[发明专利]数据聚类方法及装置

说明书

本发明提供一种数据聚类方法及装置。本发明实施例中，通过采集第一数据，将采集的第一数据与基准库中的基准数据进行比对，若第一数据未命中基准库中的任一基准数据，则将第一数据与缓存区中缓存的数据进行比对，若第一数据命中缓存区中缓存的第二数据，则将第一数据聚类至第二数据所属的分类中，若第一数据未命中缓存区中缓存的任一数据，将第一数据缓存至缓存区，使得采集数据能够与尚未存储到基准库中的未命中数据进行比对，避免了应该聚类在一个分类中的相同类的数据被聚类成多个分类，因此不需要耗费大量的计算资源和时间进行数据碰撞处理，节省了资源和时间。

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据聚类方法及装置。

背景技术

数据聚类是一种数据分析技术，广泛应用于机器学习、数据挖掘等许多领域。数据聚类中通常涉及到两个数据库。其中，一个数据库存储用于与待聚类的数据进行比对的基准数据，该数据库称为基准库。另一个数据库存储已经聚类好的数据，该数据库称为大数据库。

相关技术中，将待聚类的数据与基准库中的基准数据进行比对后，命中的数据聚类后存储到大数据库中，未命中的数据更新到基准库中。这种技术中，将未命中的数据更新到基准库中需要一定的时间，在这段时间内，未命中的数据不能作为基准数据与新到的数据进行比对，这样造成本应该聚类在一个分类中的相同类的数据，被聚类成多个分类。后期需要进行大量的数据碰撞处理，将属于相同类的多个分类再聚类到一个分类中，这会消耗大量的计算资源和时间，导致资源的浪费。

发明内容

为克服相关技术中存在的问题，本发明提供了一种数据聚类方法及装置。

根据本发明实施例的第一方面，提供一种数据聚类方法，所述方法包括：

采集第一数据；

将采集的所述第一数据与基准库中的基准数据进行比对；

若所述第一数据未命中所述基准库中的任一基准数据，则将所述第一数据与缓存区中缓存的数据进行比对；

若所述第一数据命中所述缓存区中缓存的第二数据，则将所述第一数据聚类至所述第二数据所属的分类中，若所述第一数据未命中所述缓存区中缓存的任一数据，将所述第一数据缓存至所述缓存区。

根据本发明实施例的第二方面，提供一种数据聚类装置，所述装置包括：

采集模块，用于采集第一数据；

第一比对模块，用于将采集的所述第一数据与基准库中的基准数据进行比对；

第二比对模块，用于若所述第一数据未命中所述基准库中的任一基准数据，则将所述第一数据与缓存区中缓存的数据进行比对；

处理模块，用于若所述第一数据命中所述缓存区中缓存的第二数据，则将所述第一数据聚类至所述第二数据所属的分类中，若所述第一数据未命中所述缓存区中缓存的任一数据，将所述第一数据缓存至所述缓存区。

本发明的实施例提供的技术方案可以包括以下有益效果：

本发明实施例中，通过采集第一数据，将采集的第一数据与基准库中的基准数据进行比对，若第一数据未命中基准库中的任一基准数据，则将第一数据与缓存区中缓存的数据进行比对，若第一数据命中缓存区中缓存的第二数据，则将第一数据聚类至第二数据所属的分类中，若第一数据未命中缓存区中缓存的任一数据，将第一数据缓存至缓存区，使得采集数据能够与尚未存储到基准库中的未命中数据进行比对，避免了应该聚类在一个分类中的相同类的数据被聚类成多个分类，因此不需要耗费大量的计算资源和时间进行数据碰撞处理，节省了资源和时间。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明