CN117033548A - 用于缺陷分析的数据检索方法、装置、计算机设备及介质 - Google Patents

Abstract

本发明涉及信息检索技术领域，尤其涉及一种用于缺陷分析的数据检索方法、装置、计算机设备及介质。该方法筛选历史缺陷数据中的基础字段，得到基础字段集合，提取缺陷描述信息的主题字段，得到主题字段集合，将基础字段集合和主题字段集合相交的字段从主题字段集合中删除，得到目标字段集合，将目标字段集合中的所有主题字段聚类为至少一个聚类集合，计算每个聚类集合分别与基础字段集合的参考相似度，计算待检索字段与所有基础字段的相似度的均值，确定与均值最接近的参考相似度对应的聚类集合为检索结果，在基础字段库更新时，能够动态调整检索内容，提高了数据检索的准确率，提高金融服务平台的可维护性以及可靠性。

Description

用于缺陷分析的数据检索方法、装置、计算机设备及介质

技术领域

本发明涉及信息检索技术领域，尤其涉及一种用于缺陷分析的数据检索方法、装置、计算机设备及介质。

背景技术

随着科学技术的发展，金融服务平台中通常可以拓展多个基于软件的服务功能，金融服务平台可以是保险系统、银行系统、交易系统、订单系统等，金融服务平台可以支持购物、社交、互动游戏、资源转移等功能，还可以具有申请贷款、信用卡或者购买保险、理财产品等功能。

但是，在涉及金融软件的软件研发过程中，软件缺陷的产生通常是难以避免的，会导致金融服务平台的服务可靠性降低，目前减少缺陷产生的方式可以分为直接方式和间接方式，直接方式包括软件测试、规范研发流程、增强研发架构设计、提高开发人员技术等方式，间接方式通常是指对历史缺陷数据的分析总结，从而提高研发过程中规避缺陷的能力。

但是，目前对历史缺陷数据的分析总结通常是以测试人员进行人工标注分类，或者是根据文本分类算法进行标注分类，再通过检索数据库基于标注的类别进行检索，然而随着缺陷数据的不断新增，历史标注的类别的准确性可能降低，而且同一标注类别维度下可能包含大量历史缺陷数据，无法准确获取到与待检索数据存在关联的历史缺陷数据，导致数据检索的准确率较低，因此，如何提高数据检索的准确率成为亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种用于缺陷分析的数据检索方法、装置、计算机设备及介质，以解决数据检索的准确率的问题。

第一方面，本发明实施例提供一种用于缺陷分析的数据检索方法，所述数据检索方法包括：

获取历史缺陷数据，采用预设的基础字段库对所述历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合；

获取所述历史缺陷数据的缺陷描述信息，对所述缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合；

将所述基础字段集合和所述主题字段集合进行比对，确定相交的字段，将所述相交的字段从所述主题字段集合中删除，得到目标字段集合；

对所述目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与所述基础字段集合的相似度，得到对应聚类集合的参考相似度；

获取待检索字段，计算所述待检索字段与所有基础字段的相似度的均值，确定与所述均值最接近的参考相似度对应的聚类集合为所述待检索字段的检索结果。

第二方面，本发明实施例提供一种用于缺陷分析的数据检索装置，所述数据检索装置包括：

字段筛选模块，用于获取历史缺陷数据，采用预设的基础字段库对所述历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合；

字段提取模块，用于获取所述历史缺陷数据的缺陷描述信息，对所述缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合；

字段比对模块，用于将所述基础字段集合和所述主题字段集合进行比对，确定相交的字段，将所述相交的字段从所述主题字段集合中删除，得到目标字段集合；

字段聚类模块，用于对所述目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与所述基础字段集合的相似度，得到对应聚类集合的参考相似度；

字段检索模块，用于获取待检索字段，计算所述待检索字段与所有基础字段的相似度的均值，确定与所述均值最接近的参考相似度对应的聚类集合为所述待检索字段的检索结果。

第三方面，本发明实施例提供一种计算机设备，所述计算机设备包括处理器、存储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第一方面所述的数据检索方法。

