CN113779044A - 一种数据钻取方法和*** - Google Patents

一种数据钻取方法和*** Download PDF

Info

Publication number
CN113779044A
CN113779044A CN202111310616.5A CN202111310616A CN113779044A CN 113779044 A CN113779044 A CN 113779044A CN 202111310616 A CN202111310616 A CN 202111310616A CN 113779044 A CN113779044 A CN 113779044A
Authority
CN
China
Prior art keywords
layer
data
dimension
drill
drilling
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.)
Granted
Application number
CN202111310616.5A
Other languages
English (en)
Other versions
CN113779044B (zh
Inventor
张�杰
徐健
任翔
袁有雷
朱宏峰
闵克东
曹荣
解宇
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.)
Nanjing Mesh Information Technology Co ltd
Original Assignee
Nanjing Mesh Information Technology 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 Nanjing Mesh Information Technology Co ltd filed Critical Nanjing Mesh Information Technology Co ltd
Priority to CN202111310616.5A priority Critical patent/CN113779044B/zh
Publication of CN113779044A publication Critical patent/CN113779044A/zh
Application granted granted Critical
Publication of CN113779044B publication Critical patent/CN113779044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • G06F16/2246—Trees, e.g. B+trees
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06F16/248—Presentation of query results
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/80—Information retrieval; Database structures therefor; File system structures therefor of semi-structured data, e.g. markup language structured data such as SGML, XML or HTML
    • G06F16/84—Mapping; Conversion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种数据钻取方法，包括以下步骤：S1、接收并解析用户请求，生成N层的下钻列表，其中N≥1，且N为正整数；S2、根据下钻列表，从第一层开始，逐层获取并解析每层的下钻数据，直到第N层结束；S3、对获取的数据进行处理，生成满足前端直接展示需要的格式数据返回给用户。本发明同时还提供一种数据钻取***，利用分层的下钻列表，逐层钻取数据，有效提升数据钻取效率。

Description

一种数据钻取方法和***
技术领域
本发明属于数据处理技术领域，更具体地说，涉及一种数据钻取方法和***。
背景技术
钻取是报表中特色功能之一，通过使用钻取功能，能够让用户单击一个报表中的链接来直接打开其他相关的报表。如现在一个联机数据分析的智能***中，有这么一个结果：30岁到40岁的客户群体购买率最高的产品类别。现在用户还需要知道更加详细的结果，如他们主要购买了哪些产品。用专业术语来说，就是需要知道这个结论是根据哪些数据得到的。此时就可以通过使用报表钻取的来实现。
在进行大数据分析时，用的最多的操作是钻取，钻取是改变维的层次，变换分析的粒度。它包括向上钻取和向下钻取。向上钻取是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而向下钻取则相反，它从汇总数据深入到细节数据进行观察或增加新维。例如，用户分析“各地区、城市的销售情况”时，可以对某一个城市的销售额细分为各个年度的销售额，对某一年度的销售额，可以继续细分为各个季度的销售额。通过钻取的功能，使用户对数据能更深入了解，更容易发现问题，做出正确的决策。
如申请公布日为2019年2月22日，申请公布号为CN109376177A，专利名称为一种数据钻取分析方法的中国专利公开了一种技术方案，以解决现有技术中电力业务信息***明细数据查询无法实现跨库定制化查询的技术问题，包括以下步骤：S1：创建逻辑数据库；S2：创建树状分类节点，并填写节点基础信息；S3：编写SQL查询语句，并进行编译测试；S4：根据查询需求，确定查询参数，配置钻取参数；S5：根据查询需求判断是否需要设置下钻数据集，在判定需要设置下钻节点数据集时，继续步骤S6；S6：配置下钻节点数据集；S7：导出并显示查询结果。
申请公布日为2020年12月4日，申请公布号为CN112039989A，专利名称为数据钻取方法、代理服务器、服务调用***及介质的中国专利公开了一种技术方案，包括以下步骤：代理服务器接收请求端发送的json字符串；获取所述json字符串对应的入参的名称和关键字起始下标，并将所述名称和所述关键字起始下标保存为所述json字符串对应的元数据；对所述json字符串进行序列化，得到json格式的数据包；在数据钻取功能触发时，根据所述元数据及所述数据包钻取目标数据。
但是在使用向下钻取时，存在如下几个问题：
首先，在向下钻取的时候，下钻一层的数据只需要不到1秒就能获取到，而继续下钻多层后数据往往需要几十秒甚至几分钟才能获取到。随着下钻的层级越多，每层需要获取的数据越多，获取数据需要的时间呈几何倍数的增加。
其次，在向下钻取的时候，下钻的每一层都可以设置自己的topN和排序规则，可以以自身或任意其他维度进行升降序。复杂的规则导致很难使用一条SQL语句就获取到需要的数据，所以通常采用分层获取的方法获取数据。例如下钻三层，每层需要的topN和排序规则都不同：
（1）第1层按照规则“以A字段top20降序”，通过一次查询获取到符合条件的20条数据；
（2）第2层按照规则“以B字段top30升序”，以第1层获取到的20条数据为条件，通过20次查询获取到600条数据；
（3）以此类推，第3层需要600次查询才能获取到第三层完整的数据；
为解决下钻层数越多，查询数据库次数指数增长导致获取完整数据耗时过多，现有技术为了解决获取完整数据耗时过多的问题，通常会采用如下方法解决：要么通过限制下钻层数来解决，如一般只能下钻3层；但该种方式影响用户体验和分析数据的效率；要么通过减少查询次数来解决，不展示全部的下钻数据，只展示第一层数据，用户只能选择单条数据后，再触发其继续下钻当前数据；该种方式增加用户操作频次，影响分析数据的效率。
发明内容
1. 要解决的问题
针对现有技术中在数据分析过程中存在的查询数据时耗时过多的问题，本发明提供一种数据钻取方法和***。
2. 技术方案
为了解决上述问题，本发明所采用的技术方案如下：一种数据钻取方法，包括以下步骤：
S1、接收并解析用户请求，生成N层的下钻列表，其中N≥1，且N为正整数；
S2、根据下钻列表，从第一层开始，逐层获取并解析每层的下钻数据，直到第N层结束；
S3、对获取的数据进行处理，生成满足前端直接展示需要的格式数据返回给用户。本技术方案利用分层的下钻列表，逐层钻取数据，有效提升数据钻取效率。
进一步地，所述步骤S2包括：
S21、根据下钻的第一层列表信息，获取到以第一层的下钻维度字段进行分组，以用户请求的时间段为过滤条件，以第一层下钻的指标维度字段进行排序的指定数目的维度值数据；
S22、对上述数据进行滤重得到第一层下钻维度字段中的唯一值；
S23、根据下钻的第一和第二层信息，获取到以第一层和第二层的下钻维度字段进行分组，以用户请求的时间段和步骤S22中的第一层下钻维度字段的唯一值为过滤条件，以第二层下钻的指标维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据；
S24、对步骤S23中的数据进行滤重，得到第二层下钻维度字段的唯一值；
S25、根据下钻的第一层、第二层和第三层列表信息，获取到以第一层、第二层和第三层的下钻维度字段进行分组，以用户请求的时间段、步骤S22中的第一层维度字段的唯一值和步骤S24中第二层下钻维度字段的唯一值为过滤条件，第三层的下钻指标维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；
S26、对步骤S25中的数据进行滤重，得到第三层下钻维度字段的唯一值；
S27、以此类推，直到遍历整个下钻列表。
本技术方案对数据逐层进行分组、滤重并排序，在第一层之后的每一层数据钻取都从有限的数据量中获取数据，大大提升数据钻取效率、提高用户体验。
进一步地，所述步骤S3包括：
S31、以第一层下钻的维度字段对第二层数据进行分组，生成第二层分组数据；
S32、以第一和第二层下钻的维度字段对第三层数据进行分组，生成第三层分组数据；
S33、以此类推，以第一层到第N-1层下钻的维度字段对第N层数据进行分组，生成第N层分组数据；
S34、从第一层下钻维度值为关键字段开始，以递归的方式，从下一层分组数据中找到对应的数据，并把数据拼接，组成以上层关键字段为父，下层关键字段对应数据为子的树状结构数据反馈给用户。在对数据进行分组、过滤及排序后，得到有限数量的数据，然后从有限数量的数据中逐层获取与每一层的维度字段相关的数据，提升钻取效率。
进一步地，钻取环比数据包括：获取本期数据和上期数据，然后再分别对本期数据和上期数据进行分组、排序、滤重操作，获取上期数据的N层数据需要以用户请求的时间段和本期数据的前N-1层下钻维度字段的唯一值为过滤条件。
进一步地，所述生成环比数据的步骤具体为：
S51、将第一层的上期数据以第一层的维度字段为连接键，合并到第一层的本期数据中，并计算每个指标维度字段的差值和环比值；
S52、将第二层的上期数据以第一层和第二层的维度字段为连接键，合并到第二层的本期数据中，并计算每个指标维度字段的差值和环比值；
S53、以此类推，计算出下钻列表中每一层的指标维度字段的差值和环比值。本技术方案可得到环比数值，最后一层的环比值即为需要的环比数据。
进一步地，所述步骤S3中的数据格式为JSON格式。
本发明还包括一种数据钻取***，包括：
用户请求解析模块：用于解析用户请求，并生成下钻列表；
数据钻取模块：用于根据用户请求解析模块生成的下钻列表逐层钻取数据，并将获取的数据返回给用户。
进一步地，所述数据钻取模块在钻取数据的过程中先根据下钻的第一层信息，以用户请求的时间段为过滤条件，获取到以第一层下钻的维度字段进行分组，以第一层下钻的指标维度字段进行排序的指定数目的维度值数据；然后对上述数据进行滤重得到第一层下钻维度字段中的唯一值；再根据下钻的第一层和第二层信息，获取到以第一层和第二层下钻的维度字段进行分组，以用户请求的时间段和第一层维度字段的唯一值为过滤条件，以第二层下钻的指标维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据；然后对上述数据进行滤重，得到第二层下钻维度字段的唯一值；然后根据下钻的第一层、第二层和第三层列表信息，获取到以第一层、第二层和第三层的下钻维度字段进行分组，以用户请求的时间段、第一层下钻的维度字段的唯一值和第二层下钻的维度字段的唯一值为过滤条件，以第三层下钻的指标维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；再对该维度值数据进行滤重，得到第三层下钻维度字段的唯一值；以此类推，直到遍历整个下钻列表。
进一步地，所述数据钻取模块从每一层数据中获取分组数据，具体为：以第一层下钻的维度字段对第二层数据进行分组，生成第二层分组数据；以第一和第二层下钻的维度字段对第三层数据进行分组，生成第三层分组数据；以此类推，以第一层到第N-1层下钻的维度字段对第N层数据进行分组，生成第N层分组数据；然后从第一层下钻维度值为关键字段开始，以递归的方式，从下一层分组数据中找到对应的数据，并把数据拼接，组成以上层维度字段为父，下层维度字段对应数据为子的树状结构数据反馈给用户。
进一步地，所述数据钻取模块以用户时间为过滤条件获取本期数据和上期数据并根据每一层的本期数据和上期数据生成环比数据，并反馈给用户。
3. 有益效果
相比于现有技术，本发明的有益效果为：
本发明通过对数据库中的数据进行滤重、分组、排序，同时限制分组的数量，首先，可以大幅减少查询的次数，从数据库中获取数据的次数减少，提高钻取效率；此外，在进行钻取时针对每一层的数据只获取一次，无需多次获取，提高钻取效率；而且获取的数据转换格式之后可以直接返给前端使用，无需其他的处理，提升数据查询效率。
附图说明
图1为本发明中的实施例1的流程图；
图2为本发明中的实施例2的第一部分流程图；
图3为本发明中的实施例2的第二部分流程图，图2和图3组成一个完整的实施例2的流程图。
具体实施方式
下面结合具体实施例对本发明进一步进行描述。
首先，对本发明中涉及的一些术语进行解释。
指标：用于衡量事物发展程度的单位或方法，例如：人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进行汇总计算，如时间、地点、范围。
维度：指标用于衡量事物发展程度，那么该发展程度是好还是坏，就需要通过不同维度来对比，维度是事物或现象的某种特征，如性别、地区、时间等都是维度。其中时间是一种常用、特殊的维度，通过时间前后的对比，就可以知道事物的发展是好是坏，如用户数环比上月增长10%、同比去年同期增长20%，这就是时间上的对比，也称为纵比；另一个比较就是横比，如不同国家人口数、GDP的比较，不同省份收入、用户数的比较、不同公司、不同部门之间的比较，这些都是同级单位之间的比较，简称横比。
下钻维度字段或者维度字段：支持下钻操作的维度字段，如“性别”、“地区”、“时间”等；
指标维度字段：用于衡量下钻维度的单位或方法，如“收入”、“个数”等；
排序维度字段：可以作为下钻维度排序依据的字段；比如下钻维度字段“性别”按照指标维度字段“收入”的多少从大到小排列，其中的“收入”就是排序维度字段；比如下钻维度字段“性别”按照“性别”值（男，女）的中文拼音排列，其中的“性别”也是排序维度字段。
递归：程序调用自身的编程技巧称为递归（ recursion）。递归作为一种算法在程序设计语言中广泛应用。一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法，它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解，递归策略只需少量的程序就可描述出解题过程所需要的多次重复计算，大大地减少了程序的代码量。
本发明包括一种数据钻取方法，在分析数据中常用的两种数据分析方法，一种是只看本期数据，另一种是看环比数据，其中，环比=（本期数据-上期数据）/上期数据×100%。
实施例1
下面首先以查询本期数据为例来进行说明，如图1所示：
1. 服务器端收到前端需要下钻显示数据的请求；
2. 服务器端对该请求进行解析，解析的过程具体为：根据下钻的参数，生成N层的下钻列表信息，其中N≥1，且N为正整数，包含每层的下钻维度字段，维度值数目，排序维度字段及排序维度是按升序还是降序排序，排序维度字段及其计算公式（该计算公式可由用户预先设置好，保存在服务器端）等信息。举例来说，当前对a、b两个用户数据进行分析，如果在原始列表中，a的数量有两组，a和b是维度字段，数量是维度字段，维度字段值分别是5和2，b的数量也有两组，分别是10和7，同样地，10和7也是维度字段值，则计算公式为sum，即求和，则a的数量为7，b的数量是17，然后对维度字段“数量”进行排序，如果是降序排列，则b排在a的前面，否则，a排在b的前面。
3. 根据下钻列表信息，从第一层开始，逐层下钻直到第N层结束，依次获取并解析每层的本期下钻数据：
3.1 根据下钻的第一层信息，获取到以第一层下钻的维度字段进行分组，以用户请求时间段为过滤条件（如用户要求查询一周或一个月的数据等等），以第一层下钻的排序维度字段进行排序的指定数目的维度值数据；
3.2 对上述数据进行滤重得到第一层下钻维度字段中的唯一值，所谓滤重即过滤掉数据中重复的数据，从而减少数据钻取中的运算量；下面举例说明，如表1所示，表1中，公司、性别是下钻维度字段，人数是指标维度字段，公司是第一层数据，性别是第二层数据，在现在的表格中，有四个维度字段：男、女、男、女，则经过滤重后第二层只有两个数据：男和女；需要注意的是滤重针对的是下钻维度字段，而不是指标维度字段。
表1
Figure 415005DEST_PATH_IMAGE001
3.3 根据下钻的第一和第二层信息，获取到以第一层和第二层下钻的维度字段进行分组，以用户请求的时间段和3.2中计算出的第一层维度字段的唯一值为过滤条件，以第二层下钻的排序维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据，以得到符合要求的限制数量的数据，从而减少查询的次数。
通过以第一层维度字段的唯一值为过渡条件，可以限制查询数据的数量，从而将查询的范围限制在较小区域内，缩小数据查询时间；给每个第一层维度字段值的第二层分配指定数目的维度值数据的功能是通过字段分组并获取分组排序后每组的前X条数据，X为正整数，即获取按以第一和第二层下钻的维度字段进行分组排序后每组的前X条数据，更具体地说是只显示排序后每组的前X条数据，把查询结果的数据量限制在很小的区域内，从而有效提升后续对数据处理的效率。
3.4 对步骤3.3中的数据进行滤重，得到第二层下钻维度字段的唯一值；
3.5 根据下钻的第一层、第二层和第三层信息，获取到以第一层、第二层和第三层下钻的维度字段进行分组，以用户请求的时间段和步骤3.2、3.4中计算出的第一层和第二层维度字段的唯一值为过滤条件，以第三层下钻的排序维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；
3.6 对步骤3.5中的数据进行滤重，得到第三层下钻维度字段的唯一值；
3.7 以此类推，根据下钻的第一到第N层信息，获取到以第一到第N层下钻的维度字段进行分组，以用户请求的时间点和3.2、3.4......中计算出的第一层到第N-1层维度字段的唯一值为过滤条件，以第N层下钻的排序维度字段进行排序，给每个第N-1层维度字段值的第N层分配指定数目的维度值数据；
3.8 再针对上一步骤中的数据进行滤重，得到第N层下钻维度字段的唯一值。
4 数据格式化，生成满足前端直接展示需要的格式数据：
4.1 第二层数据以第一层下钻的维度字段进行分组，生成第二层分组数据；
4.2 第三层数据以第一和第二层下钻的维度字段进行分组，生成第三层分组数据；
4.3 以此类推，第N层数据以第一层到第N-1层下钻的维度字段进行分组，生成第N层分组数据；
4.4 从第一层下钻维度值为关键字段开始，以递归的方式，从下一层分组数据中找到对应的数据，并把数据拼接，组成以上层关键字段为父，下层关键字段对应数据为子的树状结构数据反馈给用户。
需要说明的是，数据格式化中的分组与数据下钻中的分组虽然都是分组，具体分组的方法也相同，但两者目的不同，数据下钻中的分组是为了获取按分组聚合的数据，而数据格式化中的分组是数据按分组聚合后，以分组的维度字段值为索引更快地在下一层找到对应的下一层的数据，把数据拼接，从而找到以上层关键字段为父，下层关键字段对应数据为子的树状结构数据反馈给用户。
另外，在本发明中，下钻的信息列表分为N层，每一层都有其维度字段、维度值数目、排序维度字段及排序维度是按升序还是降序排序、排序维度字段及其计算公式等，据此得到的数据也是分层的，即根据每一层的维度字段下钻，得到每一层对应的数据，最终反馈给用户的是由一层层数据按照维度字段关联的树状结构数据。
5. 返回格式化数据给前端展示。
实施例2
本实施例是以查询环比数据为例，具体步骤如图2和图3所示：
1. 服务器端收到前端需要下钻显示数据的请求；
2. 服务器端对该请求进行解析，解析的过程具体为：根据下钻的参数，生成N层的下钻列表信息，其中N≥1，且N为正整数，包含每层的下钻维度字段，维度值数目，排序维度字段及排序维度是按升序还是降序排序，排序维度字段及其计算公式（该计算公式可由用户预先设置好，保存在服务器端）等信息。举例来说，当前对a、b两个用户数据进行分析，如果在原始列表中，a的数量有两组，a和b是维度字段，数量是维度字段，维度字段值分别是5和2，b的数量也有两组，分别是10和7，同样地，10和7也是维度字段值，则计算公式为sum，即求和，则a的数量为7，b的数量是17，然后对维度字段“数量”进行排序，如果是降序排列，则b排在a的前面，否则，a排在b的前面。
具体实施时，可由用户请求解析模块接收用户请求，并对用户请求进行解析，得到N层的下钻列表。
3. 根据下钻列表信息，从第一层开始，逐层下钻直到第N层结束，依次获取并解析每层的本期下钻数据：
3.1 根据下钻的第一层信息，获取到以第一层下钻的维度字段进行分组，以本期的时间区间（即用户请求的时间段中的本期时间，如用户请求查询周环比数据，则本期时间是本周，上期时间是上周）为过滤条件，以第一层下钻的排序维度字段进行排序的指定数目的维度值数据；
3.2 对上述数据进行滤重得到第一层下钻维度字段中的唯一值，所谓滤重即过滤掉数据中重复的数据，从而减少数据钻取中的运算量；
3.3 根据下钻的第一和第二层信息，获取到以第一和第二层下钻的维度字段进行分组，以本期的时间区间和3.2中计算出的第一层维度字段的唯一值为过滤条件，以第二层下钻的排序维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据。
3.4 对步骤3.3中的数据进行滤重，得到第二层下钻维度字段的唯一值；
3.5 根据下钻的第一层、第二层和第三层信息，获取到以第一层、第二层和第三层下钻的维度字段进行分组，以本期的时间区间和步骤3.2、3.4中计算出的第一和第二层维度字段的唯一值为过滤条件，以第三层下钻的排序维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；
3.6 对步骤3.5中的数据进行滤重，得到第三层下钻维度字段的唯一值；
3.7 以此类推，根据下钻的第一到第N层信息，获取到以第一到第N层下钻的维度字段进行分组，以本期的时间区间和3.2、3.4......中计算出的第一层到第N-1层维度字段的唯一值为过滤条件，以第N层下钻的排序维度字段进行排序，给每个第N-1层维度字段值的第N层分配指定数目的维度值数据；
3.8 再针对上一步骤中的数据进行滤重，得到第N层下钻维度字段的唯一值。
4. 由于本实施例需要的是环比数据，因此需要根据本期时间区间计算出上期的时间区间，从第一层开始到第N层结束，依次获取并解析每层的上期下钻数据：
4.1 根据下钻的第一层信息，获取到以第一层下钻的维度字段进行分组，以上期的时间区间和3.2中计算出的第一层维度字段的唯一值为过滤条件，以第一层下钻的排序维度字段进行排序的指定数目的维度值数据；
4.2 根据下钻的第一和第二层信息，获取到以第一和第二层下钻的维度字段进行分组，以上期的时间区间和3.2、3.4中计算出的第一和第二层维度字段的唯一值为过滤条件，以第二层下钻的排序维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据；
