CN109657991A

CN109657991A - 元数据质量评估方法、装置、电子设备、存储介质

Info

Publication number: CN109657991A
Application number: CN201811579467.0A
Authority: CN
Inventors: 刘征; 黄伟良; 王宁
Original assignee: Jiangsu Manyun Software Technology Co Ltd
Current assignee: Jiangsu Yunmanman Information Technology Co ltd
Priority date: 2018-12-21
Filing date: 2018-12-21
Publication date: 2019-04-19
Anticipated expiration: 2038-12-21
Also published as: CN109657991B

Abstract

本发明提供一种元数据质量评估方法、装置、电子设备、存储介质，所述元数据质量评估方法包括：采集元数据及元数据的运营数据；至少根据所述元数据计算元数据的多个技术子维度评分；将元数据的多个技术子维度评分加权求和获得元数据的技术质量评分；至少根据元数据及其运营数据计算元数据的多个运营子维度评分；将元数据的多个运营子维度评分加权求和获得元数据的运营质量评分；将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分。本发明提供方法及装置提高对元数据的评估质量。

Description

元数据质量评估方法、装置、电子设备、存储介质

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种元数据质量评估方法、装置、电子设备、存储介质。

背景技术

元数据(Metadata)，又称中介数据、中继数据，为描述数据的数据(data aboutdata)，主要是描述数据属性(property)的信息，用来支持如指示存储位置、历史数据、资源查找、文件记录等功能。元数据算是一种电子式目录，为了达到编制目录的目的，必须在描述并收藏数据的内容或特色，进而达成协助数据检索的目的。

元数据是大数据的基础，在各种元数据管理系统中，资产的可信度是使用者最关注的事情。大型企业的解决方案，会侧重于技术实现，而忽略了元数据质量的动态监控，忽略了将运营过程与元数据质量建设关联起来的重要性，忽略了用户对元数据的评价对质量提升的重要性。

综上，目前常用的元数据质量评估方法是通过一些纯技术策略评估元数据质量，缺失动态评估，缺失用户参与，缺失运营过程对元数据质量提升的机制。

发明内容

本发明为了克服上述相关技术存在的缺陷，提供一种元数据质量评估方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明的一个方面，提供一种元数据质量评估方法，包括：

采集元数据及元数据的运营数据；

至少根据所述元数据计算元数据的多个技术子维度评分；

将元数据的多个技术子维度评分加权求和获得元数据的技术质量评分；

至少根据元数据及其运营数据计算元数据的多个运营子维度评分；

将元数据的多个运营子维度评分加权求和获得元数据的运营质量评分；

将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分。

可选地，所述元数据及元数据的运营数据按预定周期采集，且元数据的技术质量评分及运营质量评分按预定周期计算。

可选地，所述将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分的步骤包括：

将元数据的n个预定周期的技术质量评分求和获得第一中间值；

将元数据的n个预定周期的运营质量评分求和获得第二中间值；

将所述第一中间值和所述第二中间值加权求和获得元数据的总质量评分，n为大于等于1的整数。

可选地，

计算元数据的技术质量评分的各技术子维度评分的第一权重之和为1；

计算元数据的运营质量评分的各运营子维度评分的第二权重之和为1；

计算元数据的总质量评分的元数据的技术质量评分及运营质量评分的第三权重之和为1。

可选地，还包括：

调整所述第一权重、第二权重、第三权重使所述元数据的总质量评分符合正态分布。

可选地，所述第一权重、第二权重、第三权重根据所述元数据的总质量评分的反馈信息调整。

可选地，所述将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分的步骤还包括：

对元数据的总质量评分进行极值限定。

根据本发明的又一方面，还提供一种元数据质量评估装置，包括：

采集模块，用于采集元数据及元数据的运营数据；

第一计算模块，用于至少根据所述元数据计算元数据的多个技术子维度评分；

技术质量评分获取模块，用于将元数据的多个技术子维度评分加权求和获得元数据的技术质量评分；

第二计算模块，用于至少根据元数据及其运营数据计算元数据的多个运营子维度评分；

运营质量评分获取模块，用于将元数据的多个运营子维度评分加权求和获得元数据的运营质量评分；

总质量评分获取模块，用于将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分。

根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。

根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。

相比现有技术，本发明的优势在于：

一方面，通过技术维度和运营维度两方面对元数据的质量进行评估，从而提升元数据评估的质量，元数据质量评估用于提高元数据质量；另一方面，还通过周期性的、持续的元数据的评估，可以获知元数据质量的变化；再一方面，还通过对元数据质量评估中的权重进行动态调整，以进一步提高元数据评估的质量。

附图说明

通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。

图1示出了根据本发明实施例的元数据质量评估方法的流程图。

图2示出了根据本发明一具体实施例的获得元数据的总质量评分的流程图。

图3示出了根据本发明实施例的元数据质量评估装置的示意图。

图4示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。

图5示意性示出本发明示例性实施例中一种电子设备示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。

图1示出了根据本发明实施例的元数据质量评估方法的流程图。参考图1，所述元数据质量评估方法包括如下步骤：

步骤S110：采集元数据及元数据的运营数据；

步骤S120：至少根据所述元数据计算元数据的多个技术子维度评分；

步骤S130：将元数据的多个技术子维度评分加权求和获得元数据的技术质量评分；

步骤S140：至少根据元数据及其运营数据计算元数据的多个运营子维度评分；

步骤S150：将元数据的多个运营子维度评分加权求和获得元数据的运营质量评分；

步骤S160：将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分。

在本发明的示例性实施方式的元数据质量评估方法中，一方面，通过技术维度和运营维度两方面对元数据的质量进行评估，从而提升元数据评估的质量，元数据质量评估用于提高元数据质量；另一方面，还通过周期性的、持续的元数据的评估，可以获知元数据质量的变化；再一方面，还通过对元数据质量评估中的权重进行动态调整，以进一步提高元数据评估的质量。

在本发明的各个实施例中，上述步骤并非以上述顺序为限。例如步骤 S120可以和步骤S140同步执行；步骤S130和步骤S150可以同步执行；步骤S140和步骤S150可以先于步骤S120和步骤S130执行，在不背离本发明构思的前提上，上述步骤的各种顺序变化都在本发明的保护范围之内。

在本发明的各个实施例中，技术子维度评分可以包括语法规范性的技术子维度评分，描述清晰度的技术子维度评分，更新准确性的技术子维度评分、更新及时性的技术子维度评分，脏数据比例的技术子维度评分等。语法规范性例如可以表示元数据是否符合数据库模式定义语言DDL(Data Definition Language)。在一些实施例中，DDL语句规范性的技术子维度评分可以是元数据所在数据表中，符合DDL语句规范的元数据比例。可以理解，元数据是描述数据的数据，因此，可以通过人工或分类模型将元数据分类为描述清晰和描述不清晰，由此，描述清晰度的技术子维度评分可以是元数据所在数据表中，分类为清晰的元数据比例。可以将更新元数据分为准确或不准确，从而通过数据所在数据表中，更新准确的元数据比例作为更新准确性的技术子维度评分。更新及时性的技术子维度评分可以通过预设不同更新时间对应不同的评分，由此来获得更新及时性的技术子维度评分。可以将元数据分为脏数据或不是脏数据，从而通过数据所在数据表中，不是脏数据的元数据比例作为脏数据比例的技术子维度评分。本发明还可以实现更多的不同技术子维度评分，可以增加/删减技术子维度等。

在本发明的各个实施例中，运营子维度评分可以包括元数据所在数据表使用率的运营子维度评分，用户收藏指数的运营子维度评分，用户评星评价指数的运营子维度评分，创建者或表运维者的能力指数的运营子维度评分，用户分享指数的运营子维度评分，下游表生产依赖率的运营子维度评分，星级报表使用指数的运营子维度评分，重要口径指标提及率的运营子维度评分等。元数据所在数据表使用率的运营子维度评分例如可以是元数据所在数据表在一天内的使用次数、30天内的使用次数或90天内的使用次数映射到百分比下的评分。用户收藏指数的运营子维度评分例如可以是元数据所在数据表(或在预定时间段内)被收藏的次数映射到百分比下的评分。用户评星评价指数的运营子维度评分例如可以是各用户对元数据所在数据表的平均评星评价(评价例如可以为1星到5星)映射到百分比下的评分。创建者或表运维者的能力指数的运营子维度评分例如可以是创建元数据所在数据表的创建者/运维者由人工/模型计算出的能力指数映射到百分比下的评分。用户分享指数的运营子维度评分例如可以是元数据所在数据表(或在预定时间段内) 被分享的次数映射到百分比下的评分。下游表生产依赖率的运营子维度评分例如可以是元数据所在数据表被下游表生产依赖的次数映射到百分比下的评分。本发明还可以实现更多的不同运营子维度评分，可以增加/删减运营子维度等。

在本发明的各个实施例中，所述元数据及元数据的运营数据按预定周期采集，且元数据的技术质量评分及运营质量评分按预定周期计算。

下面以预定周期为1天为例。

上述步骤S130将元数据的多个技术子维度评分加权求和获得元数据的技术质量评分可以通过如下公式表示：

T1_di＝k₁f(x₁)+k₂f(x₂)+…+k_pf(x_p)

其中，T1_di为第i天的技术质量评分，k₁至k_p为对应各技术子维度评分的第一权重，f(x₁)至f(x_p)分别为p个技术子维度评分，p为大于等于1的整数。在一些实施例中，k₁至k_p之和为1。在一些实施例中，k₁至k_p默认相等，并可经由后序调整而变化。在一些实施例中，可以预先依据各技术子维度的重要性进行不同的权重值赋值。如DDL规范性，脏数据比例就是比较重要 (如出现问题将有引起较严重的错误)的技术子维度。这些子维度的k值都会提高。而且，子维度的权重系数会随时系统的迭代与使用者反馈进行修正，甚至子维度也会随着技术迭代与产品发展而增加，修改或删除。

上述步骤S150将元数据的多个运营子维度评分加权求和获得元数据的运营质量评分可以通过如下公式表示：

T2_di＝m₁g(x₁)+m₂g(x₂)+…+m_qg(x_q)

其中，T2_di为第i天的运营质量评分，m₁至m_q为对应各运营子维度评分的第二权重，g(x₁)至g(x_q)分别为q个运营子维度评分，q为大于等于1的整数。在一些实施例中，m₁至m_q之和为1。在一些实施例中，m₁至m_q默认相等，并可经由后序调整而变化。在一些实施例中，可以预先依据各运营子维度的重要性进行不同的权重值赋值。

上述步骤S160将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分可以参见图2，图2共示出3个步骤：

步骤S161：将元数据的n个预定周期的技术质量评分求和获得第一中间值；

步骤S162：将元数据的n个预定周期的运营质量评分求和获得第二中间值；

步骤S163：将所述第一中间值和所述第二中间值加权求和获得元数据的总质量评分，n为大于等于1的整数。

上述步骤S161至步骤S163可以通过如下公式表示：

S(d₁,d₂…d_n)为累计n天的元数据的总质量评分，为累计n天的元数据的技术质量评分，为累计n天的元数据的运营质量评分。θ₁和θ₂为分别对应元数据的技术质量评分和运营质量评分的第三权重。在一些实施例中，θ₁和θ₂之和为1。在一些实施例中，θ₁和θ₂默认相等，并可经由后序调整而变化。在一些实施例中，可以预先依据技术质量评分和运营质量评分的重要性进行不同的权重值赋值，例如，初始可以默认θ₁为0.7，θ₂为0.3。

上述公式考虑到元数据的总质量评分不宜每日有大的幅度变化，因此，通过预定周期累计的方式来计算总质量评分。

在本发明的各个实施例中，所计算的总质量评分还可以做百分比(或百分制)处理。进一步地，总质量评分需符合正态分布，具体而言，可以通过调整所述第一权重、第二权重、第三权重使所述元数据的总质量评分符合正态分布。进一步地，在对总质量评分进行百分比(或百分制)处理后，还可以包括对元数据的总质量评分进行极值限定的步骤。例如，实际应用中，若设定极限限定为30％到100％，则当元数据的总质量评分低于30％，约定该元数据的总质量评分为30％。在该实施例中，元数据的总质量评分的可用范围为[30％，100％]。

