邱瑞 汪寧 朱振華

摘 ? 要：通過對標簽體系分類方法和標簽數(shù)據(jù)共享技術(shù)路線的研究，利用基礎(chǔ)屬性、統(tǒng)計分析、模型算法及大數(shù)據(jù)分析等技術(shù)，將描述研究對象的標簽數(shù)據(jù)進行提取和分類，實現(xiàn)了對標簽資源的分類，建立統(tǒng)一標簽資源目錄體系。在數(shù)據(jù)協(xié)同過程中，系統(tǒng)中心節(jié)點獲取各子節(jié)點查詢請求，并統(tǒng)一調(diào)配計算資源，最后將匯總結(jié)果返回到請求方節(jié)點，從而實現(xiàn)節(jié)點間的標簽數(shù)據(jù)共享，有效的推動業(yè)務(wù)數(shù)據(jù)跨地區(qū)、跨部門的共享，促進了業(yè)務(wù)模型向智能化發(fā)展。

關(guān)鍵詞：標簽;標簽目錄;數(shù)據(jù)協(xié)同

1 引言

標簽反映人或物的社會屬性、行為屬性等屬性特征。近年來，在公共安全等領(lǐng)域，專家用標簽進行畫像和特征分析，建立相關(guān)的應(yīng)用系統(tǒng)，幫助用戶進行工作模式的改進和工作效率的提高。

在標簽數(shù)據(jù)分類的過程中，由于不同的分類方式產(chǎn)生的標簽定義也不一致，有可能造成在使用過程中導致數(shù)據(jù)難以共享、標簽易誤解等問題，造成對研究對象的錯誤預警。

在標簽資源服務(wù)系統(tǒng)中，對各子節(jié)點間獲取統(tǒng)一標簽資源目錄體系，通過分布式調(diào)度架構(gòu)將查詢請求經(jīng)中心節(jié)點發(fā)送至各子節(jié)點，中心節(jié)點統(tǒng)一協(xié)調(diào)各子節(jié)點的調(diào)配資源，將標簽查詢結(jié)果匯總后返回到請求方節(jié)點，從而實現(xiàn)了不同子節(jié)點間的標簽數(shù)據(jù)共享。

本文將利用屬性標注、模型算法、文本挖掘等技術(shù)，研究標簽數(shù)據(jù)的分類技術(shù)，同時研究基于標簽資源目錄的協(xié)同共享技術(shù)，實現(xiàn)標簽數(shù)據(jù)的協(xié)同共享。

2 標簽治理和分類

2.1 數(shù)據(jù)治理

標簽數(shù)據(jù)治理是對匯集的原始數(shù)據(jù)進行標準化、規(guī)范化的處理過程，主要包括數(shù)據(jù)匯集、數(shù)據(jù)治理、數(shù)據(jù)建庫等工作。通過對數(shù)據(jù)進行一系列的治理，形成結(jié)構(gòu)化、規(guī)范化的資源庫，為標簽分類和生產(chǎn)提供數(shù)據(jù)基礎(chǔ)。

首先，通過數(shù)據(jù)采集系統(tǒng)采集多源異構(gòu)數(shù)據(jù)，如金融數(shù)據(jù)等相關(guān)數(shù)據(jù)。之后，針對不同的數(shù)據(jù)采取數(shù)據(jù)去重、數(shù)據(jù)融合、字段標準等規(guī)范化操作。最后，構(gòu)建基于標簽領(lǐng)域相關(guān)的資源庫，實現(xiàn)對各級業(yè)務(wù)數(shù)據(jù)統(tǒng)一規(guī)范化的管理，針對各個數(shù)據(jù)進行主題分類、標準化和規(guī)范化存儲。

2.2 數(shù)據(jù)分類

標簽分類體系的建設(shè)過程就是對數(shù)據(jù)不斷提煉和價值迭代的過程，通過構(gòu)建標簽分類體系，讓數(shù)據(jù)價值清晰化、規(guī)范化，通過標簽表達數(shù)據(jù)潛在的意義、滿足當前業(yè)務(wù)的分析工作。標簽分類主要從屬性抽取、特征提煉、規(guī)律刻畫等幾個方面考慮，標簽按照數(shù)據(jù)生成的維度可以分為屬性標簽、統(tǒng)計標簽和算法標簽。

（1） 屬性標簽包括研究對象的所有原生屬性和派生屬性，主要為人的年齡、性別、學歷、身份信息等基礎(chǔ)屬性信息，基礎(chǔ)屬性的標簽往往和個人信息有關(guān)。

（2） 統(tǒng)計標簽是基于過往特定時間段內(nèi)的行為、日志數(shù)據(jù)而計算出的描述個體或群體的規(guī)律性標簽，這類標簽隨著統(tǒng)計周期而發(fā)生變化，更新頻率較大、周期較短、標簽變化性較大。

（3） 算法標簽是根據(jù)過去特定段時間的行為狀態(tài)，預測事物未發(fā)生、或?qū)砑磳l(fā)生的行為，這種標簽是基于普通標簽、統(tǒng)計標簽數(shù)據(jù)，通過使用特定算法、挖掘技術(shù)計算出來的，給出預測對象的行為相符合的標簽。

3 標簽建設(shè)路線

標簽開發(fā)流程分為特征提取、標簽加工、標簽管理、標簽應(yīng)用四大部分。首先，特征提取主要從基礎(chǔ)特征、人員特征、行為特征、社會屬性等維度來提取特征，形成基礎(chǔ)化標簽;在標簽加工過程中，對已經(jīng)提取的基礎(chǔ)化標簽數(shù)據(jù)進行規(guī)則清洗、加工、建模，再經(jīng)由對標簽進行ETL開發(fā)，從而得到體系化、規(guī)范化的標簽，并進入標簽市場，為下一步標簽應(yīng)用做準備。

我們可以將標簽構(gòu)建過程分為三個階段。第一階段是基礎(chǔ)標簽的建設(shè)，此階段將通過對數(shù)據(jù)資源按照一定的規(guī)則進行加工得到基礎(chǔ)化的標簽，用來刻畫實體的基礎(chǔ)特征，主要由數(shù)據(jù)治理人員參與并完成。伴隨基礎(chǔ)標簽的體系建立標簽構(gòu)建將進入第二階段，業(yè)務(wù)人員根據(jù)行業(yè)分析經(jīng)驗將對基礎(chǔ)標簽進行組合，從而得到符合行業(yè)的業(yè)務(wù)標簽。第三階段為數(shù)據(jù)分析人員對業(yè)務(wù)標簽進行分析，并經(jīng)過對事件進行分析、研判、建模，構(gòu)建符合的算法標簽，以滿足預測預警的需求。經(jīng)過三大階段對標簽的構(gòu)建過程，將構(gòu)建符合行業(yè)規(guī)范的數(shù)據(jù)資源目錄體系，從而實現(xiàn)對標簽數(shù)據(jù)的分類。

4 數(shù)據(jù)協(xié)同技術(shù)的研究

標簽資源服務(wù)系統(tǒng)面向各級子節(jié)點開放，建設(shè)了標準化、規(guī)范化的標簽資源服務(wù)目錄，實現(xiàn)標簽統(tǒng)一發(fā)布、各級子節(jié)點共享，能夠有效支撐各級子節(jié)點業(yè)務(wù)需求，為用戶提供便捷的操作方式，減少標簽生成復雜過程。

文中數(shù)據(jù)協(xié)同技術(shù)采用的是“一主多從”架構(gòu)。中心節(jié)點為主節(jié)點，統(tǒng)一對資源目錄進行建設(shè)、上線、下線等管理操作。各級子節(jié)點為平級子節(jié)點，共享中心節(jié)點所發(fā)布的資源目錄。各級子節(jié)點通過“申請審批”等流程，當子節(jié)點A啟動節(jié)點間標簽組合查詢時，即開始占用其請求的子節(jié)點的標簽資源，中心節(jié)點統(tǒng)一調(diào)配資源并在中心節(jié)點進行計算，將標簽組合查詢結(jié)果匯總后返到查詢子節(jié)點A，減少了資源的浪費，同時實現(xiàn)了節(jié)點間的標簽數(shù)據(jù)協(xié)同共享。

5 結(jié)束語

本文研究實現(xiàn)了標簽治理、分類目的，解決了如何從海量數(shù)據(jù)中發(fā)現(xiàn)各種數(shù)據(jù)關(guān)系與關(guān)聯(lián)規(guī)則，挖掘數(shù)據(jù)的價值問題，形成了語義化的描述。建立統(tǒng)一標簽資源目錄體系，通過分布式調(diào)度系統(tǒng)將查詢請求發(fā)送至各子節(jié)點，最后中心節(jié)點將匯總結(jié)果返回到請求方節(jié)點，從而實現(xiàn)了不同節(jié)點間的標簽數(shù)據(jù)共享。下一步將繼續(xù)優(yōu)化算法模型，在預測類標簽生成的準確性方面進行重點研究。

參考文獻

[1]張大偉. 公安數(shù)據(jù)標簽化建設(shè)應(yīng)用研究[J].警察技術(shù)，2017，（6）：37-41.

[2]席巖， 張乃光， 王磊， et al. 基于大數(shù)據(jù)的用戶畫像方法研究綜述[J]. 廣播電視信息， 2017（10）：39-43.

[3]王慶， 趙發(fā)珍. 基于"用戶畫像"的圖書館資源推薦模式設(shè)計與分析[J]. 現(xiàn)代情報， 2018（3）：105-109，137

[4]丁偉，王題，劉新海等.基于大數(shù)據(jù)技術(shù)的手機用戶畫像與征信研究[J].郵電設(shè)計技術(shù)，2016（3）：64-69.

責編/李曼