4.3 根据下钻的第一第二和第三层信息，获取到以第一第二和第三层下钻的维度字段进行分组，以上期的时间区间和3.2、3.4、3.6中计算出的第一第二和第三层维度字段的唯一值为过滤条件，以第三层下钻的排序维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；
4.4 以此类推，根据下钻的第一到第N层信息，获取到以第一到第N层下钻的维度字段进行分组，以上期的时间区间和3.2、3.4......中计算出的第一到第N层维度字段的唯一值为过滤条件，以第N层下钻的排序维度字段进行排序，给每个第N-1层维度字段值的第N层分配指定数目的维度值数据。
5. 本期数据和上期数据合并，并生成环比数据：
5.1 从第一层开始到第N层结束，依次合并每层的本期数据和上期数据：
5.2 第一层的上期数据以第一层下钻的维度字段为连接键，合并到第一层的本期数据中，并计算每个指标维度字段的差值和环比值；所谓连接键指的是用于连接的维度字段名称，必须存在于本期和上期数据中，使本期数据和上期数据存在关系，进而求得环比数据。
5.3 第二层的上期数据以第一和第二层下钻的维度字段为连接键，合并到第二层的本期数据中，并计算每个指标维度字段的差值和环比值；
5.4 以此类推，第N层的上期数据以第一层到第N层下钻的维度字段为连接键，合并到第N层的本期数据中，并计算每个指标维度字段的差值和环比值。
6. 数据格式化，生成满足前端直接展示需要的格式数据：
6.1 第二层环比数据以第一层下钻的维度字段进行分组，生成第二层分组环比数据；
6.2 第三层环比数据以第一和第二层下钻的维度字段进行分组，生成第三层分组环比数据；
6.3 以此类推，第N层环比数据以第一层到第N-1层下钻的维度字段进行分组，生成第N层分组环比数据；
6.4 从第一层下钻维度值为关键字段开始，以递归的方式，从下一层分组环比数据中找到对应的数据，并把数据拼接，组成以上层关键字段为父，下层关键字段对应数据为子的树状结构数据反馈给用户。
7. 返回格式化数据给前端展示。具体实施时，格式化的数据可以是JSON格式。
具体实施时，可由数据钻取模块进行上述操作，对下钻列表每一层的数据逐层分组、过滤、排序，并进行钻取，然后将符合用户需求的数据返回给用户。
下面举例来进行详细说明：
步骤1、服务器端收到前端需要下钻环比显示2021年8月1日数据的请求，生成三层的下钻列表信息；
第一层下钻维度字段app_id（应用id），维度值数目3个，如三个app分别是：app1、app2和app3，第一层下钻的维度字段是上述三个app的id，排序维度字段为request（请求），降序排列；
第二层下钻维度字段ad_id（广告位id），维度值数目5个，排序维度字段为imp（展示），降序排列，如获取上述三个app的排名前五的广告位的id；
第三层下钻维度字段network_id（广告主id），维度值数目5个，排序维度字段（click）点击，升序排列；
上述三个指标字段request、imp和click的计算公式均为sum，即求和。因此，会将每个app在数据库中的维度进行求和，然后再按照要求进行降序或升序排列。
步骤2、从第一层开始到第三层结束，依次获取并解析每层的本期下钻数据：
步骤2.1、根据下钻的第一层信息，获取到以app_id进行分组，以2021年8月1日为过滤条件，以排序维度字段request降序排列的最多3个app_id值数据；
步骤2.2、对步骤2.1中的数据进行滤重，得到app_id的唯一值"app1"、"app2"、"app3"；
步骤2.3、根据下钻的第一和第二层信息，获取到以app_id和ad_id进行分组，以2021年8月1日和app_id的唯一值"app1"、"app2"、"app3"为过滤条件，以imp降序排列，给每个app_id下分配最多5个ad_id值数据，具体实施时，具体的算法为：
SQL
SELECT app_id,
ad_id,
sum(request) AS request,
sum(imp) AS imp,
sum(click) AS click
FROM report_data
WHERE date_hour >= '2021-08-01 10:00:00'
AND date_hour <= '2021-08-01 23:00:00'
AND app_id in [' app1', ' app2', ' app3']
GROUP BY app_id, ad_id
ORDER BY imp desc
LIMIT 5 BY app_id；
步骤2.4、对步骤2.3中的数据进行滤重，得到ad_id的唯一值"ad1"、"ad2"、"ad3"、"ad4"、"ad5"、"ad6"、"ad7"、"ad8"、"ad9"、"ad10"、"ad11"、"ad12"、"ad13"、"ad14"、"ad15"；
步骤2.5、根据下钻的第一第二和第三层信息，获取到以app_id，ad_id，network_id进行分组，2021年8月1日和app_id的唯一值"app1"、"app2"、"app3"和ad_id的唯一值"ad1"、"ad2"、"ad3"、"ad4"、"ad5"、"ad6"、"ad7"、"ad8"、"ad9"、"ad10"、"ad11"、"ad12"、"ad13"、"ad14"、"ad15"为过滤条件，以排序字段click升序进行排序排列，给每个ad_id下分配最多5个network_id值数据，具体的算法为：
SQL
SELECT app_id,
ad_id,
network_id,
sum(request) AS request,
sum(imp) AS imp,
sum(click) AS click
FROM report_data
WHERE date_hour >= '2021-08-01 10:00:00'
AND date_hour <= '2021-08-01 23:00:00'
AND app_id in ['app1', 'app2', 'app3']
AND ad_id in ["ad1"、"ad2"、"ad3"、"ad4"、"ad5"、"ad6"、"ad7"、"ad8"、"ad9"、"ad10"、"ad11"、"ad12"、"ad13"、"ad14"、"ad15"]
GROUP BY app_id, ad_id,network_id
ORDER BY click asc
LIMIT 5 BY app_id, ad_id
步骤2.6、对步骤2.5中的数据进行滤重，得到network_id的唯一值 48,18,37,53；
步骤3、如果用户请求需要查询环比数据，则根据本期时间2021年8月1日计算出上期的时间2021年7月31日，从第一层开始到第三层结束，依次获取并解析每层的上期下钻数据；
步骤3.1、根据下钻的第一层信息，获取到以app_id进行分组，以2021年7月31日和app_id的唯一值"app1","app2","app3"为过滤条件，以排序字段request降序排列的最多3个app_id值数据；
步骤3.2、根据下钻的第一和第二层信息，获取到以app_id，ad_id进行分组，以2021年7月31日和app_id的唯一值"app1","app2","app3"和ad_id的唯一值"ad1","ad2","ad3","ad4","ad5","ad6","ad7","ad8","ad9","ad10","ad11","ad12","ad13","ad14","ad15"为过滤条件，以排序字段imp降序排列，给每个app_id下最多分配5个ad_id值数据；具体算法参考以上算法；
步骤3.3、根据下钻的第一第二和第三层信息，获取到以app_id，ad_id，network_id进行分组，2021年7月31日和app_id的唯一值"app1","app2","app3"和ad_id的唯一值"ad1","ad2","ad3","ad4","ad5","ad6","ad7","ad8","ad9","ad10","ad11","ad12","ad13","ad14","ad15"和network_id的唯一值 48,18,37,53为过滤条件，以排序字段click升序进行排序排列，给每个ad_id下分配最多5个network_id值数据；
步骤4、将本期数据和上期数据合并，并生成环比数据，从第一层开始到第三层结束，依次合并每层的本期数据和上期数据；
步骤4.1、第一层的上期数据以app_id为连接键，合并到第一层的本期数据中，并计算每个指标维度字段request, imp, click的差值和环比值；
步骤4.2、 第二层的上期数据以app_id，ad_id为连接键，合并到第二层的本期数据中，并计算每个指标维度字段request, imp, click的差值和环比值；
步骤4.3、第三层的上期数据以app_id，ad_id，network_id为连接键，合并到第三层的本期数据中，并计算每个指标维度字段request, imp, click的差值和环比值；
步骤5、进行数据格式化，生成满足前端直接展示需要的格式数据；
步骤5.1、第二层环比数据以app_id进行分组，生成第二层分组环比数据；
步骤5.2、第三层环比数据以app_id，ad_id进行分组，生成第三层分组环比数据；
步骤5.3、以递归的方式，从第一层下钻维度app_id值"app1","app2","app3"为关键字段开始：
步骤5.3.1、以"app1"为关键字段从第二层分组环比数据中找到以"app1"分组的ad_id数据"ad1","ad2","ad3","ad4","ad5"；
步骤5.3.1.1、以"app1"和"ad1"为关键字段从第三层分组环比数据中找到以"app1"，"ad1"分组的network_id数据48，37；
步骤5.3.1.2、以"app1"和"ad2"为关键字段从第三层分组环比数据中找到以"app1"，"ad2"分组的network_id数据18，37；
步骤5.3.1.3、以"app1"和"ad3"为关键字段从第三层分组环比数据中找到以"app1"，"ad3"分组的network_id数据18，37；
步骤5.3.1.4、以"app1"和"ad4"为关键字段从第三层分组环比数据中找到以"app1"，"ad4"分组的network_id数据53，37；
步骤5.3.1.5、以"app1"和"ad5"为关键字段从第三层分组环比数据中找到以"app1"，"ad5"分组的network_id数据18，37；
步骤5.3.2、以"app2"为关键字段从第二层分组环比数据中找到以"app2"分组的ad_id数据"ad6","ad7","ad8","ad9","ad10"；
步骤5.3.2.1、以"app2"和"ad6"为关键字段从第三层分组环比数据中找到以"app2"，"ad6"分组的network_id数据48，37；
步骤5.3.2.2： 以此类推；
步骤5.4，最后生成数据格式为JSON（JavaScript Object Notation，JS对象简谱）格式，具体的结构例如下：
[
{
"id": "app1",
"name": "app1",
"request": 3000,
"request_pre": 1000,
"request_detla": 2000,
"request_change": 2,
"imp": 3000,
"imp_pre": 1000,
"imp_detla": 2000,
"imp_change": 2,
"click": 3000,
"click_pre": 1000,
"click_detla": 2000,
"click_change": 2,
"children": [
{
"id": "ad1",
"name": "ad1",
"request": 1000,
"request_pre": 500,
"request_detla": 500,
"request_change": 1,
"imp": 2000,
"imp_pre": 1000,
"imp_detla": 1000,
"imp_change": 1,
"click": 100,
"click_pre": 100,
"click_detla": 0,
"click_change": 0,
"children": [
{
"id": "48",
"name": "48",
"request": 500,
"request_pre": 100,
"request_detla": 400,
"request_change": 4,
"imp": 1000,
"imp_pre": 500,
"imp_detla": 500,
"imp_change": 1,
"click": 100,
"click_pre": 100,
"click_detla": 0,
"click_change": 0,
"children": []
}
]
}
]
}
]
步骤6、返回格式化数据给前端展示。
采用上述方法，通过对数据库中的数据进行滤重、分组、排序，同时限制分组的数量，不仅可以大幅减少查询的次数，从数据库中获取数据的次数减少，提高钻取效率；此外，在进行钻取时针对每一层的数据只获取一次，无需多次获取，提高钻取效率；而且获取的数据进行格式化之后可以直接返给前端使用，无需其他的处理，提升数据查询效率。

Claims (10)

1.一种数据钻取方法，其特征在于：包括以下步骤：
S1、接收并解析用户请求，生成N层的下钻列表，其中N≥1，且N为正整数；
S2、根据下钻列表，从第一层开始，逐层获取并解析每层的下钻数据，直到第N层结束；
S3、对获取的数据进行处理并返回给用户。
2.根据权利要求1所述的数据钻取方法，其特征在于：所述步骤S2包括：
S21、根据下钻的第一层列表信息，获取到以第一层下钻的维度字段进行分组，以用户请求的时间段为过滤条件，以第一层下钻的指标维度字段进行排序的指定数目的维度值数据；
S22、对上述数据进行滤重得到第一层下钻维度字段中的唯一值；
S23、根据下钻的第一和第二层信息，获取到以第一层和第二层下钻的维度字段进行分组，以用户请求的时间段和步骤S22中的第一层维度字段的唯一值为过滤条件，以第二层下钻的指标维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据；
S24、对步骤S23中的数据进行滤重，得到第二层下钻维度字段的唯一值；
S25、根据下钻的第一层、第二层和第三层列表信息，获取到以第一层、第二层和第三层的下钻维度字段进行分组，以用户请求的时间段、步骤S22中的第一层维度字段的唯一值和步骤S24中的第二层下钻维度字段的唯一值为过滤条件，以第三层的下钻指标维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；
S26、对步骤S25中的数据进行滤重，得到第三层下钻维度字段的唯一值；
S27、以此类推，直到遍历整个下钻列表。
3.根据权利要求2所述的数据钻取方法，其特征在于：所述步骤S3包括：
S31、以第一层的下钻维度字段对第二层数据进行分组，生成第二层分组数据；
S32、以第一层和第二层下钻的维度字段对第三层数据进行分组，生成第三层分组数据；
S33、以此类推，以第一层到第N-1层下钻的维度字段对第N层数据进行分组，生成第N层分组数据；
S34、从第一层下钻维度值为关键字段开始，以递归的方式，从下一层分组数据中找到对应的数据，并把数据拼接，组成以上层维度字段为父，下层维度字段对应数据为子的树状结构数据反馈给用户。
4.根据权利要求2或3所述的数据钻取方法，其特征在于：钻取环比数据包括：获取本期数据和上期数据，然后再分别对本期数据和上期数据进行分组、排序、滤重操作，获取上期数据的N层数据在步骤S21中需要以用户请求的时间段和本期数据的前N-1层下钻维度字段的唯一值为过滤条件。
5.根据权利要求4所述的数据钻取方法，其特征在于：所述钻取环比数据的步骤具体为：
S51、将第一层的上期数据以第一层的维度字段为连接键，合并到第一层的本期数据中，并计算每个指标维度字段的差值和环比值；
S52、将第二层的上期数据以第一层和第二层的维度字段为连接键，合并到第二层的本期数据中，并计算每个指标维度字段的差值和环比值；
S53、以此类推，计算出下钻列表中每一层的指标维度字段的差值和环比值，最后一层的环比值即为需要的环比数据。
6.根据权利要求2或3所述的数据钻取方法，其特征在于：所述步骤S3中的数据格式为JSON格式。
7.一种数据钻取***，其特征在于：包括：
用户请求解析模块：用于解析用户请求，并生成下钻列表；
数据钻取模块：用于根据用户请求解析模块生成的下钻列表逐层钻取数据，并将获取的数据返回给用户。
8.根据权利要求7所述的数据钻取***，其特征在于：所述数据钻取模块在钻取数据的过程中先根据下钻的第一层信息，以用户请求的时间段为过滤条件，获取到以第一层下钻的维度字段进行分组，以第一层下钻的指标维度字段进行排序的指定数目的维度值数据；然后对上述数据进行滤重得到第一层下钻维度字段中的唯一值；再根据下钻的第一层和第二层信息，获取到以第一层和第二层下钻的维度字段进行分组，以用户请求的时间段和第一层维度字段的唯一值为过滤条件，以第二层下钻的指标维度字段进行排序，给每个第一层维度字段值的第二层分配指定数目的维度值数据；然后对上述数据进行滤重，得到第二层下钻维度字段的唯一值；然后根据下钻的第一层、第二层和第三层列表信息，获取到以第一层、第二层和第三层的下钻维度字段进行分组，以用户请求的时间段、第一层下钻的维度字段的唯一值和第二层下钻的维度字段的唯一值为过滤条件，以第三层下钻的指标维度字段进行排序，给每个第二层维度字段值的第三层分配指定数目的维度值数据；再对该维度值数据进行滤重，得到第三层下钻维度字段的唯一值；以此类推，直到遍历整个下钻列表。
9.根据权利要求8所述的数据钻取***，其特征在于：所述数据钻取模块从每一层数据中获取分组数据，具体为：以第一层下钻的维度字段对第二层数据进行分组，生成第二层分组数据；以第一和第二层下钻的维度字段对第三层数据进行分组，生成第三层分组数据；以此类推，以第一层到第N-1层下钻的维度字段对第N层数据进行分组，生成第N层分组数据；然后从第一层下钻维度值为关键字段开始，以递归的方式，从下一层分组数据中找到对应的数据，并把数据拼接，组成以上层维度字段为父，下层维度字段对应数据为子的树状结构数据反馈给用户。
10.根据权利要求8或9所述的数据钻取***，其特征在于：所述数据钻取模块获取本期数据和上期数据并根据每一层的本期数据和上期数据生成环比数据，反馈给用户。
CN202111310616.5A 2021-11-08 2021-11-08 一种数据钻取方法和*** Active CN113779044B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111310616.5A CN113779044B (zh) 2021-11-08 2021-11-08 一种数据钻取方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111310616.5A CN113779044B (zh) 2021-11-08 2021-11-08 一种数据钻取方法和***

