申请/专利权人：济宁蜗牛软件科技有限公司

申请日：2024-03-14

公开（公告）日：2024-04-16

公开（公告）号：CN117891411A

主分类号：G06F3/06

分类号：G06F3/06;G06F16/35;G06F18/23;G06F18/2431

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及数据处理技术领域，具体涉及一种海量档案数据优化存储方法。该方法获取数据样本集；将数据样本拆分为词汇，根据词汇出现的频率，获取特征程度值，确定特征词；通过层次聚类算法对数据样本进行聚类，根据任意两个节点的子节点的特征词的特征程度值和在父节点的特征程度值，以及子节点的词袋模型，获取任意两个节点的可聚类值，确定聚类层次树；根据聚类层次树的每个层次中节点内数据样本的相似程度和节点之间的相似程度，获取聚类效果值，确定数据样本类别，对档案数据进行优化存储。本发明通过分析节点的特征词和词袋模型，对节点进行聚类，降低了层次聚类算法的计算量，提高了聚类结果的准确性，实现对档案数据的优化存储。

主权项：1.一种海量档案数据优化存储方法，其特征在于，该方法包括以下步骤：获取海量档案数据的数据样本集；将每个数据样本的文本拆分为词汇，根据每个词汇在每个数据样本中出现的频率和在数据样本集中出现的频率，获取每个词汇在每个数据样本中的特征程度值，确定每个数据样本的特征词；将一个数据样本作为一个节点，通过层次聚类算法对数据样本进行聚类，根据父节点内数据样本的特征词和当前其他节点内数据样本的特征词，获取父节点的特征词；根据任意两个节点的子节点的特征词的特征程度值和在父节点的特征程度值，以及子节点的词袋模型的特征向量的相似程度，获取任意两个节点的可聚类值，确定聚类层次树；根据聚类层次树的每个层次中每个节点内任意两个数据样本的词袋模型的特征向量的相似程度和任意两个节点的词袋模型的特征向量的相似程度，获取每个层次的聚类效果值；根据所述聚类效果值，确定最佳聚类层次，获取数据样本类别，对每个数据样本类别中的档案数据进行优化存储。

全文数据：

权利要求：

百度查询： 济宁蜗牛软件科技有限公司 一种海量档案数据优化存储方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD