数据清洗方法及装置_WO2011147366A1_王静毅 吴向阳 荀鹏.pdf
免费下载
/O〇A
(12) 按 照 专利 合 作 条 约 所 公 布 的 国际 申请
(19) 世 界知 识 组织
国 际 局
= r
(10) 国际公布号
(43) 国际公布 日
2011 年 12 月 1 日 （01.12.2011) T
W O 2011/147366 A l
(51) 国蹄 利 分类 号 : 岗 区 坂 田 华 为 总 部 办 公 楼 ，Guangdong 5 18129
G06F
17/30 (2006.01)
(CN)o
(21) 国际 申请 号 : PCT/CN201 1/075350
(74) 代理 人 : 北 京 弘权 知 识 代 理 事 务 所 （普 通 合
(CHINABLE IP);
(22) 国际 申请 日 : 201 1 年 6 月 3 日 (03.06.201 1)
中 国 北 京 市 东 城 区 安 定 门 东
大 街 28 号 雍 和 大 盧 A 座 507, Beijing 100007 (CN) 。
(25) 申簡 言 ：
中文
(81) 指 定 国 （除 另 有 指 明 ， 要 求 每 一 种 可 提 供 的 国 家
(26) 公布语 言 ：
中文
保 护 ）：AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB,
BG, BH, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR,
(30) 优 先权 ：
CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB,
201010578479.9 2010 年 12 月 8 日 （08. 12.2010) CN
GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IS, JP,
(71) 申请 人 （对 除 美 国 外 的 所 有 指 定 国 ) : 华 为技 术有
KE, KG, KM, KN, KP, KR, KZ, LA, LC, LK, LR, LS,
限 公 司 （
LT, LU, LY, MA, MD, ME, MG, MK,
丽 ，
MW, MX,
HUAWEI TECHNOLOGIES CO., LTD.)
MY, MZ, NA, NG, NI, NO, NZ, OM, PE, PG, PH, PL,
[CN/CN]; 中 国 广 东 省 深 圳 市 龙 岗 区 坂 田华 为 总 部
PT, RO, RS, RU, SC, SD, SE, SG, SK, SL, SM, ST, SV,
办 公 楼 ，Guangdong 5 18129 (CN) 。
SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC,
(72) 发 明人 ；及
VN, ZA, ZM, Z W
(
75
) 发 明 人 / 申请 人 （仅 对 美 国 )：王 静 毅 （WANG,
(84) 指 定 国 （除 另 有 指 明 ， 要 求 每 一 种 可 提 供 的 地 区
Jingyi) [CN/CN]; 中 国 广 东 省 深 圳 市 龙 岗 区 坂 田华
保 护 ）：ARIPO (BW, GH, GM, KE, LR, LS, MW, MZ,
为 总 部 办 公 楼 ，Guangdong 5 18129 (CN) 。 吴 向 阳
NA, SD, SL, SZ, TZ, UG, ZM, ZW), 政 亚 （AM, AZ,
(WU, Xiangyang) [CN/CN]; 中 国 广 承 省 深 圳 市 龙 岗
BY, KG, KZ, MD, RU, TJ, TM), 洲 （AL, AT, BE,
区 坂 田 华 为 总 部 办 公 楼 ，Guangdong 5 18129 (CN) 。
BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR,
荀 鹏 （XUN, Peng) [CN/CN]; 中 国 广 东 省 深 圳 市 龙
HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL,
PT, RO, RS, SE, SI, SK, SM, TR), OAPI (BF, BJ, CF,
[见 续 页 ]
(54) Title: METHOD AND DEVICE FOR DATA CLEANING
(54) 发 明名称 ：数 据 清 洗 方 法 及 装 置
I ΐ . ΐ
一
I
<
(57) Abstract: A method for data cleaning i s disclosed. The method includes: obtaining sample data classified roughly and taking
the obtained sample data as a first data set(101); classifying the sample data, obtaining a weight of rough classification category of
the sample data, and determining a ranking position of the rough classification category of the sample data in all categories ac
cording to the weight; obtaining a comprehensive evaluation result according to the ranking position of the rough classification
category of the sample data in all categories and the total amount of the sample data in the first data set(103); when i t is deter
mined on the basis of the comprehensive evaluation result that the first data set needs cleaning, deleting the prescribed amount of
the sample data positioned at the last according to the ranking position of the rough classification category of the sample data in
all categories(104). The method i s used for data classification processing, and can improve data classification accuracy.
(57) 摘要 ：
[见 续 页 ]
CG CI, CM, GA, GN, GQ, GW, ML, MR, NE, SN, TD, _ 在 修 改 权 利 要 求 的 期 限届 满 之 前 进 行 ，在 收 到 该
修 改 后 将 重 新 公 布(细 则 48.2(h)) 。
本 国际公布 ：
根 据 申请 人 的 请 求 ，在 条 约 第 2 1 条 (2)(a) 所 规 定
- 包 括 国际检 索 报 告(条 约 第 2 1 条(3)) 。
的期 限届 满 之 前 进 行 。
公开 了一 种 数 据 清 洗 方 法 。 该 方 法 包 括 ：获 取 经 过 粗 分 类 的 样 本 数 据 ，将 获 取 的 样 本 数 据 作 为 第 一 数 据 集
(101): 对所 述 样 本 数 据 进 行 分 类 ，获 得 所 述 样 本 数 据 的粗 分 类 类 别 的权 重 ，根 据 所 述 权 重 确 定 所 述 样 本 数 据
的粗 分类 类 别在 所 有 类 别 中 的排序 位 置 ；根 据 所 述 样 本 数 据 的 粗 分 类 类 别 在 所 有 类 别 中的 排 序 位 置 和 第 一 数
据 集 中样 本 数 据 的总 数 量 ，获 得 综 合 评 估 结 果 (103) ; 当根 据 所 述 综 合 评 估 结 果确 定 需 要 对 所 述 第 一 数据 集 进
行 清 洗 时 ，根 据 所 述 样 本 数 据 的 粗 分 类 类 别 在 所 有 类 别 中 的排 序 位 置 删 除 规 定 数 量 的排 在 末 位 的 样 本 数 据
(104) 。该 方 法 用 于数 据 分 类 处 理 ，并 能 提 高 数 据 分 类 的准确 性 。
of 26
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论