[发明专利]多数据集的数据聚合方法

权利要求书

1.一种多数据集的数据聚合方法，其中所述数据集至少包括第一数据集和第二数据集，各所述数据集分别记录有多个行为主体的各至少一条行为记录，所述行为记录具有至少一个行为属性，所述第一数据集中的行为记录与所述第二数据集中的行为记录具有至少一个共同行为属性，所述方法包括如下步骤：

a)、分别提取所述第一、第二数据集中各行为记录的所述共同行为属性对应的特征值，形成第一、第二特征值集合；

b)、将所述第一特征值集合与第二特征值集合进行比对，确定所述第一数据集中各行为记录与所述第二数据集中各行为记录之间的第一对应关系；

c)、基于所述第一对应关系，确定所述第一数据集的各行为主体与所述第二数据集的各行为主体之间的第二对应关系。

2.根据权利要求1所述的数据聚合方法，其特征在于，所述步骤b)具体包括：

对于第一行为主体的第一行为记录，在所述第二数据集中寻找一条或多条第二行为记录，以使所述第一行为记录的第一共同行为属性的特征值与该一条或多条第二行为记录中任一个的所述第一共同行为属性的特征值间的相似度小于设定阈值；其中，所述第一行为主体为所述第一数据集中任一所述行为主体，所述第一行为记录为该第一行为主体的任一行为记录，所述第一共同行为属性为所述共同行为属性中的任一个；

确定所述第一行为记录与所述第二行为记录之间的所述第一对应关系。

3.根据权利要求2所述的数据聚合方法，其特征在于，所述步骤c)具体包括：

c1)、在所述一条或多条第二行为记录中统计所述第二数据集的各行为主体出现的次数，并将出现次数最多的所述第二数据集的行为主体确定为第二行为主体；

c2)、确定所述第一行为主体与所述第二行为主体之间的所述第二对应关系。

4.根据权利要求3所述的数据聚合方法，其特征在于，所述步骤c2)具体包括：

若所述第二行为主体存在多个，则将该第一行为主体与该多个第二行为主体标记为待定对应关系；

更新所述第一、第二数据集，循环执行所述步骤a)、b)和c1)，以使得所述待定对应关系被更改为该第一行为主体与所述第二行为主体之间的一对一的对应关系。

5.根据权利要求3所述的数据聚合方法，其特征在于，所述步骤c2)具体包括：

若一所述第一行为主体不与任一所述第二行为主体对应，则将该第一行为主体标记为待定对应主体；

更新所述第一、第二数据集，循环执行所述步骤a)、b)和c1)，以使得所述待定对应主体与唯一所述第二行为主体对应。

6.根据权利要求1至5中任一项所述的数据聚合方法，其特征在于，所述第一数据集来自金融交易数据，其记录多个交易卡号的各至少一条交易记录；所述第二数据集来自移动通信数据，其记录多个手机号的各至少一条用户联网操作记录。

7.根据权利要求1至5中任一项所述的数据聚合方法，其特征在于，所述共同行为属性包括时间属性和/或地点属性。

8.根据权利要求7所述的数据聚合方法，其特征在于，所述时间属性的特征值之间的相似度以时间差来衡量，所述地点属性的特征值之间的相似度以地点的接近程度来衡量。

9.根据权利要求7所述的数据聚合方法，其特征在于，所述共同行为属性还包括数字金额属性和/或网址属性。

10.一种多数据集的数据聚合装置，其中所述数据集至少包括第一数据集和第二数据集，各所述数据集分别记录有多个行为主体的各至少一条行为记录，所述行为记录具有至少一个行为属性，所述第一数据集中的行为记录与所述第二数据集中的行为记录具有至少一个共同行为属性，所述数据聚合装置包括：

特征值提取单元，其分别提取所述第一、第二数据集中各行为记录的所述共同行为属性对应的特征值并输出第一、第二特征值集合；

第一对应关系确定单元，其接收所述特征值提取单元的输出，并将所述第一特征值集合与第二特征值集合进行比对，以确定所述第一数据集中各行为记录与所述第二数据集中各行为记录之间的第一对应关系；以及，

第二对应关系确定单元，其与所述第一对应关系确定单元连接，基于所述第一对应关系确定所述第一数据集的各行为主体与所述第二数据集的各行为主体之间的第二对应关系。