姚娟 于喜志

[摘? ? ? ? ? ?要]? 針對傳統(tǒng)海量數(shù)據(jù)統(tǒng)計方法中存在的統(tǒng)計過程消耗時間長，無法滿足數(shù)據(jù)傳輸?shù)母咝孕枰獑栴}，開展對海量數(shù)據(jù)統(tǒng)計方法的研究。通過建立基于點云數(shù)據(jù)特征組合數(shù)學(xué)模型的多維數(shù)據(jù)集及統(tǒng)計指標(biāo)，通過對比實驗證明，該數(shù)據(jù)統(tǒng)計方法與傳統(tǒng)統(tǒng)計方法相比統(tǒng)計過程耗時更短，保證了統(tǒng)計數(shù)據(jù)的可用性，更符合實際需要，并以方差統(tǒng)計軟件驗證了實驗的有效性。

[關(guān)? ? 鍵? ?詞]? 點云數(shù)據(jù);特征組合;數(shù)學(xué)模型;海量數(shù)據(jù)統(tǒng)計

[中圖分類號]? G642 ? ? ? ? ? ? ? ? ? ?[文獻標(biāo)志碼]? A? ? ? ? ? ? ? ? ? ? ? [文章編號]? 2096-0603（2020）23-0060-02

在互聯(lián)網(wǎng)環(huán)境中，海量數(shù)據(jù)包含各類格式，包括文本、音頻、視頻、數(shù)字等，傳統(tǒng)海量數(shù)據(jù)統(tǒng)計均是針對單個類型或單個來源對數(shù)據(jù)進行分析，并不能有效地解決多數(shù)據(jù)結(jié)構(gòu)、多數(shù)據(jù)來源的復(fù)雜問題，并且統(tǒng)計得到的分析結(jié)果也十分有限，無法有效地解決特定的問題[1，2]。海量數(shù)據(jù)的統(tǒng)計是針對當(dāng)前互聯(lián)網(wǎng)環(huán)境中每天產(chǎn)生的各類數(shù)據(jù)進行分析，其中包括對海量數(shù)據(jù)的分類、集成、計算分析、提供決策等。與傳統(tǒng)統(tǒng)計學(xué)模型相比點云數(shù)據(jù)特征組合數(shù)學(xué)模型在建模過程中可以提高建模準(zhǔn)確性，同時時間效率、所占內(nèi)存等方面也遠遠超過傳統(tǒng)模型。因此，本文提出一種基于點云數(shù)據(jù)特征組合數(shù)學(xué)模型的海量數(shù)據(jù)統(tǒng)計方法。

一、研究方法與統(tǒng)計指標(biāo)

筆者對點云數(shù)據(jù)特征組合數(shù)學(xué)模型進行過相關(guān)研究，是將其應(yīng)用于機載激光雷達中。此次將點云數(shù)據(jù)特征組合數(shù)學(xué)模型應(yīng)用于海量數(shù)據(jù)統(tǒng)計中，以求提高統(tǒng)計效率。

（一）建立多維數(shù)據(jù)集

首先針對不同來源、不同類型的海量數(shù)據(jù)，針對其不確定性特點，選用點云數(shù)據(jù)特征組合數(shù)學(xué)模型中的聯(lián)合分布函數(shù)以及隨機分布函數(shù)獲取海量數(shù)據(jù)的多維數(shù)據(jù)集[3]。本文假設(shè)點云數(shù)據(jù)特征組合數(shù)學(xué)模型為K={k1，k2，k3，…，kn}，并且該模型與海量數(shù)據(jù)的多維數(shù)據(jù)集P={1，2，3，…，X}一一對應(yīng)，其中X表示每個多維數(shù)據(jù)集中的點云數(shù)量。本文針對整合的海量數(shù)據(jù)，將其分為行為日志、用戶維度、時間維度、行為類型維度、行為結(jié)果維度以及作用對象維度共六個部分。通過點云之間的關(guān)系提高整個算法的計算效率，如圖1所示。

（二）統(tǒng)計指標(biāo)建立

選擇互聯(lián)網(wǎng)環(huán)境中海量數(shù)據(jù)作為處理目標(biāo)，在數(shù)據(jù)集中包含用戶的自身信息、用戶行為日志以及各來源渠道中的相關(guān)數(shù)據(jù)等[4]。針對不同的數(shù)據(jù)集，對其統(tǒng)計指標(biāo)及計算公式進行設(shè)定。

