CN115098502A - 一种数据表的创建方法、装置、终端设备和可读存储介质 - Google Patents
一种数据表的创建方法、装置、终端设备和可读存储介质 Download PDFInfo
- Publication number
- CN115098502A CN115098502A CN202210730785.2A CN202210730785A CN115098502A CN 115098502 A CN115098502 A CN 115098502A CN 202210730785 A CN202210730785 A CN 202210730785A CN 115098502 A CN115098502 A CN 115098502A
- Authority
- CN
- China
- Prior art keywords
- service
- data
- data table
- preset
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
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
- G06F16/242—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种数据表的创建方法、装置、终端设备和可读存储介质,该数据表的创建方法通过获取用户输入的字段文本,字段文本包括多个业务场景的业务数据,将字段文本输入预设场景模型,识别出与各个业务场景类型对应的预设业务数据,将预设业务数据填充至预设数据表结构中,生成对应的目标数据表。本申请不仅可以提高创建的数据表结构的完整性,还可以减少开发人员的工作量,提升系统的开发效率。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种数据表的创建方法、装置、终端设备和可读存储介质。
背景技术
在进行业务系统开发时,对于一些新手或者不熟悉某个领域的开发人员来说,从接触新需求到表结构设计,可能缺乏相应的经验,在设计的相关表结构时可能存在设计不够完善,对很多场景考虑不周到导致字段不全的情况,在后续的使用过程中,需要进行反复的修改调试,从而将投入大量的时间和精力以弥补设计阶段的不周全。
发明内容
第一方面,本发明提供一种数据表的创建方法,所述方法包括:
获取用户输入的字段文本,所述字段文本包括多个业务场景的业务数据;
将所述字段文本输入预设场景模型,识别出与各个业务场景类型对应的业务数据;
将所述业务数据填充至预设数据表结构中,生成对应的目标数据表。
在可选的实施方式中,所述将所述字段文本输入预设场景模型,识别出与各个业务场景类型对应的业务数据,包括:
根据预设场景模型识别所述字段文本中的业务场景特征信息;
根据预设的特征信息与业务场景标识之间的映射关系,确定各个所述业务场景特征信息对应的业务场景标识;
根据所述业务场景标识确定所述字段文本中与各个业务场景类型对应的业务数据,其中,一个业务场景类型对应一个业务场景标识。
在可选的实施方式中,所述将所述业务数据填充至预设数据表结构中,包括:
根据所述业务场景类型确定对应的预设数据表结构;
识别所述业务数据对应的数据属性;
将所述业务数据填入所述预设数据表结构中与所述数据属性对应的行列,生成所述目标数据表。
在可选的实施方式中,所述识别所述业务数据对应的数据属性,包括:
对所述业务数据进行语义分析,得到每个所述业务数据的语义分析结果;
根据所述语义分析结果识别对应的数据属性,所述数据属性包括标称属性、二元属性和序数属性。
在可选的实施方式中,所述语义分析包括分词分析处理、词性标注处理和命名实体处理。
在可选的实施方式中,所述获取用户输入的字段文本之后,包括:
对所述字段文本进行预处理,所述预处理包括关键词提取和无意义词过滤中的任一种。
在可选的实施方式中,所述预设场景模型的创建,包括:
获取每个业务领域数据库中的全部数据表对应的表相关信息;
通过机器学习对所述表相关信息进行模型训练,生成所述场景模型。
第二方面,本发明提供一种数据表的创建装置,所述装置包括:
获取模块,用于获取用户输入的字段文本,所述字段文本包括多个业务场景的业务数据;
识别模块,用于将所述字段文本输入预设的场景模型,识别出与各个业务场景类型对应的业务数据;
生成模块,用于将所述业务数据填充至预设数据表结构中,生成对应的目标数据表。
第三方面,本发明提供一种终端设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行所述的数据表的创建方法。
第四方面,本发明提供一种可读存储介质,其存储有计算机程序,所述计算机程序在处理器上运行时执行所述的数据表的创建方法。