Publications (2)

Publication Number Publication Date
CN113779044A true CN113779044A (zh) 2021-12-10
CN113779044B CN113779044B (zh) 2022-02-11

Family

ID=78956622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111310616.5A Active CN113779044B (zh) 2021-11-08 2021-11-08 一种数据钻取方法和***

Country Status (1)

Country Link
CN (1) CN113779044B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040034615A1 (en) * 2001-12-17 2004-02-19 Business Objects S.A. Universal drill-down system for coordinated presentation of items in different databases
CN101446964A (zh) * 2008-12-31 2009-06-03 中国建设银行股份有限公司 一种数据钻取的方法及计算机设备
CN102135994A (zh) * 2011-03-17 2011-07-27 新太科技股份有限公司 一种基于olap的智能分析方法
CN102521414A (zh) * 2011-12-28 2012-06-27 畅捷通信息技术股份有限公司 数据钻取装置和数据钻取方法
CN108399251A (zh) * 2018-03-05 2018-08-14 贵州工程应用技术学院 一种多层数据展现的智能生成器和数据展现方法
CN108446305A (zh) * 2018-01-30 2018-08-24 上海天旦网络科技发展有限公司 多维度统计业务数据的***和方法
CN110069519A (zh) * 2018-08-23 2019-07-30 平安科技（深圳）有限公司 数据信息管理方法、装置、计算机设备及存储介质
CN110175184A (zh) * 2019-04-30 2019-08-27 阿里巴巴集团控股有限公司 一种数据维度的下钻方法、***及电子设备
CN110263065A (zh) * 2019-05-22 2019-09-20 阿里巴巴集团控股有限公司 数据钻取方法和装置
CN112039989A (zh) * 2020-08-31 2020-12-04 广州品唯软件有限公司 数据钻取方法、代理服务器、服务调用***及介质
CN113268491A (zh) * 2021-03-19 2021-08-17 广州天越电子科技有限公司 一种通用型实现数据上卷下钻的方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040034615A1 (en) * 2001-12-17 2004-02-19 Business Objects S.A. Universal drill-down system for coordinated presentation of items in different databases
CN101446964A (zh) * 2008-12-31 2009-06-03 中国建设银行股份有限公司 一种数据钻取的方法及计算机设备
CN102135994A (zh) * 2011-03-17 2011-07-27 新太科技股份有限公司 一种基于olap的智能分析方法
CN102521414A (zh) * 2011-12-28 2012-06-27 畅捷通信息技术股份有限公司 数据钻取装置和数据钻取方法
CN108446305A (zh) * 2018-01-30 2018-08-24 上海天旦网络科技发展有限公司 多维度统计业务数据的***和方法
CN108399251A (zh) * 2018-03-05 2018-08-14 贵州工程应用技术学院 一种多层数据展现的智能生成器和数据展现方法
CN110069519A (zh) * 2018-08-23 2019-07-30 平安科技（深圳）有限公司 数据信息管理方法、装置、计算机设备及存储介质
CN110175184A (zh) * 2019-04-30 2019-08-27 阿里巴巴集团控股有限公司 一种数据维度的下钻方法、***及电子设备
CN110263065A (zh) * 2019-05-22 2019-09-20 阿里巴巴集团控股有限公司 数据钻取方法和装置
CN112039989A (zh) * 2020-08-31 2020-12-04 广州品唯软件有限公司 数据钻取方法、代理服务器、服务调用***及介质
CN113268491A (zh) * 2021-03-19 2021-08-17 广州天越电子科技有限公司 一种通用型实现数据上卷下钻的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DARIUSH RIAZATI等: "Drill across & visualization of cubes with non-conformed dimensions", 《ADC "08: PROCEEDINGS OF THE NINETEENTH CONFERENCE ON AUSTRALASIAN DATABASE》 *
马洁等: "基于多维数据的变电设备状态画像分析技术研究", 《自动化应用》 *

Also Published As

Publication number Publication date
CN113779044B (zh) 2022-02-11

Similar Documents

Publication Publication Date Title
US11681694B2 (en) Systems and methods for grouping and enriching data items accessed from one or more databases for presentation in a user interface
Stolte et al. Polaris: A system for query, analysis, and visualization of multidimensional relational databases
US7007020B1 (en) Distributed OLAP-based association rule generation method and system
JP2005525642A (ja) リンクに重み付けされたアソシエーションルールに戻って転送されるエキスパートデータベース
US20040015481A1 (en) Patent data mining
Golab et al. Data auditor: Exploring data quality and semantics using pattern tableaux
US20040139102A1 (en) Parameterized database drill-through
WO2013036688A2 (en) Identifying product variants
CN103309886A (zh) 一种基于交易平台的结构化信息搜索方法和装置
CN108241677A (zh) 一种获得商品的税收分类编码的方法及***
CN106326318B (zh) 搜索方法及装置
Tan et al. Time series clustering: A superior alternative for market basket analysis
CN105761154B (zh) 一种社会化推荐方法及装置
WO2014105940A1 (en) Techniques for measuring video profit
CN106933814A (zh) 税务数据异常分析方法及***
CN113327152A (zh) 商品推荐方法、装置、计算机设备及存储介质
CN111291191A (zh) 一种广电知识图谱构建方法及装置
Wu et al. Discovery of associated consumer demands: Construction of a co-demanded product network with community detection
CN113487117B (zh) 一种基于多维度用户画像的电商用户行为数据模拟的方法及***
CN115496566A (zh) 基于大数据的地区特产推荐方法及***
CN116450653A (zh) 一种针对供应链数据缺失的补全方法及装置
CN113779044B (zh) 一种数据钻取方法和***
CN114429384B (zh) 基于电商平台的产品智能推荐方法及***
CN109697203A (zh) 指标异动分析方法及设备、计算机存储介质、计算机设备
CN110765100B (zh) 标签的生成方法、装置、计算机可读存储介质及服务器

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