CN113806434B - 大数据处理方法、装置、设备及介质 - Google Patents
大数据处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113806434B CN113806434B CN202111107162.1A CN202111107162A CN113806434B CN 113806434 B CN113806434 B CN 113806434B CN 202111107162 A CN202111107162 A CN 202111107162A CN 113806434 B CN113806434 B CN 113806434B
- Authority
- CN
- China
- Prior art keywords
- data
- target
- source system
- processed
- conversion logic
- 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
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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/40—Transformation of program code
- G06F8/41—Compilation
- G06F8/42—Syntactic analysis
- G06F8/427—Parsing
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Stored Programmes (AREA)
- Devices For Executing Special Programs (AREA)
Abstract
本发明涉及大数据领域,提供一种大数据处理方法、装置、设备及介质,能够在预设语言中加载字典信息,生成数据抽取语句,根据源***的数据类型及数据抽取语句从源***抽取数据作为待处理数据,根据不同的数据类型有针对性的进行数据抽取,使获取到的数据更加准确,基于基础清洗转换逻辑对待处理数据进行预处理,得到中间数据,实现对数据的首次基础清洗,基于目标清洗转换逻辑对中间数据进行处理,得到目标数据,并传输至目标***,进一步依据不同的应用场景对数据的个性化要求进行二次清洗及转换,以确保数据与使用场景相匹配,具有更高的适用性。此外,本发明还涉及区块链技术,目标数据可存储于区块链节点中。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种大数据处理方法、装置、设备及介质。
背景技术
数据采集清洗转换ETL(Extract-Transform-Load,数据仓库技术)是当前大数据行业内对数据操作的通用解决方案,目前,各大开源社区和商业公司提供了很多针对采集或者清洗转换等局部功能的工具类库,但是并没有一个足够健壮、整合了ETL完整功能,且实现了需求侧映射逻辑到开发侧代码自动转换的功能的架构,因此,很难适应越来越复杂的业务数据场景,也适应不了越来越快速的技术工具更新迭代的节奏。
由于没有实现框架整合以及逻辑到代码的自动转换,每个ETL任务都需要人力单独定制开发,并将ETL流程串接起来,以便针对ETL进行点对点的数据采集清洗转换,效率较低,且缺乏通用性。
发明内容
鉴于以上内容,有必要提供一种大数据处理方法、装置、设备及介质,旨在解决大数据清洗的问题。
一种大数据处理方法,所述大数据处理方法包括:
响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息;
定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句;
根据所述数据处理指令确定源***及目标***;
识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据;
从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据;
获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***。
根据本发明优选实施例,所述从所述数据处理指令中获取数据生成字典信息包括:
从所述数据处理指令中获取待采集的字段的位置信息及数据结构;
根据所述待采集的字段的位置信息构建数据采集函数;
根据所述数据结构生成落表模型;
封装所述数据采集函数及所述落表模型,得到所述字典信息。
根据本发明优选实施例,所述定义预设语言包括:
基于scala解析器进行规则定义,其中,所述规则定义用于对初始数值进行计算,并得到目标数值;
基于scala解析器定义映射规则,其中,所述映射规则用于表示源数据与目标数据的映射关系;
加载groovy语言的语法编写规则,并根据所述语法编写规则、所述规则定义及所述映射规则生成语句转换器,其中,所述语句转换器用于将任意语句转换为groovy语句。
根据本发明优选实施例,所述根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据包括:
当所述源***的数据类型为数据库类型时,从所述数据处理指令中获取数据库连接串及登录凭证,并根据所述数据库连接串及所述登录凭证连接至所述源***,利用所述数据抽取语句从所述源***中抽取数据,得到所述待处理数据;或者
当所述源***的数据类型为文件类型时,利用所述数据抽取语句从所述源***中抽取元数据,得到所述待处理数据。
根据本发明优选实施例,所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据包括:
对所述待处理数据进行去重处理,得到第一数据;
采用聚类算法对所述第一数据进行聚类,得到多个子区域;
计算所述多个子区域中每个子区域内的所有点相对于其他点的上限距离及下限距离;
