[发明专利]数据建模中的智能衍生变量构造方法

说明书

本发明公开了一种数据建模中的智能衍生变量构造方法，包括如下步骤：由移动终端收集原始数据并将所收集的原始数据划分为静态数据、行为数据以及交易数据；由移动终端接收信息发送优先级信息；由移动终端接收移动终端身份标识符，其中，移动终端身份标识符是由传输接收点生成并分配给移动终端的；由移动终端基于信息发送优先级信息，确定发送顺序；以及由移动终端确定发送随机轮候时间，并由移动终端在发送随机轮候时间之后并按照发送顺序，向传输接收点发送随机接入请求消息，其中，随机接入请求消息中包括发送随机轮候时间以及移动终端身份标识符。本发明通过对移动终端进行分类，保证了一些时延敏感数据能够优先传输。

技术领域

本发明是关于数据处理技术领域，特别是关于一种数据建模中的智能衍生变量构造方法。

背景技术

数据建模指的是对现实世界各类数据的抽象组织，确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。 将经过系统分析后抽象出来的概念模型转化为物理模型后，在visio或erwin等工具建立数据库实体以及各实体之间关系的过程（实体一般是表）。

在数据建模中，衍生变量的构造是一个非常复杂的问题，不同的业务、不同的产品、不同的客户在不同的分析目标下变量的构造方法都不相同。传统模式下，分析人员需要对所从事的行业、业务及数据有很深的理解，才能进行变量构造产生特征变量，而且不论变量的规则简单或者复杂，都需要依赖手工完成，需要耗费分析人员大量时间。这种方式有两个问题：（1）构造变量工作对分析人员的要求比较高，既要对行业及业务很熟悉，同时对建模技术也要有丰富的经验，使得这样的人才在市场上非常稀缺，大大降低了企业对于数据价值的挖掘和利用；（2）由于分析人员基于自己对业务的理解以手工方式构造衍生变量，出于时间投入和建模效率考虑，会舍弃掉大部分自己认为不重要的数据，仅保留少部分关键数据使用自己熟悉的规则进行变量生成，如此一来，很多价值高而分析师不熟悉的数据以及单一价值低而组合价值高的数据被舍弃，不能挖到或者挖深所有的可能特征，很大程度上会影响最终模型的分析预测精准性。

现有技术CN106294944B公开了一种编码器旋钮轨道数据建模方法，包括获取编码器旋钮轨道的扭矩曲线；根据扭矩或载荷的设计要求，确定结构参数，并通过几何与受力关系构建出爬坡扭矩公式及下坡扭矩公式，且进一步将扭矩曲线划分成多个依序连接的爬坡直线和/或下坡直线，且每一爬坡直线和下坡直线的斜率均可通过极坐标转化后形成由轨道半径随角度增量变化的对应关系；确定起点及其对应的回位角、修正角和轨道半径，并根据预设的角度增量，利用爬坡及下坡扭矩公式，依序计算每一爬坡直线和/或下坡直线的轨道半径；将依序计算得到的轨道半径进行拟合，绘制出目标轨道曲线。

现有技术CN105359146B公开了一种将数据从一个或多个源数据库迁移到一个或多个目标数据库的方法可包括：产生对存储在所述一个或多个源数据库中的多个对象的迁移前分析；以及产生多个迁移脚本，所述多个迁移脚本将所述多个对象从所述一个或多个源数据库转移到所述一个或多个目标数据库。该方法还可包括：产生定义所述多个迁移脚本的执行次序的迁移计划；以及根据迁移计划将所述多个对象从所述一个或多个源数据库迁移到一个或多个目标数据库。

现有技术CN106778048B公开了一种数据处理的方法及装置。该方法包括：获取数据样本；根据未包含缺失值的数据样本的各属性项的属性信息确定未包含缺失值的数据样本的各属性项中与缺失值对应的频繁项集；从频繁项集中选择填充属性项；根据填充属性项中与包含缺失值的数据样本中的缺失值的对应属性的属性值确定填充值，并根据填充值更新包含缺失值的数据样本。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。

发明内容

本发明的目的在于提供一种数据建模中的智能衍生变量构造方法，其能够克服现有技术的缺点。