數(shù)據(jù)停留時間P1：將用戶在互聯(lián)網(wǎng)環(huán)境下向另一方用戶傳輸數(shù)據(jù)時，兩者傳輸?shù)浇邮軙r間的間隔，并計為第一次數(shù)據(jù)傳輸行為的有效停留時間。這一統(tǒng)計指標(biāo)可以有效地體現(xiàn)出用戶對數(shù)據(jù)的黏著度。

頁面行為次數(shù)P2：頁面行為主要以對數(shù)據(jù)的檢索、展現(xiàn)以及瀏覽為主，并且實際范疇遠大于瀏覽行為范疇。這一統(tǒng)計指標(biāo)可以通過對用戶的瀏覽行為判斷數(shù)據(jù)的適應(yīng)程度。

會話數(shù)P3：指海量數(shù)據(jù)統(tǒng)計過程中的會話數(shù)量。

用戶訪問數(shù)P4：指海量數(shù)據(jù)統(tǒng)計過程中不同的用戶數(shù)量[5]。

P1、P2、P3、P4四種不同統(tǒng)計指標(biāo)的計算公式分別為：

平均數(shù)據(jù)停留時間：

公式（1）中，Ssum表示用戶可統(tǒng)計的停留時間總和;Scount表示用戶可統(tǒng)計的停留時間記錄數(shù)的總和[6]。對統(tǒng)計過程中用戶無后續(xù)行為的特殊情況，應(yīng)當(dāng)利用平均頁面停留時間代替用戶有停留時間總長，其公式為：

公式（2）中，Ptotal表示用戶停留時間總長;tavg表示平均會話持續(xù)時間。平均會話持續(xù)時間是以數(shù)據(jù)停留時間的總長與用戶會話數(shù)相除所得，因此平均會話持續(xù)時間可用如下公式表示：

對待統(tǒng)計的海量數(shù)據(jù)的數(shù)據(jù)集，可能存在較大的離群點，進而導(dǎo)致數(shù)據(jù)中隱私信息被泄漏的風(fēng)險，避免離群點存在泄露數(shù)據(jù)信息或增加誤差的問題，因此基于點云數(shù)據(jù)特征組合數(shù)學(xué)模型，將散亂分布的點云數(shù)據(jù)根據(jù)其特征進行融合，獲取不同數(shù)據(jù)集的中心點，完成對數(shù)據(jù)中心點的采集。首先，假設(shè)數(shù)據(jù)集中的離群點云數(shù)據(jù)分布在X軸、Y軸和Z軸方向上的值為Xl、Xr、Yl、Yr、Zl、Zr，假設(shè)γ表示選中的離群點中的點云數(shù)據(jù)量，則γ主要通過點云的取值范圍以及數(shù)據(jù)集離群點分布的曲率進行選擇。

（三）統(tǒng)計學(xué)驗證

基于點云數(shù)據(jù)特征組合數(shù)學(xué)模型對海量數(shù)據(jù)進行統(tǒng)計后，借助SPSS軟件運用方差統(tǒng)計方法對結(jié)果進行分析。

二、海量數(shù)據(jù)統(tǒng)計與分析

（一）數(shù)據(jù)來源

選取某一網(wǎng)站中的交易數(shù)據(jù)作為海量數(shù)據(jù)統(tǒng)計對象，其中包括交易記錄、交易金額等數(shù)據(jù)信息。借助點云數(shù)據(jù)特征組合數(shù)學(xué)模型將離群點數(shù)據(jù)與近似分組相互融合，首先對原分組進行劃分，對海量數(shù)據(jù)而言，通過快速聚合相似分組，可達到最優(yōu)的分組融合效果[7]。再對分組數(shù)據(jù)集進行差分隱私保護處理，從而進一步鞏固海量數(shù)據(jù)統(tǒng)計過程中的隱私性，保證數(shù)據(jù)統(tǒng)計后統(tǒng)計結(jié)果的可用性。

在對海量數(shù)據(jù)統(tǒng)計前，首先要明確應(yīng)用數(shù)據(jù)統(tǒng)計的周期，再確定數(shù)據(jù)總體構(gòu)成的基本數(shù)據(jù)周期。確定指標(biāo)后，估算應(yīng)用指標(biāo)詳單的數(shù)據(jù)總體容量，明確應(yīng)用指標(biāo)統(tǒng)計分組的業(yè)務(wù)主體，再對指標(biāo)分組的環(huán)境因素、數(shù)據(jù)庫服務(wù)器、網(wǎng)絡(luò)交換機能力等綜合考慮，給出分組環(huán)境因子。再將得到的數(shù)據(jù)集中離群點進行融合，降低數(shù)據(jù)統(tǒng)計過程中出現(xiàn)遺漏后數(shù)據(jù)信息隱私泄漏的問題發(fā)生。最終將應(yīng)用指標(biāo)分組全量統(tǒng)計結(jié)果輸入到對應(yīng)的數(shù)據(jù)庫中存儲。

