CN117290893A - 一种基于数据标签的数据库访问方法及系统 - Google Patents
一种基于数据标签的数据库访问方法及系统 Download PDFInfo
- Publication number
- CN117290893A CN117290893A CN202311244352.7A CN202311244352A CN117290893A CN 117290893 A CN117290893 A CN 117290893A CN 202311244352 A CN202311244352 A CN 202311244352A CN 117290893 A CN117290893 A CN 117290893A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- record data
- record
- index
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000012512 characterization method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012916 structural analysis Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000010276 construction Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Bioethics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种基于数据标签的数据库访问方法及系统,包括:对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。提高了对需要访问的数据进行锁定的效率以及便捷性,也保障了对数据访问的安全性。
Description
技术领域
本发明涉及数据处理技术领域,特别涉及一种基于数据标签的数据库访问方法及系统。
背景技术
随着互联网技术的高速发展,各种以个性化的操作、丰富的内容、活跃的互动形式的专业化综合性用户中心网站和软件应运而生,而专业化综合性用户中心网站和软件的运行离不开数据库的支持,用户通过对数据库中的数据进行访问,从而实现达到各种需求响应;
由于互联网技术的快速发展,导致数据库中存在海量数据,目前,数据库在提供数据访问时大都采用逐层筛查的策略,每当用户申请数据访问时,均需要对数据库中的数据进行一遍检索,大大降低了对用户数据访问请求响应的效率,尤其当短期内大量访问请求并发时,往往不能及时执行所有的访问请求,导致响应延迟,同时,在用户访问时,不能对用户的访问权限进行有效监测,从而导致数据泄露等问题,降低了数据访问安全性;
因此,为了克服上述缺陷,本发明提供了一种基于数据标签的数据库访问方法及系统。
发明内容
本发明提供一种基于数据标签的数据库访问方法及系统,用以通过对数据库中的记录数据处理,实现对记录数据的索引标签进行准确有效的构建,其次,构建数据库中记录数据的多维索引树,并将记录数据的索引标签在多维索引树中的目标节点进行添加,从而便于对数据库中的记录数据进行有效管理,最后,对用户提交的数据访问请求进行解析,实现根据用户的访问需求对数据库中的目标访问数据进行有效的确定,提高了对需要访问的数据进行锁定的效率以及便捷性,也保障了对数据访问的安全性。
本发明提供了一种基于数据标签的数据库访问方法,包括:
步骤1:对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,同时,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;
步骤2:基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;
步骤3:获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。
优选的,一种基于数据标签的数据库访问方法,步骤1中,对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,包括:
获取数据库中包含的数据主题,并对数据主题进行分词处理,得到数据主题对应的目标关键词,且将目标关键词作为分类指标,其中,目标关键词至少为一个;
基于分类指标对数据库中的记录数据进行聚类处理,并基于聚类处理结果得到各子类别记录数据集合;
分别提取各子类别记录数据集合对应的数据表征特征,并将数据表征特征作为各子类别记录数据集合中每一记录数据的类别标签。
优选的,一种基于数据标签的数据库访问方法,步骤1中,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签,包括:
获取数据库中的记录数据,并对记录数据进行离散化处理,得到记录数据序列;
提取记录数据序列中的各独立数据,并将各独立数据输入预设语义识别模型进行分析,得到各独立数据的目标语义,且基于数据库中包含的数据主题和各独立数据的目标语义确定记录数据中包含的敏感关键词比例;
将敏感关键词比例与数据主题对应的预设权限参照表进行匹配,并基于匹配结果得到各记录数据的目标访问权限,且将目标访问权限进行标签化处理,得到每一记录数据对应的权限标签;
获取每一记录数据对应的类别标签和权限标签,并基于类别标签和权限标签的标签特征确定对类别标签和权限标签的整合策略,且基于整合策略将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签。
优选的,一种基于数据标签的数据库访问方法,得到每一记录数据的索引标签,包括:
获取每一记录数据的数据属性,并对数据属性进行解析,确定每一记录数据的数据结构;
基于数据结构对每一记录数据进行结构划分,得到每一记录数据的段头,并对段头进行结构分析,确定段头中的目标标记字符位;
将得到的索引标签在相应记录数据的目标标记字符位进行添加,并基于添加结果将索引标签与相应记录数据进行封装,得到基于索引标签标记的记录数据。
优选的,一种基于数据标签的数据库访问方法,步骤2中,基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点,包括:
获取数据库中各记录数据的数据属性,并对数据属性进行分析,得到各记录数据的数据维度,其中,各记录数据的数据维度至少为一个;
对各记录数据的数据维度配置维度编码,并确定各记录数据在不同数据维度下的数据指标,且基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度;
将关联度大于第一预设阈值的记录数据进行第一关联,并基于第一关联结果得到数据库中各记录数据对应的数据主关联集合,同时,将关联度小于第一预设阈值且大于或等于第二预设阈值的记录数据进行第二关联,并基于第二关联结果得到数据库中的记录数据与数据主关联集合存在关联的数据次关联集合;
构建多维索引树,并分别确定数据主关联集合的第一目标数量和每一数据主关联集合下的数据次关联集合的第二目标数量,同时,基于第一目标数量在多维索引树中为数据主关联集合配置父节点,并基于第二目标数量在父节点中配置子节点;
基于配置结果分别将数据主关联集合中记录数据的索引标签添加至对应的父节点,将数据次关联集合中记录数据的索引标签添加至对应的子节点,并基于添加结果完成将每一记录数据的索引标签添加至多维索引树中的目标节点操作。
优选的,一种基于数据标签的数据库访问方法,基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度,包括:
获取得到的各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度,并提取关联度大于第一预设阈值的目标记录数据组;
对目标记录数据组中的各记录数据进行解析,提取各记录数据的数据特征,并基于数据特征确定各记录数据的目标业务维度;
当各记录数据的目标业务维度相同时,则判定目标记录数据组中的各记录数据相同,并对目标记录数据组中的各记录数据进行聚合;
当各记录数据的目标业务维度不相同时,则判定目标记录数据组中的各记录数据存在强关联,并将目标记录数据组中的各记录数据进行第一关联。
优选的,一种基于数据标签的数据库访问方法,步骤3中,获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,包括:
获取用户提交的数据访问请求,并将数据访问请求进行文本转换,得到数据访问请求对应的请求报文,其中,数据访问请求中包含用户身份信息和待访问数据主题;
对请求报文进行分词处理,得到目标分词,并基于预设提取指标对目标分词进行分类,得到身份目标分词和待访问数据主题目标分词;
基于身份目标分词确定用户的身份信息,并基于身份信息确定用户的身份标签,同时,基于待访问数据主题目标分词的出现频率确定各待访问数据主题目标分词的目标权重,并将目标权重小于预设权重阈值的待访问数据主题目标分词进行剔除,得到主题表征词;
基于主题表征词得到数据访问请求对应的主题标签。
优选的,一种基于数据标签的数据库访问方法,步骤3中,将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问,包括:
获取得到的身份标签和主题标签,并将主题标签依次和多维索引树中不同目标节点内的索引标签进行第一匹配;
基于第一匹配结果将匹配度大于预设匹配度阈值的记录数据判定为目标访问数据,并将身份标签与目标访问数据的索引标签进行第二匹配;
基于第二匹配结果确定用户与目标访问数据的权限从属关系,并当权限从属关系为用户具备对目标访问数据的访问权限时,将目标访问数据进行调取并封装,得到可访问数据包,且将可访问数据包反馈至用户终端供用户访问;
否则,向用户终端反馈无权访问提醒。
优选的,一种基于数据标签的数据库访问方法,将可访问数据包反馈至用户终端供用户访问,包括:
当可访问数据包成功反馈至用户终端后,获取对用户数据访问请求成功响应的目标时间信息以及用户的身份信息,同时,基于可访问数据包中各目标访问数据的索引标签确定用户访问的数据类型;
基于预设记录模板库调取目标访问记录表,并将目标时间信息、用户的身份信息以及用户访问的数据类型在目标访问记录表中进行记录并存档。
本发明提供了一种基于数据标签的数据库访问系统,包括:
数据标签确定模块,用于对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,同时,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;
数据处理模块,用于基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;
数据访问模块,用于获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。
与现有技术相比,本发明的有益效果如下:
1.通过对数据库中的记录数据处理,实现对记录数据的索引标签进行准确有效的构建,其次,构建数据库中记录数据的多维索引树,并将记录数据的索引标签在多维索引树中的目标节点进行添加,从而便于对数据库中的记录数据进行有效管理,最后,对用户提交的数据访问请求进行解析,实现根据用户的访问需求对数据库中的目标访问数据进行有效的确定,提高了对需要访问的数据进行锁定的效率以及便捷性,也保障了对数据访问的安全性。
2.通过对数据库中各记录数据的数据属性进行分析,实现对数据库中各记录数据之间的关联度进行确定,并将关联度与第一预设阈值和第二预设阈值进行比较,实现对数据库中记录数据之间的数据主关联集合和数据次关联集合进行准确有效的锁定,为构建数据库中记录数据的多维索引树提供了便利与保障,最后,在构建的多维索引树中对数据主关联集合和数据次关联集合配置相应的父节点和子节点,并将记录数据对应的索引标签添加至对应的节点,实现对数据库中各记录数据进行有效的访问管理操作,从而便于根据用户的数据访问请求对需要访问的数据进行快速定位和调取,提高了数据访问的效率以及调取访问数据的全面性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于数据标签的数据库访问方法的流程图;
图2为本发明实施例中一种基于数据标签的数据库访问方法中步骤1的流程图;
图3为本发明实施例中一种基于数据标签的数据库访问系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种基于数据标签的数据库访问方法,如图1所示,包括:
步骤1:对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,同时,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;
步骤2:基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;
步骤3:获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。
该实施例中,记录数据指的是数据库中记录存储的数据,且不唯一,是多种不同类型的数据。
该实施例中,类别标签指的是对记录数据的类型进行标记的标签,从而便于在用户对数据库进行访问时,快速根据用户的访问需求定位到相应类型的记录数据。
该实施例中,权限标签是用于表征能够访问记录数据的用户或用户对应的角色信息,目的是提高用户对数据库访问的安全性。
该实施例中,将类别标签和权限标签进行关联汇总指的是将同一记录数据的类别标签和权限标签进行整合,从而便于对相应的记录数据进行标记,目的是为了在用户在申请数据访问时能够快速有效的调取相应的数据。
该实施例中,索引标签指的是将记录数据的类别标签和权限标签汇总后得到的标签,是在数据访问时对数据进行快速定位的参考依据。
该实施例中,数据属性指的是能够表征记录数据的数据类型、数据结构特点的参数以及数据之间的关联关系等。
该实施例中,多维索引树是通过系统构建的,用于表征数据库中各记录数据之间的相互关联关系,从而便于对数据库中的记录数据进行有效管理,也便于根据用户的访问请求对数据库中的数据进行有效访问。
该实施例中,目标节点指的是多维索引树中能够对同类型记录数据进行汇总的数据存储节点,目的是为了便于进行数据访问。
该实施例中,身份标签指的是能够表征用户身份信息的标记标签。
该实施例中,主题标签指的是能够表征用户需要访问的数据类型的标记标签。
该实施例中,目标访问数据指的是根据匹配结果从数据库中确定出的用户需要访问的记录数据。
上述技术方案的有益效果是:通过对数据库中的记录数据处理,实现对记录数据的索引标签进行准确有效的构建,其次,构建数据库中记录数据的多维索引树,并将记录数据的索引标签在多维索引树中的目标节点进行添加,从而便于对数据库中的记录数据进行有效管理,最后,对用户提交的数据访问请求进行解析,实现根据用户的访问需求对数据库中的目标访问数据进行有效的确定,提高了对需要访问的数据进行锁定的效率以及便捷性,也保障了对数据访问的安全性。
实施例2:
在实施例1的基础上,本实施例提供了一种基于数据标签的数据库访问方法,如图2所示,步骤1中,对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,包括:
步骤101:获取数据库中包含的数据主题,并对数据主题进行分词处理,得到数据主题对应的目标关键词,且将目标关键词作为分类指标,其中,目标关键词至少为一个;
步骤102:基于分类指标对数据库中的记录数据进行聚类处理,并基于聚类处理结果得到各子类别记录数据集合;
步骤103:分别提取各子类别记录数据集合对应的数据表征特征,并将数据表征特征作为各子类别记录数据集合中每一记录数据的类别标签。
该实施例中,数据主题指的是数据库中包含的记录数据的种类或记录数据对应的业务类型等。
该实施例中,目标关键词指的是对数据主题进行分词处理后得到的数据主题对应的词汇,目的是为了根据数据主题确定分类指标,从而实现对数据库中的记录数据进行准确有效的分类,其中,分类指标即为数据库中对记录数据进行分类的参考依据。
该实施例中,子类别记录数据集合指的是数据库中的记录数据进行分类处理后得到的各类数据集合。
该实施例中,数据表征特征指的是能够表征每一子类别记录数据集合的数据类型以及取值范围的参数,从而便于对每一子类别记录数据的类别标签进行准确有效的确定。
上述技术方案的有益效果是:通过确定数据库中包含的数据主题,并对数据主题进行处理实现对数据库中记录数据进行分类的分类指标进行准确有效的确定,其次,根据分类指标对记录数据进行聚类处理,实现对数据库中记录数据进行准确有效的分类,最后根据每一类记录数据的数据表征特征实现对每一记录数据的类别标签进行准确有效的确定,为实现对数据库中的记录数据进行访问准备提供了便利,也为提高数据访问效率提供了便利。
