[發明專利]一種對數據的概述方法及裝置

在審

• 申請號: 202010085116.5
• 申請日: 2020-02-10
• 公開（公告）號: CN111382211A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 霍靈瑜;張燕;周麗;于建業;張海軍;袁瑞萍
• 申請（專利權）人: 北京物資學院
• 主分類號: G06F16/28
• 分類號: G06F16/28
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 郭智

本發明實施例提供一種對數據的概述方法及裝置，其中，所述方法包括：獲取設定時間段內用戶群的操作行為數據；將用戶群的操作行為對應的所有鏈接的標識進行排序，并記錄排序信息；將所述用戶群中每一個用戶在所述設定時間段內對于所有鏈接的操作行為記錄為對應所述排序信息的字符串；根據用戶群對應的字符串，對鏈接進行聚類統計。通過對數據進行字符串記錄，并聚類統計，使得數據的記錄、統計簡單、清晰，并便于計算和傳輸。

技術領域

本發明涉及互聯網數據處理領域，具體涉及一種對數據的概述方法及裝置。

背景技術

現有技術中，Web流式數據格式一般為：用戶ID，目標ID，操作時間。其中，目標ID是一個鏈接，這個鏈接可能指向一個文本網頁，也可能是一個視頻或者一個文件等。

依據海量Web文本記錄，進行新算法的計算和算法測試都非常困難，而且耗時很長。當歷史數據和實際運行的情況差異較大時，就是著名的“冷啟動敏感”的情況下，需要能快速從海量數據中，抽樣代表性的數據，并使得損失盡量的少，從而減低對于歷史數據的依賴，而對于現有技術中數據的記錄方法難以實現；并且基于現有技術的數據記錄，數據量大、不利于傳輸。

發明內容

本發明實施例提供一種對數據的概述方法及裝置，通過對數據進行字符串記錄，并聚類統計，使得數據的記錄、統計簡單、清晰，并便于計算和傳輸。

為達到上述目的，一方面，本發明實施例提供了一種對數據的概述方法，所述方法包括：

獲取設定時間段內用戶群的操作行為數據；

將用戶群的操作行為對應的所有鏈接的標識進行排序，并記錄排序信息；

將所述用戶群中每一個用戶在所述設定時間段內對于所有鏈接的操作行為記錄為對應所述排序信息的字符串；

根據用戶群對應的字符串，對鏈接進行聚類統計。

另一方面，本發明實施例提供了一種對數據的概述裝置，所述裝置包括：

數據獲取單元，用于獲取設定時間段內用戶群的操作行為數據；

排序單元，用于將用戶群的操作行為對應的所有鏈接的標識進行排序，并記錄排序信息；

數據記錄單元，用于將所述用戶群中每一個用戶在所述設定時間段內對于所有鏈接的操作行為記錄為對應所述排序信息的字符串；

概述單元，用于根據用戶群對應的字符串，對鏈接進行聚類統計。

上述技術方案具有如下有益效果：

本發明的技術方案通過對用戶對鏈接的操作行為數據的記錄為對應鏈接標識排序信息的字符串，使得數據記錄簡單清晰，便于數據的存儲、傳輸以及聚類統計；并且在此基礎上對數據進行聚類統計，更進一步簡化了數據，使得進一步可以抽樣代表性的數據，并使得損失盡量的少，并減低對于歷史數據的依賴。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例一種對數據的概述方法的流程圖；

圖2是本發明實施例一種對數據的概述裝置的結構示意圖。

具體實施方式