CN115470198B - 数据库的信息处理方法、装置、电子设备及存储介质 - Google Patents
数据库的信息处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115470198B CN115470198B CN202210962405.8A CN202210962405A CN115470198B CN 115470198 B CN115470198 B CN 115470198B CN 202210962405 A CN202210962405 A CN 202210962405A CN 115470198 B CN115470198 B CN 115470198B
- Authority
- CN
- China
- Prior art keywords
- information
- screened
- value range
- semantic
- tag
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 28
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 238000013523 data management Methods 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims description 57
- 239000013598 vector Substances 0.000 claims description 31
- 238000013507 mapping Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 27
- 230000009467 reduction Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005065 mining Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000010056 antibody-dependent cellular cytotoxicity Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种数据库的信息处理方法、装置、电子设备及存储介质,涉及大数据、云计算等技术领域。具体实现方案为:获取数据治理平台中的指定信息、指定信息的类型、所述指定信息对应的第一语义标签和第一值域标签;基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签;基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐。本公开的技术,能够有效地提高数据治理效率。
Description
技术领域
本公开涉及计算机技术领域,具体涉及大数据、云计算等技术领域,尤其涉及一种数据库的信息处理方法、装置、电子设备及存储介质。
背景技术
现有技术中,医疗数据种类繁多,不同医疗机构在数据保存和数据处理流程上并未统一。
通常情况下,每个医疗机构的医疗数据存储在其本地的数据库中。其中,该数据库中可以包括有很多的表和字段。由于数据保存方式以及数据处理流程的不统一,不同医疗机构的数据库中包括的表以及表中包括的字段不相同,且表名以及字段名称可能也不相同。为了对医疗机构的医疗数据进行治理,工作人员需要人工筛查数据库中的每个表以及每个字段的含义,并手动进行相应的医疗数据的规范化治理。
发明内容
本公开提供了一种数据库的信息处理方法、装置、电子设备及存储介质。
根据本公开的一方面,提供了一种数据库的信息处理方法,包括:
获取数据治理平台中的指定信息、指定信息的类型、所述指定信息对应的第一语义标签和第一值域标签;
基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签;
基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐。
根据本公开的另一方面,提供了一种数据库的信息处理装置,包括:
第一获取模块,用于获取数据治理平台中的指定信息、指定信息的类型、所述指定信息对应的第一语义标签和第一值域标签;
第二获取模块,用于基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签;
推荐模块,用于基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐。
根据本公开的再一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的方面和任一可能的实现方式的方法。
根据本公开的又一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。
根据本公开的再另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。
根据本公开的技术,能够有效地提高数据治理效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开第三实施例的示意图;
图4是根据本公开第四实施例的示意图;
图5是根据本公开第五实施例的示意图;
图6是根据本公开第六实施例的示意图;
图7是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
需要说明的是,本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(TabletComputer)等智能设备;显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
现有技术中,人工筛查每个数据库中的表和字段的含义,并手动进行医疗数据的治理,不仅费时费力,而且出错的可能性非常高,效率低下。
图1是根据本公开第一实施例的示意图;如图1所示,本实施例提供一种数据库的信息处理方法,可以应用在数据治理场景中,具体可以包括如下步骤:
S101、获取数据治理平台中的指定信息、指定信息的类型、指定信息对应的第一语义标签和第一值域标签;
例如,本实施例的指定信息可以为数据治理平台中已知数据库中的表标识或者字段标识。当指定信息为表标识时,需要携带上该表所属的已知数据库的标识,以对该表标识进行准确限定。当指定信息为字段标识时,需要携带该字段标识所属的表标识、以及该表所属的已知数据库的标识,以对该字段进行准确限定。例如表标识可以指的是表的名称,字段标识可以指的是字段名称。
对应的指定信息的类型,即为数据治理平台中的已知数据库的表或者字段。
本实施例的数据治理平台可以为预先建立的平台,其包括已知数据库,并且预先定义了已知数据库中的表以及表中的字段。例如,按照领域的使用习惯,可以基于表的功能信息或者限定的内容信息的拼音首字母或者英文首字母,构建表标识。同理,也可以基于表中的字段所标识的内容信息或者功能信息的拼音首字母或者英文首字母,构建字段的标识。但是,本实施例的数据治理平台可以认为是预先定义好数据库架构,但是其中并不存储任何具体数据内容的平台,可以基于该数据治理平台,实现对其他待治理数据库中的数据进行治理。
本实施例的第一语义标签用于标识指定信息的语义特征。如指定信息为表标识或者字段标识时,该表标识可以为字符串,该字符串可以包括该表或者字段对应的内容信息的拼音首字母或者英文首字母,而该第一语义标签可以为该表或者字段对应的内容信息的拼音或者英文,能够完整标识指定信息的语义。
同理,第一值域标签用于标识指定信息对应的值域的类型特征。若指定信息为表标识时,对应的第一值域标签可以采用表中所限定的信息内容的值的类型来标识。若指定信息为字段时,对应的第一值域标签可以为该字段对应的具体的值的类型。例如,对于姓名字段,对应的值域标签为字符串;对于年龄字段,对应的值域标签为数字整型;对于日期字段,对应的值域标签为日期整型;对于血型字段,对应的值域标签可以设定为血型,对应包括的值域有A型、B型、O型或者AB型。对于其他字段对应的值域可以根据该字段对应的值的类型来设置,在此不做限定。其中表的值域标签可以选取表中的所有列的字段对应的值域标签最多的值域标签。例如某个表中包括有10个列,其中10个列对应的值域标签最多的是在数字整型标签,则对应的该表的值域标签可以为数字整型。实际应用中,还可以基于表中各列的字段对应的指的类型,设定表的值域标签为其中一个、两个或者多个。而对于字段的值域标签,直接根据该字段对应的值的类型,确定该值域标签。
本实施例中,可以在构建数据治理平台时,预先定义好已知数据库中的表标识和字段标识后,可以同时定义各表标识以及各字段标识的第一语义标签和第一值域标签,使用时,基于预先定好的信息,直接获取即可。
S102、基于指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各待筛查信息的第二语义标签和第二值域标签;
S103、基于指定信息的第一语义标签和第一值域标签、以及各待筛查信息的第二语义标签和第二值域标签,进行信息推荐。
本实施例的数据库的信息处理方法,可以应用于医疗领域中。医疗领域中,不同医疗机构的数据库中包括的表以及表中包括的字段不相同,且表名以及字段名称可能也不相同。但是,不同医疗机构对患者的检查和治疗流程相似,不同医疗机构的医疗数据的表和字段名称存在很大程度的关联,而这种关联通常可以隐含在其表名称或者字段名称中。本实施例中,在做数据治理时,便是欲挖掘这种关联关系,得到与指定信息具有关联关系的推荐信息。
在挖掘时,待治理数据库中包括的信息内容较多,挨个排查每张表或者每个字段是否与指定信息对应,效率过于低下。本实施例中,考虑到待筛查信息至少与指定信息属于同一类型的信息。即若指定信息为表,待筛查信息只能为表,若指定信息为字段,待筛查信息只能为字段。
进一步地,本实施例中在信息推荐时,还需要考虑值域标签。例如,由于数据库中的表名和字段名的定义较为主观,若数据治理平台中某个字段与待治理数据库中的某个字段的名称相同,但是其对应的数值的类型即值域标签完全不同,如一个为字符串型,另一个为数字整形。虽然这两个字段名称相同,存储的内容完全不相同,数据治理时,两者之间不能建立映射关系。那么,基于数据治理平台的该字段,待治理数据库中的该同名字段不应该被推荐。
所以,本实施例中,可以基于指定信息的类型,先获取待治理数据库中对应类型的各待筛查信息对应的第二语义标签和第二值域标签。最后参考指定信息的第一语义标签和第一值域标签、以及每个待筛查信息的第二语义标签和第二值域标签,不仅可以从语义维度进行分析,还可以从值域维度进行分析,进而可以实现非常准确地信息推荐。
本实施例的数据库的信息处理方法的执行主体可以为数据库的信息处理装置,该数据库的信息处理装置可以为电子实体,或者采用软件集成的应用。使用时,可以获取到数据治理平台中的信息,也可以获取到待治理数据库中的所有信息,进而可以基于数据治理平台中的任一指定信息,
本实施例的数据库的信息处理方法,能够基于指定信息的第一语义标签和第一值域标签、以及待治理数据库中与指定信息类型相同的各待筛查信息的第二语义标签和第二值域标签,进行信息推荐。该实现方式中,能够基于语义维度的信息和值域维度的信息,实现基于数据治理平台中的已知数据库中的任一指定信息,准确地从待治理数据库中获取相应的信息,以进行信息推荐,能够有效地提高信息推荐的准确性和推荐效率。而且全程不需要人工参与,输入指定信息和对应的类型,便可以自动地在待治理数据库中实现信息推荐,进而为后续的数据治理提供了有效地支持,所以,也能够有效地节省人力成本和时间成本,提高数据治理的准确性和数据治理的效率。
图2是根据本公开第二实施例的示意图;如图2所示,本实施例的数据库的信息处理方法,在上述图1所示实施例的技术方案的基础上,进一步更加详细地介绍本公开的技术方案。如图2所示,本实施例的数据库的信息处理方法,具体可以包括如下步骤:
S201、获取数据治理平台中的指定信息以及指定信息的类型;
S202、基于指定信息,获取指定信息对应的第一语义标签和第一值域标签;
步骤S201-S202的实施,可以参考上述图1所示实施例的步骤S101的具体实施方式,在此不再赘述。
S203、根据指定信息的类型,获取待治理数据库中该类型对应的多个待筛查信息;
S204、获取各待筛查信息的第二语义标签和第二值域标签;
该步骤S203-S204为上述图1所示实施例的步骤S103的一种实现方式。具体地,先根据指定信息的类型,从待治理数据库中获取该类型对应的多个待筛查信息。然后获取各待筛查信息的第二语义标签和第二值域标签,能够确获取的各待筛查信息的第二语义标签和第二值域标签的准确性。其中第二语义标签用于标识对应的待筛查信息的语义特征,第二值域标签用于标识对应的待筛查信息对应的值域的类型特征。
例如,本实施例中,可以通过实时挖掘的方式,获取各待筛查信息的第二语义标签和第二值域标签。或者也可以通过预先计算并存储各待筛查信息的第二语义标签和第二值域标签的方式,使用时,直接获取即可。
S205、基于指定信息的第一语义标签和各待筛查信息的第二语义标签,获取指定信息与各待筛查信息的语义相关度;
例如,本实施例中,可以获取指定信息的第一语义标签对应的第一字符串,以及各第二语义标签对应的第二字符串,计算第一字符串和各第二字符串的字符串相似度,作为指定信息与各待筛查信息的语义相关度。
其中,字符串相似度可以采用(1-距离/长度)来表示。例如,第一字符串为ABCC,第二字符串为ADCC,将第一字符串中的B改成D,对应距离+1,其他地方都相同,所以距离就是1。长度可以取两个字符串的平均长度,例如为4。由于相似度和距离成反比,所以标识为1-距离/长度。
或者再例如,本实施例中,也可以通过预先训练的语义向量模型,获取指定信息的第一语义标签的向量,并获取各待筛查信息的第二语义标签的向量;然后基于向量相似度计算,计算指定信息的第一语义标签的向量与该待筛查信息的第二语义标签的向量相似度,作为指定信息与各待筛查信息的语义相关度。
S206、基于指定信息的第一值域标签和各待筛查信息的第二值域标签,获取指定信息与各待筛查信息的值域相关度;
本实施例的值域相关度,可以通过值域重合度来标识。值域重合度越高,对应的值域相关度越高,反之,值域重合度越低,对应的值域相关度越低。
S207、基于指定信息与各待筛查信息的语义相关度以及值域相关度,从多个待筛查信息中获取推荐信息;
本实施例的步骤S205-S207为上述图1所示实施例的步骤S204的一种实现方式。
具体地,在该实现方式中,从语义维度上,获取指定信息与各待筛查信息的语义相关度;同时也从值域维度上,获取指定信息与各待筛查信息的值域相关度。最后,基于指定信息与各待筛查信息的语义相关度以及值域相关度,从多个待筛查信息中获取推荐信息。例如,可以根据实际经验,配置语义相关度的权重和值域相关度的权重,然后将各待筛查信息对应的语义相关度和值域相关度,分别与对应的权重相乘之后相加,得到一个综合分数。最后基于各待筛查信息的综合分数,从多个待筛查信息中获取推荐信息。如可以直接取综合分数最高的待筛查信息,作为推荐信息。采用该方式,挖掘到的该推荐信息在语义维度和值域维度上,与指定信息最为接近,可以认为待治理数据库中该推荐信息与指定信息存在隐含的映射关系。
S208、建立指定信息和推荐信息的映射关系;
S209、基于映射关系和数据治理平台,对推荐信息进行数据治理。
本实施例中,在挖掘到推荐信息之后,建立指定信息和推荐信息的映射关系。例如,建立的映射关系,具体可以为诶数据治理平台中的某个表与待治理数据库中的某个表之间的映射关系,或者数据治理平台中的某个表中的某个字段与待治理数据库中的某个表中的某个字段之间的映射关系。
最后,根据建立的映射关系,对推荐信息进行治理,例如,可以将该推荐信息存储至数据治理平台中,该映射关系对应的指定信息中。按照本实施例的方式,可以获取到数据治理平台中的每个表以及每个字段的推荐信息,并建立相应的映射关系。进一步可以基于映射关系,实现将待治理数据库中的相应的推荐信息存储至数据治理平台中合适的位置,实现待治理数据库中的数据的治理。最终可以实现将待治理数据库中的所有数据按照数据治理平台的规范进行合理的存储,能够方便所有医疗机构的医疗数据的统一管理,提高医疗数据管理的效率。
本实施例中该步骤S204,具体可以包括如下任一方式实现:
第一种方式中,可以实时挖掘各待筛查信息的第二语义标签和第二值域标签。例如具体可以包括如下步骤:
(a1)对于各待筛查信息,基于预先创建的字典,对待筛查信息进行分词处理,得到至少一个分词;
对于待治理数据库中的各待筛查信息,可以按照双向最大匹配原则,对待筛查信息进行分词处理,得到至少一个分词。
例如,在医疗领域中,本实施例的字典可以基于各个医疗结构的所有数据库中的表的名称以及字段的名称构建,并根据各名称对应的语义特征对名称进行分词处理,得到至少一个分词。即在字典中可以记录有所有数据库中的表的名称以及字段的名称对应的分词。同时,还根据各分词对应的语义特征,在字典中记录有个分词的语义特征,该语义特征可以理解为分词的还原词。例如,对于待筛查信息HZXX,可以分词为HZ和XX,在字典中可以记录有对应的语义特征“患者”,和XX对应的语义特征“信息”。
待筛查信息可以为一串字符串,按照双向最大匹配原则,可以按照最大字符串切分原则,对待筛查信息进行分词处理,得到至少一个分词。
(b1)基于字典,对各分词进行还原,得到各分词对应的还原词;
本实施例中,具体基于字典中各分词对应的语义特征,得到各分词对应的还原词。如上述记载,分词HZ对应的还原词可以为患者。
可选地,在该步骤(b1)之后,还可以包括:基于预先创建的词库以及各分词对应的还原词,检测并确定分词处理合理。
例如,在该预先创建的词库中可以记录有该领域中的各词语的出现频率等。然后结合各分词的还原词,检测分词处理的合理性时,若某个分词出现频率非常低,则证明分词处理不合理,此时可以返回重新进行分词。例如,可以将按照双向最大匹配原则保留的最长字符串再进行分词。采用该方案,能够有效地保证各待筛查信息的分词的合理性以及准确性。
可选地,在本公开的一个实施例中,可以采用n-gram语言模型检测分词处理是否合理。若分词处理得到的分词为1个分词,对应采用1-gram语言模型来检测。若分词处理得到的分词为2个以上,对应采用2-gram语言模型来检测。
采n-gram语言模型,参考词库,基于双语替换评估(BiLingual EvaluationUnderstudy;BLEU)来评估分词合理性分数,若分数大于或者等于预设阈值,则认为分词合理,继续执行后续的步骤(c1)。若分数小于预设阈值,则认为分词不合理。此时返回步骤(a1)继续分词。
(c1)基于预先创建的同义词词库、各还原词以及数据治理平台,获取待筛查信息的第二语义标签和第二值域标签。
例如,具体实现时,可以先基于预先创建的同义词词库、各还原词以及数据治理平台,获取待筛查信息的第二语义标签。在同义词词库中可以记录有对应领域的所有同义词。例如患者的同义词可以为病人、病患等。数据治理平台中可以预先定义有各表名或者字段名的语义特征。此时可以基于同义词词库和各还原词,获取多个候选语义标签;具体地,可以基于各还原词及对应的同义词,进行排列组合,得到多个候选语义标签。例如,待筛查信息AB对应的分词有A和B,在同义词词库中A具有同义词A1和A2,分词B有同义词B1和B2,则基于该待筛查信息,可以得到的多个候选语义标签可以包括有AB、A1B、A2B、AB1、AB2。然后基于数据治理平台以及多个候选语义特征,获取待筛查信息的第二语义标签。具体地,可以检测数据治理平台中预定义的该类型的所有语义标签与多个候选语义标签是否存在相同的语义标签;若存在,将相同的语义标签,作为待筛查信息的第二语义标签。或者也可以直接检测数据治理平台中所有的语义标签是否包括有任一候选语义标签。若包括,将该候选语义标签作为该待筛查信息的第二语义标签。采用该方式,能够准确地获取到各待筛查信息的第二语义标签。
然后基于待筛查信息的第二语义标签,获取待筛查信息的第二值域标签。具体地,可以分析待治理数据库中该待筛查信息的值的类型特征,得到该待筛查信息的第二值域标签。采用该方式,能够准确地获取到各待筛查信息的第二语义标签和第二值域标签。
第二种方式中,在上述第一种方式的基础上,提供一种扩展的技术方案。
例如,在上述方式中,基于预先创建的同义词词库、各还原词以及数据治理平台,可能获取不到待筛查信息的第二语义标签和第二值域标签。例如,数据治理平台中预定义的该类型的所有语义标签与多个候选语义标签不存在相同的语义标签时,此时,获取不到待筛查信息的第二语义标签和第二值域标签。该方式具体可以包括如下步骤:
(a2)对于各待筛查信息,计算待筛查信息对应的各还原词构成的词组的词向量;
(b2)获取数据治理平台中该类型对应的语义标签的词向量;
(c2)基于各还原词构成的词组的词向量和数据治理平台中各类型对应的语义标签的词向量,获取待筛查信息的第二语义标签;
(d2)基于指待筛查信息的第二语义标签,获取待筛查信息的第二值域标签。
本实施例中,FastText模型是一种快速的词向量生成模型,可以用来生成医学术语单词的词向量。即本实施例中采用该FastText模型来生成相应的词向量。例如,待筛查信息为HZXX时,对应的还原词构成的词语为患者信息,此时可以采用FastText模型生成患者信息的词向量。
另外,也可以从数据治理平台中获取该类型的所有语义标签,然后基于FastText模型生成各语义标签的词向量。
本实施例中,词向量之间的距离可以反映出两个词的语义的接近程度。通过计算待筛查信息对应的词向量和数据治理平台中获取的各语义标签的词向量的相似度,可以从数据治理平台中获取、与待筛查信息的向量最接近的语义标签,作为待筛查信息的第二语义标签。最后,可以预先设置的策略,分析待筛查信息的值的类型,作为待筛查信息的第二值域标签。采用该方式,能够准确地获取到各待筛查信息的第二语义标签和第二值域标签。
第三种方式、相对于上述第一种方式和第二种方式,采用预先挖掘,预先存储的机制来实现。例如,具体可以包括:从预先建立的标签信息表中获取各待筛查信息的第二语义标签和第二值域标签。
对应地,从预先建立的标签信息表中获取各待筛查信息的第二语义标签和第二值域标签之前,还包括:
(a3)挖掘待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签;
(b3)基于待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签,构建标签信息表。
具体地,该步骤(a3)的具体实现方式,可以参考上述第一种方式和第二种方式中的实时挖掘语义标签和值域标签,可以挖掘到待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签,并存储在标签信息库中。使用时,直接从标签信息表中获取各待筛查信息的第二语义标签和第二值域标签即可,使用非常方便。而且该方式,采用预存储的机制,可以缩短信息获取时延,提高响应速度,提高信息推荐效率。
本实施例的数据库的信息处理方法,通过采用上述方式,能够参考语义的标签和值域的标签,准确地从待治理数据库中获取到数据治理平台中的指定信息对应的推荐信息;进一步地还可以建立指定信息与推荐信息的映射关系,并基于该映射关系和数据治理平台,对推荐信息进行治理,该治理过程中,全程不需要人工手动参与,能够有效地提高数据治理的准确性和数据治理效率。
图3是根据本公开第三实施例的示意图;如图3所示,本实施例的数据库的信息处理方法,在上述实施例的技术方案的基础上,进一步更加详细地介绍本公开的技术方案。如图3所示,本实施例的数据库的信息处理方法,具体可以包括如下步骤:
S301、获取数据治理平台中的已知数据库中的第一表标识;
本实施例中以指定信息为已知数据库中的第一表标识,如具体形式可以为已知数据库名称+第一表名称。对应的指定信息的类型为表。本实施例的名称并非语义名称,可以为字符串形式,如可以对应语义的拼字首字母或者英文首字母。
S302、基于已知数据库中的第一表标识,获取对应的第一语义标签和第一值域标签;
S303、获取待治理数据库中多个第二表标识;
S304、获取待治理数据库中各第二表标识对应的第二语义标签和第二值域标签;
S305、基于已知数据库中的第一表标识的第一语义标签和待治理数据库中各第二表标识的第二语义标签,获取第一表标识与各第二表标识的语义相关度;
S306、获取第一表中各列的第一值域标签以及各第二表中各列的第二值域标签;
S307、基于第一表对应的第一值域标签、第一表中各列的第一值域标签、第二表对应的第二值域标签以及各第二表中各列的第二值域标签,获取第一表与各第二表的值域相关度;
例如,第一表与各第二表的值域相关度S2可以表示为:
S2=overlaptap*overlapcol
其中,overlaptap表示第一表的第一值域标签和第二表的第二值域标签的值域标签重合度,overlapcol表示第一表中各列的第一值域标签和第二表中各列的第二值域标签的列值域标签重合度。
假设表A的标签数量lba,表B的标签数量lbb,两表相互重合的标签数量lboverlap,则表A和表B的值域标签重合度overlaptap采用如下公式表示:
假设表A拥有某个列标签的数量为colAi,表B拥有该列标签的数量为colBi,则表A与表B的列值域标签重合度overlapcol,可以采用如下公式计算:
S308、基于已知数据库中第一表与待治理数据库中各第二表的语义相关度以及值域相关度,从待治理数据库中的多个第二表标识中获取推荐表标识;
具体地,可以参考上述实施例的相关实现方式,为语义相关度和值域相关度分别配置权重。然后第一表和各第二表的语义相关度和值域相关度,分别乘以相应的权重并求和,得到综合分数。最后从多个第二表标识中取综合分数最高的第二表标识,作为推荐表标识。
S309、建立数据治理平台的已知数据库中的第一表标识和待治理数据库中的推荐表标识的映射关系;
S310、基于映射关系和数据治理平台,对推荐表进行数据治理。
可以理解为,将第二表的信息,按照映射关系,存储在数据治理平台中第一表中,实现对推荐表的数据治理。
本实施例的具体实现方式,可以参考上述图2所示实施例的相关记载,在此不再赘述。
本实施例的数据库的信息处理方法,通过采用上述方式,在指定信息为已知数据库的第一表,待筛查信息为待治理数据库中的第二表时,能够参考第一表和第二表的语义的标签和值域的标签,准确地从待治理数据库中获取到数据治理平台中的第一表对应的第二表;进一步地还可以建立第一表与推荐表的映射关系,并基于该映射关系和数据治理平台,对推荐表进行治理,该治理过程中,全程不需要人工手动参与,能够有效地提高数据治理的准确性和数据治理效率。
图4是根据本公开第四实施例的示意图;如图4所示,本实施例的数据库的信息处理方法,在上述实施例的技术方案的基础上,进一步更加详细地介绍本公开的技术方案。如图4所示,本实施例的数据库的信息处理方法,具体可以包括如下步骤:
S401、获取数据治理平台中的已知数据库中的第一表中的第一字段标识;
本实施例中以指定信息为已知数据库中的第一表中的第一字段标识,如具体形式可以为已知数据库名称+第一表名称+第一字段名称。对应的指定信息的类型为表。
S402、基于已知数据库中的第一表中的第一字段标识,获取对应的第一语义标签和第一值域标签;
S403、获取待治理数据库中多个第二字段标识;
S404、获取待治理数据库中各第二字段标识的第二语义标签和第二值域标签;
S405、基于已知数据库中的第一表中的第一字段标识的第一语义标签和待治理数据库中各第二字段标识的第二语义标签,获取第一字段与各第二字段的语义相关度;
S406、基于已知数据库中的第一表中的第一字段的第一值域标签和待治理数据库中各第二字段的第二值域标签,获取第一字段和各第二字段的值域相关度;
由于每个字段对应的列仅有一个值域标签,若重合,则对应的值域相关度为1,否则,若不重合,对应的值域相关度为0。
S407、基于第一字段标识所属的第一表标识,获取待治理数据库中被推荐的主表标识;
该步骤的具体实现方式,可以参考上述图3所示实施例的步骤S301-S308,即采用上述实施方式得到的推荐表即为该步骤得到的主表。
S408、获取各第二字段标识所属的第二表标识;
S409、基于主表标识和和各第二字段标识所属的第二表标识,为各第二字段标识所配置下钻权重;
例如,若主表标识正好是第二表标识时,为对应的第二字段标识配置较高的下钻权重;而而主表标识不是第二表标识时,为对应的第二字段配置较低的下钻权重。该处理方式,可以使得主表对应的第二字段标识具有较高的下钻权重,在后续筛选时,可以被重点考虑。
S410、基于已知数据库中的第一表中的第一字段标识与待治理数据库中的各第二字段标识的语义相关度以及值域相关度、以及各第二字段的下钻权重,从多个第二字段标识中获取推荐字段标识;
具体地,可以参考上述实施例的相关实现方式,为语义相关度和值域相关度分别配置权重。然后第一字段标识和各第二字段标识的语义相关度和值域相关度,分别乘以相应的权重并求和,得到综合分数。最后再采用各第二字段的下钻权重分别乘以对应的综合分数,得到总数分。并从多个第二字段标识中取总分数最高的第二字段标识,作为推荐字段标识。
S411建立数据治理平台的已知数据库中的第一表中的第一字段标识和待治理数据库中的推荐字段标识的映射关系;
S412、基于映射关系和数据治理平台,对推荐字段进行数据治理。
可以理解为,将第二字段的信息,按照映射关系,存储在数据治理平台中第一表中的第一字段下,实现对推荐字段的数据治理。
本实施例的具体实现方式,可以参考上述图2所示实施例的相关记载,在此不再赘述。
本实施例的数据库的信息处理方法,通过采用上述方式,在指定信息为已知数据库的第一表中的第一字段标识,待筛查信息为待治理数据库中的第二字段时,能够参考第一字段和第二字段的语义的标签和值域的标签,准确地从待治理数据库中获取到数据治理平台中的第一表中的第一字段对应的第二字段;进一步地还可以建立已知数据库中的第一表中的第一字段与待治理数据库中的推荐字段的映射关系,并基于该映射关系和数据治理平台,对推荐字段进行治理,该治理过程中,全程不需要人工手动参与,能够有效地提高数据治理的准确性和数据治理效率。
图5是根据本公开第五实施例的示意图;如图5所示,本实施例提供一种数据库的信息处理装置500,包括:
第一获取模块501,用于获取数据治理平台中的指定信息、指定信息的类型、所述指定信息对应的第一语义标签和第一值域标签;
第二获取模块502,用于基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签;
推荐模块503,用于基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐。
本实施例的数据库的信息处理装置500,通过采用上述模块实现数据库的信息处理的实现原理以及技术效果,与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图6是根据本公开第六实施例的示意图;如图6所示,本实施例提供一种数据库的信息处理装置600,包括:上述图5所示的同名同功能模块:第一获取模块601、第二获取模块602以及推荐模块603。
本实施例中,第二获取模块602,用于:
根据所述指定信息的类型,获取所述待治理数据库中所述类型对应的所述多个待筛查信息;
获取各所述待筛查信息的第二语义标签和第二值域标签。
可选地,在本公开的一个实施例中,第二获取模块602,用于:
对于各所述待筛查信息,基于预先创建的字典,对所述待筛查信息进行分词处理,得到至少一个分词;
基于所述字典,对各所述分词进行还原,得到各所述分词对应的还原词;
基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签和第二值域标签。
可选地,在本公开的一个实施例中,第二获取模块602,用于:
基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签;
基于所述待筛查信息的第二语义标签,获取所述待筛查信息的第二值域标签。
可选地,在本公开的一个实施例中,第二获取模块602,用于:
基于所述同义词词库和各所述还原词,获取多个候选语义标签;
基于所述数据治理平台以及所述多个候选语义特征,获取所述待筛查信息的第二语义标签。
可选地,在本公开的一个实施例中,第二获取模块602,用于:
检测所述数据治理平台中预定义的所述类型的所有语义标签与所述多个候选语义标签是否存在相同的语义标签;
若存在,将所述相同的语义标签,作为所述待筛查信息的第二语义标签。
可选地,在本公开的一个实施例中,第二获取模块602,用于:
若基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,未获取到所述待筛查信息的第二语义标签和第二值域标签,计算所述待筛查信息对应的各所述还原词构成的词组的词向量;
获取所述数据治理平台中所述类型对应的语义标签的词向量;
基于各所述还原词构成的词组的词向量和所述数据治理平台中各所述类型对应的语义标签的词向量,获取所述待筛查信息的第二语义标签;
基于所述指待筛查信息的第二语义标签,获取所述待筛查信息的第二值域标签。
可选地,在本公开的一个实施例中,第二标签获取模块603,还用于:
基于预先创建的词库以及各所述分词对应的还原词,检测并确定分词处理合理。
可选地,在本公开的一个实施例中,第二标签获取模块603,还用于:
从预先建立的标签信息表中获取各所述待筛查信息的第二语义标签和第二值域标签。
可选地,如图6所示,在本公开的一个实施例中,数据库的信息处理装置600,还包括:
挖掘模块604,用于挖掘所述待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签;
构建模块605,用于基于所述待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签,构建所述标签信息表。
可选地,在本公开的一个实施例中,推荐模块603,用于:
基于所述指定信息的第一语义标签和各所述待筛查信息的第二语义标签,获取所述指定信息与各所述待筛查信息的语义相关度;
基于所述指定信息的第一值域标签和各所述待筛查信息的第二值域标签,获取所述指定信息与各所述待筛查信息的值域相关度;
基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度,从所述多个待筛查信息中获取推荐信息。
可选地,在本公开的一个实施例中,推荐模块603,用于:
若所述指定信息为所述已知数据库中的第一表标识,所述待筛查信息为所述待治理数据库中第二表标识时,获取所述指定信息对应的第一表中各列的第一值域标签以及各所述待筛查信息对应的第二表中各列的第二值域标签;
基于所述指定信息对应的第一表的第一值域标签、所述指定信息对应的第一表中各列的第一值域标签、各所述待筛查信息对应的第二表的第二值域标签以及各所述待筛查信息对应的第二表中各列的第二值域标签,获取所述第一表与各所述第二表的值域相关度。
可选地,在本公开的一个实施例中,推荐模块603,还用于:
若所述指定信息为所述已知数据库中的第一表中的第一字段标识,所述待筛查信息为所述待治理数据库中的第二表中的第二字段标识时,基于所述指定信息对应的所述第一字段标识所属的第一表标识,获取所述待治理数据库中被推荐的主表标识;
获取各所述待筛查信息对应的所述第二字段标识所属的第二表标识;
基于所述主表标识和和各所述待筛查信息对应的所述第二字段标识所属的第二表标识,为各所述待筛查信息对应的所述第二字段标识配置下钻权重。
可选地,在本公开的一个实施例中,推荐模块603,用于:
基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度、以及各所述待筛查信息的所述下钻权重,从所述多个待筛查信息中获取所述推荐信息。
可选地,如图6所示,在本公开的一个实施例中,数据库的信息处理装置600,还包括:
建立模块606,用于建立所述指定信息和所述推荐信息的映射关系;
治理模块607,用于基于所述映射关系和所述数据治理平台,对所述推荐信息进行数据治理。
本实施例的数据库的信息处理装置600,通过采用上述模块实现数据库的信息处理的实现原理以及技术效果,与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元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。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如本公开的上述方法。例如,在一些实施例中,本公开的上述方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开的上述方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (31)
1.一种数据库的信息处理方法,包括:
获取数据治理平台中的指定信息、所述指定信息的类型、所述指定信息对应的第一语义标签和第一值域标签;所述第一值域标签用于标识指定信息对应的值域的类型特征;
基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签;
基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐;
基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐,包括:
基于所述指定信息的第一语义标签和各所述待筛查信息的第二语义标签,获取所述指定信息与各所述待筛查信息的语义相关度;
基于所述指定信息的第一值域标签和各所述待筛查信息的第二值域标签,获取所述指定信息与各所述待筛查信息的值域相关度;所述值域相关度通过值域重合度标识;
基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度,从所述多个待筛查信息中获取推荐信息。
2.根据权利要求1所述的方法,其中,基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签,包括:
根据所述指定信息的类型,获取所述待治理数据库中所述类型对应的所述多个待筛查信息;
获取各所述待筛查信息的第二语义标签和第二值域标签。
3.根据权利要求2所述的方法,其中,获取各所述待筛查信息的第二语义标签和第二值域标签,包括:
对于各所述待筛查信息,基于预先创建的字典,对所述待筛查信息进行分词处理,得到至少一个分词;
基于所述字典,对各所述分词进行还原,得到各所述分词对应的还原词;
基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签和第二值域标签。
4.根据权利要求3所述的方法,其中,基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签和第二值域标签,包括:
基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签;
基于所述待筛查信息的第二语义标签,获取所述待筛查信息的第二值域标签。
5.根据权利要求4所述的方法,其中,基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签,包括:
基于所述同义词词库和各所述还原词,获取多个候选语义标签;
基于所述数据治理平台以及所述多个候选语义特征,获取所述待筛查信息的第二语义标签。
6.根据权利要求5所述的方法,其中,基于所述数据治理平台以及所述多个候选语义特征,获取所述待筛查信息的第二语义标签,包括:
检测所述数据治理平台中预定义的所述类型的所有语义标签与所述多个候选语义标签是否存在相同的语义标签;
若存在,将所述相同的语义标签,作为所述待筛查信息的第二语义标签。
7.根据权利要求3所述的方法,其中,获取各所述待筛查信息的第二语义标签和第二值域标签,包括:
若基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,未获取到所述待筛查信息的第二语义标签和第二值域标签,计算所述待筛查信息对应的各所述还原词构成的词组的词向量;
获取所述数据治理平台中所述类型对应的语义标签的词向量;
基于各所述还原词构成的词组的词向量和所述数据治理平台中各所述类型对应的语义标签的词向量,获取所述待筛查信息的第二语义标签;
基于所述待筛查信息的第二语义标签,获取所述待筛查信息的第二值域标签。
8.根据权利要求3所述的方法,其中,基于所述字典,对各所述分词进行还原,得到各所述分词对应的还原词之后,基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签和第二值域标签之前,所述方法还包括:
基于预先创建的词库以及各所述分词对应的还原词,检测并确定分词处理合理。
9.根据权利要求2所述的方法,其中,获取各所述待筛查信息的第二语义标签和第二值域标签,包括:
从预先建立的标签信息表中获取各所述待筛查信息的第二语义标签和第二值域标签。
10.根据权利要求9所述的方法,其中,从预先建立的标签信息表中获取各所述待筛查信息的第二语义标签和第二值域标签之前,还包括:
挖掘所述待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签;
基于所述待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签,构建所述标签信息表。
11.根据权利要求1所述的方法,其中,基于所述指定信息的值域标签和各所述待筛查信息的值域标签,获取所述指定信息与各所述待筛查信息的值域相关度,包括:
若所述指定信息为已知数据库中的第一表标识,所述待筛查信息为所述待治理数据库中第二表标识时,获取所述指定信息对应的第一表中各列的第一值域标签以及各所述待筛查信息对应的第二表中各列的第二值域标签;
基于所述指定信息对应的第一表的第一值域标签、所述指定信息对应的第一表中各列的第一值域标签、各所述待筛查信息对应的第二表的第二值域标签以及各所述待筛查信息对应的第二表中各列的第二值域标签,获取所述第一表与各所述第二表的值域相关度。
12.根据权利要求1所述的方法,其中,若所述指定信息为已知数据库中的第一表中的第一字段标识,所述待筛查信息为所述待治理数据库中的第二表中的第二字段标识时,基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度,从所述多个待筛查信息中获取推荐信息之前,所述方法还包括:
基于所述指定信息对应的所述第一字段标识所属的第一表标识,获取所述待治理数据库中被推荐的主表标识;
获取各所述待筛查信息对应的所述第二字段标识所属的第二表标识;
基于所述主表标识和和各所述待筛查信息对应的所述第二字段标识所属的第二表标识,为各所述待筛查信息对应的所述第二字段标识配置下钻权重。
13.根据权利要求12所述的方法,其中,基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度,从所述多个待筛查信息中获取推荐信息,包括:
基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度、以及各所述待筛查信息的所述下钻权重,从所述多个待筛查信息中获取所述推荐信息。
14.根据权利要求1-13任一所述的方法,其中,基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度,从所述多个待筛查信息中获取推荐信息之后,所述方法还包括:
建立所述指定信息和所述推荐信息的映射关系;
基于所述映射关系和所述数据治理平台,对所述推荐信息进行数据治理。
15.一种数据库的信息处理装置,包括:
第一获取模块,用于获取数据治理平台中的指定信息、指定信息的类型、所述指定信息对应的第一语义标签和第一值域标签;所述第一值域标签用于标识指定信息对应的值域的类型特征;
第二获取模块,用于基于所述指定信息的类型,获取待治理数据库中对应的多个待筛查信息中各所述待筛查信息的第二语义标签和第二值域标签;
推荐模块,用于基于所述指定信息的第一语义标签和第一值域标签、以及各所述待筛查信息的第二语义标签和第二值域标签,进行信息推荐;
所述推荐模块,用于:
基于所述指定信息的第一语义标签和各所述待筛查信息的第二语义标签,获取所述指定信息与各所述待筛查信息的语义相关度;
基于所述指定信息的第一值域标签和各所述待筛查信息的第二值域标签,获取所述指定信息与各所述待筛查信息的值域相关度;所述值域相关度通过值域重合度标识;
基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度,从所述多个待筛查信息中获取推荐信息。
16.根据权利要求15所述的装置,其中,所述第二获取模块,用于:
根据所述指定信息的类型,获取所述待治理数据库中所述类型对应的所述多个待筛查信息;
获取各所述待筛查信息的第二语义标签和第二值域标签。
17.根据权利要求16所述的装置,其中,所述第二获取模块,用于:
对于各所述待筛查信息,基于预先创建的字典,对所述待筛查信息进行分词处理,得到至少一个分词;
基于所述字典,对各所述分词进行还原,得到各所述分词对应的还原词;
基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签和第二值域标签。
18.根据权利要求17所述的装置,其中,所述第二获取模块,用于:
基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,获取所述待筛查信息的第二语义标签;
基于所述待筛查信息的第二语义标签,获取所述待筛查信息的第二值域标签。
19.根据权利要求18所述的装置,其中,所述第二获取模块,用于:
基于所述同义词词库和各所述还原词,获取多个候选语义标签;
基于所述数据治理平台以及所述多个候选语义特征,获取所述待筛查信息的第二语义标签。
20.根据权利要求19所述的装置,其中,所述第二获取模块,用于:
检测所述数据治理平台中预定义的所述类型的所有语义标签与所述多个候选语义标签是否存在相同的语义标签;
若存在,将所述相同的语义标签,作为所述待筛查信息的第二语义标签。
21.根据权利要求17所述的装置,其中,所述第二获取模块,用于:
若基于预先创建的同义词词库、各所述还原词以及所述数据治理平台,未获取到所述待筛查信息的第二语义标签和第二值域标签,计算所述待筛查信息对应的各所述还原词构成的词组的词向量;
获取所述数据治理平台中所述类型对应的语义标签的词向量;
基于各所述还原词构成的词组的词向量和所述数据治理平台中各所述类型对应的语义标签的词向量,获取所述待筛查信息的第二语义标签;
基于所述待筛查信息的第二语义标签,获取所述待筛查信息的第二值域标签。
22.根据权利要求17所述的装置,其中,所述第二获取模块,还用于:
基于预先创建的词库以及各所述分词对应的还原词,检测并确定分词处理合理。
23.根据权利要求16所述的装置,其中,所述第二获取模块,还用于:
从预先建立的标签信息表中获取各所述待筛查信息的第二语义标签和第二值域标签。
24.根据权利要求23所述的装置,其中,还包括:
挖掘模块,用于挖掘所述待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签;
构建模块,用于基于所述待治理数据库中的所有表标识和所有字段标识的语义标签和值域标签,构建所述标签信息表。
25.根据权利要求15所述的装置,其中,所述推荐模块,用于:
若所述指定信息为已知数据库中的第一表标识,所述待筛查信息为所述待治理数据库中第二表标识时,获取所述指定信息对应的第一表中各列的第一值域标签以及各所述待筛查信息对应的第二表中各列的第二值域标签;
基于所述指定信息对应的第一表的第一值域标签、所述指定信息对应的第一表中各列的第一值域标签、各所述待筛查信息对应的第二表的第二值域标签以及各所述待筛查信息对应的第二表中各列的第二值域标签,获取所述第一表与各所述第二表的值域相关度。
26.根据权利要求15所述的装置,其中,所述推荐模块,还用于:
若所述指定信息为已知数据库中的第一表中的第一字段标识,所述待筛查信息为所述待治理数据库中的第二表中的第二字段标识时,基于所述指定信息对应的所述第一字段标识所属的第一表标识,获取所述待治理数据库中被推荐的主表标识;
获取各所述待筛查信息对应的所述第二字段标识所属的第二表标识;
基于所述主表标识和和各所述待筛查信息对应的所述第二字段标识所属的第二表标识,为各所述待筛查信息对应的所述第二字段标识配置下钻权重。
27.根据权利要求26所述的装置,其中,所述推荐模块,用于:
基于所述指定信息与各所述待筛查信息的语义相关度以及值域相关度、以及各所述待筛查信息的所述下钻权重,从所述多个待筛查信息中获取所述推荐信息。
28.根据权利要求15-27任一所述的装置,其中,还包括:
建立模块,用于建立所述指定信息和所述推荐信息的映射关系;
治理模块,用于基于所述映射关系和所述数据治理平台,对所述推荐信息进行数据治理。
29.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-14中任一项所述的方法。
30.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-14中任一项所述的方法。
31.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210962405.8A CN115470198B (zh) | 2022-08-11 | 2022-08-11 | 数据库的信息处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210962405.8A CN115470198B (zh) | 2022-08-11 | 2022-08-11 | 数据库的信息处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115470198A CN115470198A (zh) | 2022-12-13 |
CN115470198B true CN115470198B (zh) | 2023-09-22 |
Family
ID=84366804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210962405.8A Active CN115470198B (zh) | 2022-08-11 | 2022-08-11 | 数据库的信息处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115470198B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795524A (zh) * | 2019-10-31 | 2020-02-14 | 北京东软望海科技有限公司 | 主数据映射处理方法、装置、计算机设备及存储介质 |
CN112380348A (zh) * | 2020-11-25 | 2021-02-19 | 中信百信银行股份有限公司 | 元数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112434049A (zh) * | 2021-01-27 | 2021-03-02 | 浙江大华技术股份有限公司 | 表格数据存储方法、装置、存储介质及电子装置 |
CN113268567A (zh) * | 2021-05-31 | 2021-08-17 | 平安国际智慧城市科技股份有限公司 | 多属性文本匹配方法、装置、设备和存储介质 |
CN113868497A (zh) * | 2021-09-28 | 2021-12-31 | 绿盟科技集团股份有限公司 | 一种数据分类方法、装置和存储介质 |
CN114048315A (zh) * | 2021-11-17 | 2022-02-15 | 北京百度网讯科技有限公司 | 确定文档标签的方法、装置、电子设备和存储介质 |
CN114385623A (zh) * | 2021-11-30 | 2022-04-22 | 北京达佳互联信息技术有限公司 | 数据表获取方法、设备、装置、存储介质及程序产品 |
CN114880318A (zh) * | 2022-06-09 | 2022-08-09 | 杭州比智科技有限公司 | 一种基于数据标准实现自动化数据治理的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376309B (zh) * | 2018-12-28 | 2022-05-17 | 北京百度网讯科技有限公司 | 基于语义标签的文档推荐方法和装置 |
-
2022
- 2022-08-11 CN CN202210962405.8A patent/CN115470198B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795524A (zh) * | 2019-10-31 | 2020-02-14 | 北京东软望海科技有限公司 | 主数据映射处理方法、装置、计算机设备及存储介质 |
CN112380348A (zh) * | 2020-11-25 | 2021-02-19 | 中信百信银行股份有限公司 | 元数据处理方法、装置、电子设备及计算机可读存储介质 |
CN112434049A (zh) * | 2021-01-27 | 2021-03-02 | 浙江大华技术股份有限公司 | 表格数据存储方法、装置、存储介质及电子装置 |
CN113268567A (zh) * | 2021-05-31 | 2021-08-17 | 平安国际智慧城市科技股份有限公司 | 多属性文本匹配方法、装置、设备和存储介质 |
CN113868497A (zh) * | 2021-09-28 | 2021-12-31 | 绿盟科技集团股份有限公司 | 一种数据分类方法、装置和存储介质 |
CN114048315A (zh) * | 2021-11-17 | 2022-02-15 | 北京百度网讯科技有限公司 | 确定文档标签的方法、装置、电子设备和存储介质 |
CN114385623A (zh) * | 2021-11-30 | 2022-04-22 | 北京达佳互联信息技术有限公司 | 数据表获取方法、设备、装置、存储介质及程序产品 |
CN114880318A (zh) * | 2022-06-09 | 2022-08-09 | 杭州比智科技有限公司 | 一种基于数据标准实现自动化数据治理的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115470198A (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113590645B (zh) | 搜索方法、装置、电子设备及存储介质 | |
CN112579727B (zh) | 文档内容的提取方法、装置、电子设备及存储介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
US20220005461A1 (en) | Method for recognizing a slot, and electronic device | |
CN112506359A (zh) | 输入法中候选长句的提供方法、装置及电子设备 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
EP3992814A2 (en) | Method and apparatus for generating user interest profile, electronic device and storage medium | |
CN115422924A (zh) | 一种信息匹配方法、装置、电子设备及存储介质 | |
CN113377924A (zh) | 数据处理方法、装置、设备以及存储介质 | |
CN113869042A (zh) | 文本标题生成方法、装置、电子设备以及存储介质 | |
CN115840867A (zh) | 数学解题模型的生成方法、装置、电子设备和存储介质 | |
US20230141932A1 (en) | Method and apparatus for question answering based on table, and electronic device | |
CN115470198B (zh) | 数据库的信息处理方法、装置、电子设备及存储介质 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114841172A (zh) | 文本匹配双塔模型的知识蒸馏方法、装置及程序产品 | |
CN114461085A (zh) | 医疗输入推荐方法、装置、设备及存储介质 | |
CN112528644A (zh) | 实体挂载的方法、装置、设备以及存储介质 | |
CN114091483B (zh) | 翻译处理方法、装置、电子设备及存储介质 | |
CN116628004B (zh) | 信息查询方法、装置、电子设备及存储介质 | |
CN114116838B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN115168599B (zh) | 多三元组抽取方法、装置、设备、介质及产品 | |
CN113377923B (zh) | 语义检索方法、装置、设备、存储介质以及计算机程序产品 | |
CN113723120B (zh) | 参考信息的展示方法、装置和电子设备 | |
CN113822057B (zh) | 地点信息确定方法、装置、电子设备以及存储介质 | |
US20220318503A1 (en) | Method and apparatus for identifying instruction, and screen for voice interaction |
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 |