第四方面，本发明实施例提供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第一方面所述的数据检索方法。

本发明实施例与现有技术相比存在的有益效果是：

获取历史缺陷数据，采用预设的基础字段库对历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合，获取历史缺陷数据的缺陷描述信息，对缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合，将基础字段集合和主题字段集合进行比对，确定相交的字段，将相交的字段从主题字段集合中删除，得到目标字段集合，对目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与基础字段集合的相似度，得到对应聚类集合的参考相似度，获取待检索字段，计算待检索字段与所有基础字段的相似度的均值，确定与均值最接近的参考相似度对应的聚类集合为待检索字段的检索结果。在基础字段库出现更新时，能够实现检索策略的动态调整，通过聚类方式挖掘主题字段之间的潜在关联，结合相似度计算结果为待检索数据提供关联性强的主题字段集合作为检索结果，提高了数据检索的准确率，也便于提高基于检索结果进行待检索数据的缺陷分析准确率和效率，提高金融服务平台中软件的可维护性以及可靠性。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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是本发明实施例一提供的一种用于缺陷分析的数据检索方法的一应用环境示意图；

图2是本发明实施例一提供的一种用于缺陷分析的数据检索方法的流程示意图；

图3是本发明实施例二提供的一种用于缺陷分析的数据检索装置的结构示意图；

图4是本发明实施例三提供的一种计算机设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

应当理解，当在本发明说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本发明说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

另外，在本发明说明书和所附权利要求书的描述中，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。

在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物检索技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

应理解，以下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，而不应对本发明实施例的实施过程构成任何限定。

为了说明本发明的技术方案，下面通过具体实施例来进行说明。

本发明实施例一提供的一种用于缺陷分析的数据检索方法，可应用在如图1的应用环境中，其中，客户端与服务端进行通信。其中，客户端包括但不限于掌上电脑、桌上型计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、云端终端设备、个人数字助理(personal digital assistant，PDA)等计算机设备。服务端可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。

客户端和服务端可以部署于金融服务平台中，金融服务平台通常可以拓展多个基于软件的服务功能，金融服务平台可以是保险系统、银行系统、交易系统、订单系统等，金融服务平台可以支持购物、社交、互动游戏、资源转移等功能，还可以具有申请贷款、信用卡或者购买保险、理财产品等功能，客户端可以提供数据检索服务，为金融服务平台内的拓展功能涉及的软件进行缺陷分析，提高金融服务平台的可维护性以及可靠性。

参见图2，是本发明实施例一提供的一种用于缺陷分析的数据检索方法的流程示意图，上述数据检索方法可以应用于图1中的客户端，客户端对应的计算机设备连接服务端，以从服务端获取存储的历史缺陷数据及其缺陷描述信息，服务端可以存储有预设的基础字段库，基础字段库可以为基础字段筛选过程提供参照数据，客户端对应的计算机设备可以与用户交互，以获取用户提供的待检索字段，待检索字段即为需要进行数据检索的字段。如图2所示，该数据检索方法可以包括以下步骤：

步骤S201，获取历史缺陷数据，采用预设的基础字段库对历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合。

其中，历史缺陷数据可以是在历史时间段中已被识别出的缺陷数据，在本实施例中，历史缺陷数据可以是指金融服务平台内的金融服务软件涉及的缺陷数据，基础字段库可以包括至少一个基础字段，基础字段集合可以包括至少一个从基础字段库中筛选出的基础字段，基础字段可以包括缺陷类型、缺陷原因等。

具体地，历史时间段可以是指由预设的历史时间点到当前时间点之间的时间区间，在一种实施方式中，实施者也可以预设两个不同的历史时间点来确定历史时间段。

可选的是，基础字段库包含N个基础字段，历史缺陷数据包含至少一个数据字段；

采用预设的基础字段库对历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合，包括：

初始化基础字段集合为空集，针对基础字段库中的任一个基础字段，采用基础字段与历史缺陷数据中包含的每个数据字段进行匹配，若基础字段与任一个数据字段匹配成功，则将基础字段加入基础字段集合；

遍历基础字段库中的所有基础字段，得到包含至少一个基础字段的基础字段集合。

其中，N为大于零的整数，数据字段可以是指历史缺陷数据通过字段切分得到的所有字段。

具体地，字段切分可以采用基于分隔符切分的方式，分隔符可以包括逗号、句号、分号、空格等分隔符。

初始化后基础字段集合为空集，也即不包含任何基础字段，将基础字段库中的每个基础字段与历史缺陷数据中包含的每个数据字段进行遍历匹配，当基础字段与数据字段相同时，说明匹配成功，将所有匹配成功的基础字段加入基础字段集合。

在一种实施方式中，由于字段匹配时可能出现同义不同字的情况，因此采用基础字段和数据字段的相似度与预设匹配阈值的比较结果确定是否匹配成功，当基础字段和数据字段的相似度大于预设匹配阈值，说明匹配成功，当础字段和数据字段的相似度小于或者等于预设匹配阈值，说明匹配失败，进一步地，为了提高相似度计算过程对语义信息的关注程度，可以采用训练好的语义特征提取模型分别提取基础字段和数据字段的基础字段语义特征和数据字段语义特征，再根据基础字段语义特征和数据字段语义特征进行相似度计算，训练好的语义特征提取模型可以采用训练好的Transformer模型的编码器结构、训练好的词向量转换模型的编码器结构等。

本实施例中，根据基础字段库进行历史缺陷数据中基础字段的提取，基础字段库可以动态更新，以适应于新出现的缺陷数据，能够实现后续检索策略的动态调整，从而提高数据检索的准确率。

上述获取历史缺陷数据，采用预设的基础字段库对历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合的步骤，从历史缺陷数据中提取基础字段，为后续数据检索提供参考信息，从而提高数据检索的准确率。

步骤S202，获取历史缺陷数据的缺陷描述信息，对缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合。

其中，缺陷描述信息可以是指针对历史缺陷数据的成因详细描述和缺陷现象描述，主题字段可以是指能够表示缺陷描述信息的主要信息的字段，主题字段集合包括至少一个主题字段。

具体地，缺陷描述信息相较于缺陷历史数据，包含更多的字段信息，因此需要对其进行简化，也即提取主题字段，在提取主题字段之前，需要对缺陷描述信息进行分词处理，以得到多个描述字段，分词处理可以采用基于语言模型的分词方式、基于统计学习的分词方式等，例如隐马尔可夫模型、条件随机场模型等。

可选的是，缺陷描述信息包含至少一个描述字段；

对缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合，包括：

针对任一个描述字段，统计描述字段在缺陷描述信息中的出现次数，得到目标次数，获取所有描述字段在缺陷描述信息中的出现次数总和，得到总次数，计算目标次数和总次数的第一比值，以第一比值作为描述字段的词频；

获取预设的数据库中包含的所有参考描述信息，统计包含描述字段的参考描述信息的数量，得到目标数量，获取所有参考描述信息的数量，得到总数量，计算总数量和目标数量的第二比值，以第二比值的对数作为描述字段的逆向频率；

将词项和逆向频率相乘，确定相乘结果为描述字段的重要程度，遍历所有描述字段，得到对应描述字段的重要程度；

将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成主题字段集合。

其中，描述字段可以是指缺陷描述信息中包含的字段信息，所有描述字段可以组成缺陷描述信息，目标次数可以表征描述字段在缺陷描述信息中的出现次数，总次数可以表征缺陷描述信息中所有描述字段的数量，也即所有描述字段在缺陷描述信息中的出现次数总和，第一比值可以是指目标次数除以总次数的结果，词频可以表征描述字段在缺陷描述信息中的出现频率。

参考描述信息可以是指其他历史缺陷数据对应的缺陷描述信息，数据库可以包括至少一个参考描述信息，目标数量可以是指包含描述字段的参考描述信息的数量，总数量可以是指所有参考描述信息的数量，第一比值可以是指总数量除以目标数量的结果，逆向频率可以表征字段的普遍重要性。

重要程度可以用于衡量描述字段对于缺陷描述信息的信息表征能力，预设阈值可以用于判断描述字段的重要程度是否足以作为主题字段。

具体地，词频越高可以表征出描述字段在缺陷描述信息的出现次数越多，同时，逆向频率越大，说明描述字段有越强的类别区分能力，也即令缺陷描述信息区别于参考描述信息的能力，综合词频和逆向频率，即可确定描述字段的重要程度，也即描述字段对于缺陷描述信息核心语义的表征能力。

本实施例中，通过词频和逆向频率进行描述字段重要程度的计算，计算简单快速，并且能够有效提取主题字段，从而提高了后续数据检索的效率和准确率。

可选的是，将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成主题字段集合，包括：

统计所有描述字段的数量，得到字段数量，将字段数量和预设系数相乘，确定相乘结果为字段标识；

按照重要程度从大至小的顺序，将所有描述字段排序，得到字段序列，一个描述字段对应一个在字段序列中的字段序号；

在字段序列中确定与字段标识最接近的字段序号对应的参考描述字段，以参考描述字段对应的重要程度作为预设阈值，将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成主题字段集合。

其中，字段数量可以是指所有描述字段的总个数，预设系数的取值范围为[0，1]，字段标识可以是指字段的位置标识，字段序列可以包括所有描述字段，每个描述字段在字段序列中有对应的字段序号，字段序号可以表示描述字段在字段序列中的对应位置，参考描述字段可以是指用于确定预设阈值的描述字段。

具体地，在本实施例中，预设系数可以取0.5，也即取字段序列中间位置的描述字段作为参考描述字段，相应地，也即确定字段序列中排序靠前的一半描述字段作为主题字段。

本实施例中，通过排序及筛选的方式确定主题字段，能够有效剔除部分重要程度较低的描述字段，提高了由主题字段组成的主题字段集合对于缺陷描述信息的表征能力，从而提高了后续数据检索的准确率。

上述获取历史缺陷数据的缺陷描述信息，对缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合的步骤，通过主题字段集合对缺陷描述信息进行表征，筛除了无关的描述字段，从而减少了计算量，提高了后续数据检索过程的准确率和效率。

步骤S203，将基础字段集合和主题字段集合进行比对，确定相交的字段，将相交的字段从主题字段集合中删除，得到目标字段集合。

其中，相交可以是指字段同时存在于基础字段集合和主题字段集合，目标字段集合可以是指删除相交字段之后的主题字段集合。

具体地，当存在相交字段时，说明基础字段集合和主题字段集合的内容存在重复，因此将相交的字段从主题字段集合中删除，得到目标字段集合。

上述将基础字段集合和主题字段集合进行比对，确定相交的字段，将相交的字段从主题字段集合中删除，得到目标字段集合的步骤，能够剔除重复字段，提高后续数据检索的效率。

步骤S204，对目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与基础字段集合的相似度，得到对应聚类集合的参考相似度。

其中，聚类集合可以包括至少一个主题字段，参考相似度可以用于表征聚类集合和基础字段集合的语义相似程度。

具体地，聚类处理可以根据主题字段之间的相似度进行计算，主题字段之间的相似度可以通过距离度量方式进行计算。聚类集合与基础字段集合之间的相似度计算可以采用交并比方式进行计算，交并比计算方式的计算效率较高。

在一种实施方式中，也可以采用距离度量的方式对聚类集合与基础字段集合之间的相似度进行计算。

可选的是，计算每个聚类集合分别与基础字段集合的相似度，得到对应聚类集合的参考相似度，包括：

针对任一聚类集合，将聚类集合中的每个主题字段分别与基础字段集合中的所有基础字段进行相似度均值计算，得到对应主题字段的第一均值；

对所有主题字段的第一均值进行均值计算，得到第二均值，确定第二均值为聚类集合的参考相似度；

遍历所有聚类集合，得到对应聚类集合的参考相似度。

其中，第一均值可以是指一主题字段与所有基础字段的相似度的均值，第二均值可以是指所有第一均值的均值计算结果。

本实施例中，以聚类集合中的每个主题字段分别与基础字段集合中的所有基础字段进行相似度计算，再根据计算结果确定第二均值作为参考相似度，从而能够更加准确地得到参考相似度，便于后续进行相似度比较，提高了数据检索的准确率。

可选的是，将聚类集合中的每个主题字段分别与基础字段集合中的所有基础字段进行相似度均值计算，得到对应主题字段的第一均值，包括：

针对聚类集合中的任一个主题字段，通过预训练好的词嵌入模型提取主题字段的主题字段嵌入向量；

通过词嵌入模型提取基础字段集合中的每个基础字段对应的基础字段嵌入向量；

计算主题字段嵌入向量分别和每个基础字段嵌入向量的向量相似度，得到对应基础字段向量的向量相似度，计算所有基础字段向量的向量相似度的均值，得到主题字段的第一均值，遍历聚类集合中的所有主题字段，得到对应主题字段的第一均值。

其中，预训练好的词嵌入模型可以采用Word2Vec模型、Transformer模型等，主题字段嵌入向量可以用于表征主题字段的语义信息，基础字段嵌入向量可以用于表征基础字段的语义信息。

向量相似度可以是指主题字段嵌入向量和基础字段嵌入向量之间的相似度。

具体地，向量相似度的计算可以采用欧式距离、余弦相似度等距离度量方式进行计算。

本实施例中，通过向量嵌入的方式对字段的语义信息进行表征，从而能够基于语义信息进行相似度计算，避免了在同义不同字的情况下相似度较低的情况，更符合字段比对的需求，从而进一步提高了后续数据检索的准确率。

上述对目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与基础字段集合的相似度，得到对应聚类集合的参考相似度的步骤，为后续检索过程提供参考相似度用作比对，从而提高了数据检索的效率。

步骤S205，获取待检索字段，计算待检索字段与所有基础字段的相似度的均值，确定与均值最接近的参考相似度对应的聚类集合为待检索字段的检索结果。

其中，待检索字段可以是指需要进行缺陷信息检索的字段，检索结果可以是指检索到的聚类集合中的主题字段。

具体地，在得到检索结果之后，可以根据检索到的聚类集合中的主题字段确定对应的缺陷描述信息，从而为待检索字段的缺陷分析提供充分的相近缺陷数据。

在一种实施方式中，可以确定定与均值最接近前Q个的参考相似度对应的聚类集合作为检索结果，Q为正整数，例如Q可以取值为3。

可选的是，历史缺陷数据包括历史缺陷类型，待检索数据包括待检索缺陷类型；

计算待检索字段与所有基础字段的相似度的均值，包括：

将历史缺陷类型和待检索缺陷类型进行比对，得到比对结果；

若比对结果为历史缺陷类型和待检索缺陷类型相同，则计算待检索字段与基础字段集合中所有基础字段的相似度的均值。

其中，历史缺陷类型可以是指历史缺陷数据所属的缺陷类型，待检索缺陷类型可以是指待检索缺陷数据需要进行数据检索的缺陷类型，比对结果可以包括历史缺陷类型和待检索缺陷类型相同以及历史缺陷类型和待检索缺陷类型不相同。

具体地，待检索缺陷类型可以由实施者设置，以确定待检索数据需要检索到何种缺陷类型的历史缺陷数据，需要说明的是，同一个待检索数据可以包括多个待检索缺陷类型，此时需要针对不同的待检索缺陷类型进行多次数据检索，一个历史缺陷数据仅对应一个历史缺陷类型。

本实施例中，通过将历史缺陷类型和待检索缺陷类型进行比对，设置计算过程的比对条件，从而能够实现仅对某一缺陷类型的数据进行检索，极大缩小的检索对象，从而提高了检索效率，并且能够提供期望类型的检索数据，提高了检索的准确率。

上述获取待检索字段，计算待检索字段与所有基础字段的相似度的均值，确定与均值最接近的参考相似度对应的聚类集合为待检索字段的检索结果的步骤，通过分别与基础字段的相似度均值进行检索结果的判断，从而获取到语义相近的聚类集合作为检索结果，提高了检索结果与待检索字段的关联性，也即提高了检索的准确率。

本实施例中，在基础字段库出现更新时，能够实现检索策略的动态调整，通过聚类方式挖掘主题字段之间的潜在关联，结合相似度计算结果为待检索数据提供关联性强的主题字段集合作为检索结果，提高了数据检索的准确率，也便于提高基于检索结果进行待检索数据的缺陷分析准确率和效率，提高金融服务平台中软件的可维护性以及可靠性。

对应于上文实施例的用于缺陷分析的数据检索方法，图3示出了本发明实施例二提供的用于缺陷分析的数据检索装置的结构框图，上述数据检索装置应用于客户端，客户端对应的计算机设备连接服务端，以从服务端获取存储的历史缺陷数据及其缺陷描述信息，服务端可以存储有预设的基础字段库，基础字段库可以为基础字段筛选过程提供参照数据，客户端对应的计算机设备可以与用户交互，以获取用户提供的待检索字段，待检索字段即为需要进行数据检索的字段。为了便于说明，仅示出了与本发明实施例相关的部分。

参见图3，该数据检索装置包括：

字段筛选模块31，用于获取历史缺陷数据，采用预设的基础字段库对历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合；

字段提取模块32，用于获取历史缺陷数据的缺陷描述信息，对缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合；

字段比对模块33，用于将基础字段集合和主题字段集合进行比对，确定相交的字段，将相交的字段从主题字段集合中删除，得到目标字段集合；

字段聚类模块34，用于对目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与基础字段集合的相似度，得到对应聚类集合的参考相似度；

字段检索模块35，用于获取待检索字段，计算待检索字段与所有基础字段的相似度的均值，确定与均值最接近的参考相似度对应的聚类集合为待检索字段的检索结果。

可选的是，基础字段库包含N个基础字段，历史缺陷数据包含至少一个数据字段，N为大于零的整数；

上述字段筛选模块31包括：

集合初始化单元，用于初始化基础字段集合为空集，针对基础字段库中的任一个基础字段，采用基础字段与历史缺陷数据中包含的每个数据字段进行匹配，若基础字段与任一个数据字段匹配成功，则将基础字段加入基础字段集合；

字段遍历单元，用于遍历基础字段库中的所有基础字段，得到包含至少一个基础字段的基础字段集合。

可选的是，缺陷描述信息包含至少一个描述字段；

上述字段提取模块32包括：

词频计算单元，用于针对任一个描述字段，统计描述字段在缺陷描述信息中的出现次数，得到目标次数，获取所有描述字段在缺陷描述信息中的出现次数总和，得到总次数，计算目标次数和总次数的第一比值，以第一比值作为描述字段的词频；

逆向频率计算单元，用于获取预设的数据库中包含的所有参考描述信息，统计包含描述字段的参考描述信息的数量，得到目标数量，获取所有参考描述信息的数量，得到总数量，计算总数量和目标数量的第二比值，以第二比值的对数作为描述字段的逆向频率；

重要程度确定单元，用于将词项和逆向频率相乘，确定相乘结果为描述字段的重要程度，遍历所有描述字段，得到对应描述字段的重要程度；

阈值比较单元，用于将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成主题字段集合。

可选的是，上述阈值比较单元包括：

标识确定子单元，用于统计所有描述字段的数量，得到字段数量，将字段数量和预设系数相乘，确定相乘结果为字段标识；

字段排序子单元，用于按照重要程度从大至小的顺序，将所有描述字段排序，得到字段序列，一个描述字段对应一个在字段序列中的字段序号；

阈值确定子单元，用于在字段序列中确定与字段标识最接近的字段序号对应的参考描述字段，以参考描述字段对应的重要程度作为预设阈值，将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成主题字段集合。

可选的是，上述字段聚类模块34包括：

第一均值计算单元，用于针对任一聚类集合，将聚类集合中的每个主题字段分别与基础字段集合中的所有基础字段进行相似度均值计算，得到对应主题字段的第一均值；

第二均值计算单元，用于对所有主题字段的第一均值进行均值计算，得到第二均值，确定第二均值为聚类集合的参考相似度；

集合遍历单元，用于遍历所有聚类集合，得到对应聚类集合的参考相似度。

可选的是，上述第一均值计算单元包括：

第一向量嵌入子单元，用于针对聚类集合中的任一个主题字段，通过预训练好的词嵌入模型提取主题字段的主题字段嵌入向量；

第二向量嵌入子单元，用于通过词嵌入模型提取基础字段集合中的每个基础字段对应的基础字段嵌入向量；

相似度计算子单元，用于计算主题字段嵌入向量分别和每个基础字段嵌入向量的向量相似度，得到对应基础字段向量的向量相似度，计算所有基础字段向量的向量相似度的均值，得到主题字段的第一均值，遍历聚类集合中的所有主题字段，得到对应主题字段的第一均值。

可选的是，历史缺陷数据包括历史缺陷类型，待检索数据包括待检索缺陷类型；

上述字段检索模块35包括：

类型比对单元，用于将历史缺陷类型和待检索缺陷类型进行比对，得到比对结果；

计算执行单元，用于若比对结果为历史缺陷类型和待检索缺陷类型相同，则计算待检索字段与基础字段集合中所有基础字段的相似度的均值。

需要说明的是，上述模块、单元、子单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图4为本发明实施例三提供的一种计算机设备的结构示意图。如图4所示，该实施例的计算机设备包括：至少一个处理器(图4中仅示出一个)、存储器以及存储在存储器中并可在至少一个处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意各个数据检索方法实施例中的步骤。

该计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是计算机设备的举例，并不构成对计算机设备的限定，计算机设备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，例如还可以包括网络接口、显示屏和输入装置等。

所称处理器可以是CPU，该处理器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 IntegratedCircuit，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。

存储器包括可读存储介质、内存储器等，其中，内存储器可以是计算机设备的内存，内存储器为可读存储介质中的操作系统和计算机可读指令的运行提供环境。可读存储介质可以是计算机设备的硬盘，在另一些实施例中也可以是计算机设备的外部存储设备，例如，计算机设备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，存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，该其他程序如计算机程序的程序代码等。存储器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，并不用于限制本发明的保护范围。上述装置中单元、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。集成的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，可以通过计算机程序来指令相关的硬件来完成，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，可实现上述方法实施例的步骤。其中，计算机程序包括计算机程序代码，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。计算机可读介质至少可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

本发明实现上述实施例方法中的全部或部分流程，也可以通过一种计算机程序产品来完成，当计算机程序产品在计算机设备上运行时，使得计算机设备执行时实现可实现上述方法实施例中的步骤。

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/计算机设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/计算机设备实施例仅仅是示意性的，例如，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。

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。

以上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 (10)

1.一种用于缺陷分析的数据检索方法，其特征在于，所述数据检索方法包括：

获取历史缺陷数据，采用预设的基础字段库对所述历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合；

获取所述历史缺陷数据的缺陷描述信息，对所述缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合；

将所述基础字段集合和所述主题字段集合进行比对，确定相交的字段，将所述相交的字段从所述主题字段集合中删除，得到目标字段集合；

对所述目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与所述基础字段集合的相似度，得到对应聚类集合的参考相似度；

获取待检索字段，计算所述待检索字段与所有基础字段的相似度的均值，确定与所述均值最接近的参考相似度对应的聚类集合为所述待检索字段的检索结果。

2.根据权利要求1所述的数据检索方法，其特征在于，所述基础字段库包含N个基础字段，所述历史缺陷数据包含至少一个数据字段，N为大于零的整数；

所述采用预设的基础字段库对所述历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合，包括：

初始化所述基础字段集合为空集，针对所述基础字段库中的任一个基础字段，采用所述基础字段与所述历史缺陷数据中包含的每个数据字段进行匹配，若所述基础字段与任一个数据字段匹配成功，则将所述基础字段加入所述基础字段集合；

遍历所述基础字段库中的所有基础字段，得到所述包含至少一个基础字段的基础字段集合。

3.根据权利要求1所述的数据检索方法，其特征在于，所述缺陷描述信息包含至少一个描述字段；

所述对所述缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合，包括：

针对任一个描述字段，统计所述描述字段在所述缺陷描述信息中的出现次数，得到目标次数，获取所有描述字段在所述缺陷描述信息中的出现次数总和，得到总次数，计算所述目标次数和所述总次数的第一比值，以所述第一比值作为所述描述字段的词频；

获取预设的数据库中包含的所有参考描述信息，统计包含所述描述字段的参考描述信息的数量，得到目标数量，获取所有参考描述信息的数量，得到总数量，计算所述总数量和所述目标数量的第二比值，以所述第二比值的对数作为所述描述字段的逆向频率；

将所述词项和所述逆向频率相乘，确定相乘结果为所述描述字段的重要程度，遍历所有描述字段，得到对应描述字段的重要程度；

将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成所述主题字段集合。

4.根据权利要求3所述的数据检索方法，其特征在于，所述将重要程度大于预设阈值的描述字段确定为主题字段，由所有主题字段形成所述主题字段集合，包括：

统计所有描述字段的数量，得到字段数量，将所述字段数量和预设系数相乘，确定相乘结果为字段标识；

按照重要程度从大至小的顺序，将所有描述字段排序，得到字段序列，一个描述字段对应一个在所述字段序列中的字段序号；

在所述字段序列中确定与所述字段标识最接近的字段序号对应的参考描述字段，以所述参考描述字段对应的重要程度作为所述预设阈值，将重要程度大于所述预设阈值的描述字段确定为主题字段，由所有主题字段形成所述主题字段集合。

5.根据权利要求1所述的数据检索方法，其特征在于，所述计算每个聚类集合分别与所述基础字段集合的相似度，得到对应聚类集合的参考相似度，包括：

针对任一聚类集合，将所述聚类集合中的每个主题字段分别与所述基础字段集合中的所有基础字段进行相似度均值计算，得到对应主题字段的第一均值；

对所有主题字段的第一均值进行均值计算，得到第二均值，确定所述第二均值为所述聚类集合的参考相似度；

遍历所有聚类集合，得到对应聚类集合的参考相似度。

6.根据权利要求5所述的数据检索方法，其特征在于，所述将所述聚类集合中的每个主题字段分别与所述基础字段集合中的所有基础字段进行相似度均值计算，得到对应主题字段的第一均值，包括：

针对所述聚类集合中的任一个主题字段，通过预训练好的词嵌入模型提取所述主题字段的主题字段嵌入向量；

通过所述词嵌入模型提取所述基础字段集合中的每个基础字段对应的基础字段嵌入向量；

计算所述主题字段嵌入向量分别和每个基础字段嵌入向量的向量相似度，得到对应基础字段向量的向量相似度，计算所有基础字段向量的向量相似度的均值，得到所述主题字段的第一均值，遍历所述聚类集合中的所有主题字段，得到对应主题字段的第一均值。

7.根据权利要求1至6任一项所述的数据检索方法，其特征在于，所述历史缺陷数据包括历史缺陷类型，所述待检索数据包括待检索缺陷类型；

所述计算所述待检索字段与所有基础字段的相似度的均值，包括：

将所述历史缺陷类型和所述待检索缺陷类型进行比对，得到比对结果；

若所述比对结果为所述历史缺陷类型和所述待检索缺陷类型相同，则计算所述待检索字段与所述基础字段集合中所有基础字段的相似度的均值。

8.一种用于缺陷分析的数据检索装置，其特征在于，所述数据检索装置包括：

字段筛选模块，用于获取历史缺陷数据，采用预设的基础字段库对所述历史缺陷数据进行基础字段筛选，得到包含至少一个基础字段的基础字段集合；

字段提取模块，用于获取所述历史缺陷数据的缺陷描述信息，对所述缺陷描述信息进行主题字段提取，得到至少一个主题字段构成的主题字段集合；

字段比对模块，用于将所述基础字段集合和所述主题字段集合进行比对，确定相交的字段，将所述相交的字段从所述主题字段集合中删除，得到目标字段集合；

字段聚类模块，用于对所述目标字段集合中的所有主题字段进行聚类处理，得到至少一个聚类集合，计算每个聚类集合分别与所述基础字段集合的相似度，得到对应聚类集合的参考相似度；

字段检索模块，用于获取待检索字段，计算所述待检索字段与所有基础字段的相似度的均值，确定与所述均值最接近的参考相似度对应的聚类集合为所述待检索字段的检索结果。

9.一种计算机设备，其特征在于，所述计算机设备包括处理器、存储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权利要求1至7任一项所述的数据检索方法。

10.一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权利要求1至7任一项所述的数据检索方法。