[發明專利]大數據的非精準排序方法

在審

• 申請號: 201810192740.8
• 申請日: 2018-03-09
• 公開（公告）號: CN108416025A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 李凌瑤;張業嶺;蔣可安;張菁菁;王寧駿;胡天然
• 申請（專利權）人: 王寧駿;張菁菁;胡天然;張業嶺;蔣可安;李凌瑤
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海驍象知識產權代理有限公司 31315
• 代理人: 林煒

1.一種大數據的非精準排序方法，其特征在于，具體步驟如下：

1)從目標數據庫中隨機截取一段包含有N個數據的數據樣本Y，并設定一個計算精度α，1E+8<N<1E+10，1E-6≤α≤1E-4；

2)令m等于1/α的整數部分；

3)構建一個m維的樣本值數組Lv，為樣本值數組Lv中的每個元素賦值，賦值計算公式為：

Lv_(i)＝V_min+i×(V_max-V_min)/m

其中，Lv_(i)為樣本值數組Lv中的第i個元素，V_max為數據樣本Y中的數據最大值，V_min為數據樣本Y中的數據最小值，0<i≤m；

4)構建一個m維的樣本頻數數組Ln，為樣本頻數數組Ln中的每個元素賦值，賦值方法為：統計數據樣本Y中的大于Lv_(i)并且小于Lv_(i+1)的數據的數量，并將統計的數量值賦給Ln_(i)；

其中，Ln_(i)為樣本頻數數組Ln中的第i個元素，Lv_(i)為樣本值數組Lv中的第i個元素，Lv_(i+1)為Lv_(i)后序相鄰的元素；

5)按照規則A、規則B優化樣本值數組Lv及樣本頻數數組Ln，直到樣本頻數數組Ln中的所有元素都不滿足規則A，并且也不滿足規則B；

規則A：對于樣本頻數數組Ln中的任意一個元素Ln_(i)，如果Ln_(i)＜η×N/m，則令令N＝N-Ln_(i)/2，令m＝m-1，并刪除樣本值數組Lv中的第i個元素Lv_(i)，并刪除樣本頻數數組Ln中的第i個元素Ln_(i)，η的取值為0.1；

規則B：對于樣本頻數數組Ln中的任意一個元素Ln_(i)，如果Ln_(i)＞λ×N/m，則在樣本值數組Lv的第i個元素Lv_(i)及第i+1個元素Lv_(i+1)之間插入T個元素，在樣本頻數數組Ln的第i個元素Ln_(i)及第i+1個元素Ln_(i+1)之間插入T個元素，并為樣本值數組Lv中所插入的T個元素賦值，為樣本頻數數組Ln中所插入的T個元素賦值，并令m＝m+T；其中，λ的取值為10；

樣本值數組Lv中所插入的T個元素的賦值公式為：

Lv'_(i+t)＝Lv_(i)+(Lv_(i+1)-Lv_(i))/T

其中，Lv'_(i+t)為插入樣本值數組Lv中的第t個元素，Lv_(i)、Lv_(i+1)分別是未插入T個元素時的樣本值數組Lv中的第i個元素、第i+1個元素；

樣本頻數數組Ln中所插入的T個元素的賦值方法為：統計數據樣本Y中的大于Lv'_(i+t)并且小于Lv'_(i+t+1)的數據的數量，并將統計的數量值賦給Ln'_(i+t)；

其中，Ln'_(i+t)為插入樣本頻數數組Ln中的第t個元素，Lv'_(i+t)為插入樣本值數組Lv中的第t個元素，Lv'_(i+t+1)為Lv'_(i+t)后序相鄰的元素；

6)構建一個m維的累計值數組ALn，為累計值數組ALn中的每個元素賦值，賦值計算公式為：

其中，ALn_(i)為累計值數組ALn中的第i個元素；

7)獲取待排序的目標數據Y_(k)，在樣本值數組Lv中查找滿足條件Lv_(i)＜Y_(k)＜Lv_(i+1)的兩個相鄰元素Lv_(i)、Lv_(i+1)，再根據所找到的元素Lv_(i)在樣本值數組Lv中的位置i，從累計值數組ALn中找到處于位置i處的元素ALn_(i)，再根據所找到的元素ALn_(i)，計算目標數據Y_(k)在目標數據庫中的排序百分比值，從而得出目標數據Y_(k)在目標數據庫中的排序位置，排序百分比值的具體計算公式為：

Res_(k)＝100×ALn_(i)/N

其中，Res_(k)為目標數據Y_(k)在目標數據庫中的排序百分比值。

2.根據權利要求1所述的大數據的非精準排序方法，其特征在于：α的取值為1E-5。