[发明专利]一种数据匹配方法及装置

说明书

本申请实施例公开了一种数据匹配方法及装置，涉及通信领域，解决了将不同数据源的数据进行模糊匹配时错配的问题。具体方案为：获取第一数据记录和第二数据记录，获取数据记录的关联字段和待匹配字段，将第一数据记录中关联字段的键值相同的数据记录分为一组，得到第一分组集合，将第二数据记录中，关联字段的键值相同的数据记录分为一组，得到第二分组集合，在允许匹配数据的情况下，将第一分组和第二分组的两条数据记录进行关联，计算关联的两条数据记录的待匹配距离，将待匹配距离中绝对值最小的数据记录确定为匹配成功的记录，并将与匹配成功的关联数据记录的待匹配字段的字段值相同的关联数据记录删除。本申请实施例用于数据匹配的过程中。

技术领域

本申请实施例涉及通信领域，尤其涉及一种数据匹配方法及装置。

背景技术

随着大数据行业的崛起，各行各业对数据价值有了更多的关注。在数据的生命周期中包含数据生成和数据应用两个主要环节。其中，在数据应用环节，需要将多个数据源产生的数据进行模糊匹配，具体的可以通过距离进行数据的模糊匹配。

例如，在将网络侧和计费中心这两个数据源的通话记录进行模糊匹配的情况下，可以以主叫号码为关联字段，从两个数据源获取具有相同主叫号码的通话记录，并以通话开始时间为待匹配字段，匹配来自两个数据源、具有相同主叫号码的两条通话记录，若两条通话记录包括的通话开始时间接近，则确定两条通话记录匹配成功。

但是，由于数据源记录的通话记录可能会出现漏记、错记的情况，此时进行数据匹配可能会导致错配的问题，使得数据匹配的准确性较低。例如，对于同一个主叫号码，网络侧记录有两条通话记录，通话开始时间分别为：3点和5点，计费中心漏记了一条通话记录，仅记录有通话开始时间为5点的通话记录，这样进行匹配时，会出现网络侧的3点的通话记录与计费中心的5点的通话记录匹配成功，网络侧的5点的通话记录不再进行匹配的情况，造成了错配的问题。

发明内容

本申请提供一种数据匹配方法及装置，解决了将不同数据源的数据进行模糊匹配时错配的问题。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供一种数据匹配方法，该方法可以包括：数据匹配装置获取第一数据源的第一数据记录和第二数据源的第二数据记录，并获取数据记录的关联字段和待匹配字段，将第一数据记录中，关联字段的键值相同的数据记录分为一组，得到第一分组集合，第一分组集合包括至少一个第一分组；将第二数据记录中，关联字段的键值相同的数据记录分为一组，得到第二分组集合，第二分组集合包括至少一个第二分组；在允许匹配数据的情况下，将第一分组和第二分组的两条数据记录进行关联，并计算关联的两条数据记录的待匹配距离，待匹配距离为关联的两条数据记录的待匹配字段的字段值的绝对值，第一分组和所述第二分组的关联字段的键值相同；将待匹配距离中绝对值最小的两条关联数据记录确定为匹配成功的记录；将除匹配成功的关联数据记录外的其他关联数据记录中，与匹配成功的关联数据记录的待匹配字段的字段值相同的关联数据记录进行删除。

第二方面，本申请提供一种数据匹配装置，该数据匹配装置可以包括：获取单元、分组单元、关联单元、计算单元、确定单元和删除单元。其中，获取单元，用于获取第一数据源的第一数据记录和第二数据源的第二数据记录，并获取数据记录的关联字段和待匹配字段。分组单元，用于将第一数据记录中，关联字段的键值相同的数据记录分为一组，得到第一分组集合，第一分组集合包括至少一个第一分组；将第二数据记录中，关联字段的键值相同的数据记录分为一组，得到第二分组集合，第二分组集合包括至少一个第二分组。关联单元，用于在允许匹配数据的情况下，将第一分组和第二分组的两条数据记录进行关联。计算单元，用于计算关联的两条数据记录的待匹配距离，待匹配距离为关联的两条数据记录的待匹配字段的字段值的绝对值，第一分组和第二分组的关联字段的键值相同。确定单元，用于将待匹配距离中绝对值最小的两条关联数据记录确定为匹配成功的记录。删除单元，用于将除匹配成功的关联数据记录外的其他关联数据记录中，与匹配成功的关联数据记录的待匹配字段的字段值相同的关联数据记录进行删除。