获取配置阈值,将所述上限距离大于或者等于所述配置阈值的子区域确定为待筛选子区域;
从所述待筛选子区域中获取孤立点;
从所述第一数据中删除所述孤立点,得到第二数据;
获取所述第二数据中的缺失值;
基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据。
根据本发明优选实施例,所述基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据包括:
计算所述第二数据中每个子数据的条件概率;
对每个子数据的条件概率按照由大到小的顺序进行排序,得到目标序列;
从所述目标序列中获取首位元素作为填充值;
利用所述填充值替换所述缺失值,得到所述中间数据。
根据本发明优选实施例,在所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理前,所述方法还包括:
封装所述基础清洗转换逻辑至类库,其中,所述类库中存储着多种清洗转换逻辑,每种清洗转换逻辑对应于一个适配器;
为所述类库配置对应于所述基础清洗转换逻辑的目标适配器;
在从所述待处理数据中提取所述基础清洗转换逻辑后,利用所述目标适配器连接至所述类库;
基于所述基础清洗转换逻辑,从所述类库中获取处理逻辑对所述待处理数据进行预处理。
一种大数据处理装置,所述大数据处理装置包括:
生成单元,用于响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息;
所述生成单元,还用于定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句;
确定单元,用于根据所述数据处理指令确定源***及目标***;
抽取单元,用于识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据;
预处理单元,用于从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据;
处理单元,用于获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***。
一种计算机设备,所述计算机设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现所述大数据处理方法。
一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个指令,所述至少一个指令被计算机设备中的处理器执行以实现所述大数据处理方法。
由以上技术方案可以看出,本发明能够响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息,定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句,根据所述数据处理指令确定源***及目标***,识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据,根据不同的数据类型有针对性的从所述源***中进行数据抽取,使获取到的数据更加准确,从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据,实现对数据的首次基础清洗,获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***,进一步依据不同的应用场景对数据的个性化要求进行二次清洗及转换,以确保数据与使用场景相匹配,具有更高的适用性。
附图说明
图1是本发明大数据处理方法的较佳实施例的流程图。
图2是本发明大数据处理装置的较佳实施例的功能模块图。
图3是本发明实现大数据处理方法的较佳实施例的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明大数据处理方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述大数据处理方法应用于一个或者多个计算机设备中,所述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 SignalProcessor,DSP)、嵌入式设备等。
所述计算机设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能式穿戴式设备等。
所述计算机设备还可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
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***。
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、大数据处理技术、操作/交互***、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。
所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息。
在本发明的至少一个实施例中,所述数据处理指令可以由相关工作人员触发,如开发人员、测试人员、业务员等。
在本发明的至少一个实施例中,所述从所述数据处理指令中获取数据生成字典信息包括:
从所述数据处理指令中获取待采集的字段的位置信息及数据结构;
根据所述待采集的字段的位置信息构建数据采集函数;
根据所述数据结构生成落表模型;
封装所述数据采集函数及所述落表模型,得到所述字典信息。
例如:所述数据采集函数可以为select()函数,也可以为正则表达式,本发明不限制。
通过所述数据采集函数,能够采集到指定位置的字段,如:采集1-20字段位置的数据。
通过所述落表模型能够明确最终生成的数据中每个字段的具体含义,例如:0-11的字段代表用户手机号码,12-18的字段代表用户信息。
