[发明专利]婚姻数据的清洗方法、装置及终端设备

权利要求书

1.一种婚姻数据的清洗方法，其特征在于，包括：

从婚姻登记系统中获取待处理的第一婚姻数据；

对所述第一婚姻数据进行预处理，并提取至少三个属性特征对应的第二婚姻数据；

对所述第二婚姻数据进行分组，分别对每一分组内的第二婚姻数据进行清洗，得到清洗后的目标婚姻数据。

2.如权利要求1所述的婚姻数据的清洗方法，其特征在于，所述对所述第一婚姻数据进行预处理，并提取至少三个属性特征对应的第二婚姻数据，包括：

将所述第一婚姻数据按照属性特征转换为列表方式存储，其中列表中每一列表示婚姻数据的属性特征，每一行表示一个用户的数据记录；

提取所述列表中存在空值的婚姻数据记录，并保存在空值数据列表中；

对进行空值处理后的目标列表，提取至少三个属性特征对应的婚姻数据，得到第二婚姻数据。

3.如权利要求2所述的婚姻数据的清洗方法，其特征在于，所述至少三个属性特征中至少包括姓名信息、身份证信息、婚姻登记时间信息；

在所述得到第二婚姻数据之后，还包括：

以身份证信息为主键，建立第二婚姻数据与所述目标列表之间的关联关系。

4.如权利要求3所述的婚姻数据的清洗方法，其特征在于，所述对所述第二婚姻数据进行分组，包括：

根据所述第二婚姻数据中的身份证信息对所述第二婚姻数据进行分组。

5.如权利要求4所述的婚姻数据的清洗方法，其特征在于，所述对所述第二婚姻数据进行分组，包括：

根据所述第二婚姻数据中身份证信息对所述第二婚姻数据按照从大到小或者从小到大的顺序进行排序；

将排序后的婚姻数据中身份证信息的前三位数据或者前六位数据相同的婚姻数据作为一组，得到不同的分组。

6.如权利要求2-5中任一项所述的婚姻数据的清洗方法，其特征在于，所述分别对每一分组内的第二婚姻数据进行清洗，得到清洗后的目标婚姻数据，包括：

对每一分组内的第二婚姻数据进行去重处理，将重复的婚姻数据保存在重复数据列表中；

将去重处理后的第三婚姻数据进行错误数据处理，将提取出的错误数据保存在错误数据列表中，得到错误数据处理后的目标婚姻数据。

7.如权利要求6所述的婚姻数据的清洗方法，其特征在于，所述对每一分组内的第二婚姻数据进行去重处理，将重复的第二婚姻数据保存在重复数据列表中，包括：

对每一分组内的第二婚姻数据进行聚类计算，得到多个簇；

计算每一个簇内的每一条婚姻数据记录的MD5值，并将计算的MD5值进行比较，提取每一个簇内MD5值相同的婚姻数据记录对应的所述目标列表中的婚姻数据记录保存在重复数据列表中，删除每一个簇任一条相同MD5值对应的婚姻数据记录和所述目标列表中对应的婚姻数据记录，得到第三婚姻数据。

8.一种婚姻数据的清洗装置，其特征在于，包括：

获取模块，用于从婚姻登记系统中获取待处理的第一婚姻数据；

预处理模块，用于对所述第一婚姻数据进行预处理，并提取至少三个属性特征对应的第二婚姻数据；

数据清洗模块，用于对所述第二婚姻数据进行分组，分别对每一分组内的第二婚姻数据进行清洗，得到清洗后的目标婚姻数据。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。