[发明专利]基于多源数据进行数据关联的方法

权利要求书

1.一种基于多源数据进行数据关联的方法，其特征在于，所述方法包括：

分别从每一候选数据源获取对应的候选数据集A1,A2,A3,...,An；Ai=(H_i¹,H_i²,H_i³,...,H_i^f(i))；H_i^j=(M_i^j,NOTE_i^j)；NOTE_i^j=(Note1_i^j,Note2_i^j)；其中，i=1,2,3,...,n，n为候选数据源的数量，Ai为第i个候选数据源对应的候选数据集；j=1,2,3,...,f(i)，f(i)为第i个候选数据源对应的位置的数量，H_i^j为第i个候选数据源对应的第j个位置的候选数据组；M_i^j为第i个候选数据源对应的第j个位置对应的位置标识，NOTE_i^j为第i个候选数据源对应的第j个位置对应的子数据组，Note1_i^j为第i个候选数据源对应的第j个位置对应的第一子数据，Note2_i^j为第i个候选数据源对应的第j个位置对应的第二子数据，所述第一子数据和所述第二子数据分别用于表示对应的位置的不同属性信息；所述位置为酒店；

获取目标位置对应的目标位置标识GM、目标第一子数据GNote1和目标第二子数据GNote2；所述第一子数据为地址数据，GNote1为目标地址数据，所述第二子数据为名称数据，GNote2为目标名称数据；

获取相似度集SIM=(S1,S2,S3,...,Sn)，Si=(si₁,si₂,si₃,...,si_f(i))；其中，Si为第i个候选数据集对应的相似度组，si_j为第i个候选数据源对应的第j个位置与目标位置对应的相似度；si_j=α*prox(Note1_i^j,GNote1)+β*prox(Note2_i^j,GNote2)；其中，α为第一权重系数，β为第二权重系数，prox()为相似度确定函数；

对Si进行如下处理：

根据相似度由大至小的规则对Si内的相似度进行排序，并在排序后获取Si内前m个相似度作为目标值，得到目标值组TARi=(tar_i¹,tar_i²,tar_i³,...,tar_i^m)，m≥2；其中，tar_i^k为TARi中的第k个目标值，k=1,2,3,...,m，tar_i¹≥tar_i²≥tar_i³≥...≥tar_i^m；

根据第一关联规则确定与GM具有对应关系的位置标识，所述第一关联规则包括：

若tar_i¹＞a1且(tar_i¹-tar_i²)＞a2，则将tar_i¹对应的位置标识与GM建立关联关系，并将tar_i¹对应的位置标识作为与GM一级匹配的标识；其中，a1为第一阈值，a2为第二阈值；

若a3＜tar_i¹≤a1且(tar_i¹-tar_i²)＞a4，则将tar_i¹对应的位置标识与GM建立关联关系，并将tar_i¹对应的位置标识作为与GM二级匹配的标识；其中，a3为第三阈值，a4为第四阈值，a4＞a2。