[发明专利]一种变更数据的结构化处理方法和装置

说明书

本发明公开了一种变更数据的结构化处理方法和装置，涉及计算机技术领域。该方法包括：获取当前变更数据组，所述当前变更数据组中包括变更前数据和变更后数据；分别提取所述变更前数据和变更后数据的特征信息，以得到变更前格式化数据和变更后格式化数据；将所述变更前格式化数据和变更后格式化数据进行比对，以及根据比对结果对所述当前变更数据组进行标记。该方法能够使变更数据的提取具有可复现性，而且还能够提供较为简洁的变更对比信息。

技术领域

本发明涉及计算机技术领域，尤其涉及一种变更数据的结构化处理方法和装置。

背景技术

在比对非结构化数据时，很难快速获得有用信息，例如在比对公司变更信息时，会涉及将高管、经理等非结构化数据分析后转化为结构化数据，然后进行信息提取。其中，结构化数据也被称为定量数据，是能够用数据或统一的结构加以表示的信息，如数字、符号等。在项目中，保存和管理这些的数据的一般为关系数据库。当使用结构化查询语言或SQL时，计算机程序很容易搜索这些术语。例如将非结构化数据“副总经理：廖某陈某；董事：陈某；董事：周某；董事：林某；董事长：梁某；总经理：梁某；董事：黄某；董事：李某”，可处理得到结构化数据“姓名：周某；职位：董事；姓名：黄某；职位：董事；姓名：林某；职位：董事；等”，结构化数据更能较好的为下游业务服务。但是，由于不同地区、不同职位的非结构化数据较为复杂，导致现有技术中没有一种较好的方法对该类数据进行结构化。

发明内容

有鉴于此，本发明实施例提供一种变更数据的结构化处理方法和装置，能够使变更数据的提取具有可复现性，也能提供较为简洁的变更对比信息。

为实现上述目的，根据本发明实施例的一个方面，提供了一种变更数据的结构化处理方法。

本发明实施例的变更数据的结构化处理方法包括：获取当前变更数据组，所述当前变更数据组中包括变更前数据和变更后数据；分别提取所述变更前数据和变更后数据的特征信息，以得到变更前格式化数据和变更后格式化数据；将所述变更前格式化数据和变更后格式化数据进行比对，以及根据比对结果对所述当前变更数据组进行标记。

可选地，分别提取所述变更前数据和变更后数据的特征信息，以得到变更前格式化数据和变更后格式化数据的步骤包括：识别所述变更前数据和所述变更后数据的类别；在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略，以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息；根据预设格式和所述特征信息，得到所述变更前格式化数据和变更后格式化数据。

识别所述变更前数据和所述变更后数据的类别的步骤包括：对所述变更前数据和所述变更后数据进行解析，确定所述变更前数据和所述变更后数据的类别信息，所述类别信息中至少包括以下一种：语序、标点符号、语义信息；根据所述类别信息，从配置类别中确定出所述变更前数据和所述变更后数据的类别；其中，所述配置类别存储有对应提取策略。

可选地，在预设的类别与目标提取策略的对应关系中根据识别的类别确定对应的目标提取策略，以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息的步骤包括：根据识别的结果判断是否存在对应的提取方法；如果存在，则将所述对应的提取方法确定为目标提取策略，以及根据所述目标提取策略分别提取所述变更前数据和变更后数据的特征信息；如果不存在，则将所述变更数据组标注为无效变更数据。

可选地，在将所述变更前格式化数据和变更后格式化数据进行比对，以及根据比对结果对所述当前变更数据组进行标记之前，还包括：确定所述当前变更数据组的变更时间；根据所述变更时间获取历史变更数据组，其中，所述历史变更数据组和所述当前变更数据组的变更时间相邻；判断所述当前变更数据组和所述历史变更数据组是否存在冲突数据；在存在冲突数据的情况下，将所述当前变更数据组中的冲突数据进行删除。