[發明專利]一種數據處理的方法和裝置

有效

• 申請號: 201811639962.6
• 申請日: 2018-12-29
• 公開（公告）號: CN109741833B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 蔡巍;崔朝輝;趙立軍;張霞
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉佳;王寶筠

本發明公開了一種數據處理的方法和裝置，通過將同一分析業務的各種不同數據結構的數據均作為目標來源數據，為各目標來源數據構造用于表示該目標來源數據中各特征元素之間的關聯關系的關聯矩陣；再將各關聯矩陣分別映射到用于保留該分析業務的所有來源數據中各數據結構的數據特征的全量矩陣空間，形成各目標來源數據的全量矩陣；采用該分析業務的指定嵌入式表示方法，對各個目標來源數據的全量矩陣分別進行嵌入式表示，得到各目標來源數據對應的嵌入向量矩陣。這樣，既保留不同結構的數據的全部數據特征，又確保各種數據結構的數據對應的嵌入向量矩陣符合統一計算的要求，為后續統一分析作好準備，從而使該分析業務得到全面和準確的分析結果。

技術領域

本發明涉及信息處理技術領域，特別是涉及一種數據處理的方法和裝置。

背景技術

在大數據分析領域，在一個分析業務中往往需要綜合依據多種不同來源的數據進行分析，從而才能得出分析結果。而不同來源的數據往往具有不同的數據結構。例如，對于精準醫療分析來說，其所需要依據的數據往往包括基因組學的文本數據、醫療影像的圖像數據、實驗室檢查化驗結果的結構化數據等。

由于數據結構不同的數據往往難以進行統一計算，目前各種不同來源、不同數據結構的數據是各自進行計算分析，所得到的各個分析結果再經過匯總得出最終的分析結果。但是，往往不同來源、不同數據結構的數據之間是存在關聯的，若各自進行計算分析則往往會忽略這種關聯，從而使得最終的分析結果不夠全面、不夠準確。例如，在醫療領域中，某些實驗室檢查化驗結果可能會指向某種疾病，但是結合病史則可以確定這些檢查化驗結果的異常是因為患者正在為另一種疾病服藥而導致的。

發明內容

本發明所要解決的技術問題是，提供一種數據處理的方法和裝置，以使得各種不同數據結構的數據經過處理之后符合統一計算的要求，從而避免不同數據結構的數據之間的關聯在分析過程中被忽略，提高分析結果的全面性和準確性。

第一方面，本發明實施例提供了一種數據處理的方法，包括：

獲取分析業務的目標來源數據；

為所述目標來源數據構造關聯矩陣；其中，所述關聯矩陣用于表示所述目標來源數據中各特征元素之間的關聯關系；

將所述目標來源數據的關聯矩陣映射到所述分析業務的全量矩陣空間，形成所述目標來源數據的全量矩陣；其中，所述全量矩陣空間用于保留所述分析業務的所有來源數據中各數據結構的數據特征；

采用所述分析業務的指定嵌入式表示方法，對所述目標來源數據的全量矩陣進行嵌入式表示，得到所述目標來源數據的嵌入向量矩陣。

可選地，所述為所述目標來源數據構造關聯矩陣，包括：

從所述目標來源數據中提取所述各特征元素；

計算所述各特征元素之間的關聯度；

根據所述各特征元素之間的關聯度與關聯度閾值之間的大小關系，形成所述目標來源數據的關聯矩陣。

可選地，所述目標來源數據為圖像數據，所述各特征元素為所述圖像數據中的各圖像特征，所述關聯度為各圖像特征之間的相似度。

可選地，所述目標來源數據為文本數據，所述各特征元素為所述文本數據中各詞語的詞向量，所述關聯度根據所述各詞語之間在同一句子中的同現概率和所述各詞語之間的詞向量相似度確定。

可選地，所述目標來源數據為結構化數據，所述各特征元素為所述結構化數據中各數據列，所述關聯度為所述各數據列在所述分析業務的問題域中確定的相關系數。

可選地，所述全量矩陣空間的維度為所述分析業務的所有來源數據中各數據結構的關聯矩陣的維度之間的最小公倍數。

可選地，所述指定嵌入式表示方法具體為小波分析算法。