[发明专利]数据分类方法、装置以及计算机设备

说明书

本发明公开了一种数据分类方法，该方法包括：获取待分类数据；根据特征值计算规则计算出所述待分类数据的M个特征值；将所述M个特征值依次与特征值数据库中的每个特征值数据表进行比对；当所述M个特征值都包括在所述第一特征值数据表时，则将所述待分类数据分类为所述第一特征值数据表对应的第一类别数据。本发明还提供一种数据分类装置、计算机设备以及计算机可读存储介质。本发明能够将待分类数据的简单的特征值与特征值数据表进行比对，从而大大减少了数据处理量，缩短了时间，提升了效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据分类方法、装置、计算机设备及计算机可读存储介质。

背景技术

现有技术中，对于数据分类问题，一般都是先根据已有数据创建数据类别，然后将待分类的数据与各个数据类别中的所有数据进行一一比对，从而比较出所述待分类数据是否属于该数据类别。然而，这种通过对于已有类别数据中的每个数据进行枚举的分类方式所需要的计算量非常庞大，因此耗费了很多计算机的处理资源，且耗时长效率低下。

发明内容

有鉴于此，本发明提出一种数据分类方法、装置、计算机设备及计算机可读存储介质，能够解决上诉的数据分类过程中需要耗费大量计算机处理资源以及耗时长的问题。

首先，为实现上述目的，本发明提供一种数据分类方法，所述方法包括：

获取待分类数据；根据特征值计算规则计算出所述待分类数据的M个特征值；将所述M个特征值依次与特征值数据库中的每个特征值数据表进行比对，其中，所述特征值数据库至少包括第一特征值数据表，所述第一特征值数据表是通过所述特征值计算规则计算出的同一类别数据的所有特征值的集和；当所述M个特征值都包括在所述第一特征值数据表时，则将所述待分类数据分类为所述第一特征值数据表对应的第一类别数据。

在一个例子中，所述特征值计算规则包括：通过M个不同的散列函数计算出待分类数据的M个散列值；或将所述待分类数据划分成M部分，通过M个散列函数分别计算出所述M个部分的散列值。

在一个例子中，所述特征值数据表以布隆过滤器的方式存储同一类别数据的所有特征值，每个特征值在所述布隆过滤器中对应的存储顺位的布尔值为1。

在一个例子中，所述特征值数据库至少还包括第二特征值数据表，其中，所述将所述M个特征值依次与特征值数据库中的每个特征值数据表进行比对包括：依次在所述第一特征值数据表和第二特征值数据表对应的第一布隆过滤器和第二布隆过滤器中查询所述M个特征值对应的存储顺位的布尔值是否都为1；当所述第一布隆过滤器或所述第二布隆过滤器中所述M个特征值分别对应的存储顺位的布尔值都为1时，则判断所述M个特征值都包括在所述第一特征值数据表或所述第二特征值数据表。

在一个例子中，所述方法还包括：当所述M个特征值不完全包括在所述第一布隆过滤器也不完全包括在所述第二布隆过滤器时，判断所述待分类数据并不属于已有类别数据；返回分类失败的提醒。

此外，为实现上述目的，本发明还提供一种数据分类装置，所述装置包括：

获取模块，用于获取待分类数据；计算模块，用于根据特征值计算规则计算出所述待分类数据的M个特征值；比对模块，用于将所述M个特征值依次与特征值数据库中的每个特征值数据表进行比对，其中，所述特征值数据库至少包括第一特征值数据表，所述第一特征值数据表是通过所述特征值计算规则计算出的同一类别数据的所有特征值的集和；分类模块，用于当所述M个特征值都包括在所述第一特征值数据表时，则将所述待分类数据分类为所述第一特征值数据表对应的第一类别数据。

在一个例子中，所述特征值计算规则包括：通过M个不同的散列函数计算出待分类数据的M个散列值；或将所述待分类数据划分成M部分，通过M个散列函数分别计算出所述M个部分的散列值。