[发明专利]结构化数据的聚类

权利要求书

1.一种处理数据的方法，包括：

将包含所述数据的业务对象的集合分组成较小的气泡的集合，每个气泡包括仅提供关于其中的业务对象的统计信息的容器；

基于最近邻相似性聚类所述气泡；以及

生成聚类后的气泡的可视化。

2.如权利要求1所述的方法，还包括格式化所述数据。

3.如权利要求2所述的方法，其中，格式化所述数据包括从所述数据去除任何不需要的属性。

4.如权利要求1所述的方法，还包括基于关于所述数据的属性的子集定义相似性模型。

5.如权利要求4所述的方法，其中，所述相似性模型包括用于每个所使用属性的局部相似性量度和权重，以及基于所述局部相似性量度的加权和的全局相似性量度。

6.如权利要求1所述的方法，其中，分组所述业务对象的集合还包括：

为每个气泡随机选择代表性的业务对象；

计算较小的气泡的集合中代表性的业务对象对之间的全局相似性；以及

根据对每个对象与所有气泡之间的局部相似性以及所述全局相似性的比较，将所述业务对象的集合中的每个其它业务对象指派给最相似的气泡。

7.如权利要求1所述的方法，其中，聚类所述气泡包括将与另一个气泡具有高相似性的气泡指派给相同的簇。

8.如权利要求1所述的方法，其中，聚类所述气泡还包括：

对尚未被处理的所有气泡进行迭代；

将当前气泡和相似性0存储到控制列表中；

选择下一个气泡以及其与所述当前气泡的相似性；以及

将所述下一个气泡及其相似性添加到所述控制列表中。

9.如权利要求8所述的方法，还包括：

设置围绕核心气泡的阈值界限，在所述阈值界限内，所述核心气泡具有至少预定义数目的其它气泡；

将所述阈值界限内的气泡按照它们与所述核心气泡的相似性添加到所述控制列表中。

10.如权利要求9所述的方法，还包括：

从所述控制列表中去除任何在所述阈值界限内具有少于所述预定义的数目的其它气泡的任何气泡；以及

将剩余的异常气泡添加到所述控制列表中以生成结果列表。

11.一种计算机实现的方法，包括：

格式化用于处理的数据的集合；

将包含格式化后的数据的业务对象的集合分组成较小的气泡的集合，每个气泡包括仅提供关于其中的业务对象的统计信息的容器；

基于最近邻相似性聚类所述气泡；以及

生成聚类后的气泡的可视化。

12.如权利要求11所述的计算机实现的方法，其中，格式化所述数据的集合包括从所述数据去除任何不需要的属性。

13.如权利要求11所述的计算机实现的方法，还包括基于关于所述数据的属性的子集定义相似性模型。

14.如权利要求13所述的计算机实现的方法，其中，所述相似性模型包括用于每个所使用属性的局部相似性量度和权重，以及基于所述局部相似性量度的加权和的全局相似性量度。

15.如权利要求11所述的方法，其中，分组所述业务对象的集合还包括：

为每个气泡随机选择代表性的业务对象；

计算所述较小的气泡的集合中代表性的业务对象对之间的全局相似性；以及

根据对每个对象与所有气泡之间的局部相似性以及所述全局相似性的比较，将所述业务对象的集合中的每个其它业务对象指派给最相似的气泡。

16.如权利要求11所述的方法，其中，聚类所述气泡包括将与另一个气泡具有高相似性的气泡指派给相同的簇。

17.如权利要求11所述的方法，其中，聚类所述气泡还包括：

对尚未被处理的所有气泡进行迭代；

将当前气泡和相似性0存储到控制列表中；

选择下一个气泡以及其与所述当前气泡的相似性；以及

将所述下一个气泡及其相似性添加到所述控制列表中。