S11,定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句。
在本发明的至少一个实施例中,所述定义预设语言包括:
基于scala解析器进行规则定义,其中,所述规则定义用于对初始数值进行计算,并得到目标数值;
基于scala解析器定义映射规则,其中,所述映射规则用于表示源数据与目标数据的映射关系;
加载groovy语言的语法编写规则,并根据所述语法编写规则、所述规则定义及所述映射规则生成语句转换器,其中,所述语句转换器用于将任意语句转换为groovy语句。
例如:所述规则定义可以为:
if(value=='RR')
'RR_MAPPER_123'
else if(value=='ATM')
'ATM_MAPPER_123'
else"EEROR_MAPPER"。
所述映射规则可以为:
tagContext["tagModeName1"]=
srcContext["srcModeName1"]
tagContext["tagModeName8"]=
hardCode("GALAXY-AQUILA")。
通过上述实施方式,能够在groovy语言上进行改进,使得到的语言学习成本更低,易于使用。
在本发明的至少一个实施例中,所述在所述预设语言中加载所述字典信息,生成数据抽取语句包括:
基于groovy语言的动态编译技术,根据所述字典信息生成JAVA类字节码,得到所述数据抽取语句。
S12,根据所述数据处理指令确定源***及目标***。
在本发明的至少一个实施例中,所述根据所述数据处理指令确定源***及目标***包括:
解析所述数据处理指令,得到源***标识码及目标***标识码;
根据所述源***标识码确定所述源***,及根据所述目标***标识码确定所述目标***。
需要说明的是,所述源***标识码及所述目标***标识码具有唯一性,因此,通过所述源***标识码能够唯一确定一个所述源***,通过所述目标***标识码能够唯一确定一个所述目标***。
在本实施例中,所述源***可以包括业务***等,所述目标***可以包括应用的下游***等。
S13,识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据。
在本发明的至少一个实施例中,所述源***的数据类型可以包括,但不限于:数据库类型、文件类型。
在本发明的至少一个实施例中,所述根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据包括:
当所述源***的数据类型为数据库类型时,从所述数据处理指令中获取数据库连接串及登录凭证,并根据所述数据库连接串及所述登录凭证连接至所述源***,利用所述数据抽取语句从所述源***中抽取数据,得到所述待处理数据;或者
当所述源***的数据类型为文件类型时,利用所述数据抽取语句从所述源***中抽取元数据,得到所述待处理数据。
在本实施例中,所述登录凭证可以包括,但不限于:用户名及密码。
通过上述实施方式,能够根据不同的数据类型有针对性的从所述源***中进行数据抽取,使获取到的数据更加准确。
S14,从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据。
在本发明的至少一个实施例中,所述基础清洗转换逻辑可以根据历史处理逻辑进行配置,实现对数据的第一步基础清洗。
在本发明的至少一个实施例中,所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据包括:
对所述待处理数据进行去重处理,得到第一数据;
采用聚类算法对所述第一数据进行聚类,得到多个子区域;
计算所述多个子区域中每个子区域内的所有点相对于其他点的上限距离及下限距离;
获取配置阈值,将所述上限距离大于或者等于所述配置阈值的子区域确定为待筛选子区域;
从所述待筛选子区域中获取孤立点;
从所述第一数据中删除所述孤立点,得到第二数据;
获取所述第二数据中的缺失值;
基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据。
通过上述实施方式,能够实现对所述待处理数据的基础清洗及转化,通过对孤立点的筛选,还能够简化后续的计算,进而提高了数据处理的效率。
具体地,所述基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据包括:
计算所述第二数据中每个子数据的条件概率;
对每个子数据的条件概率按照由大到小的顺序进行排序,得到目标序列;
从所述目标序列中获取首位元素作为填充值;
利用所述填充值替换所述缺失值,得到所述中间数据。
在上述实施方式中,以最大的条件概率值填充离散的缺失值,与传统的以固定值(如0)进行填充的方式相比,填充的数值与其他数值间更具有关联性。
在本发明的至少一个实施例中,在所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理前,所述方法还包括:
封装所述基础清洗转换逻辑至类库,其中,所述类库中存储着多种清洗转换逻辑,每种清洗转换逻辑对应于一个适配器;
为所述类库配置对应于所述基础清洗转换逻辑的目标适配器;
在从所述待处理数据中提取所述基础清洗转换逻辑后,利用所述目标适配器连接至所述类库;
基于所述基础清洗转换逻辑,从所述类库中获取处理逻辑对所述待处理数据进行预处理。
通过上述实施方式,能够实现对清洗转换逻辑的封装,当有新的处理逻辑时,能够直接在所述类库中进行更改,并配置新的适配器,方便进行调用。
S15,获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***。
在本实施例中,所述目标清洗转换逻辑是指与所述目标***对应的实际应用场景相适应的数据处理方式。
可以理解的是,每个应用场景可能对数据的格式等数据结构的要求是不一样的,因此,在进行基础的数据清洗及转换后,还可以进一步依据不同的应用场景对数据的个性化要求进行二次清洗及转换,以确保数据与使用场景相匹配,具有更高的适用性。
例如:当实际使用场景的所述目标清洗转换逻辑要求数据具有一致性时,可以从所述目标清洗转换逻辑中获取一致性检测需求,并根据所述一致性检测需求对所述中间数据进行处理,得到所述目标数据。
进一步地,将所述目标数据传输至所述目标***,以供所述目标***使用。
需要说明的是,为了进一步提高数据的安全性,避免数据被恶意篡改,所述目标数据可存储于区块链节点中。
由以上技术方案可以看出,本发明能够响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息,定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句,根据所述数据处理指令确定源***及目标***,识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据,根据不同的数据类型有针对性的从所述源***中进行数据抽取,使获取到的数据更加准确,从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据,实现对数据的首次基础清洗,获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***,进一步依据不同的应用场景对数据的个性化要求进行二次清洗及转换,以确保数据与使用场景相匹配,具有更高的适用性。
如图2所示,是本发明大数据处理装置的较佳实施例的功能模块图。所述大数据处理装置11包括生成单元110、确定单元111、抽取单元112、预处理单元113、处理单元114。本发明所称的模块/单元是指一种能够被处理器13所执行,并且能够完成固定功能的一系列计算机程序段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
响应于数据处理指令,生成单元110从所述数据处理指令中获取数据生成字典信息。
在本发明的至少一个实施例中,所述数据处理指令可以由相关工作人员触发,如开发人员、测试人员、业务员等。
在本发明的至少一个实施例中,所述生成单元110从所述数据处理指令中获取数据生成字典信息包括:
从所述数据处理指令中获取待采集的字段的位置信息及数据结构;
根据所述待采集的字段的位置信息构建数据采集函数;
根据所述数据结构生成落表模型;
封装所述数据采集函数及所述落表模型,得到所述字典信息。
例如:所述数据采集函数可以为select()函数,也可以为正则表达式,本发明不限制。
通过所述数据采集函数,能够采集到指定位置的字段,如:采集1-20字段位置的数据。
通过所述落表模型能够明确最终生成的数据中每个字段的具体含义,例如:0-11的字段代表用户手机号码,12-18的字段代表用户信息。
所述生成单元110定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句。
在本发明的至少一个实施例中,所述生成单元110定义预设语言包括:
基于scala解析器进行规则定义,其中,所述规则定义用于对初始数值进行计算,并得到目标数值;
基于scala解析器定义映射规则,其中,所述映射规则用于表示源数据与目标数据的映射关系;
加载groovy语言的语法编写规则,并根据所述语法编写规则、所述规则定义及所述映射规则生成语句转换器,其中,所述语句转换器用于将任意语句转换为groovy语句。
例如:所述规则定义可以为:
if(value=='RR')
'RR_MAPPER_123'
else if(value=='ATM')
'ATM_MAPPER_123'
else"EEROR_MAPPER"。
所述映射规则可以为:
tagContext["tagModeName1"]=
srcContext["srcModeName1"]
tagContext["tagModeName8"]=
hardCode("GALAXY-AQUILA")。
通过上述实施方式,能够在groovy语言上进行改进,使得到的语言学习成本更低,易于使用。
在本发明的至少一个实施例中,所述生成单元110在所述预设语言中加载所述字典信息,生成数据抽取语句包括:
基于groovy语言的动态编译技术,根据所述字典信息生成JAVA类字节码,得到所述数据抽取语句。
确定单元111根据所述数据处理指令确定源***及目标***。
在本发明的至少一个实施例中,所述确定单元111根据所述数据处理指令确定源***及目标***包括:
解析所述数据处理指令,得到源***标识码及目标***标识码;
根据所述源***标识码确定所述源***,及根据所述目标***标识码确定所述目标***。
需要说明的是,所述源***标识码及所述目标***标识码具有唯一性,因此,通过所述源***标识码能够唯一确定一个所述源***,通过所述目标***标识码能够唯一确定一个所述目标***。
在本实施例中,所述源***可以包括业务***等,所述目标***可以包括应用的下游***等。
抽取单元112识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据。
在本发明的至少一个实施例中,所述源***的数据类型可以包括,但不限于:数据库类型、文件类型。
在本发明的至少一个实施例中,所述抽取单元112根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据包括:
当所述源***的数据类型为数据库类型时,从所述数据处理指令中获取数据库连接串及登录凭证,并根据所述数据库连接串及所述登录凭证连接至所述源***,利用所述数据抽取语句从所述源***中抽取数据,得到所述待处理数据;或者
当所述源***的数据类型为文件类型时,利用所述数据抽取语句从所述源***中抽取元数据,得到所述待处理数据。
在本实施例中,所述登录凭证可以包括,但不限于:用户名及密码。
通过上述实施方式,能够根据不同的数据类型有针对性的从所述源***中进行数据抽取,使获取到的数据更加准确。
