[發明專利]數據填充方法及其系統

有效

• 申請號: 201710569008.3
• 申請日: 2017-07-12
• 公開（公告）號: CN107463628B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 閆強;李愛華;葛勝利
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/28
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鄢功軍

1.一種數據填充方法，包括：

接收包含有待填充數據的數據文件；

獲取所述數據文件中的所述待填充數據的定位信息，其中，所述待填充數據為目標數據在指定維度上的數據，所述目標數據為單維度或多維度數據，其中，所述定位信息包括所述待填充數據所在行數據的主鍵，用于確定所述待填充數據在數據結構集中的位置；

根據所述定位信息，確定用于填充所述待填充數據的參考數據，其中，所述目標數據與所述參考數據在對應維度上滿足預定關系；

利用所述參考數據填充所述待填充數據，以生成新的數據文件；

其中，根據所述定位信息，確定用于填充所述待填充數據的參考數據包括：

根據所述定位信息，確定用于填充所述待填充數據的擬定參考數據；

計算所述擬定參考數據與所述目標數據在對應維度上的相似度；

其中，所述計算所述擬定參考數據與所述目標數據在對應維度上的相似度包括：

按照如下公式計算所述擬定參考數據和所述目標數據的相似度：

其中，P(f，k)表示第f行和第k行數據的相似度，所述A_fi表示第f行i列對應的數據，所述A_ki表示第k行i列對應的數據，表示第i個屬性所有數據的均值，f表示第1至m行，k表示所述目標數據所在的行，1＜i＜＝n，所述數據文件為m行n列；

按照所述擬定參考數據和所述目標數據的相似度進行降序排列，得到相似度依次降低的擬定參考數據序列；

從所述擬定參考數據序列中選出相似度排在前K位的目標擬定參考數據，K為2至m；

計算所述目標擬定參考數據在目標維度上的均值，其中，所述目標維度為所述待填充數據在所述目標數據上的維度相同；

將所述均值中的最小值對應的目標擬定參考數據作為所述參考數據；

所述利用所述參考數據填充所述待填充數據包括：

將計算所述目標擬定參考數據在所述目標維度上的均值得到的最小值作為所述待填充數據進行填充。

2.根據權利要求1所述的方法，其中，在獲取待填充數據的定位信息之前，所述方法還包括：

對所述目標數據和所述參考數據分別進行標準化處理，得到標準化后的目標數據和標準化后的參考數據；以及

利用標準化后的目標數據替換所述目標數據以及利用標準化后的參考數據替換所述參考數據。