本申请的实施例具有如下有益效果:
本申请实施例提供一种数据表的创建方法、装置、终端设备和可读存储介质,该数据表的创建方法通过获取用户输入的字段文本,字段文本包括多个业务场景的业务数据,将字段文本输入预设场景模型,识别出与各个业务场景类型对应的预设业务数据,将预设业务数据填充至预设数据表结构中,生成对应的目标数据表。本申请不仅可以提高创建的数据表结构的完整性,还可以减少开发人员的工作量,提升系统的开发效率。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本申请实施例提出的一种数据表的创建方法的第一流程示意图;
图2示出了本申请实施例提出的一种数据表的创建方法中创建场景模型的流程示意图;
图3示出了本申请实施例提出的一种数据表的创建方法中识别业务数据的流程示意图;
图4示出了本申请实施例提出的一种数据表的创建方法中生成目标数据表的流程示意图;
图5示出了本申请实施例提出的一种数据表的创建方法中识别数据属性的流程示意图;
图6示出了本申请实施例提出的一种数据表的创建装置的结构示意图。
主要元件符号说明:
10-数据表的创建装置;11-获取模块;12-识别模块;13-生成模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
实施例1
请参照图1,本申请实施例提出一种数据表的创建方法,示范性地,该数据表的创建方法包括步骤S100~S300。
步骤S100:获取用户输入的字段文本,字段文本包括多个业务场景的业务数据。
在本实施例中,将获取用户输入字段文本,字段文本为用户输入的文字信息,即为用户想要生成的目标数据表的相关信息。对字段文本进行预处理,其中,预处理包括对字段文本进行关键词提取或无意义词过滤中任一种。用户输入的字段文本中可能包括多个业务场景对应的业务数据。其中,每个业务场景包括多个业务数据,业务场景可以为银行与客户之间的存款业务领域的客户账号场景、借款业务领域的借款表场景、理财业务领域的产品场景等场景,例如,当业务场景为客户存款领域时客户账号对应的场景,此时业务数据可以包括客户账号、客户姓名、客户账号的余额等业务数据。
步骤S200:将字段文本输入预设场景模型,识别出与各个业务场景类型对应的业务数据。
可以理解的是,在获取用户输入的字段文本后,将把该字段文本输入预先设置的场景模型中,通过预先设置的场景模型将识别出文本字段中的各个业务场景类型对应的业务数据。
在一种实施方式中,如图2所示,创建场景模型包括步骤S400~S500。
步骤S400:获取每个业务领域数据库中的全部数据表对应的表相关信息。
在本实施例中,开发人员在进行业务系统开发时,首先将通过AI(ArtificialIntelligence,人工智能)技术对历史存储的每个领域对应的数据库进行数据挖掘,从而获得各个业务领域数据库中数据表对应的数据表信息,即获得多个数据表信息。其中,一个数据库包括一个或多个数据表,一个业务领域包含一个或多个业务场景,一个领域对应一个数据库,一个业务场景对应数据库的一个数据表。表相关信息为每个业务领域数据库中存储的每个数据表对应的表信息,表相关信息包括每个表对应的属性、长度、类型、表结构描述以及历史SQL查询语句等信息。其中,人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
在获取多个表相关信息后,将对多个表相关信息进行遍历、映射、计算与归纳,得到各个业务场景对应的标准表相关信息,即得到各个业务场景对应的业务数据。其中,数据表包括但不限于账户表、订单表、商品表、权益表以及库存表等。
步骤S500:通过机器学习对表相关信息进行模型训练,生成场景模型。
可以理解的是,将通过机器学习对已经挖掘的数据,即多个数据表的表相关信息进行模型训练,并进行建模,最终生成相应的场景模型,并将生成的场景模型存储至字典的存储单元中。其中,机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
在一种实施方式中,如图3所示,步骤S200包括子步骤S210~S230。
子步骤S210:根据预设场景模型识别字段文本中的业务场景特征信息。
可以理解的是,字段文本中每个业务数据中包含一个业务场景特征信息,以用于预设业务场景模型进行识别。根据预设的业务场景模型识别用户输入的字段文中的每个业务数据所包含的业务场景特征信息,即提取字段文本中的业务场景特征信息。
子步骤S220:根据预设的特征信息与业务场景标识之间的映射关系,确定各个业务场景特征信息对应的业务场景标识。
根据预设的特征信息与业务场景标识之间的映射关系,将确定提取的业务场景特征信息对应的业务场景标识。
子步骤S230根据业务场景标识确定字段文本中与各个业务场景类型对应的业务数据,其中,一个业务场景类型对应一个业务场景标识。
可以理解的是,每一种业务场景类型对应一个业务场景标识,在确定业务场景特征信息对应的业务场景标识后,则确定业务场景标识对应的业务场景类型,换言之,将根据确定的业务场景标识确定字段文本中与各个业务场景类型对应的业务数据。
步骤S300:将业务数据填充至预设数据表结构中,生成对应的目标数据表。
在本申请实施例中,将把识别出的各个业务场景类型对应的业务数据填充至预设数据表结构中,从而生成对应的目标数据表。可以理解的是,每一个业务场景类型对应的业务数据填充至相应的预设数据表结构中,从而生成对应的一个目标数据表,若存在多个业务场景类型对应的业务数据时,将生成多个目标数据表。
在一种实施方式中,如图4所示,步骤S300包括子步骤S310~S330。
子步骤S310:根据业务场景类型确定对应的预设数据表结构。
可以理解的是,一个业务场景类型对应一个预设数据表结构,在确定各个业务场景类型后,将根据确定的业务场景类型确定对应的预设数据表结构。其中,预设数据表结构为预先设置的表结构的模板,预设数据表结构中根据数据属性设置对应的行列,表结构就是定义数据库中,一个表的字段、类型、主键、外键以及索引等,这些基本的属性组成了数据库的表结构。
子步骤S320:识别业务数据对应的数据属性。
在本实施例中,将对填入预设数据表结构中的业务数据对应的数据属性进行识别,以将业务数据填入预设数据表结构中的正确位置。
在一种实施方式中,如图5所示,子步骤S320包括子步骤S321~S322。
子步骤S321:对业务数据进行语义分析,得到每个业务数据的语义分析结果。
可以理解的是,对业务数据对应的数据属性进行识别时,将首先对应填入的业务数据进行语义分析,得到每个业务数据对应语义分析结果,其中,语义分析包括分词分析处理和词性标注处理。其中,词分析处理是根据预设的文本分词模型或基于统计的机器学习算法,对业务数据进行分词分析处理;词性标注处理是通过基于字符串匹配的字典查询算法和基于统计的词性标注算法,对业务数据进行词性标注处理。
子步骤S322:根据语义分析结果识别对应的数据属性,数据属性包括标称属性、二元属性和序数属性。
在得到语义分析结果后,将根据语义分析结果识别每个业务数据对应的数据属性。其中,数据属性包括标称属性、二元属性、数值属性、序数属性、离散属性与连续属性。
子步骤S330:将业务数据填入预设数据表结构中与数据属性对应的行列,生成目标数据表。
可以理解的是,将把业务数据填入预设数据表结构中与业务数据的数据属性对应的行列中,生成相应的目标数据表。其中,在将业务数据填入预设数据表结构中时,能自动识别其中的关键字,并创建关键字索引。
在可选的实施方式中,将通过基于预设场景模型的计算结果,与字典库的结合,为部分生成的目标数据表创建冗余的字段。
例如,目标数据表为商品表时,商品表中包括价格字段和数量字段,从价格和数量计算得到金额,将字段文本输入预设场景模型时,识别出商品表对应的业务数据,业务数据将包括金额冗余字段,即识别出的业务数据包括价格、数量和金额等字段。本实施例可以避免后续的表结构调整,即补充字段,从而可以提高查询和统计的速度。
本申请不仅可以提高创建的数据表结构的完整性,还可以减少开发人员的工作量,提升系统的开发效率。
基于上述实施例的数据表的创建方法,图6示出了本申请实施例提供的数据表的创建装置10的结构示意图,装置包括:
获取模块11,用于获取用户输入的字段文本,字段文本包括多个业务场景的业务数据。
识别模块12,用于将字段文本输入预设的场景模型,识别出与各个业务场景类型对应的业务数据。
生成模块13,用于将业务数据填充至预设数据表结构中,生成对应的目标数据表。
本实施例提供一种数据表的创建装置10用于执行上述实施例的数据表的创建方法,上述实施例所涉及的实施方案以及有益效果在本实施例中同样适用,在此不再赘述。
此外,本申请还提出一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,计算机程序在处理器上运行时执行上述实施例的数据表的创建方法。
本实施例还提供了一种可读存储介质,其存储有计算机程序,计算机程序在处理器上运行时执行上述实施例的数据表的创建方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、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,所述模块、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,在作为替换的实现方式中,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,两个连续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,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种数据表的创建方法,其特征在于,所述方法包括:
