发明名称 |
多类型数据的一致性预处理方法 |
摘要 |
一种多类型数据的一致性预处理方法中,将数据类型分为文本类型字段、日期类型字段和数据本身三种类型,实现了将不同来源不同类型的数据进行统一的处理,清除了数据中的杂质,并从中提取出有价值的内容供后续处理使用,统一的处理使得后续处理方便而快捷,不需要再做重复的劳动,节省了整个系统的资源,同时灵活的配置可以使不同的系统在这里获得不同的效果,实现了一份数据在同一个服务下面向不同系统进行有针对性的处理。 |
申请公布号 |
CN105335529A |
申请公布日期 |
2016.02.17 |
申请号 |
CN201510910437.3 |
申请日期 |
2015.12.10 |
申请人 |
天津海量信息技术有限公司 |
发明人 |
史墨轩;张作职 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
天津市尚仪知识产权代理事务所(普通合伙) 12217 |
代理人 |
王山 |
主权项 |
一种多类型数据的一致性预处理方法,包括以下步骤:A、对时间类型字段进行处理,将时间类型字段数据根据时间归一化算法进行归一化,得到格式统一的时间字段;B、对文本类型字段数据进行汉字的繁简转换;C、对文本类型字段数据进行HTML标签的过滤,将数据变为人工可阅读的形式;D、对文本类型字段数据进行分词;E、基于分词结果提取数据中的关键词;F、基于分词结果提取数据中的摘要,通过摘要预览数据内容;G、基于分词结果提取数据中的时间,将数据中行文的时间提取出来,并加以归一化;H、对文本类型字段数据进行联系方式的提取;I、提取文本类型字段数据中的微博要素;J、对数据本身的类型错误进行修正;K、对数据本身的来源进行修正;L、为数据本身提供唯一语义指纹。 |
地址 |
300020 天津市和平区南马路11号麦购国际大厦23层 |