CN110348004B - 数据字典生成的方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明的实施例公开了一种数据字典生成的方法、装置、电子设备和存储介质，涉及数据处理领域，该方法包括：获取用户输入的数据字典描述；将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；获取所述数据字典描述对应的关键词；基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构；基于所述数据结构确定数据项；基于所述数据项、所述数据结构和所述数据流生成数据字典。本发明实施例的技术方案提高了数据字典生成的效率。

Description

数据字典生成的方法、装置、电子设备和存储介质

技术领域

本发明涉及数据处理领域，特别是涉及数据字典生成的方法、装置、电子设备和存储介质。

背景技术

数据字典是指对数据的数据项、数据结构、数据流、数据存储、处理逻辑等进行定义和描述，对系统中使用的所有数据元素的定义的集合。

在开发软件系统的过程中，程序工作人员通常要根据依据要生成的数据字典的注释信息来生成不止一个数据字典来确保要开发的软件系统中数据的一致性，从而在制作数据字典上花费大量的时间。

因此，如何能快速生成满足需要的数据字典，节省程序工作人员的时间，缩短软件系统的开发时间是亟待解决的问题。

发明内容

基于此，本发明实施例提供了一种数据字典生成的方法、装置、电子设备和存储介质，以至少解决生成数据字典效率低的问题。

根据本发明实施例的第一方面，提供了一种数据字典生成的方法，包括：获取用户输入的数据字典描述；将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；获取所述数据字典描述对应的关键词；基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构；基于所述数据结构确定数据项；基于所述数据项、所述数据结构和所述数据流生成数据字典。

在本发明的一示例性实施例中，在将所述数据字典描述输入预设的意图识别模型之前还包括：获取预先设置的数据字典描述样本集合；识别所述数据字典描述样本集合中的数据字典描述样本对应的意图信息；将所述数据字典描述样本输入所述意图识别模型，由所述意图识别模型输出意图信息，将所述意图识别模型输出的意图信息和识别出的所述数据字典描述样本对应的意图信息进行比对，如不一致，则调整所述意图识别模型的参数，直至所述意图识别模型输出的意图信息与识别出的所述数据字典描述样本对应的意图信息一致。

在本发明的一示例性实施例中，获取所述数据字典描述对应的关键词包括：将所述数据字典描述分句；将所述数据字典描述分成的句子与预设的数据字典描述句模板库中的数据字典描述句模板进行比对，以确定与所述数据字典描述分成的句子相匹配的数据字典描述句模板；按照所述数据字典描述句模板中规定的数据字典描述关键词的位置，确定所述分成的句子中的关键词。

在本发明的一示例性实施例中，获取所述数据字典描述对应的关键词还包括：获取预先设置的数据字典描述样本集合；确定所述数据字典描述样本集合中的数据字典描述样本的关键词；将所述数据字典描述样本输入第一机器学习模型，由所述第一机器学习模型输出关键词，将所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词进行比对，如不一致，则调整所述第一机器学习模型的参数，直至所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词一致；将所述数据字典描述输入所述第一机器学习模型，获取由所述第一机器学习模型输出所述数据字典描述对应的关键词。

在本发明的一示例性实施例中，基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构包括：获取预先设置的数据字典描述样本对应的关键词和意图信息样本集合确定所述数据字典描述样本对应的关键词和意图信息样本对应的数据流和数据结构；将所述数据字典描述样本对应的关键词和意图信息样本输入所述第二机器学习模型，由所述第二机器学习模型输出数据流与数据结构，将所述第二机器学习模型输出的数据流与数据结构与确定的数据流与数据结构进行比对，如不一致，则调整所述第二机器学习模型的参数，直至所述第二机器学习模型输出的数据流和数据结构与确定的数据流与数据结构一致；将所述关键词和所述意图信息输入所述第二机器学习模型，获取由所述第二机器学习模型输出的所述数据流和数据结构。

在本发明的一示例性实施例中，基于所述数据结构确定数据项包括，包括：基于所述数据结构确定数据项名；基于所述数据项名在预设数据库中匹配相应的数据项。

在本发明的一示例性实施例中，在基于所述数据项、所述数据结构和所述数据流生成数据字典之后包括：将所述数据字典存储至共享池，并赋予相应的等级；获取用户登录信息；基于所述用户登录信息中包含的该用户的权限信息和该用户所要调取的数据字典的等级，确定所述用户是否能调取相应的数据字典。