获取用户输入的字段文本,所述字段文本包括多个业务场景的业务数据;
将所述字段文本输入预设场景模型,识别出与各个业务场景类型对应的业务数据;
将所述业务数据填充至预设数据表结构中,生成对应的目标数据表。
2.根据权利要求1所述的数据表的创建方法,其特征在于,所述将所述字段文本输入预设场景模型,识别出与各个业务场景类型对应的业务数据,包括:
根据预设场景模型识别所述字段文本中的业务场景特征信息;
根据预设的特征信息与业务场景标识之间的映射关系,确定各个所述业务场景特征信息对应的业务场景标识;
根据所述业务场景标识确定所述字段文本中与各个业务场景类型对应的业务数据,其中,一个业务场景类型对应一个业务场景标识。
3.根据权利要求1所述的数据表的创建方法,其特征在于,所述将所述业务数据填充至预设数据表结构中,包括:
根据所述业务场景类型确定对应的预设数据表结构;
识别所述业务数据对应的数据属性;
将所述业务数据填入所述预设数据表结构中与所述数据属性对应的行列,生成所述目标数据表。
4.根据权利要求3所述的数据表的创建方法,其特征在于,所述识别所述业务数据对应的数据属性,包括:
对所述业务数据进行语义分析,得到每个所述业务数据的语义分析结果;
根据所述语义分析结果识别对应的数据属性,所述数据属性包括标称属性、二元属性和序数属性。
5.根据权利要求4所述的数据表的创建方法,其特征在于,所述语义分析包括分词分析处理和词性标注处理。
6.根据权利要求1所述的数据表的创建方法,其特征在于,所述获取用户输入的字段文本之后,包括:
对所述字段文本进行预处理,所述预处理包括关键词提取和无意义词过滤中的任一种。
7.根据权利要求1所述的数据表的创建方法,其特征在于,所述预设场景模型的创建,包括:
获取每个业务领域数据库中的全部数据表对应的表相关信息;
通过机器学习对所述表相关信息进行模型训练,生成所述场景模型。
8.一种数据表的创建装置,其特征在于,所述装置包括:
获取模块,用于获取用户输入的字段文本,所述字段文本包括多个业务场景的业务数据;
识别模块,用于将所述字段文本输入预设的场景模型,识别出与各个业务场景类型对应的业务数据;
生成模块,用于将所述业务数据填充至预设数据表结构中,生成对应的目标数据表。
9.一种终端设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序在所述处理器上运行时执行权利要求1至7任一项所述的数据表的创建方法。
10.一种可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序在处理器上运行时执行权利要求1至7任一项所述的数据表的创建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730785.2A CN115098502A (zh) | 2022-06-24 | 2022-06-24 | 一种数据表的创建方法、装置、终端设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730785.2A CN115098502A (zh) | 2022-06-24 | 2022-06-24 | 一种数据表的创建方法、装置、终端设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115098502A true CN115098502A (zh) | 2022-09-23 |
Family
ID=83292000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210730785.2A Pending CN115098502A (zh) | 2022-06-24 | 2022-06-24 | 一种数据表的创建方法、装置、终端设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115098502A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457288A (zh) * | 2019-07-04 | 2019-11-15 | 平安科技(深圳)有限公司 | 数据模型构建方法、装置、设备及计算机可读存储介质 |
CN113591447A (zh) * | 2021-07-30 | 2021-11-02 | 高途教育科技集团有限公司 | 数据表的创建方法、装置、设备及存储介质 |
CN114185770A (zh) * | 2021-11-22 | 2022-03-15 | 招联消费金融有限公司 | 生成测试数据的方法、装置、计算机设备和存储介质 |
-
2022
- 2022-06-24 CN CN202210730785.2A patent/CN115098502A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457288A (zh) * | 2019-07-04 | 2019-11-15 | 平安科技(深圳)有限公司 | 数据模型构建方法、装置、设备及计算机可读存储介质 |
CN113591447A (zh) * | 2021-07-30 | 2021-11-02 | 高途教育科技集团有限公司 | 数据表的创建方法、装置、设备及存储介质 |
CN114185770A (zh) * | 2021-11-22 | 2022-03-15 | 招联消费金融有限公司 | 生成测试数据的方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376222B (zh) | 问答匹配度计算方法、问答自动匹配方法及装置 | |
CN106202010A (zh) | 基于深度神经网络构建法律文本语法树的方法和装置 | |
CN109284397A (zh) | 一种领域词典的构建方法、装置、设备及存储介质 | |
CN111143571B (zh) | 实体标注模型的训练方法、实体标注方法以及装置 | |
CN107391682B (zh) | 知识验证方法、知识验证设备以及存储介质 | |
CN111950287A (zh) | 一种基于文本的实体识别方法及相关装置 | |
CN112836502B (zh) | 一种金融领域事件隐式因果关系抽取方法 | |
CN113360654B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
Upadhyay et al. | Semantic knowledge extraction from research documents | |
CN111428503A (zh) | 同名人物的识别处理方法及处理装置 | |
CN110633456A (zh) | 语种识别方法、装置、服务器及存储介质 | |
US20240152702A1 (en) | Specific target-oriented social media tweet sentiment analysis method | |
CN110852066A (zh) | 一种基于对抗训练机制的多语言实体关系抽取方法及系统 | |
CN113704393A (zh) | 关键词提取方法、装置、设备及介质 | |
CN112100355A (zh) | 一种智能交互方法、装置及设备 | |
Lamons et al. | Python Deep Learning Projects: 9 projects demystifying neural network and deep learning models for building intelligent systems | |
CN113010642B (zh) | 语义关系的识别方法、装置、电子设备及可读存储介质 | |
CN114998041A (zh) | 理赔预测模型的训练方法和装置、电子设备及存储介质 | |
CN115098502A (zh) | 一种数据表的创建方法、装置、终端设备和可读存储介质 | |
CN111507098B (zh) | 多义词识别方法、装置、电子设备及计算机可读存储介质 | |
CN114398903A (zh) | 意图识别方法、装置、电子设备及存储介质 | |
RU2564641C1 (ru) | Интеллектуальная информационная система выбора "оптимэль" | |
CN113822065A (zh) | 关键词召回方法、装置、电子设备以及存储介质 | |
CN113392220A (zh) | 一种知识图谱生成方法、装置、计算机设备及存储介质 | |
CN111476037B (zh) | 文本处理方法、装置、计算机设备和存储介质 |
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 |