[发明专利]一种对数据的概述方法及装置

说明书

本发明实施例提供一种对数据的概述方法及装置，其中，所述方法包括：获取设定时间段内用户群的操作行为数据；将用户群的操作行为对应的所有链接的标识进行排序，并记录排序信息；将所述用户群中每一个用户在所述设定时间段内对于所有链接的操作行为记录为对应所述排序信息的字符串；根据用户群对应的字符串，对链接进行聚类统计。通过对数据进行字符串记录，并聚类统计，使得数据的记录、统计简单、清晰，并便于计算和传输。

技术领域

本发明涉及互联网数据处理领域，具体涉及一种对数据的概述方法及装置。

背景技术

现有技术中，Web流式数据格式一般为：用户ID，目标ID，操作时间。其中，目标ID是一个链接，这个链接可能指向一个文本网页，也可能是一个视频或者一个文件等。

依据海量Web文本记录，进行新算法的计算和算法测试都非常困难，而且耗时很长。当历史数据和实际运行的情况差异较大时，就是著名的“冷启动敏感”的情况下，需要能快速从海量数据中，抽样代表性的数据，并使得损失尽量的少，从而减低对于历史数据的依赖，而对于现有技术中数据的记录方法难以实现；并且基于现有技术的数据记录，数据量大、不利于传输。

发明内容

本发明实施例提供一种对数据的概述方法及装置，通过对数据进行字符串记录，并聚类统计，使得数据的记录、统计简单、清晰，并便于计算和传输。

为达到上述目的，一方面，本发明实施例提供了一种对数据的概述方法，所述方法包括：

获取设定时间段内用户群的操作行为数据；

将用户群的操作行为对应的所有链接的标识进行排序，并记录排序信息；

将所述用户群中每一个用户在所述设定时间段内对于所有链接的操作行为记录为对应所述排序信息的字符串；

根据用户群对应的字符串，对链接进行聚类统计。

另一方面，本发明实施例提供了一种对数据的概述装置，所述装置包括：

数据获取单元，用于获取设定时间段内用户群的操作行为数据；

排序单元，用于将用户群的操作行为对应的所有链接的标识进行排序，并记录排序信息；

数据记录单元，用于将所述用户群中每一个用户在所述设定时间段内对于所有链接的操作行为记录为对应所述排序信息的字符串；

概述单元，用于根据用户群对应的字符串，对链接进行聚类统计。

上述技术方案具有如下有益效果：

本发明的技术方案通过对用户对链接的操作行为数据的记录为对应链接标识排序信息的字符串，使得数据记录简单清晰，便于数据的存储、传输以及聚类统计；并且在此基础上对数据进行聚类统计，更进一步简化了数据，使得进一步可以抽样代表性的数据，并使得损失尽量的少，并减低对于历史数据的依赖。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一种对数据的概述方法的流程图；

图2是本发明实施例一种对数据的概述装置的结构示意图。

具体实施方式