[發明專利]一種處理數據的方法、裝置、電子設備以及存儲介質

在審

• 申請號: 202110604342.4
• 申請日: 2021-05-31
• 公開（公告）號: CN113486219A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 馬偉杰;江敏;夏鑫;許迪凡
• 申請（專利權）人: 杭州數瀾科技有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06Q50/16
• 代理公司: 北京市聯德律師事務所 11361
• 代理人: 黃大正;張來光

1.一種處理數據的方法，所述方法涉及與來自不同數據來源的多套用戶數據分別對應的多個用戶，每套所述用戶數據包括多個字段，所述方法包括：

將所述多個用戶兩兩匹配，將符合弱匹配規則的兩個用戶組成一個用戶組，生成包括至少一個用戶組的候選集；

針對所述候選集中的任一用戶組，分別確定所述用戶組中的兩個用戶分別對應的用戶數據的多個字段中指定字段的字段匹配度；

對于所述候選集中的每一個用戶組，基于對所述指定字段所確定的字段匹配度以及對應字段的字段權重，計算出該用戶組的綜合匹配度；以及

在所述候選集中，將其綜合匹配度符合預定條件的用戶組中的兩個用戶判定為相同用戶。

2.根據權利要求1所述的方法，在所述將綜合匹配度符合預定條件的用戶組中的兩個用戶判定為相同用戶的步驟之后，還包括：

將所述候選集中被判定為相同用戶的兩個用戶之間建立直接聯通關系；

將具有直接或間接聯通關系的用戶置入同一子圖；以及

為所述子圖生成唯一用戶標識。

3.根據權利要求2所述的方法，其中所述方法產生多個子圖，并且在為每個子圖生成唯一用戶標識后，所述方法還包括：

若一新用戶分別與兩個或更多子圖中的用戶被判定為相同用戶，則將所述兩個或更多子圖合成為一個新子圖，并將所述新用戶置入所述新子圖。

4.根據權利要求3所述的方法，所述將所述新用戶置入所述新子圖后，還包括：

在所述兩個或更多子圖分別對應的唯一用戶標識中選擇數值最小的唯一用戶標識，作為所述新子圖的唯一用戶標識。

5.根據權利要求1所述的方法，所述指定字段的字段匹配度的確定包括：

獲取所述用戶組中的第一用戶在指定字段的第一字段值；

獲取所述用戶組中的第二用戶在所述指定字段的第二字段值；

獲取預先配置的匹配表，所述匹配表包括為每個指定字段對應設定的至少一種匹配情況，以及為每種匹配情況對應設定的匹配度；

在為所述指定字段預先設定的至少一種匹配情況中查找到所述第一字段值和第二字段值所符合的匹配情況，并將對應的匹配度確定為所述指定字段的字段匹配度。

6.根據權利要求1所述的方法，其中所述字段權重按照下述步驟確定：

遍歷所述候選集中的各個用戶組，將其中兩個用戶符合強關聯規則的用戶組置入強關聯集，并將其中兩個用戶在任一指定字段的字段值相同的用戶組置入與該指定字段對應的字段集；以及

將所述強關聯集和與一指定字段對應的字段集中的用戶組重合度確定為該指定字段的置信度，并根據所述置信度確定該指定字段的字段權重。

7.根據權利要求6所述的方法，所述將所述強關聯集和與一指定字段對應的字段集中的用戶組重合度確定為該指定字段的置信度的步驟包括：

對于指定字段k、與之對應的字段集A_k以及A_k包含的用戶組的數量,|A_k|，確定字段集A_k與所述強關聯集B的交集，并將所述交集在A_k中的數量占比|A_k∩B|/|A_k|確定為所述指定字段k的置信度。

8.根據權利要求6所述的方法，所述根據所述置信度確定所述指定字段的字段權重的步驟包括：

將所述置信度代入sigmoid函數的反函數，得到所述指定字段的字段匹配度與所述指定字段的字段權重的乘積的加和值；以及

將所述加和值和所述字段匹配度代入線性回歸方程，擬合參數后得到指定字段的字段權重。

9.根據權利要求1所述的方法，所述弱匹配規則是：兩個用戶的手機號或證件號至少有一個非空且相同。