预处理单元113从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据。
在本发明的至少一个实施例中,所述基础清洗转换逻辑可以根据历史处理逻辑进行配置,实现对数据的第一步基础清洗。
在本发明的至少一个实施例中,所述预处理单元113基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据包括:
对所述待处理数据进行去重处理,得到第一数据;
采用聚类算法对所述第一数据进行聚类,得到多个子区域;
计算所述多个子区域中每个子区域内的所有点相对于其他点的上限距离及下限距离;
获取配置阈值,将所述上限距离大于或者等于所述配置阈值的子区域确定为待筛选子区域;
从所述待筛选子区域中获取孤立点;
从所述第一数据中删除所述孤立点,得到第二数据;
获取所述第二数据中的缺失值;
基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据。
通过上述实施方式,能够实现对所述待处理数据的基础清洗及转化,通过对孤立点的筛选,还能够简化后续的计算,进而提高了数据处理的效率。
具体地,所述预处理单元113基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据包括:
计算所述第二数据中每个子数据的条件概率;
对每个子数据的条件概率按照由大到小的顺序进行排序,得到目标序列;
从所述目标序列中获取首位元素作为填充值;
利用所述填充值替换所述缺失值,得到所述中间数据。
在上述实施方式中,以最大的条件概率值填充离散的缺失值,与传统的以固定值(如0)进行填充的方式相比,填充的数值与其他数值间更具有关联性。
在本发明的至少一个实施例中,在所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理前,封装所述基础清洗转换逻辑至类库,其中,所述类库中存储着多种清洗转换逻辑,每种清洗转换逻辑对应于一个适配器;
为所述类库配置对应于所述基础清洗转换逻辑的目标适配器;
在从所述待处理数据中提取所述基础清洗转换逻辑后,利用所述目标适配器连接至所述类库;
基于所述基础清洗转换逻辑,从所述类库中获取处理逻辑对所述待处理数据进行预处理。
通过上述实施方式,能够实现对清洗转换逻辑的封装,当有新的处理逻辑时,能够直接在所述类库中进行更改,并配置新的适配器,方便进行调用。
处理单元114获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***。
在本实施例中,所述目标清洗转换逻辑是指与所述目标***对应的实际应用场景相适应的数据处理方式。
可以理解的是,每个应用场景可能对数据的格式等数据结构的要求是不一样的,因此,在进行基础的数据清洗及转换后,还可以进一步依据不同的应用场景对数据的个性化要求进行二次清洗及转换,以确保数据与使用场景相匹配,具有更高的适用性。
例如:当实际使用场景的所述目标清洗转换逻辑要求数据具有一致性时,可以从所述目标清洗转换逻辑中获取一致性检测需求,并根据所述一致性检测需求对所述中间数据进行处理,得到所述目标数据。
进一步地,将所述目标数据传输至所述目标***,以供所述目标***使用。
需要说明的是,为了进一步提高数据的安全性,避免数据被恶意篡改,所述目标数据可存储于区块链节点中。
由以上技术方案可以看出,本发明能够响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息,定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句,根据所述数据处理指令确定源***及目标***,识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据,根据不同的数据类型有针对性的从所述源***中进行数据抽取,使获取到的数据更加准确,从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据,实现对数据的首次基础清洗,获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***,进一步依据不同的应用场景对数据的个性化要求进行二次清洗及转换,以确保数据与使用场景相匹配,具有更高的适用性。
如图3所示,是本发明实现大数据处理方法的较佳实施例的计算机设备的结构示意图。
所述计算机设备1可以包括存储器12、处理器13和总线,还可以包括存储在所述存储器12中并可在所述处理器13上运行的计算机程序,例如大数据处理程序。
本领域技术人员可以理解,所述示意图仅仅是计算机设备1的示例,并不构成对计算机设备1的限定,所述计算机设备1既可以是总线型结构,也可以是星形结构,所述计算机设备1还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置,例如所述计算机设备1还可以包括输入输出设备、网络接入设备等。
需要说明的是,所述计算机设备1仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
其中,存储器12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、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器12在一些实施例中可以是计算机设备1的内部存储单元,例如该计算机设备1的移动硬盘。存储器12在另一些实施例中也可以是计算机设备1的外部存储设备,例如计算机设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,存储器12还可以既包括计算机设备1的内部存储单元也包括外部存储设备。存储器12不仅可以用于存储安装于计算机设备1的应用软件及各类数据,例如大数据处理程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器13在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器13是所述计算机设备1的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备1的各个部件,通过运行或执行存储在所述存储器12内的程序或者模块(例如执行大数据处理程序等),以及调用存储在所述存储器12内的数据,以执行计算机设备1的各种功能和处理数据。
所述处理器13执行所述计算机设备1的操作***以及安装的各类应用程序。所述处理器13执行所述应用程序以实现上述各个大数据处理方法实施例中的步骤,例如图1所示的步骤。
示例性的,所述计算机程序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12中,并由所述处理器13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可读指令段,该指令段用于描述所述计算机程序在所述计算机设备1中的执行过程。例如,所述计算机程序可以被分割成生成单元110、确定单元111、抽取单元112、预处理单元113、处理单元114。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、计算机设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述大数据处理方法的部分。
所述计算机设备1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示相关的硬件设备来完成,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)、随机存取存储器等。
进一步地,计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,在图3中仅用一根直线表示,但并不表示仅有一根总线或一种类型的总线。所述总线被设置为实现所述存储器12以及至少一个处理器13等之间的连接通信。
尽管未示出,所述计算机设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器13逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述计算机设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该计算机设备1与其他计算机设备之间建立通信连接。
可选地,该计算机设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在计算机设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
图3仅示出了具有组件12-13的计算机设备1,本领域技术人员可以理解的是,图3示出的结构并不构成对所述计算机设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
结合图1,所述计算机设备1中的所述存储器12存储多个指令以实现一种大数据处理方法,所述处理器13可执行所述多个指令从而实现:
响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息;
定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句;
根据所述数据处理指令确定源***及目标***;
识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据;
从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据;
获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***。
具体地,所述处理器13对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,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,所述模块的划分,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。
本发明可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (9)
1.一种大数据处理方法,其特征在于,所述大数据处理方法包括:
响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息;
定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句;
根据所述数据处理指令确定源***及目标***;
识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据;
从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据;
获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***;
其中,所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据包括:
对所述待处理数据进行去重处理,得到第一数据;
采用聚类算法对所述第一数据进行聚类,得到多个子区域;
计算所述多个子区域中每个子区域内的所有点相对于其他点的上限距离及下限距离;
获取配置阈值,将所述上限距离大于或者等于所述配置阈值的子区域确定为待筛选子区域;
从所述待筛选子区域中获取孤立点;
从所述第一数据中删除所述孤立点,得到第二数据;
获取所述第二数据中的缺失值;
基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据。
2.如权利要求1所述的大数据处理方法,其特征在于,所述从所述数据处理指令中获取数据生成字典信息包括:
从所述数据处理指令中获取待采集的字段的位置信息及数据结构;
根据所述待采集的字段的位置信息构建数据采集函数;
根据所述数据结构生成落表模型;
封装所述数据采集函数及所述落表模型,得到所述字典信息。
3.如权利要求1所述的大数据处理方法,其特征在于,所述定义预设语言包括:
基于scala解析器进行规则定义,其中,所述规则定义用于对初始数值进行计算,并得到目标数值;
基于scala解析器定义映射规则,其中,所述映射规则用于表示源数据与目标数据的映射关系;
加载groovy语言的语法编写规则,并根据所述语法编写规则、所述规则定义及所述映射规则生成语句转换器,其中,所述语句转换器用于将任意语句转换为groovy语句。
4.如权利要求1所述的大数据处理方法,其特征在于,所述根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据包括:
当所述源***的数据类型为数据库类型时,从所述数据处理指令中获取数据库连接串及登录凭证,并根据所述数据库连接串及所述登录凭证连接至所述源***,利用所述数据抽取语句从所述源***中抽取数据,得到所述待处理数据;或者
当所述源***的数据类型为文件类型时,利用所述数据抽取语句从所述源***中抽取元数据,得到所述待处理数据。
5.如权利要求1所述的大数据处理方法,其特征在于,所述基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据包括:
计算所述第二数据中每个子数据的条件概率;
对每个子数据的条件概率按照由大到小的顺序进行排序,得到目标序列;
从所述目标序列中获取首位元素作为填充值;
利用所述填充值替换所述缺失值,得到所述中间数据。
6.如权利要求1所述的大数据处理方法,其特征在于,在所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理前,所述方法还包括:
封装所述基础清洗转换逻辑至类库,其中,所述类库中存储着多种清洗转换逻辑,每种清洗转换逻辑对应于一个适配器;
为所述类库配置对应于所述基础清洗转换逻辑的目标适配器;
在从所述待处理数据中提取所述基础清洗转换逻辑后,利用所述目标适配器连接至所述类库;
基于所述基础清洗转换逻辑,从所述类库中获取处理逻辑对所述待处理数据进行预处理。
7.一种大数据处理装置,其特征在于,所述大数据处理装置包括:
生成单元,用于响应于数据处理指令,从所述数据处理指令中获取数据生成字典信息;
所述生成单元,还用于定义预设语言,并在所述预设语言中加载所述字典信息,生成数据抽取语句;
确定单元,用于根据所述数据处理指令确定源***及目标***;
抽取单元,用于识别所述源***的数据类型,并根据所述源***的数据类型及所述数据抽取语句从所述源***抽取数据作为待处理数据;
预处理单元,用于从所述待处理数据中提取基础清洗转换逻辑,并基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据;
处理单元,用于获取所述目标***的目标清洗转换逻辑,基于所述目标清洗转换逻辑对所述中间数据进行处理,得到目标数据,并将所述目标数据传输至所述目标***;
其中,所述基于所述基础清洗转换逻辑对所述待处理数据进行预处理,得到中间数据包括:
对所述待处理数据进行去重处理,得到第一数据;
采用聚类算法对所述第一数据进行聚类,得到多个子区域;
计算所述多个子区域中每个子区域内的所有点相对于其他点的上限距离及下限距离;
获取配置阈值,将所述上限距离大于或者等于所述配置阈值的子区域确定为待筛选子区域;
从所述待筛选子区域中获取孤立点;
从所述第一数据中删除所述孤立点,得到第二数据;
获取所述第二数据中的缺失值;
基于配置填充机制对所述缺失值进行填充处理,得到所述中间数据。
8.一种计算机设备,其特征在于,所述计算机设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现如权利要求1至6中任意一项所述的大数据处理方法。
9.一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中存储有至少一个指令,所述至少一个指令被计算机设备中的处理器执行以实现如权利要求1至6中任意一项所述的大数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107162.1A CN113806434B (zh) | 2021-09-22 | 2021-09-22 | 大数据处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111107162.1A CN113806434B (zh) | 2021-09-22 | 2021-09-22 | 大数据处理方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113806434A CN113806434A (zh) | 2021-12-17 |
CN113806434B true CN113806434B (zh) | 2023-09-05 |
Family
ID=78939891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111107162.1A Active CN113806434B (zh) | 2021-09-22 | 2021-09-22 | 大数据处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113806434B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114860349B (zh) * | 2022-07-06 | 2022-11-08 | 深圳华锐分布式技术股份有限公司 | 数据加载方法、装置、设备及介质 |
CN114936208B (zh) * | 2022-07-26 | 2022-09-23 | 广州天维信息技术股份有限公司 | 一种基于数据清洗的信息分析*** |
CN115862882B (zh) * | 2022-12-02 | 2024-02-13 | 北京百度网讯科技有限公司 | 一种数据抽取方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463709A (zh) * | 2017-08-21 | 2017-12-12 | 北京奇艺世纪科技有限公司 | 一种基于多数据源的etl处理方法及装置 |
CN109918349A (zh) * | 2019-02-25 | 2019-06-21 | 网易(杭州)网络有限公司 | 日志处理方法、装置、存储介质和电子装置 |
CN112231417A (zh) * | 2020-10-14 | 2021-01-15 | 平安国际智慧城市科技股份有限公司 | 数据分类方法、装置、电子设备及存储介质 |
CN112835879A (zh) * | 2021-01-22 | 2021-05-25 | 深圳市汉云科技有限公司 | 一种数据抽取方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150026114A1 (en) * | 2013-07-18 | 2015-01-22 | Dania M. Triff | System and method of automatically extracting data from plurality of data sources and loading the same to plurality of target databases |
-
2021
- 2021-09-22 CN CN202111107162.1A patent/CN113806434B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463709A (zh) * | 2017-08-21 | 2017-12-12 | 北京奇艺世纪科技有限公司 | 一种基于多数据源的etl处理方法及装置 |
CN109918349A (zh) * | 2019-02-25 | 2019-06-21 | 网易(杭州)网络有限公司 | 日志处理方法、装置、存储介质和电子装置 |
CN112231417A (zh) * | 2020-10-14 | 2021-01-15 | 平安国际智慧城市科技股份有限公司 | 数据分类方法、装置、电子设备及存储介质 |
CN112835879A (zh) * | 2021-01-22 | 2021-05-25 | 深圳市汉云科技有限公司 | 一种数据抽取方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113806434A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113806434B (zh) | 大数据处理方法、装置、设备及介质 | |
CN114491047A (zh) | 多标签文本分类方法、装置、电子设备及存储介质 | |
CN113887941A (zh) | 业务流程生成方法、装置、电子设备及介质 | |
CN113890712A (zh) | 数据传输方法、装置、电子设备及可读存储介质 | |
CN113868528A (zh) | 资讯推荐方法、装置、电子设备及可读存储介质 | |
CN114185776A (zh) | 应用程序的大数据埋点方法、装置、设备及介质 | |
CN114138243A (zh) | 基于开发平台的功能调用方法、装置、设备及存储介质 | |
CN111950707B (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
CN116823437A (zh) | 基于配置化风控策略的准入方法、装置、设备及介质 | |
CN111429085A (zh) | 合同数据生成方法、装置、电子设备及存储介质 | |
CN114816371B (zh) | 消息处理方法、装置、设备及介质 | |
CN114268559B (zh) | 基于tf-idf算法的定向网络检测方法、装置、设备及介质 | |
CN113419951B (zh) | 人工智能模型优化方法、装置、电子设备及存储介质 | |
CN112132037B (zh) | 基于人工智能的人行道检测方法、装置、设备及介质 | |
CN115033605A (zh) | 数据查询方法、装置、电子设备及存储介质 | |
CN114547011A (zh) | 数据抽取方法、装置、电子设备及存储介质 | |
CN116934263B (zh) | 产品批量准入方法、装置、设备及介质 | |
CN115221875B (zh) | 词权重生成方法、装置、电子设备及存储介质 | |
CN116976821B (zh) | 企业问题反馈信息处理方法、装置、设备及介质 | |
CN115934576B (zh) | 交易场景下的测试用例生成方法、装置、设备及介质 | |
CN113704616B (zh) | 信息推送方法、装置、电子设备及可读存储介质 | |
CN114416575A (zh) | Mock数据生成方法、装置、设备及存储介质 | |
CN117438032A (zh) | 精麻类药物信息采集方法、装置、设备及介质 | |
CN116414366A (zh) | 中间件接口生成方法、装置、设备及介质 | |
CN114942855A (zh) | 接口调用方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |