CN111723074A - 生成查询数据模型系统的方法和装置 - Google Patents
生成查询数据模型系统的方法和装置 Download PDFInfo
- Publication number
- CN111723074A CN111723074A CN201910212394.XA CN201910212394A CN111723074A CN 111723074 A CN111723074 A CN 111723074A CN 201910212394 A CN201910212394 A CN 201910212394A CN 111723074 A CN111723074 A CN 111723074A
- Authority
- CN
- China
- Prior art keywords
- data model
- data
- theme
- models
- label
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013499 data model Methods 0.000 title claims abstract description 314
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000010586 diagram Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000638 solvent extraction Methods 0.000 claims 2
- 230000007547 defect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012827 research and development Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了生成查询数据模型系统的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取第一数据模型集合和第二数据模型集合；确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统。该实施方式避免现有技术依赖于人工添加主题标签较为片面、准确率低、需要定期全量维护的技术缺陷，达到了生成查询数据模型系统内的主题标签准确、方便开发人员根据主题标签选择最合适的数据模型、能够实时更新数据模型主题标签的技术效果。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种生成查询数据模型系统的方法和装置。
背景技术
开发人员在做业务分析时，需要针对业务的关注点以及对应的数据模型进行业务分析。由于在查询数据模型系统(数据模型仓库)中有大量的数据模型，通过对每种数据模型打上相应的主题标签可以提高数据模型与业务匹配的效率。现有技术中，研发人员在构建查询数据模型的系统时，主要是依赖人工对数据模型的理解进行添加主题标签。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
1.利用人工对数据模型进行添加主题标签，所投入的时间成本较高，并且添加主题标签的人员需要对于模型有所理解；
2.对于数据模型的变化情况，已经打标的数据模型无法及时的更新响应，故需要定期的全量维护；
3.现有技术中人工对数据模型进行划分较为片面。
发明内容
有鉴于此，本发明实施例提供一种生成查询数据模型系统的方法和装置，能够达到生成查询数据模型系统内的主题标签准确、方便开发人员根据主题标签选择最合适的数据模型、能够实时更新数据模型主题标签的技术效果。
为实现上述目的，根据本发明实施例的一个方面，提供了一种生成查询数据模型系统的方法，包括：
获取第一数据模型集合和第二数据模型集合；
确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
可选地，获取第一数据模型集合之前，包括：
获取已知主题的数据模型集合；
对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合。
可选地，对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合，包括：
对集合中的已知主题的数据模型进行主题划分；
当已知主题的数据模型存在唯一确定的主题时，则根据对应的主题添加主题标签；
当已知主题的数据模型不存在唯一确定的主题时，则对所述已知主题的数据模型添加任意主题标签。
可选地，对集合中的已知主题的数据模型进行主题划分可以依据业务进行划分；
所述业务，包括至少以下之一：交易、财务、用户、售后、仓储、配送。
可选地，确定所述第一数据模型集合和第二数据模型中数据模型之间的关系，包括：
通过离线收集的方式，获取第一数据模型集合和第二数据模型之间的调度关系和/或使用信息数据；
根据所述调度关系和/或使用信息数据，确定数据模型之间的关系；
所述关系通过graph关系图显示。
可选地，所述关系图存储在Hadoop分布式文件系统上。
可选地，所述关系图中第一数据模型集合和第二数据模型集合之间数据模型的权重根据离线数据确定。
可选地，将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签，包括：
所述关系进行循环迭代所运用的方法为基于标签传播算法；
所述直至收敛的标准为：每个标签的对应的数据模型的个数为定值。
可选地，在spark集群上或Hadoop分布式文件系统上，将所述关系进行循环迭代。
可选地，将所述关系进行迭代直至收敛，包括：将所述关系图转换为弹性分布式数据集；
将所述弹性分布式数据集进行循环迭代直至收敛。
可选地，所述生成查询数据模型的系统存储在Elasticsearch集群上。
根据本发明实施例的另一个方面，提供了一种生成查询数据模型系统的装置，包括：
数据模型集合获取模块，用于获取第一数据模型集合和第二数据模型集合；
关系确定模块，用于确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
标签确定模块，用于将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
查询数据模型系统生成模块，用于根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
可选地，第一数据模型集合生成模块，用于获取第一数据模型集合模型之前，
获取已知主题的数据模型集合；
对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合。
可选地，对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合，包括：
对集合中的已知主题的数据模型进行主题划分；
当已知主题的数据模型存在唯一确定的主题时，则根据对应的主题添加主题标签；
当已知主题的数据模型不存在唯一确定的主题时，则对所述已知主题的数据模型添加任意主题标签。
可选地，对集合中的已知主题的数据模型进行主题划分可以依据业务进行划分；
所述业务，包括至少以下之一：交易、财务、用户、售后、仓储、配送。
可选地，确定所述第一数据模型集合和第二数据模型中数据模型之间的关系，包括：
通过离线收集的方式，获取第一数据模型集合和第二数据模型之间的调度关系和/或使用信息数据；
根据所述调度关系和/或使用信息数据，确定数据模型之间的关系；
所述关系通过graph关系图显示。
可选地，所述关系图存储在Hadoop分布式文件系统上。
可选地，所述关系图中第一数据模型集合和第二数据模型集合之间数据模型的权重根据离线数据确定。
可选地，将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签，包括：
所述关系进行循环迭代所运用的方法为基于标签传播算法；
所述直至收敛的标准为：每个标签的对应的数据模型的个数为定值。
可选地，在spark集群上或Hadoop分布式文件系统上，将所述关系进行循环迭代。
可选地，将所述关系进行迭代直至收敛，包括：将所述关系图转换为弹性分布式数据集；
将所述弹性分布式数据集进行循环迭代直至收敛。
可选地，所述生成查询数据模型的系统存储在Elasticsearch集群上。
根据本发明实施例的另一个方面，提供了一种生成查询数据模型系统的电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明提供的生成查询数据模型系统方法。
根据本发明实施例的还一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明提供的生成查询数据模型系统方法。
上述发明中的一个实施例具有如下优点或有益效果：
本发明通过采用对数据模型之间的关系进行迭代收敛，对第二数据模型集合中的每个数据模型添加主题标签的技术手段，避免现有技术依赖于人工添加主题标签导致标签结果较为片面、准确率低、面对数据模型的变化无法及时更新响应、需要定期全量维护的技术缺陷，达到了生成查询数据模型系统内的主题标签准确、方便开发人员根据主题标签选择最合适的数据模型、能够实时更新数据模型主题标签的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的生成查询数据模型系统方法的主要流程的示意图；
图2是根据本发明实施例的基于LPA算法确定数据模型主题标签的流程图；
图3是根据本发明实施例的生成查询数据模型系统的具体流程图；
图4是根据本发明实施例的数据模型处理的示意图；
图5是根据本发明实施例的生成查询数据模型系统的装置的主要模块的示意图；
图6是本发明实施例可以应用于其中的示例性系统架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的一种生成查询数据模型系统的方法的主要流程的示意图，如图1所示，
步骤S101、获取第一数据模型集合和第二数据模型集合；
步骤S102、确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
步骤S103、将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
步骤S104、根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
将第一数据模型和第二数据模型之间的关系用于对未知主题的数据模型打上相应的主题标签，使得所述未知主题的数据模型的主题标签准确，避免现有技术依赖于人工添加主题标签时需要添加主题标签的人员需要对模型有所理解、确定的主题标签较为片面的技术缺陷。
通过迭代收敛的技术手段，解决了现有技术在面对数据模型的变化时无法及时更新响应、需要定期全量维护的技术缺陷，进而达到实时更新数据模型主题标签的技术效果。
将每个数据模型完成主题标签的达标后，生成查询数据模型系统，进而方便开发人员根据主题标签选择最合适的数据模型进行业务分析。
可选地，获取第一数据模型集合之前，包括：
获取已知主题的数据模型集合；
对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合。
在实际应用中存在有些数据模型在获取时是没有任何主题标签的情况，但是对应的主题标签已经明确(例如，该数据模型对应的主题已经标注在该数据模型的备注中)，故可以直接对所述数据模型打上相应的主题标签。
具体地，对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合，包括：
对集合中的已知主题的数据模型进行主题划分；
当已知主题的数据模型存在唯一确定的主题时，则根据对应的主题添加主题标签；
当已知主题的数据模型不存在唯一确定的主题时，则对所述已知主题的数据模型添加任意主题标签。
可选地，对集合中的已知主题的数据模型进行主题划分可以依据业务进行划分；
所述业务，包括至少以下之一：交易、财务、用户、售后、仓储、配送。
可选地，确定所述第一数据模型集合和第二数据模型中数据模型之间的关系，包括：
通过离线收集的方式，获取第一数据模型集合和第二数据模型之间的调度关系和/或使用信息数据；
根据所述调度关系和/或使用信息数据，确定数据模型之间的关系；
所述关系通过graph关系图显示。
通过graph关系图的形式将每个数据模型之间的关系更清楚的表现出来。
可选地，所述关系图存储Hadoop分布式文件系统(HDFS)上。
Hadoop分布式文件系统(HDFS)有较高的容错性，对所部署的机器的要求也较低，适合大数据的程序，故由数据模型组成的关系图适合部署在Hadoop分布式文件系统(HDFS)上。
可选地，所述关系图中第一数据模型集合和第二数据模型集合之间数据模型的权重根据离线数据确定。获取离线数据有助于更有效的利用研发人员的使用记录，进一步提高拟合度。
可选地，将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签，包括：
所述关系进行循环迭代所运用的方法为基于标签传播算法；
所述直至收敛的标准为：每个标签的对应的数据模型的个数为定值。
所述标签传播算法(LPA)简单容易实现，并且通过将相似度较高的数据模型的标签进行传播，使得复杂度降低，可以较好地将数据模型分类，使得不同类型的数据模型具备不同的标签。
具体地，图2是根据本发明实施例的基于LPA算法确定数据模型主题标签的流程图。如图2所示：
步骤S201、输入数据模型集合，包括：第一数据模型集合和第二数据模型集合。其中，第一数据模型集合为：{(m1,t1)…(mn,tn)}；m1，…mn为集合中的数据模型，对应的主题标签为t1,…tn。
其中，主题标签可以按照业务大致分为交易、财务、用户、售后、仓储、配送等(所述主题标签可以根据需求进行添加)。
步骤S202、将第一数据模型集合和第二数据模型集合，依赖任务关系构建全连接图，其中所述全连接图中各个数据模型之间权重的计算公式如下：
其中，wij为所述权重；exp()为以e为底的指数函数；||xi-xj||2为计算两个点之间的欧氏距离；α为超参，也就是预设参数；xi和xj为数据模型集合中的任意两点。
步骤S203、通过全连接图中的权重进行迭代运算，确定传递标签。当全连接图中的两节点的关联度大，则对应边的权重越大，两节点间的相似度越大，也就是两数据模型越相似。其中状态转移的概率如下：
其中，Pij表示节点j至节点i的传播概率。对于T个标签和L个打标的样本数据，可以构建一个T*L的矩阵Yic＝σ(yi,t)；i表示第i行节点yi的概率，t表示类别标签；Yic＝1时节点yi属于T标签，Yic＝0时节点yi不属于T标签。
步骤S204、每个节点根据状态转移概率矩阵将相邻的节点按照权重相加，计算新的概率矩阵：
步骤S205、判断步骤S204的全连接图是否收敛，若不收敛则返回至S206继续进行迭代计算，若所述全连接图已经收敛则执行步骤S207。
步骤S207、输出并且保存收敛后的全连接图，并且为第二数据模型集合中的数据模型打上相应的标签。
可选地，在spark集群上或Hadoop分布式文件系统上，将所述关系进行循环迭代。
采用Spark集群的好处在于：Spark集群是利用内存计算得到的，适合多次迭代的算法，耗时少，使得确定未知主题的数据模型的主题标签的过程更高效。
可选地，将所述关系进行迭代直至收敛，包括：将所述关系图转换为弹性分布式数据集(RDD，Resilient Distributed Dataset)；
将所述弹性分布式数据集进行循环迭代直至收敛。
通过RDD实现了以操作本地集合的方式来操作分布式数据集的抽象实现，具体地，表示该关系图在spark集群上被分为两组。通过RDD的操作节省了大量的IO操作，进而大大提高效率。
可选地，所述生成查询数据模型的系统存储在Elasticsearch集群上。
Elasticsearch集群可以用于对海量的数据进行实时的数据分析，克服了现有技术开发成本高、不能实时数据分析的技术缺陷，并且更适合对大数据进行分析。
下面以一具体实施例详细说明本发明的技术方案：
图3是根据本发明实施例的生成查询数据模型系统的具体流程图。如图3所示，包括：
步骤S301、对数据模型进行初始化。所述数据模型初始化，包括：按照交易、财务、用户、售后、仓储、配送等业务划分模型主题，然后将已知主题的数据模型添加主题标签。
步骤S302、该步骤包括S3021根据大数据平台(BDP)确定调度任务和S3022采集研发人员的使用数据，脚本、交互式查询记录。
步骤S303、根据步骤S302构建graph关系图，其中所述graph关系图中数据模型的权重由调度任务、脚本、交互式查询记录确定。
步骤S304、将关系图存储到BDP平台HDFS文件系统上。
步骤S305、若在生成查询数据模型系统的过程中存在离线数据，则可以收集所述离线数据更新所述关系图。
步骤S306、基于标签传播算法，在Spark集群上，迭代运算，更新标签，直至最后结果达到设置的收敛要求。
步骤S307、将最后得到的收敛标签数据模型，存储到Elasticsearch(ES)集群，进而为研发人员提供查询搜索服务。
生成查询数据模型系统当搜索的某个主题标签，可以按照数据模型的使用频率列出对应的模型；或者对于输入的数据模型，给出对应的主题标签；以及根据实际使用情况按照关联关系，给出常关联的其他数据模型。
图4是根据本发明实施例的数据模型处理的示意图。如图4所示，包括：
首先，收集、解析线上脚本文件和调度任务。
然后，将解析得到的关系数据、第一数据模型集合和第二数据模型集合存储到HDFS上；
再后，将所述解析后的关系数据在Spark集群上转换成RDD存储到HDFS上；
再后，通过LPA算法确定第二数据模型集合中的数据模型；
最后，将第一数据模型集合和第二数据模型集合推送至elasticsearch集群上，供用户进行查询。
图5是根据本发明实施例的生成查询数据模型系统的装置的主要模块的示意图。
如图5所示，提供了一种生成查询数据模型系统的装置500，包括：
模块501、数据模型集合获取模块，用于获取第一数据模型集合和第二数据模型集合；
模块502、关系确定模块，用于确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
模块503、标签确定模块，用于将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
模块504、查询数据模型系统生成模块，用于根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
图6示出了可以应用本发明实施例的生成查询数据模型系统方法或生成查询数据模型系统装置的示例性系统架构600。
如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的生成查询数据模型系统方法一般由服务器605执行，相应地，生成查询数据模型系统装置一般设置于服务器605中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，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7所示，计算机系统700包括中央处理模块(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理模块(CPU)701执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机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。而在本发明中，计算机可读的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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机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、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
获取第一数据模型集合和第二数据模型集合；
确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
根据本发明实施例的技术方案，能够达到如下有益效果：
本发明避免了现有技术依赖于人工添加主题标签较为片面、准确率低、面对数据模型的变化无法及时更新响应、需要定期全量维护的技术缺陷，达到了生成查询数据模型系统内的主题标签准确、方便开发人员根据主题标签选择最合适的数据模型、能够实时更新数据模型主题标签的技术效果。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (14)
1.一种生成查询数据模型系统的方法，其特征在于，包括：
获取第一数据模型集合和第二数据模型集合；
确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
2.根据权利要求1所述的方法，其特征在于，获取第一数据模型集合之前，包括：
获取已知主题的数据模型集合；
对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合。
3.根据权利要求2所述的方法，其特征在于，对集合中的每个已知主题的数据模型添加主题标签，生成第一数据模型集合，包括：
对集合中的已知主题的数据模型进行主题划分；
当已知主题的数据模型存在唯一确定的主题时，则根据对应的主题添加主题标签；
当已知主题的数据模型不存在唯一确定的主题时，则对所述已知主题的数据模型添加任意主题标签。
4.根据权利要求3所述的方法，其特征在于，对集合中的已知主题的数据模型进行主题划分可以依据业务进行划分；
所述业务，包括至少以下之一：交易、财务、用户、售后、仓储、配送。
5.根据权利要求1所述的方法，其特征在于，确定所述第一数据模型集合和第二数据模型中数据模型之间的关系，包括：
通过离线收集的方式，获取第一数据模型集合和第二数据模型之间的调度关系和/或使用信息数据；
根据所述调度关系和/或使用信息数据，确定数据模型之间的关系；
所述关系通过graph关系图显示。
6.根据权利要求4所述的方法，其特征在于，所述关系图存储在Hadoop分布式文件系统上。
7.根据权利要求6所述的方法，其特征在于，所述关系图中第一数据模型集合和第二数据模型集合之间数据模型的权重根据离线数据确定。
8.根据权利要求7所述的方法，其特征在于，将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签，包括：
所述关系进行循环迭代所运用的方法为基于标签传播算法；
所述直至收敛的标准为：每个标签的对应的数据模型的个数为定值。
9.根据权利要求8所述的方法，其特征在于，在spark集群上或Hadoop分布式文件系统上，将所述关系进行循环迭代。
10.根据权利要求9所述的方法，其特征在于，将所述关系进行迭代直至收敛，包括：将所述关系图转换为弹性分布式数据集；
将所述弹性分布式数据集进行循环迭代直至收敛。
11.根据权利要求1所述的方法，其特征在于，所述生成查询数据模型的系统存储在Elasticsearch集群上。
12.一种生成查询数据模型系统的装置，其特征在于，包括：
数据模型集合获取模块，用于获取第一数据模型集合和第二数据模型集合；
关系确定模块，用于确定所述第一数据模型集合和第二数据模型集合中数据模型之间的关系；
标签确定模块，用于将所述关系进行迭代直至收敛，根据收敛的结果为第二数据模型集合中的每个数据模型添加主题标签；
查询数据模型系统生成模块，用于根据第一数据模型集合和完成添加主题标签的第二数据模型集合，生成查询数据模型系统；
其中，第一数据模型集合是指在初始状态下已经添加主题标签的数据模型的集合；第二数据模型集合为在初始状态下未知主题的数据模型的集合。
13.一种生成查询数据模型系统的电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-11中任一所述的方法。
14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-11中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910212394.XA CN111723074A (zh) | 2019-03-20 | 2019-03-20 | 生成查询数据模型系统的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910212394.XA CN111723074A (zh) | 2019-03-20 | 2019-03-20 | 生成查询数据模型系统的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111723074A true CN111723074A (zh) | 2020-09-29 |
Family
ID=72562901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910212394.XA Pending CN111723074A (zh) | 2019-03-20 | 2019-03-20 | 生成查询数据模型系统的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111723074A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463202A (zh) * | 2014-11-28 | 2015-03-25 | 苏州大学 | 一种多类图像半监督分类方法及系统 |
| CN106910252A (zh) * | 2017-01-20 | 2017-06-30 | 东北石油大学 | 一种基于语义空间投影变换的三维模型在线标注方法与系统 |
| CN108848065A (zh) * | 2018-05-24 | 2018-11-20 | 中电运行(北京)信息技术有限公司 | 一种网络入侵检测方法、系统、介质及设备 |
| CN109241990A (zh) * | 2018-07-19 | 2019-01-18 | 杭州电子科技大学 | 一种基于多标签传播的三维模型标注方法 |
-
2019
- 2019-03-20 CN CN201910212394.XA patent/CN111723074A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104463202A (zh) * | 2014-11-28 | 2015-03-25 | 苏州大学 | 一种多类图像半监督分类方法及系统 |
| CN106910252A (zh) * | 2017-01-20 | 2017-06-30 | 东北石油大学 | 一种基于语义空间投影变换的三维模型在线标注方法与系统 |
| CN108848065A (zh) * | 2018-05-24 | 2018-11-20 | 中电运行(北京)信息技术有限公司 | 一种网络入侵检测方法、系统、介质及设备 |
| CN109241990A (zh) * | 2018-07-19 | 2019-01-18 | 杭州电子科技大学 | 一种基于多标签传播的三维模型标注方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709527A (zh) | 运维知识图谱库的建立方法、装置、设备及存储介质 | |
| CN111427971B (zh) | 用于计算机系统的业务建模方法、装置、系统和介质 | |
| CN110321544B (zh) | 用于生成信息的方法和装置 | |
| CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
| CN110705271B (zh) | 一种提供自然语言处理服务的系统及方法 | |
| CN115335821B (zh) | 卸载统计收集 | |
| CN110895591B (zh) | 一种定位自提点的方法和装置 | |
| CN110554951B (zh) | 一种埋点管理的方法和装置 | |
| CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
| WO2022257604A1 (zh) | 一种用户标签的确定方法和装置 | |
| CN113297139B (zh) | 元数据查询方法、系统及电子设备 | |
| CN114357280A (zh) | 一种信息推送方法、装置、电子设备及计算机可读介质 | |
| US12038979B2 (en) | Metadata indexing for information management using both data records and associated metadata records | |
| CN110928594A (zh) | 服务开发方法和平台 | |
| CN107291923B (zh) | 信息处理方法和装置 | |
| CN116450622B (zh) | 数据入库的方法、装置、设备和计算机可读介质 | |
| CN113190558A (zh) | 一种数据加工方法和系统 | |
| CN111062682B (zh) | 一种工单处理方法和装置 | |
| CN112579673A (zh) | 一种多源数据处理方法及装置 | |
| CN112817930A (zh) | 一种数据迁移的方法和装置 | |
| CN113362097B (zh) | 一种用户确定方法和装置 | |
| CN113298645B (zh) | 资源额度调整方法、装置及电子设备 | |
| CN113779370B (zh) | 一种地址检索方法和装置 | |
| CN112256566B (zh) | 一种测试案例的保鲜方法和装置 | |
| CN113327145B (zh) | 一种物品推荐方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |