[发明专利]多数据集的数据聚合方法

说明书

本发明涉及一种多数据集的数据聚合方法，包括如下步骤：分别提取第一、第二数据集中各行为记录的共同行为属性对应的特征值，形成第一、第二特征值集合；将第一特征值集合与第二特征值集合进行比对，确定第一数据集中各行为记录与第二数据集中各行为记录之间的第一对应关系；基于第一对应关系，确定第一数据集的各行为主体与第二数据集的各行为主体之间的第二对应关系。该方法可准确实现不具有共同唯一标识的数据集间的数据聚合，且实现简单、可靠，便于在行业内推广应用。

技术领域

本发明涉及数据聚合技术，更具体地说，涉及一种多数据集的数据聚合方法。

背景技术

随着信息化的发展，数据的种类以及内容越来越多，为更好进行个体数据的全方位分析，需要进行不同数据集之间的数据聚合。在进行数据聚合的过程中，一般需要在不同的两个数据集之间确定一个唯一标识，比如面向个人的身份证号码、手机号、银行卡号、邮箱、住址等，通过该唯一标识进行数据的关联聚合。

目前，以智能手机等为媒介的金融交易行为和移动通信行为时时处处地发生，金融交易数据来源于银行等金融机构、移动通信数据来源于移动服务提供商，两者之前的融合很不方便，但基于安全等因素，这种数据融合已成为一种需要。

金融交易数据的主体是卡号，而移动通信数据的主体是手机号，两个数据集之间无法找到一个可以关联的唯一标识，就不能够完成数据信息的关联，致使两数据集之间无法直接进行有效的关联聚合。

因此，本领域技术人员期望获得一种可靠、易实现的多数据集的数据聚合方法。

发明内容

本发明的目的在于提供一种多数据集的数据聚合方法。

为实现上述目的，本发明提供一种技术方案如下：

一种多数据集的数据聚合方法，其中数据集至少包括第一数据集和第二数据集，各数据集分别记录有多个行为主体的各至少一条行为记录，行为记录具有至少一个行为属性，第一数据集中的行为记录与第二数据集中的行为记录具有至少一个共同行为属性，方法包括如下步骤：a)、分别提取第一、第二数据集中各行为记录的共同行为属性对应的特征值，形成第一、第二特征值集合；b)、将第一特征值集合与第二特征值集合进行比对，确定第一数据集中各行为记录与第二数据集中各行为记录之间的第一对应关系； c)、基于第一对应关系，确定第一数据集的各行为主体与第二数据集的各行为主体之间的第二对应关系。

优选地，步骤b)具体包括：对于第一行为主体的第一行为记录，在第二数据集中寻找一条或多条第二行为记录，以使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，第一行为主体为第一数据集中任一行为主体，第一行为记录为该第一行为主体的任一行为记录，第一共同行为属性为共同行为属性中的任一个；确定第一行为记录与第二行为记录之间的第一对应关系。

优选地，步骤c)具体包括：c1)、在一条或多条第二行为记录中统计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第二数据集的行为主体确定为第二行为主体；c2)、确定第一行为主体与第二行为主体之间的第二对应关系。

优选地，共同行为属性包括时间属性和/或地点属性。

优选地，时间属性的特征值之间的相似度以时间差来衡量，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。