[发明专利]一种数据去重方法及系统在审
| 申请号： | 201510266694.8 | 申请日： | 2015-05-22 |
| 公开（公告）号： | CN104809256A | 公开（公告）日： | 2015-07-29 |
| 发明（设计）人： | 王大亮;杨琪 | 申请（专利权）人： | 数据堂（北京）科技股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王戈;王宝筠 |
| 地址： | 100191 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种数据去重方法及系统。所述方法包括：将所述待处理数据的元数据信息与所述数据平台的已存储数据的元数据信息进行比对，得到元数据信息相似度；比对所述第一数据描述信息与所述第二数据描述信息，得到数据描述相似度；对所述元数据信息相似度和所述数据描述相似度进行加权平均，得到总相似度；按照所述总相似度对所述已存储数据进行排序；将排序后的所述已存储数据中的前n个数据标记为疑似重复数据。采用本发明的方法或系统，可以缩小数据去重范围，从而有效降低人工进行数据去重的工作量，使人工进行数据去重的工作量被控制在可接受的范围内。 | ||
| 搜索关键词： | 一种 数据 方法 系统 | ||
【主权项】：
一种数据去重方法，其特征在于，包括：获取上传至数据平台的待处理数据；确定所述待处理数据的元数据信息；将所述待处理数据的元数据信息与所述数据平台的已存储数据的元数据信息进行比对，得到元数据信息相似度；获取所述待处理数据的第一数据描述信息；获取所述已存储数据的第二数据描述信息；比对所述第一数据描述信息与所述第二数据描述信息，得到数据描述相似度；对所述元数据信息相似度和所述数据描述相似度进行加权平均，得到总相似度；按照所述总相似度对所述已存储数据进行排序；将排序后的所述已存储数据中的前n个数据标记为疑似重复数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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数据堂（北京）科技股份有限公司，未经数据堂（北京）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/patent/201510266694.8/，转载请声明来源钻瓜专利网。
- 上一篇：用于执行设计敏感度分析的方法和系统
- 下一篇：一种松散式数据一致性校验方法
- 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
