机设备及存储介质 | |
| CN110929525B (zh) | 一种网贷风险行为分析检测方法、装置、设备和存储介质 | |
| CN111783126B (zh) | 一种隐私数据识别方法、装置、设备和可读介质 | |
| CN114330335A (zh) | 关键词抽取方法、装置、设备及存储介质 | |
| CN110727740A (zh) | 关联分析方法及装置、计算机设备与可读介质 | |
| CN115840808A (zh) | 科技项目咨询方法、装置、服务器及计算机可读存储介质 | |
| CN112347201B (zh) | 信息处理方法、信息处理装置及终端设备 | |
| CN112836045A (zh) | 基于文本数据集的数据处理方法、装置及终端设备 | |
| CN110489434B (zh) | 一种信息处理方法及相关设备 | |
| CN115544214B (zh) | 一种事件处理方法、设备及计算机可读存储介质 | |
| CN111597453B (zh) | 用户画像方法、装置、计算机设备及计算机可读存储介质 | |
| CN114417089A (zh) | 查询方法、装置、终端设备及计算机可读存储介质 | |
| CN112597208A (zh) | 企业名称检索方法、企业名称检索装置及终端设备 | |
| CN109033070B (zh) | 一种数据处理方法、服务器及计算机可读介质 | |
| CN113919352A (zh) | 数据库敏感数据识别方法及装置 | |
| CN113705366A (zh) | 人员管理***身份识别方法、装置及终端设备 | |
| CN112541357A (zh) | 实体识别方法、装置及智能设备 | |
| CN112488557A (zh) | 一种基于评分标准客观分的自动计算方法、装置、终端 | |
| CN112732890A (zh) | 人口数据特征提取方法、装置及终端设备 | |
| CN117235137B (zh) | 一种基于向量数据库的职业信息查询方法及装置 | |
| CN116151241B (zh) | 一种实体识别方法及装置 |
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 |