（二）海量數(shù)據(jù)統(tǒng)計結(jié)果對比

依照上述方法，運用本文統(tǒng)計方法與傳統(tǒng)方法的統(tǒng)計結(jié)果作對比，選擇由兩臺計算機搭建的數(shù)據(jù)存儲平臺，并在平臺中構(gòu)建兩種不同類型的數(shù)據(jù)庫。表1為計算機與數(shù)據(jù)庫的配置參數(shù)信息。

分別利用本文提出的海量數(shù)據(jù)統(tǒng)計方法與傳統(tǒng)數(shù)據(jù)統(tǒng)計方法，對兩個數(shù)據(jù)庫中的數(shù)據(jù)進行統(tǒng)計，分別設(shè)為實驗組和對照組，并記錄兩種方法統(tǒng)計完畢后所消耗的時間，如圖2數(shù)據(jù)統(tǒng)計結(jié)果對比圖所示。

由圖2中的統(tǒng)計結(jié)果可以看出，對海量數(shù)據(jù)的統(tǒng)計所消耗的時間實驗組遠遠少于對照組。因此通過對比圖可以看出，本文提出的基于點云數(shù)據(jù)特征組合數(shù)學(xué)模型的海量數(shù)據(jù)統(tǒng)計方法可以較好地解決海量數(shù)據(jù)統(tǒng)計時的運行效率問題，采用本文方法可以對海量數(shù)據(jù)進行有效統(tǒng)計和分析，同時保證數(shù)據(jù)的隱私安全以及運行效率。

（三）方差統(tǒng)計

為驗證對比實驗的準(zhǔn)確性，借助SPSS軟件運用方差統(tǒng)計方法對結(jié)果進行分析，將上述實驗數(shù)據(jù)輸入SPSS軟件，統(tǒng)計結(jié)果如表2所示。

經(jīng)方差統(tǒng)計驗證，證明上述實驗結(jié)果具有統(tǒng)計學(xué)意義，本文設(shè)計的海量數(shù)據(jù)統(tǒng)計方法能夠有效提升運行效率。

三、結(jié)語

為了進一步提高海量數(shù)據(jù)的統(tǒng)計結(jié)果可用性及效率，本文提出了一種基于點云數(shù)據(jù)特征組合數(shù)學(xué)模型的海量數(shù)據(jù)統(tǒng)計方法，解決了傳統(tǒng)海量數(shù)據(jù)統(tǒng)計中存在的計算效率低、統(tǒng)計過程中存在隱私泄漏等問題。同時在對比實驗中得出，該模型可以更好地滿足數(shù)據(jù)安全性需要，保證數(shù)據(jù)統(tǒng)計結(jié)果具有良好的可用性，具有更高的應(yīng)用價值。

參考文獻：

[1]李俊鋒.大數(shù)據(jù)背景下的統(tǒng)計學(xué)發(fā)展方向分析[J].中外企業(yè)家，2020（5）：110.

[2]牛永清.大數(shù)據(jù)審計下統(tǒng)計分析方法初探[J].納稅，2019，13（1）：225.

[3]唐玉蘭，項瑩雪，馬甜甜，等.基于多元統(tǒng)計分析方法的渾河流域沈撫段水質(zhì)時空特征[J].安全與環(huán)境學(xué)報，2018，18（5）：2008-2012.

[4]盧浩宜.基于統(tǒng)計學(xué)方法對試驗室結(jié)果一致性、有效性分析[J].汽車實用技術(shù)，2019（4）：125-128.

[5]洪慧，李娟，汪洋，等.基于統(tǒng)計學(xué)方法的地下水水質(zhì)評價與成因分析：以齊齊哈爾市為例[J].環(huán)境工程技術(shù)學(xué)報，2019，9（4）：431-439.

[6]霍嬌，劉運杰，游一屏，等.大鼠體內(nèi)Pig-a基因突變試驗設(shè)計及統(tǒng)計學(xué)分析方法建議[J].衛(wèi)生研究，2018，47（4）：525-529，553.

編輯 馮永霞