[发明专利]数据集合的确定方法和装置

权利要求书

1.一种数据集合的确定方法，其特征在于，包括：

接收到用于指示从多个第一数据集合中获取目标数据集合的指令，其中，所述第一数据集合中包括按照目标类型采集到的至少一个实例数据，所述目标数据集合的数据用于进行数据分析；

根据第一属性集合确定每个所述第一数据集合中每个实例数据的目标概率，其中，所述目标概率为所述实例数据属于所述目标类型的概率，所述第一属性集合中包括用于指示为所述目标类型的数据的属性；

基于每个所述第一数据集合中所有实例数据的目标概率确定每个所述第一数据集合的采集质量信息，其中，所述采集质量信息用于指示按照所述目标类型采集到的所述第一数据集合属于所述目标类型的质量；

确定多个所述第一数据集合中采集质量信息满足预设质量要求的为用于进行数据分析的所述目标数据集合。

2.根据权利要求1所述的方法，其特征在于，根据第一属性集合确定每个所述第一数据集合中每个实例数据的目标概率包括：

获取每个所述实例数据的第二属性集合，其中，所述第二属性集合中包括所述实例数据所具有的属性信息；

基于所述第一属性集合和每个所述实例数据的所述第二属性集合确定每个所述实例数据的目标概率。

3.根据权利要求2所述的方法，其特征在于，所述第一属性集合的数量为至少一个，

在基于所述第一属性集合和每个所述实例数据的所述第二属性集合确定每个所述实例数据的目标概率之前，所述方法还包括：获取每个所述第一属性集合的置信度，其中，所述置信度用于指示具有所述第一属性集合中所有属性信息的数据属于所述目标类型的概率；

基于所述第一属性集合和每个所述实例数据的所述第二属性集合确定每个所述实例数据的目标概率包括：通过将所述实例数据的所述第二属性集合与每一个所述第一属性集合进行匹配，确定所述实例数据相对于每一个所述第一属性集合的目标匹配度；将与至少一个所述目标匹配度中的最大匹配度对应的所述第一属性集合的置信度作为所述实例数据的目标概率。

4.根据权利要求3所述的方法，其特征在于，通过将所述实例数据的所述第二属性集合与每一个所述第一属性集合进行匹配，确定所述实例数据相对于每一个所述第一属性集合的目标匹配度包括：

确定所述实例数据的第二属性集合中的属性信息与所述第一属性集合中的属性信息的第一匹配度；

确定所述第一属性集合中的属性信息与所述实例数据的第二属性集合中的属性信息的第二匹配度；

根据所述第一匹配度和所述第二匹配度确定所述实例数据相对于所述第一属性集合的所述目标匹配度。

5.根据权利要求4所述的方法，其特征在于，确定所述实例数据的第二属性集合中的属性信息与所述第一属性集合中的属性信息的第一匹配度包括：

确定所述第二属性集合中与所述第一属性集合中的属性信息匹配的目标属性信息的数量；

将所述目标属性信息的数量与所述第一属性集合中的属性信息的数量的比值作为所述第一匹配度。

6.根据权利要求1所述的方法，其特征在于，基于每个所述第一数据集合中所有实例数据的目标概率确定每个所述第一数据集合的采集质量信息包括以下至少之一：

确定所述第一数据集合中所有实例数据的目标概率的第一平均值，其中，所述第一平均值用于指示按照所述目标类型采集到的数据的准确度；

确定所述第一数据集合中所有实例数据的目标概率的熵值，其中，所述熵值用于指示按照所述目标类型采集到的数据的混杂度，所述采集质量信息包括所述第一平均值和/或所述熵值。

7.根据权利要求6所述的方法，其特征在于，确定所述第一数据集合中所有所述实例数据的目标概率的熵值包括：

通过对所述第一数据集合中的所有实例数据的目标概率进行取对数运算确定所述熵值。

8.根据权利要求6所述的方法，其特征在于，确定多个所述第一数据集合中采集质量信息满足预设质量要求的为用于进行数据分析的所述目标数据集合包括：

将多个所述第一数据集合中第一平均值达到第一预设值和/或熵值达到第二预设值的作为所述目标数据集合。