[發明專利]一種基于深度學習的大數據類型分類與挖掘方法、系統及裝置

在審

• 申請號: 202210915564.2
• 申請日: 2022-08-01
• 公開（公告）號: CN115080641A
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 張凱;張海臣;劉浩
• 申請（專利權）人: 蘇州睿熠金科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/26;G06F16/28
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于深度學習的大數據類型分類與挖掘方法、系統及裝置，涉及大數據分類領域，包括控制系統，所述控制系統包括信號傳輸模塊、接收解析模塊、對比檢測模塊與分類挖掘裝置，所述分類與挖掘裝置包括處理器、第一控制單元、第二控制單元與用戶終端。本發明通過接收解析模塊與對比檢測模塊對多組數據源同時進行分流計算與檢測，無需多組數據源進行大量時間的等待即可對其進行智能識別與精細化的分類，并通過處理器與控制單元將其直接傳輸至用戶終端，實現大數據價值的深度挖掘，滿足了的用戶的使用需求。

技術領域

本發明涉及大數據分類領域，具體為一種基于深度學習的大數據類型分類與挖掘方法、系統及裝置。

背景技術

當前，面向多源異構海量數據的實時分析應用場景已經越來越普遍，如何對未知的多源數據流進行智能識別與精細化分類，從而對后續的業務運營提供實時大數據的分析處理，是本領域的一大難題。

大數據的類型大致可分為三類：傳統企業數據、機器和傳感器數據與社交數據，在傳統的技術方案中，通常針對單一來源的數據流進行智能識別與分類，隨后將其傳輸至用戶終端。

由于上述結構雖然可以對數據源進行識別與分類，但是在面對多種數據源分類解析時，無法針對其同時進行智能識別與分類，浪費大量時間與物力，從而導致其工作效率較慢，影響了用戶終端的使用體驗，且出現了限制業務運行的情況。

發明內容

基于此，本發明的目的是提供一種基于深度學習的大數據類型分類與挖掘方法、系統及裝置，以解決由于上述結構無法針對其同時進行智能識別與分類，浪費大量時間與物力，從而導致其工作效率較慢，影響了用戶終端的使用體驗的技術問題。

為實現上述目的，本發明提供如下技術方案：一種基于深度學習的大數據類型分類與挖掘方法，包括以下步驟：

步驟一：控制系統內通過信號傳輸模塊將多組數據源輸送至接收解析模塊內，其多組數據源通過接收解析模塊對其進行參數分析，同時將多組數據源進行存儲，隨后將其進一步輸送至對比檢測模塊內；

步驟二：對比檢測模塊在接收到多組數據源時，可對其進行同時分流計算，控制系統通過控制器將接收解析模塊與對比檢測模塊的數據源進行組合分析，每個數據源對象可作為控制系統的一個數據字段，并將多類數據源進行分類傳入處理器內；

步驟三：處理器將將接收解析模塊與對比檢測模塊分類的數據源，進行逐一輸送至多組控制單元內，通過多組控制單元對分類后的數據源進行重新編碼操作，并對其相似的編碼特征信息進行合并，隨后將相似的數據源分類呈現在用戶終端。

通過采用上述技術方案，通過接收解析模塊與對比檢測模塊對多組數據源同時進行分流計算與檢測，無需多組數據源進行大量時間的等待即可對其進行智能識別與精細化的分類，并通過處理器與控制單元將其直接傳輸至用戶終端，實現大數據價值的深度挖掘，滿足了的用戶的使用需求。

本發明進一步設置為，所述步驟一中信號傳輸模塊用于將多組數據源進行同時傳輸，且可將其數據源進行存儲。

通過采用上述技術方案，便于使用者將數據源內的初始狀態進行保存。

本發明進一步設置為，所述步驟二中控制器用于將解析后的數據與分流計算后的數據進行組合分析。

通過采用上述技術方案，將多組數據源進行同時計算分析，每組數據源可作為控制系統內的一個數據字段。

本發明進一步設置為，所述步驟三中控制單元皆通過與其對應的用戶終端進行傳輸分類后的數據源。

通過采用上述技術方案，可將多組數據源計算分類后，重新通過用戶終端展現出來，實現大數據價值的深度挖掘。

一種基于深度學習的大數據類型分類與挖掘系統，包括控制系統，所述控制系統包括信號傳輸模塊、接收解析模塊與對比檢測模塊。

本發明進一步設置為，所述信號傳輸模塊包括傳輸器與存儲器。