在上述方法的一个具体应用中，当应用于元数据管理系统，定时(如每天)会对所有大数据表，进行元数据质量分析。计算得到元数据的总质量评分。元数据的总质量评分会在元数据管理系统中展示，例如可以展示最新值与历史数据变化曲线。系统还可以展示引起元数据质量评估值异变的原因。如出现一定比例阈值的脏数据，有更多用户访问表，收藏表等。这些参考信息，对后来使用数据资产的数据分析师都有很好的提醒。同时，元数据管理系统可以据此建立起资料管理人员体系。元数据的总质量评分会直接形成总结报告，通过系统展示，邮件推送等方式告知管理人员。并可以将元数据质量评估值作为资产管理人员的一种绩效考核维度。通过元数据的动态技术指标，运营指标形成的质量评估值，可以很好的推动数据管理水平提升，为大数据的利用提供基础的支撑。

以上仅仅是示意性地描述了本发明的实施方式，本发明并非以此为限。

下面参见图3，图3示出了根据本发明实施例的元数据质量评估装置的示意图。元数据质量评估装置及各模块可以由软件和/或硬件的形式实现。所述元数据质量评估装置300包括：采集模块310、第一计算模块320、技术质量评分获取模块330、第二计算模块340、运营质量评分获取模块350、总质量评分获取模块360。

采集模块310用于采集元数据及元数据的运营数据；

第一计算模块320用于至少根据所述元数据计算元数据的多个技术子维度评分；

技术质量评分获取模块330用于将元数据的多个技术子维度评分加权求和获得元数据的技术质量评分；

第二计算模块340用于至少根据元数据及其运营数据计算元数据的多个运营子维度评分；

运营质量评分获取模块350用于将元数据的多个运营子维度评分加权求和获得元数据的运营质量评分；

总质量评分获取模块360用于将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分。

在本发明的示例性实施方式的元数据质量评估装置中，一方面，通过技术维度和运营维度两方面对元数据的质量进行评估，从而提升元数据评估的质量，元数据质量评估用于提高元数据质量；另一方面，还通过周期性的、持续的元数据的评估，可以获知元数据质量的变化；再一方面，还通过对元数据质量评估中的权重进行动态调整，以进一步提高元数据评估的质量。

图3仅仅是示意性的示出本发明提供的元数据质量评估装置300，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述元数据质量评估方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述元数据质量评估方法部分中描述的根据本发明各种示例性实施方式的步骤。

参考图4所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、 C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述元数据质量评估方法的步骤。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5 显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500以通用计算设备的形式表现。电子设备500 的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述元数据质量评估方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元 510可以执行如图1所示的步骤。

所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。

所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500 使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述元数据质量评估方法。

相比现有技术，本发明的优势在于：

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

Claims

1.一种元数据质量评估方法，其特征在于，包括：

采集元数据及元数据的运营数据；

至少根据所述元数据计算元数据的多个技术子维度评分；

2.如权利要求1所述的元数据质量评估方法，其特征在于，所述元数据及元数据的运营数据按预定周期采集，且元数据的技术质量评分及运营质量评分按预定周期计算。

3.如权利要求2所述的元数据质量评估方法，其特征在于，所述将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分的步骤包括：

4.如权利要求1所述的元数据质量评估方法，其特征在于，

5.如权利要求4所述的元数据质量评估方法，其特征在于，还包括：

6.如权利要求4所述的元数据质量评估方法，其特征在于，所述第一权重、第二权重、第三权重根据所述元数据的总质量评分的反馈信息调整。

7.如权利要求1至5任一项所述的元数据质量评估方法，其特征在于，所述将元数据的技术质量评分及运营质量评分加权求和获得元数据的总质量评分的步骤还包括：

对元数据的总质量评分进行极值限定。

8.一种元数据质量评估装置，其特征在于，包括：

采集模块，用于采集元数据及元数据的运营数据；

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的方法。