根据本发明的第二方面，提供了一种数据字典生成的装置，包括：第一获取模块，用于获取用户输入的数据字典描述；第二获取模块，用于将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；第三获取模块，获取所述数据字典描述对应的关键词；第一生成模块：根据所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构；确定模块，用于基于所述数据结构确定数据项；第二生成模块，用于基于所述数据项、所述数据结构和所述数据流生成数据字典。

根据本发明的第三方面，提供了一种数据字典生成的电子设备，包括：存储器，配置为存储可执行指令。处理器，配置为执行所述存储器中存储的可执行指令，以执行以上所述的方法。

根据本发明的第四方面，提供一种计算机可读存储介质，其存储有计算机程序指令，当所述计算机指令被计算机执行时，使计算机执行以上所述的方法。

在本发明实施例所提供的技术方案中，通过获取用户端输入的数据字典描述，获取所述数据字典描述的意图信息和关键词，基于所述关键词和所述意图信息获取所述数据字典描述对应的数据流和数据结构，基于所述数据结构包含的数据项名确定数据项，再依据所述数据流、数据结构和数据项生成数据字典，使得开发人员在需要生成数据字典时，只需提供数据字典描述即可，进而本发明实施例的技术方案可以根据开发人员提供的数据字典描述自动生成数据字典，解决了开发人员手动制作数据字典而需要花费较多时间的问题，提高了数据字典生成的效率。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。

附图说明

图1示出根据本发明示例实施方式的数据字典生成的流程图。

图2示出根据本发明一示例实施方式的在将所述数据字典描述输入预设的意图识别模型之前的流程图。

图3示出根据本发明一示例实施方式的获取所述数据字典描述对应的关键词的详细流程图。

图4示出根据本发明一示例实施方式的获取所述数据字典描述对应的关键词的详细流程图。

图5示出根据本发明一示例实施方式的基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构的详细流程图。

图6示出根据本发明一示例实施方式的基于所述数据结构确定数据项的详细流程图。

图7示出根据本发明一示例实施方式的基于所述数据项、所述数据结构和所述数据流生成数据字典之后的流程图。

图8示出根据本发明一示例实施方式的数据字典生成的装置。

图9示出根据本发明一示例实施方式的数据字典生成的系统架构图。

图10示出根据本发明一示例实施方式的数据字典生成的电子设备图。

图11示出根据本发明一示例实施方式的数据字典生成的计算机可读存储介质图。

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。在下面的描述中，提供许多具体细节从而给出对本发明的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

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。

图1示出根据本发明一示例实施方式的数据字典生成的流程图，可以包括如下步骤：

步骤S100：获取用户输入的数据字典描述；

步骤S110：将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；

步骤S120：获取所述数据字典描述对应的关键词；

步骤S130：基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构；

步骤S140：基于所述数据结构确定数据项；

步骤S150：基于所述数据项、所述数据结构和所述数据流生成数据字典。

下面，将结合附图对本示例实施方式中上述数据字典生成的各步骤进行详细的解释以及说明。

在步骤S100中：获取用户输入的数据字典描述。

在本发明的一个实施例中，数据字典描述是指对数据字典的用途的一段说明文本。可通过用户端获取所述数据字典描述，也可通过获取用户输入的所述数据字典描述对应的语音信息后，基于语音识别模型来获取所述数据字典描述，进而基于所述数据字典描述，使得服务器可以对所述数据字典描述进行数据分析，从而生成所述数据字典描述对应的数据字典。

在一实施例中，服务器通过用户端获取用户输入的数据字典描述。

在步骤S110中：将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途。

通过意图识别模型，使得服务器可以快速获取所述用户输入的数据字典描述对应的需要生产的数据字典的用途，便于对数据字典描述进行分析。

在一实施例中，用户输入的数据字典描述是“用于记录学生选课情况，尤其要记录选课学生的学号、年龄、性别”，将该数据字典描述输入意图识别模型，得到该数据字典描述对应的意图信息为“记录学生选课信息”。

在一实施例中，如图2所示，在步骤S110之前还包括：

步骤S107：获取预先设置的数据字典描述样本集合；

步骤S108：识别所述数据字典描述样本集合中的数据字典描述样本对应的意图信息；

步骤S109：将所述数据字典描述样本输入所述意图识别模型，由所述意图识别模型输出意图信息，将所述意图识别模型输出的意图信息和识别出的所述数据字典描述样本对应的意图信息进行比对，如不一致，则调整所述意图识别模型的参数，直至所述意图识别模型输出的意图信息与识别出的所述数据字典描述样本对应的意图信息一致。

本发明上述实施例的技术方案通过意图识别模型的方式获取所述数据字典描述对应的意图信息，不仅处理速度更快而且判断标准统一，避免了因对意图信息判断标准不统一造成输出的数据字典描述对应的意图信息不一致而导致生成的数据字典出现错误的情形。

继续参照图1所示，在步骤S120中：获取所述数据字典描述对应的关键词。

关键词是表明文本信息中重要或主要信息的词汇，通过获取所述数据字典描述对应的关键词，进而对所述关键词进行分析，获取所述数据字典描述对应的数据结构和数据流，从而生成所述数据字典描述对应的额数据字典。

在本发明的一个实施例中，步骤S120中获取数据字典描述对应的关键词可以有多种实现方式，以下介绍其中的两种实现方式：

实现方式一：

在一实施例中，如图3所示，步骤S120包括：

步骤S1201：将所述数据字典描述分句；

步骤S1202：将所述数据字典描述分成的句子与预设的数据字典描述句模板库中的数据字典描述句模板进行比对，以确定与所述数据字典描述分成的句子相匹配的数据字典描述句模板；

步骤S1203：按照所述数据字典描述句模板中规定的数据字典描述关键词的位置，确定所述分成的句子中的关键词。

图3所示实施例的技术方案通过对所述数据字典描述分句，基于所述数据字典描述分句确定与之对应的预存的数据字典描述句模板，再基于所述数据字典描述句模板中标明的关键词位置确定所述数据字典描述分句的关键词，可以准确快速的提取数据字典描述对应的关键词。

在一实施例中，可以基于段落间的标点符号对数据字典描述进行分句，如将句号或逗号间的文本信息作为一个句子。

在一实施例中，假设数据字典描述是“用于记录学生选课情况，尤其要记录选课学生的学号、年龄及性别”，那么对该数据字典描述分句得到“用于记录学生选课情况”，“尤其要记录选课学生的学号、年龄及性别”，确定的该数据字典描述分句对应的数据字典描述句模板为“用于记录________情况”“尤其要记录_________的_____及_______”，其中下划线部分为标明的关键词位置，通过该数据字典描述分句对应的数据字典描述句模板中标明的关键词位置，确定该数据字典描述对应的关键词为“学生选课”“选课学生”“学号”“年龄”“性别”。

实现方式二：

在一实施例中，如图4所示，所述步骤S120包括：

步骤S1201′：获取预先设置的数据字典描述样本集合；

步骤S1202′：确定所述数据字典描述样本集合中的数据字典描述样本的关键词；

步骤S1203′：将所述数据字典描述样本输入第一机器学习模型，由所述第一机器学习模型输出关键词，将所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词进行比对，如不一致，则调整所述第一机器学习模型的参数，直至所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词一致；

步骤S1204′：将所述数据字典描述输入所述第一机器学习模型，获取由所述第一机器学习模型输出所述数据字典描述对应的关键词。

图4所示实施例的技术方案通过预设机器学习模型的方式，可快速获取所述数据字典描述对应的关键词信息，相对于数据字典描述分句模板的方式获取所述数据字典描述对应的关键词，通过预设机器学习模型的方式获取所述数据字典描述对应的关键词，其标准更为统一。

继续参照图1所示，在步骤S130中：基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构。

在一实施例中，如图5所示，步骤S130包括：

步骤S1301：获取预先设置的数据字典描述样本对应的关键词和意图信息样本集合；

步骤S1302：确定所述数据字典描述样本对应的关键词和意图信息样本对应的数据流和数据结构；

步骤S1303：将所述数据字典描述样本对应的关键词和意图信息样本输入所述第二机器学习模型，由所述第二机器学习模型输出数据流与数据结构，将所述第二机器学习模型输出的数据流与数据结构与确定的数据流与数据结构进行比对，如不一致，则调整所述第二机器学习模型的参数，直至所述第二机器学习模型输出的数据流和数据结构与确定的数据流与数据结构一致；

步骤S1304：将所述关键词和所述意图信息输入所述第二机器学习模型，获取由所述第二机器学习模型输出的所述数据流和数据结构。

图5所示实施例的技术方案通过第二机器学习模型的方式可快速的获取所述数据字典描述对应的数据流和数据结构，数据流和数据结构是数据字典的重要组成部分，基于所述数据流，确定数据项，再基于所述数据流、数据项和数据结构可快速生成所述数据字典描述对应的数据字典。

在一实施例中，用户输入的数据字典描述对应的关键词为“学生选课”“学号”“性别”“年龄，用户输入的数据字典描述对应的意图信息为“记录学生选课信息”，将用户输入的数据字典描述对应的关键词和意图信息输入第二机器学习模型，得到的数据结构为学生所选的对应课程，其中学生包括：“姓名”“学号”“年龄”“性别”，课程包括“课程编号”“选课编号”，数据流为记录学生选课信息，数据流来源为学生选课处理，数据流去向为学生选课储存，数据流组成为：“学号”“课程编号”。

继续参照图1所示，在步骤S140中：基于所述数据结构确定数据项。

在一实施例中，如图6所示，步骤S140包括：

步骤S1401：基于所述数据结构确定数据项名；

步骤S1402：基于所述数据项名在预设数据库中匹配相应的数据项。

图6所示实施例的技术方案通过数据结构包含的数据项名与数据项的对应关系，确定所述数据字典描述对应的数据项，以便于服务器依据所述数据项、数据流和数据结构生成数据字典。

在一实施例中，数据结构可以为：学生所选的对应课程，其中学生包括：“姓名”“学号”“年龄”“性别”，课程包括“课程编号”“选课编号”，提取该数据结构中的数据项名：姓名、年龄、性别、课程编号、选课编号，可确定数据项为：姓名、年龄、性别、课程编号、选课编号。

步骤S150：基于所述数据项、所述数据结构和所述数据流生成数据字典。

在一实施例中，假设数据项为姓名、年龄、性别、课程编号、选课编号，数据结构为学生所选的对应课程，其中学生包括：“姓名”“学号”“年龄”“性别”，课程包括“课程编号”“选课编号”，数据流为记录学生选课信息，数据流来源为学生选课处理，数据流去向为学生选课储存，数据流组成为：“学号”“选课编号”，那么生成的数据字典可以如表1所示：

序号	表名
		1	学生基本信息表
2	选课信息表

表1学生基本信息如表2所示：

名称	数据类型	主键	非空	约束条件
					学号	char(10)	Yes	Yes
姓名	varchar	No	Yes
					性别	char(2)	No	Yes	In“男”or“女”

表2选课信息如表3所示：

名称	数据类型	主键	非空	约束条件
					选课编号	char(4)	Yes	Yes
课程编号	char(4)	No	Yes

表3

在一实施例中，如图7所示，在图1所示的各个步骤之后，本发明实施例提供的数据字典生成的方法还可以包括如下步骤：

步骤S160：将所述数据字典存储至共享池，并赋予相应的等级；

步骤S170：获取用户登录信息；

步骤S180：基于所述用户登录信息中包含的该用户的权限信息和该用户所要调取的数据字典的等级，确定所述用户是否能调取相应的数据字典。

图7所示实施例的技术方案通过将所述数据字典存储至共享池的方式，使得满足预设条件的用户都可以获取所述数据字典，实现资源共享，通过判断所述用户登录信息中包含的该用户的权限信息是否满足调取该用户所要调取的数据字典等级的方式，防止高等级数据字典被不满足调取该数据字典的用户获取并泄露的风险。

在一实施例中，根据用户的登录信息确定该用户的权限为可调取等级小于等于5级的数据字典，该用户要调取的数据字典为7级，因该用户可调取的等级5小于要调取数据字典的等级7，故该用户无法从共享池中调取该等级为7级的数据字典。

本发明还提供了一种数据字典生成的装置。参考图8所示，所述数据字典生成的装置800包括：第一获取模块810、第二获取模块820、第三获取模块830、第一生成模块840、确定模块850、第二生成模块860。其中：

第一获取模块810：用于获取用户输入的数据字典描述；

第二获取模块820：用于将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；

第三获取模块830：用于获取所述数据字典描述对应的关键词；

第一生成模块840：用于根据所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构；

确定模块850：用于基于所述数据结构确定数据项；

第二生成模块860，用于基于所述数据项、所述数据结构和所述数据流生成数据字典。

在一实施例中，第三获取模块830还可配置为：将所述数据字典描述分句，将所述数据字典描述分成的句子与预设的数据字典描述句模板库中的数据字典描述句模板进行比对，以确定与所述数据字典描述分成的句子相匹配的数据字典描述句模板，按照所述数据字典描述句模板中规定的数据字典描述关键词的位置，确定所述分成的句子中的关键词。

在一实施例中，第三获取模块830还可配置为：获取预先设置的数据字典描述样本集合；确定所述数据字典描述样本集合中的数据字典描述样本的关键词；将所述数据字典描述样本输入第一机器学习模型，由所述第一机器学习模型输出关键词，将所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词进行比对，如不一致，则调整所述第一机器学习模型的参数，直至所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词一致；将所述数据字典描述输入所述第一机器学习模型，获取由所述第一机器学习模型输出所述数据字典描述对应的关键词。

在一实施例中，第一生成模块840还可配置为：获取预先设置的数据字典描述对应的关键词和意图信息样本集合，确定所述数据字典描述对应的关键词和意图信息样本对应的数据流和数据结构，将所述数据字典描述对应的关键词和意图信息样本输入所述第二机器学习模型，由所述第二机器学习模型输出数据流与数据结构，将所述第二机器学习模型输出的数据流与数据结构与确定的数据流与数据结构进行比对，如不一致，则调整所述第二机器学习模型的参数，直至所述第二机器学习模型输出的数据流和数据结构与确定的数据流与数据结构一致，将所述数据流和数据结构输入所述第二机器学习模型，获取由所述第二机器学习模型输出所述数据流和数据结构。

在一实施例中，确定模块850还可配置为：基于所述数据结构确定数据项名，基于所述数据项名在预设数据库中匹配相应的数据项。

在一实施例中，所述数据字典生成装置800还包括：意图模型训练模块，用于获取预先设置的数据字典描述样本集合，识别所述数据字典描述样本集合中的数据字典描述样本对应的意图信息，将所述数据字典描述样本输入所述意图识别模型，由所述意图识别模型输出意图信息，将所述意图识别模型输出的意图信息和识别出的所述数据字典描述样本对应的意图信息进行比对，如不一致，则调整所述意图识别模型的参数，直至所述意图识别模型输出的意图信息与识别出的所述数据字典描述样本对应的意图信息一致。

在一实施例中，所述数据字典生成装置800还包括：共享模块，用于将所述数据字典存储至共享池，并赋予相应的等级，获取用户登录信息，基于所述用户登录信息中包含的该用户的权限信息和该用户所要调取的数据字典的等级，确定所述用户是否能调取相应的数据字典。

上述数据字典生成的装置中各模块的具体细节已经在对应的方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照所述特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

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，所述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、移动终端、或者网络设备等)执行根据本发明实施方式的方法。

图9示出根据本发明一示例实施方式的数据字典生成的系统架构框图。所述系统架构包括：用户端910、服务器920。

在一实施例中，服务器920通过用户端910获取用户输入的数据字典描述，服务器920根据所述数据字典描述，获取所述数据字典描述对应的意图信息和关键词，服务器920根据所述意图信息和所述关键词确定所述数据字典描述对应的数据流和数据结构，服务器920根据所述数据结构中数据项名确定数据项，服务器920基于所述数据项、数据项结构和数据流生成所述数据字典描述对应的数据字典。

通过以上对系统架构的描述，本领域的技术人员易于理解，这里描述的系统架构能够实现图8所示的数据字典生成的装置中各个模块的功能。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

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10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000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10所示，电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于：上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030。

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1010执行，使得所述处理单元1010执行本说明书上述“示例性方法”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1010可以执行如图1中所示步骤S100：获取用户输入的数据字典描述；步骤S110：将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；步骤S120：获取所述数据字典描述对应的关键词；步骤S130：基于所述关键词和所述意图信息生成所述数据字典描述对应的数据流和数据结构；步骤S140：基于所述数据结构确定数据项；步骤S150：基于所述数据项、所述数据结构和所述数据流生成数据字典。

存储单元1020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)10201和/或高速缓存存储单元10202，还可以进一步包括只读存储单元(ROM)10203。

存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204，这样的程序模块10205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1030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1000也可以与一个或多个外部设备500(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用户能与该电子设备1000交互的设备通信，和/或与使得该电子设备1000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1050进行。并且，电子设备1000还可以通过网络适配器1060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。如图所示，网络适配器1060通过总线1030与电子设备1000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1000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、终端装置、或者网络设备等)执行根据本发明实施方式的方法。

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，其上存储有能够实现本说明书上述方法的程序产品。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“示例性方法”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11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1100，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。

计算机可读信号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。可读信号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用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用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)，连接到用户计算设备，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)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

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他实施例。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权利要求指出。

Claims (9)

1.一种数据字典生成方法，其特征在于，所述方法包括：

获取用户输入的数据字典描述；

将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；

获取所述数据字典描述对应的关键词；

将所述关键词和所述意图信息输入第二机器学习模型，获取由所述第二机器学习模型输出的数据流和数据结构；

基于所述数据结构确定数据项名；

基于所述数据项名在预设数据库中匹配相应的数据项；

基于所述数据项、所述数据结构和所述数据流生成数据字典。

2.根据权利要求1所述的方法，其特征在于，在所述将所述数据字典描述输入预设的意图识别模型之前还包括：

获取预先设置的数据字典描述样本集合；

识别所述数据字典描述样本集合中的数据字典描述样本对应的意图信息；

将所述数据字典描述样本输入所述意图识别模型，由所述意图识别模型输出意图信息，将所述意图识别模型输出的意图信息和识别出的所述数据字典描述样本对应的意图信息进行比对，如不一致，则调整所述意图识别模型的参数，直至所述意图识别模型输出的意图信息与识别出的所述数据字典描述样本对应的意图信息一致。

3.根据权利要求1所述的方法，其特征在于，所述获取所述数据字典描述对应的关键词包括：

将所述数据字典描述分句；

将所述数据字典描述分成的句子与预设的数据字典描述句模板库中的数据字典描述句模板进行比对，以确定与所述数据字典描述分成的句子相匹配的数据字典描述句模板；

按照所述数据字典描述句模板中规定的数据字典描述关键词的位置，确定所述分成的句子中的关键词。

4.根据权利要求1所述的方法，其特征在于，所述获取所述数据字典描述对应的关键词包括：

获取预先设置的数据字典描述样本集合；

确定所述数据字典描述样本集合中的数据字典描述样本的关键词；

将所述数据字典描述样本输入第一机器学习模型，由所述第一机器学习模型输出关键词，将所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词进行比对，如不一致，则调整所述第一机器学习模型的参数，直至所述第一机器学习模型输出的关键词与确定的所述数据字典描述样本的关键词一致；

将所述数据字典描述输入所述第一机器学习模型，获取由所述第一机器学习模型输出所述数据字典描述对应的关键词。

5.根据权利要求4所述的方法，其特征在于，在所述将所述关键词和所述意图信息输入第二机器学习模型，获取由所述第二机器学习模型输出的数据流和数据结构之前还包括:

获取预先设置的数据字典描述样本对应的关键词和意图信息样本集合；

确定所述数据字典描述样本对应的关键词和意图信息样本对应的数据流和数据结构；

将所述数据字典描述样本对应的关键词和意图信息样本输入所述第二机器学习模型，由所述第二机器学习模型输出数据流与数据结构，将所述第二机器学习模型输出的数据流与数据结构与确定的数据流与数据结构进行比对，如不一致，则调整所述第二机器学习模型的参数，直至所述第二机器学习模型输出的数据流和数据结构与确定的数据流与数据结构一致。

6.根据权利要求4所述的方法，其特征在于，在所述基于所述数据项、所述数据结构和所述数据流生成数据字典之后包括：

将所述数据字典存储至共享池，并赋予相应的等级；

获取用户登录信息；

基于所述用户登录信息中包含的该用户的权限信息和该用户所要调取的数据字典的等级，确定所述用户是否能调取相应的数据字典。

7.一种数据字典生成装置，其特征在于，包括：

第一获取模块，用于获取用户输入的数据字典描述；

第二获取模块，用于将所述数据字典描述输入预设的意图识别模型，获取由所述意图识别模型输出的所述数据字典描述对应的意图信息，所述意图信息表示需要生成的数据字典的用途；

第三获取模块，获取所述数据字典描述对应的关键词；

第一生成模块，用于将所述关键词和所述意图信息输入第二机器学习模型，获取由所述第二机器学习模型输出的数据流和数据结构；

确定模块，用于基于所述数据结构确定数据项名；并基于所述数据项名在预设数据库中匹配相应的数据项；

第二生成模块，用于基于所述数据项、所述数据结构和所述数据流生成数据字典。

8.一种数据字典生成的电子设备，其特征在于，包括：

存储器，配置为存储可执行指令；

处理器，配置为执行存储器中存储的可执行指令，以实现根据权利要求1-6中任一个所述的方法。

9.一种计算机可读存储介质，其特征在于，其存储有计算机程序指令，当所述计算机指令被计算机执行时，使计算机执行根据权利要求1-6中任一个所述的方法。

Images