CN113392105B - 业务数据处理方法和终端设备 - Google Patents

业务数据处理方法和终端设备 Download PDF

Info

Publication number
CN113392105B
CN113392105B CN202110566365.0A CN202110566365A CN113392105B CN 113392105 B CN113392105 B CN 113392105B CN 202110566365 A CN202110566365 A CN 202110566365A CN 113392105 B CN113392105 B CN 113392105B
Authority
CN
China
Prior art keywords
data
data table
fields
target
sub
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.)
Active
Application number
CN202110566365.0A
Other languages
English (en)
Other versions
CN113392105A (zh
Inventor
王琛
段正玉
李屹烜
刘伟
陈敏
刘国胜
卢学佳
张兰
宋晓青
方亚楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd
Shenzhou Power Supply Co of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd
Shenzhou Power Supply Co of State Grid Hebei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Hengshui Power Supply Co of State Grid Hebei Electric Power Co Ltd, Shenzhou Power Supply Co of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110566365.0A priority Critical patent/CN113392105B/zh
Publication of CN113392105A publication Critical patent/CN113392105A/zh
Application granted granted Critical
Publication of CN113392105B publication Critical patent/CN113392105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请适用于电力系统技术领域，提供了一种业务数据处理方法和终端设备。该方法包括：接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征；基于所述第一数据特征遍历第一数据表，确定第二数据表；所述第二数据表为所述第一数据表中包含有与所述第一数据特征匹配的字段的数据表，所述第一数据表的数量为多个，所述第二数据表的数量为至少一个；根据所述第二数据表确定目标数据表及目标数据表之间的关联关系。本申请能够快速确定目标数据表及目标数据表之间的关联关系。

Description

业务数据处理方法和终端设备
技术领域
本申请涉及一种电力系统技术领域，具体涉及一种业务数据处理方法和终端设备。
背景技术
在电力系统数据中台应用过程中，业务部门要想使用数据中台上各个系统的数据，必须要清楚各个系统的数据结构。但是由于接入中台上的各个系统的数据量大，而且数据表之间的关联关系复杂，业务部门不是软件的开发设计单位，导致在业务部门使用过程中很难找到所希望查找的数据存放的位置以及数据表之间的关系。
发明内容
有鉴于此，本申请实施例提供了一种业务数据处理方法和终端设备，能够快速确定目标数据表及目标数据表之间的关联关系。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请实施例提供了一种业务数据处理方法，其特征在于，包括：接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征；基于所述第一数据特征遍历第一数据表，确定第二数据表；所述第二数据表为所述第一数据表中包含有与所述第一数据特征匹配的字段的数据表，所述第一数据表的数量为多个，所述第二数据表的数量为至少一个；根据所述第二数据表确定目标数据表及目标数据表之间的关联关系。
本申请实施例中，接收到用户输入的业务数据查询信息后，从业务数据查询信息中提取第一数据特征。之后，基于第一数据特征遍历第一数据表，确定第二数据表，而第二数据表为第一数据表中包含有与第一数据特征匹配的字段的数据表。之后，根据第二数据表确定目标数据表及目标数据表之间的关联关系。本申请实施例能够快速确定目标数据表及目标数据表之间的关联关系。
基于第一方面，在一些实施例中，所述接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征，包括：接收用户在界面的查询输入区域输入的业务数据查询信息，所述查询输入区域包含多个子区域，每个子区域的对应一个业务数据查询子信息，各个子区域的业务数据查询子信息构成所述业务数据查询信息；对每个子区域接收到的业务数据查询子信息，提取一个数据子特征，得到所述第一数据特征。
基于第一方面，在一些实施例中，所述基于所述第一数据特征遍历第一数据表，确定第二数据表，包括：将第一目标数据表中的各个字段与所述第一数据特征进行匹配，所述第一目标数据表为所述目标数据表中的任一数据表；若所述第一目标数据表中存在至少一个字段与所述第一数据特征匹配，则确定所述第一目标数据表为第二数据表。
基于第一方面，在一些实施例中，所述基于所述第一数据特征遍历第一数据表，确定第二数据表，包括：将所述第一数据特征和所述第一数据表输入神经网络模型，得到所述第一数据特征与所述第一数据表的对应关系，根据所述对应关系得到所述第二数据表。
一些实施例中，在所述将所述第一数据特征和所述目标数据表输入神经网络模型之前，所述方法还包括训练神经网络模型的步骤。其中，训练神经网络模型的步骤可以包括：获取多个数据特征样本和多个数据表样本，以及所述多个数据特征样本与所述多个数据表样本之间的对应关系；基于所述多个数据特征样本和多个数据表样本，以及所述多个数据特征样本与所述多个数据表样本之间的对应关系，训练所述神经网络模型。
基于第一方面，在一些实施例中，所述根据所述第二数据表确定目标数据表及目标数据表之间的关联关系，包括：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系。
示例性的，所述根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系，包括：将包含有与所有所述数据子特征相匹配的字段的目标数据表作为父节点；将包含有与第一数据子特征相匹配的字段的目标数据表划分为一个分支，所述第一数据子特征为所有所述数据子特征中的任一数据子特征；根据所述父节点和各个分支，构建各个所述目标数据表之间的关联关系树。所述分支中第一字段的数量越高的目标数据表，越靠近所述父节点。
基于第一方面，在一些实施例中，所述根据所述第二数据表确定目标数据表及目标数据表之间的关联关系，包括：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的数量，计算每个所述目标数据表的匹配度；根据所述第一字段的内容和每个所述目标数据表的匹配度，确定目标数据表之间的关联关系。
第二方面，本申请实施例提供了一种业务数据处理装置，包括：特征提取模块，用于接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征；数据表确定模块，用于基于所述第一数据特征遍历第一数据表，确定第二数据表；所述第二数据表为所述第一数据表中包含有与所述第一数据特征匹配的字段的数据表，所述第一数据表的数量为多个，所述第二数据表的数量为至少一个；关联关系确定模块，用于根据所述第二数据表确定目标数据表及目标数据表之间的关联关系。
本申请实施例中，接收到用户输入的业务数据查询信息后，从业务数据查询信息中提取第一数据特征。之后，基于第一数据特征遍历第一数据表，确定第二数据表，而第二数据表为第一数据表中包含有与第一数据特征匹配的字段的数据表。之后，根据第二数据表确定目标数据表及目标数据表之间的关联关系。本申请实施例能够快速确定目标数据表及目标数据表之间的关联关系。
基于第二方面，在一些实施例中，所述特征提取模块具体用于：接收用户在界面的查询输入区域输入的业务数据查询信息，所述查询输入区域包含多个子区域，每个子区域的对应一个业务数据查询子信息，各个子区域的业务数据查询子信息构成所述业务数据查询信息；对每个子区域接收到的业务数据查询子信息，提取一个数据子特征，得到所述第一数据特征。
基于第二方面，在一些实施例中，所述数据表确定模块具体用于：将第一目标数据表中的各个字段与所述第一数据特征进行匹配，所述第一目标数据表为所述目标数据表中的任一数据表；若所述第一目标数据表中存在至少一个字段与所述第一数据特征匹配，则确定所述第一目标数据表为第二数据表。
基于第二方面，在一些实施例中，所述数据表确定模块具体用于：将所述第一数据特征和所述第一数据表输入神经网络模型，得到所述第一数据特征与所述第一数据表的对应关系，根据所述对应关系得到所述第二数据表。
一些实施例中，所述装置还包括神经网络模型训练模块。神经网络模型训练模块具体用于：获取多个数据特征样本和多个数据表样本，以及所述多个数据特征样本与所述多个数据表样本之间的对应关系；基于所述多个数据特征样本和多个数据表样本，以及所述多个数据特征样本与所述多个数据表样本之间的对应关系，训练所述神经网络模型。
基于第二方面，在一些实施例中，所述关联关系确定模块具体用于：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系。
示例性的，所述根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系，包括：将包含有与所有所述数据子特征相匹配的字段的目标数据表作为父节点；将包含有与第一数据子特征相匹配的字段的目标数据表划分为一个分支，所述第一数据子特征为所有所述数据子特征中的任一数据子特征；根据所述父节点和各个分支，构建各个所述目标数据表之间的关联关系树。所述分支中第一字段的数量越高的目标数据表，越靠近所述父节点。
基于第二方面，在一些实施例中，所述关联关系确定模块具体用于：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的数量，计算每个所述目标数据表的匹配度；根据所述第一字段的内容和每个所述目标数据表的匹配度，确定目标数据表之间的关联关系。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述业务数据处理方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述业务数据处理方法的步骤。
第五方面，本申请实施例提供一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得电子设备执行上述第一方面中任一项所述业务数据处理方法。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的业务数据处理方法的流程示意图；
图2是本申请实施例提供的业务数据处理装置的结构示意图；
图3是本申请实施例提供的终端设备的结构示意图。
具体实施方式
下面结合具体实施例对本申请进行更清楚的说明。以下实施例将有助于本领域的技术人员进一步理解本申请的作用，但不以任何形式限制本申请。应当指出的是，对本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进。这些都属于本申请的保护范围。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
图1示出了本申请实施例提供的业务数据处理方法。参见图1，上述业务数据处理方法可以包括步骤101至步骤103。
步骤101，接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征。
一些实施例中，步骤101的实现过程可以包括：接收用户在界面的查询输入区域输入的业务数据查询信息。该查询输入区域包含多个子区域，每个子区域的对应一个业务数据查询子信息，各个子区域的业务数据查询子信息构成所述业务数据查询信息。对每个子区域接收到的业务数据查询子信息，提取一个数据子特征，得到所述第一数据特征。
示例性的，第一数据特征可以为用户在界面的查询输入区域输入的多个字段，例如姓名、工号、部门等字段。界面的查询输入区域可以设置有多个子区域，每个子区域用于输入一个字段。用户在子区域中输入字段后，提取该字段得到数据子特征。
步骤102，基于所述第一数据特征遍历第一数据表，确定第二数据表。
其中，所述第二数据表为所述第一数据表中包含有与所述第一数据特征匹配的字段的数据表，所述第一数据表的数量为多个，所述第二数据表的数量为至少一个。
作为一种可实施方式，步骤102可以包括：将第一目标数据表中的各个字段与所述第一数据特征进行匹配，所述第一目标数据表为所述目标数据表中的任一数据表；若所述第一目标数据表中存在至少一个字段与所述第一数据特征匹配，则确定所述第一目标数据表为第二数据表。
每个数据表可以包含多个字段，不同的数据表所包含的字段的内容一般不同。例如，数据表1中可以包含姓名、年龄、性别、工号、部门、业绩等多个字段，数据表2中可以包含姓名、年龄、性别、工号、部门、费用等多个字段。若第一数据特征中包含与姓名和业绩对应的特征，则与第一数据特征匹配的数据表为数据表1。若第一数据特征中包含与姓名和费用对应的特征，则与第一数据特征匹配的数据表为数据表2。
作为又一种可实施方式，步骤102可以包括：将所述第一数据特征和所述第一数据表输入神经网络模型，得到第一数据特征与第一数据表的对应关系，根据该对应关系确定所述第二数据表。
其中，在步骤102之前，上述业务数据处理方法还可以包括训练神经网络模型的步骤。训练神经网络模型的步骤可以包括：获取数据特征样本和多个数据表样本，以及所述数据特征样本中的数据特征与所述多个数据表样本之间的对应关系；基于所述数据特征样本和多个数据表样本，以及所述数据特征样本与所述多个数据表样本之间的对应关系，训练所述神经网络模型。
其中，上述数据特征样本与多个数据表样本之间的对应关系，可以包含：数据特征样本中的各个数据特征与各个数据表样本之间的对应关系。例如，上述数据特征样本包含数据特征1、数据特征2、……、数据特征n，上述多个数据表样本包含数据表样本1、数据表样本2、……、数据表样本m。数据特征1位于数据表样本1和数据表样本m-1中，记为数据特征1与数据表样本1和数据表样本m-1对应；数据特征2位于数据表样本2和数据表样本m中，记为数据特征2与数据表样本2和数据表样本m对应；数据特征n位于数据表样本m中，记为数据特征n与数据表样本m对应。
通过数据特征样本和多个数据表样本，以及数据特征样本与多个数据表样本之间的对应关系训练神经网络模型，能够使得神经网络模型记忆如何确定数据特征与数据表的对应关系，进而在将第一数据特征和第一数据表输入神经网络模型，能够得到第一数据特征与第一数据表的对应关系。
示例性的，根据对应关系确定所述第二数据表，可以包括：将与第一数据特征存在对应关系的第一数据表作为第二数据表。若第一数据特征中的各个子特征与数据表1和数据表2对应，则可以将数据表1和数据表2作为第二数据表。
步骤103，根据所述第二数据表确定目标数据表及目标数据表之间的关联关系。
作为一种可实施方式，步骤103可以包括：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系。
例如，第二数据表中包含l个第一字段，则该第二数据表中第一字段的数量为l。若某个第二数据表的第一字段的数量大于阈值，则将该第二数据表作为目标数据表。其中，阈值可以为大于或等于1的任意整数。
示例性的，上述根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系，包括：将包含有与所有所述数据子特征相匹配的字段的目标数据表作为父节点；将包含有与第一数据子特征相匹配的字段的目标数据表划分为一个分支，所述第一数据子特征为所有所述数据子特征中的任一数据子特征；根据所述父节点和各个分支，构建各个所述目标数据表之间的关联关系树。所述分支中第一字段的数量越高的目标数据表，越靠近所述父节点。
作为又一种可实施方式，步骤103可以包括：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的数量，计算每个所述目标数据表的匹配度；根据所述第一字段的内容和每个所述目标数据表的匹配度，确定目标数据表之间的关联关系。
其中，根据第一字段的数量，计算每个目标数据表的匹配度，可以为：将第一字段的数量除以第一数据特征中数据子特征的数量，得到目标数据表的匹配度。可以理解的，第一字段的数量越大，表示该目标数据表与第一数据特征匹配度越高；第一字段的数量越小，表示该目标数据表与第一数据特征匹配度越低。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
参见图2，本申请实施例提供了一种业务数据处理装置200，包括：特征提取模块201、数据表确定模块202和关联关系确定模块203。
特征提取模块201，用于接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征。数据表确定模块202，用于基于所述第一数据特征遍历第一数据表，确定第二数据表。所述第二数据表为所述第一数据表中包含有与所述第一数据特征匹配的字段的数据表，所述第一数据表的数量为多个，所述第二数据表的数量为至少一个。关联关系确定模块203，用于根据所述第二数据表确定目标数据表及目标数据表之间的关联关系。
一些实施例中，特征提取模块201具体可以用于：接收用户在界面的查询输入区域输入的业务数据查询信息，所述查询输入区域包含多个子区域，每个子区域的对应一个业务数据查询子信息，各个子区域的业务数据查询子信息构成所述业务数据查询信息；对每个子区域接收到的业务数据查询子信息，提取一个数据子特征，得到所述第一数据特征。
作为一种可实施方式，数据表确定模块202具体可以用于：将第一目标数据表中的各个字段与所述第一数据特征进行匹配，所述第一目标数据表为所述目标数据表中的任一数据表；若所述第一目标数据表中存在至少一个字段与所述第一数据特征匹配，则确定所述第一目标数据表为第二数据表。
作为又一种可实施方式，数据表确定模块202具体可以用于：将所述第一数据特征和所述第一数据表输入神经网络模型，得到所述第一数据特征与所述第一数据表的对应关系，根据所述对应关系得到所述第二数据表。
一些实施例中，上述业务数据处理装置200还可以包括神经网络模型训练模块。神经网络模型训练模块具体用于：获取多个数据特征样本和多个数据表样本，以及所述多个数据特征样本与所述多个数据表样本之间的对应关系；基于所述多个数据特征样本和多个数据表样本，以及所述多个数据特征样本与所述多个数据表样本之间的对应关系，训练所述神经网络模型。
作为一种可实施方式，关联关系确定模块203具体可以用于：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系。
示例性的，所述根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系，包括：将包含有与所有所述数据子特征相匹配的字段的目标数据表作为父节点；将包含有与第一数据子特征相匹配的字段的目标数据表划分为一个分支，所述第一数据子特征为所有所述数据子特征中的任一数据子特征；根据所述父节点和各个分支，构建各个所述目标数据表之间的关联关系树。所述分支中第一字段的数量越高的目标数据表，越靠近所述父节点。
作为又一种可实施方式，关联关系确定模块203可以用于：获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；根据所述第一字段的数量，计算每个所述目标数据表的匹配度；根据所述第一字段的内容和每个所述目标数据表的匹配度，确定目标数据表之间的关联关系。
图3是本发明一实施例提供的终端设备的示意图。该实施例的终端设备300包括：处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序，例如电力业务数据展示程序。所述处理器301执行所述计算机程序时实现上述业务数据处理方法实施例中的步骤，例如图1所示的步骤101至步骤103。或者，所述处理器301执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如图2所示模块201至203的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备300中的执行过程。例如，所述计算机程序可以被分割成特征提取模块、数据表确定模块以及关联关系确定模块。
所述终端设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器301、存储器302。本领域技术人员可以理解，图3仅仅是终端设备300的示例，并不构成对终端设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器302可以是终端设备300的内部存储单元，例如终端设备300的硬盘或内存。所述存储器302也可以是所述终端设备300的外部存储设备，例如所述终端设备300上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器302还可以既包括所述终端设备300的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (6)

1.一种业务数据处理方法，其特征在于，包括：
接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征；
基于所述第一数据特征遍历第一数据表，确定第二数据表；所述第二数据表为所述第一数据表中包含有与所述第一数据特征匹配的字段的数据表，所述第一数据表的数量为多个，所述第二数据表的数量为至少一个；
根据所述第二数据表确定目标数据表及目标数据表之间的关联关系；
所述基于所述第一数据特征遍历第一数据表，确定第二数据表，包括：
将所述第一数据特征和所述第一数据表输入神经网络模型，得到所述第一数据特征与所述第一数据表的对应关系，根据所述对应关系确定所述第二数据表；
在所述将所述第一数据特征和所述目标数据表输入神经网络模型之前，所述方法还包括：
获取数据特征样本和多个数据表样本，以及所述数据特征样本与所述多个数据表样本之间的对应关系；
基于所述数据特征样本和多个数据表样本，以及所述数据特征样本与所述多个数据表样本之间的对应关系，训练所述神经网络模型，使得所述神经网络模型记忆如何确定数据特征与数据表样本之间的对应关系；
所述根据所述第二数据表确定目标数据表及目标数据表之间的关联关系，包括：
获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；
根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；
根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系；
所述根据所述第一字段的内容，确定各个所述目标数据表之间的关联关系，包括：
将包含有与所有所述数据子特征相匹配的字段的目标数据表作为父节点；
将包含有与第一数据子特征相匹配的字段的目标数据表划分为一个分支，所述第一数据子特征为所有所述数据子特征中的任一数据子特征；
根据所述父节点和各个分支，构建各个所述目标数据表之间的关联关系树；所述分支中第一字段的数量越高的目标数据表，越靠近所述父节点。
2.根据权利要求1所述的业务数据处理方法，其特征在于，所述接收用户输入的业务数据查询信息，并提取所述业务数据查询信息中的第一数据特征，包括：
接收用户在界面的查询输入区域输入的业务数据查询信息，所述查询输入区域包含多个子区域，每个子区域的对应一个业务数据查询子信息，各个子区域的业务数据查询子信息构成所述业务数据查询信息；
对每个子区域接收到的业务数据查询子信息，提取一个数据子特征，得到所述第一数据特征。
3.根据权利要求1所述的业务数据处理方法，其特征在于，所述基于所述第一数据特征遍历第一数据表，确定第二数据表，包括：
将第一目标数据表中的各个字段与所述第一数据特征进行匹配，所述第一目标数据表为所述目标数据表中的任一数据表；
若所述第一目标数据表中存在至少一个字段与所述第一数据特征匹配，则确定所述第一目标数据表为第二数据表。
4.根据权利要求1所述的业务数据处理方法，其特征在于，所述根据所述第二数据表确定目标数据表及目标数据表之间的关联关系，包括：
获取所述第二数据表中第一字段的数量以及第一字段的内容，所述第一字段为所述第二数据表中与所述第一数据特征匹配的字段；
根据所述第一字段的数量和阈值，在所述第二数据表中筛选出所述目标数据表；
根据所述第一字段的数量，计算每个所述目标数据表的匹配度；
根据所述第一字段的内容和每个所述目标数据表的匹配度，确定目标数据表之间的关联关系。
5.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至4中任一项所述业务数据处理方法的步骤。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至4中任一项所述业务数据处理方法的步骤。
CN202110566365.0A 2021-05-24 2021-05-24 业务数据处理方法和终端设备 Active CN113392105B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110566365.0A CN113392105B (zh) 2021-05-24 2021-05-24 业务数据处理方法和终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110566365.0A CN113392105B (zh) 2021-05-24 2021-05-24 业务数据处理方法和终端设备

Publications (2)

Publication Number Publication Date
CN113392105A CN113392105A (zh) 2021-09-14
CN113392105B true CN113392105B (zh) 2023-03-24

Family

ID=77618852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110566365.0A Active CN113392105B (zh) 2021-05-24 2021-05-24 业务数据处理方法和终端设备

Country Status (1)

Country Link
CN (1) CN113392105B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109144997A (zh) * 2018-06-11 2019-01-04 玖富金科控股集团有限责任公司 数据关联方法、装置及存储介质
CN110928879A (zh) * 2019-11-20 2020-03-27 贵州电网有限责任公司电力科学研究院 宽表生成方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408171B (zh) * 2014-12-12 2019-03-26 用友网络科技股份有限公司 单据子表行关联查询装置和方法
CN107665228B (zh) * 2017-05-10 2019-12-20 平安科技（深圳）有限公司 一种关联信息查询方法、终端及设备
CN109117429B (zh) * 2017-06-22 2020-09-22 北京嘀嘀无限科技发展有限公司 数据库查询方法、装置和电子设备
CN110321344B (zh) * 2019-05-20 2024-03-15 深圳市晶测科技有限公司 关联数据的信息查询方法、装置、计算机设备及存储介质
CN110619002A (zh) * 2019-09-12 2019-12-27 北京百度网讯科技有限公司 数据处理方法、装置及存储介质
CN112506946B (zh) * 2020-12-03 2024-04-05 平安科技（深圳）有限公司 业务数据查询方法、装置、设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109144997A (zh) * 2018-06-11 2019-01-04 玖富金科控股集团有限责任公司 数据关联方法、装置及存储介质
CN110928879A (zh) * 2019-11-20 2020-03-27 贵州电网有限责任公司电力科学研究院 宽表生成方法及装置

Also Published As

Publication number Publication date
CN113392105A (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
CN110147722A (zh) 一种视频处理方法、视频处理装置及终端设备
CN110020122B (zh) 一种视频推荐方法、系统及计算机可读存储介质
CN107784070B (zh) 一种提高数据清洗效率的方法、装置及设备
CN109491857B (zh) 一种基于规则引擎的数据监控方法、系统及终端设备
CN111159329B (zh) 敏感词检测方法、装置、终端设备和计算机可读存储介质
CN107784063B (zh) 算法的生成方法及终端设备
CN110888981B (zh) 基于标题的文档聚类方法、装置、终端设备及介质
CN111367870A (zh) 一种绘本共享方法、装置和系统
CN109471893B (zh) 网络数据的查询方法、设备及计算机可读存储介质
CN111242164A (zh) 一种决策结果的确定方法、装置及设备
CN112650743A (zh) 一种漏斗数据分析方法、系统、电子设备及存储介质
CN107590248B (zh) 搜索方法、装置、终端和计算机可读存储介质
CN107748772B (zh) 一种商标识别方法及装置
CN107071553B (zh) 一种修改视频语音的方法、装置和计算机可读存储介质
CN110765100B (zh) 标签的生成方法、装置、计算机可读存储介质及服务器
CN108959289B (zh) 网站类别获取方法和装置
CN113392105B (zh) 业务数据处理方法和终端设备
CN117093619A (zh) 一种规则引擎处理方法、装置、电子设备及存储介质
CN109740130B (zh) 用于生成文件的方法和装置
CN108319721B (zh) 应用程序推荐方法、装置、用户终端及服务器
CN111159213A (zh) 一种数据查询方法、装置、系统和存储介质
CN112488557A (zh) 一种基于评分标准客观分的自动计算方法、装置、终端
CN112434195A (zh) 数据解析方法、装置、电子设备及计算机可读存储介质
CN112561376A (zh) 对项目进行拆分的方法、装置以及存储介质
CN111611056A (zh) 数据处理方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant