[发明专利]钢贸行业现货资源的数据解析方法及系统有效
申请号: | 201410829896.4 | 申请日: | 2014-12-22 |
公开(公告)号: | CN104679819B | 公开(公告)日: | 2018-03-23 |
发明(设计)人: | 衡宏昌;刘星辰 | 申请(专利权)人: | 上海找钢网信息科技股份有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 上海翼胜专利商标事务所(普通合伙)31218 | 代理人: | 孙佳胤,翟羽 |
地址: | 201815 上海市嘉定区嘉*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 行业 现货 资源 数据 解析 方法 系统 | ||
1.一种钢贸行业现货资源的数据解析方法,其特征在于,包括:
(1)获取包含钢材现货资源的Excel文档作为待解析数据源;
(2)对所述待解析数据源进行识别分区;
(3)采用钢材标头特征库对识别分区后的每一区域的数据进行筛选,保留与钢材标头特征库匹配度最高的数据,从而确定所有目标区域,其中,钢材标头特征库为存放在数据库中的代表有效数据标头的一张穷举表;
(4)启动预处理程序对所有目标区域数据进行初步格式化;
(5)对预处理后所有目标区域范围内的数据进行抽取选样与所述钢材标头特征库提供的基础数据进行比对,确定数据行或数据列具体的代表名称;
(6)清洗比对后的数据,得到完整的数据信息并存储入库;
其中,步骤(2)进一步包括:(21)利用蚁群算法对所述数据源中有效的数据单元进行快速定位识别;(22)利用扩散算法确定有效数据的外部范围,进而划分真实数据的区域;
(23)利用贪婪算法最大化确定每一区域边界,从而对齐每一区域,完成分区;
步骤(3)进一步包括:采用钢材标头特征库利用TF-IDF相似度算法对识别分区后的每一区域的数据进行筛选,保留每一区域中与钢材标头特征库匹配度最高的数据,从而确定所有目标区域。
2.根据权利要求1所述的数据解析方法,其特征在于,所述方法进一步采用多线程并发模型对Excel文档内多张Excel表格进行并行处理。
3.根据权利要求1所述的数据解析方法,其特征在于,步骤(4)进一步包括:预处理程序对所有目标区域数据进行模式匹配,以自然语言的方式来区分数据具体所代表的含义,最终将数据分解为一条或者多条。
4.一种钢贸行业现货资源的数据解析系统,其特征在于,包括:文档获取单元、识别分区单元、数据筛选单元、格式化单元、数据比对单元以及数据清洗单元;
所述文档获取单元,用于获取包含钢材现货资源的Excel文档作为待解析数据源;
所述识别分区单元与所述文档获取单元相连,用于对所述待解析数据源进行识别分区;
所述数据筛选单元与所述识别分区单元相连,用于采用钢材标头特征库对识别分区后的每一区域的数据进行筛选,保留与钢材标头特征库匹配度最高的数据,从而确定所有目标区域,其中,钢材标头特征库为存放在数据库中的代表有效数据标头的一张穷举表;
所述格式化单元与所述数据筛选单元相连,用于启动预处理程序对所有目标区域数据进行初步格式化;
所述数据比对单元与所述格式化单元相连,用于对预处理后所有目标区域范围内的数据进行抽取选样与所述钢材标头特征库提供的基础数据进行比对,确定数据行或数据列具体的代表名称;
所述数据清洗单元与所述数据比对单元相连,用于清洗比对后的数据,得到完整的数据信息并存储入库;
其中,所述识别分区单元利用蚁群算法对所述数据源中有效的数据单元进行快速定位识别,利用扩散算法确定有效数据的外部范围,进而划分真实数据的区域,利用贪婪算法最大化确定每一区域边界,从而对齐每一区域,完成分区;
所述数据筛选单元采用钢材标头特征库利用TF-IDF相似度算法对识别分区后的每一区域的数据进行筛选,保留每一区域中与钢材标头特征库匹配度最高的数据,从而确定所有目标区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海找钢网信息科技股份有限公司,未经上海找钢网信息科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410829896.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:网络平台的网页生成方法及系统
- 下一篇:延迟社交媒体通信的呈现的方法和系统
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置