CN120257113A 一种基于多源数据采集的智能数据管理系统及方法 （中国标准化研究院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120257113A(43)申请公布日2025.07.04

(21)申请号202510743370.2

(22)申请日2025.06.05

(71)申请人中国标准化研究院

地址100191北京市海淀区知春路4号

(72)发明人孙广芝王淑敏程越

(74)专利代理机构北京科慧致远知识产权代理有限公司11739

专利代理师王乾旭

(51)Int.CI.

GO6F18/243(2023.01)

GO6F18/213(2023.01)

GO6N5/025(2023.01)

权利要求书3页说明书14页附图1页

(54)发明名称

一种基于多源数据采集的智能数据管理系统及方法

(57)摘要

120257113ACN本发明公开了一种基于多源数据采集的智能数据管理系统及方法，涉及数据处理技术领域，获取源自多数据源的多源数据，生成具有可信度标记的原始数据集合，对原始数据集合中的数据记录进行数据类型的分类，对于时序数据的数据，应用分段多模型时序特征提取框架进行趋势特征的提取；对于非结构化数据的数据，通过基于多层感知机的特征提取模型进行非结构化特征的提取；对于结构化数据的数据，采用知识图谱技术建立自适应关联关系，生成关联关系数据，将趋势特征、非结构化特征和关联关系数据作为数据价值评估模型的输入，生成动态权重的

120257113A

CN

获取源自多数据源的多源数据，生成具有可信度标记的原始数据集合

采用基于规则与决策树分类器结合的数据类型识别方法对所述原始数据集合中的数据记录进行数据类型的分类

数据类型是否为时序数据应用分段多模型时序特征提取框架对所述时序数据进行趋势特征的提取

数据类型是否为时序数据

通过基于多层感知机的特征提取模型

数据类型是否为非结构数对所述非结构化数据进行非结构化特

数据类型是否为非结构数

征的提取

否

数据类型是否为结构数据

将所述趋势特征、非结构化特征和关

联关系数据作为预先构建的多层次融

合的数据价值评估模型的输入，生成

动态权重的数据资产效能评估

采用知识图谱技术对所述结构化数据建立自适应关联关系，生成关联关系

步骤六

步骤三

步骤四

步骤五

CN120257113A权利要求书1/3页

2

1.一种基于多源数据采集的智能数据管理方法，其特征在于，包括以下步骤：

步骤一：获取源自多数据源的多源数据，生成具有可信度标记的原始数据集合；

步骤二：采用基于规则与决策树分类器结合的数据类型识别方法对所述原始数据集合中的数据记录进行数据类型的分类，对于数据类型为时序数据的数据，则进入步骤三；对于数据类型为非结构化数据的数据，则进入步骤四；对于数据类型为结构化数据的数据，则进入步骤五；

步骤三：应用分段多模型时序特征提取框架对所述时序数据进行趋势特征的提取；

步骤四：通过基于多层感知机的特征提取模型对所述非结构化数据进行非结构化特征的提取；

步骤五：采用知识图谱技术对所述结构化数据建立自适应关联关系，生成关联关系数

据；

步骤六：将所述趋势特征、非结构化特征和关联关系数据作为预先构建的多层次融合的数据价值评估模型的输入，生成动态权重的数据资产效能评估。

2.根据权利要求1所述的一种基于多源数据采集的智能数据管理方法，其特征在于，所述获取源自多数据源的多源数据，生成具有可信度标记的原始数据集合生成具有可信度标记的原始数据集合包括以下步骤：

步骤11:通过由若干种类型的数据采集单元组成的分布式数据采集网络从多数据源采集原始多源数据；

步骤12:采用边缘计算架构的数据预处理单元对采集的原始多源数据进行标准化处理和可信度评估，形成具有可信度标记的原始数据集合。

3.根据权利要求2所述的一种基于多源数据采集的智能数据管理方法，其特征在于，所述采用基于规则与分类器相结合的数据类型识别方法对所述原始数据集合中的数据记录进行数据类型的分类包括以下步骤：

步骤21:构建包含结构特征提取规则、时间特征提取规则和内容特征提取规则的数据类型特征提取器，从原始数据集合中提取数据类型判断所需的关键特征向量；

步骤22:基于提取的关键特征向量，应用决策树分类器对数据记录进行数据类型的分类，生成分类结果；所述分类结果包括时序数据、非结构化数据和结构化数据。

4.根据权利要求3所述的一种基于多源数据采集的智能数据管理方法，其特征在于，所述应用分段多模型时序特征提取