实施例3:
在实施例1的基础上,本实施例提供了一种基于数据标签的数据库访问方法,步骤1中,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签,包括:
获取数据库中的记录数据,并对记录数据进行离散化处理,得到记录数据序列;
提取记录数据序列中的各独立数据,并将各独立数据输入预设语义识别模型进行分析,得到各独立数据的目标语义,且基于数据库中包含的数据主题和各独立数据的目标语义确定记录数据中包含的敏感关键词比例;
将敏感关键词比例与数据主题对应的预设权限参照表进行匹配,并基于匹配结果得到各记录数据的目标访问权限,且将目标访问权限进行标签化处理,得到每一记录数据对应的权限标签;
获取每一记录数据对应的类别标签和权限标签,并基于类别标签和权限标签的标签特征确定对类别标签和权限标签的整合策略,且基于整合策略将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签。
该实施例中,离散化处理指的是将记录数据拆分为独立的数据,从而便于对记录数据中包含的敏感关键词比例进行确定。
该实施例中,记录数据序列指的是对记录数据进行离散化处理后得到的独立的记录数据个体。
该实施例中,独立数据指的是记录数据序列中各个记录数据个体。
该实施例中,预设语义识别模型是提前设定好的,用于对独立数据表达的语义进行识别。
该实施例中,目标语义指的是各独立数据所表达的具体主旨内容。
该实施例中,敏感关键词比例指的是记录数据中存在的敏感关键词占所有独立数据总量的比例。
该实施例中,预设权限参照表是提前设定好的,记录由不同敏感关键词比例对应的数据访问权限,例如可以是当敏感关键词比例越高则对应的数据访问权限越高。
该实施例中,目标访问权限指的是最终确定的各记录数据对应的数据访问权限。
该实施例中,标签化处理指的是将目标访问权限转换为相应的标签,从而便于对相应的记录数据进行标记。
该实施例中,标签特征指的是各类别标签和权限标签表征的具体内容和标签类型等。
上述技术方案的有益效果是:通过对数据库中记录数据进行处理,实现对记录数据中的敏感关键词比例进行准确有效的确定,实现根据确定的敏感关键词比例对各记录数据的目标访问权限进行准确有效的确定,从而实现对记录数据的权限标签进行有效确定,最后,将各记录数据的类别标签和权限标签进行汇总,实现对记录数据的索引标签进行有效的确定,从而便于对记录数据有效归类,为构建数据库的多维索引数据提供了便利与依据。
实施例4:
在实施例3的基础上,本实施例提供了一种基于数据标签的数据库访问方法,得到每一记录数据的索引标签,包括:
获取每一记录数据的数据属性,并对数据属性进行解析,确定每一记录数据的数据结构;
基于数据结构对每一记录数据进行结构划分,得到每一记录数据的段头,并对段头进行结构分析,确定段头中的目标标记字符位;
将得到的索引标签在相应记录数据的目标标记字符位进行添加,并基于添加结果将索引标签与相应记录数据进行封装,得到基于索引标签标记的记录数据。
该实施例中,目标标记字符位指的是段头中能够对记录数据进行标记的位置,即能对记录数据添加标记标签的位置。
上述技术方案的有益效果是:通过对记录数据进行结构分析,实现对记录数据中段头中的目标标记字符位进行准确有效的确定,从而便于将每一记录数据的索引标签添加至对应的目标标记字符位,实现将索引标签和对应的记录数据进行标记,也为对数据库进行访问提供了便利与保障,确保了对数据库访问的准确率和效率。
实施例5:
在实施例1的基础上,本实施例提供了一种基于数据标签的数据库访问方法,步骤2中,基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点,包括:
获取数据库中各记录数据的数据属性,并对数据属性进行分析,得到各记录数据的数据维度,其中,各记录数据的数据维度至少为一个;
对各记录数据的数据维度配置维度编码,并确定各记录数据在不同数据维度下的数据指标,且基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度;
将关联度大于第一预设阈值的记录数据进行第一关联,并基于第一关联结果得到数据库中各记录数据对应的数据主关联集合,同时,将关联度小于第一预设阈值且大于或等于第二预设阈值的记录数据进行第二关联,并基于第二关联结果得到数据库中的记录数据与数据主关联集合存在关联的数据次关联集合;
构建多维索引树,并分别确定数据主关联集合的第一目标数量和每一数据主关联集合下的数据次关联集合的第二目标数量,同时,基于第一目标数量在多维索引树中为数据主关联集合配置父节点,并基于第二目标数量在父节点中配置子节点;
基于配置结果分别将数据主关联集合中记录数据的索引标签添加至对应的父节点,将数据次关联集合中记录数据的索引标签添加至对应的子节点,并基于添加结果完成将每一记录数据的索引标签添加至多维索引树中的目标节点操作。
该实施例中,数据维度指的是记录数据所能表达的业务角度,例如可以是表征金融数据的同时可以表征业绩数据等。
该实施例中,维度编码指的是对记录数据的各个维度进行编号,从而便于提高在通过数据维度确定各记录数据之间的关联性时的有序性以及全面性。
该实施例中,数据指标指的是记录数据在不同数据维度下对应的数据取值特点以及数据之间的相互依赖关系等。
该实施例中,基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度的目的是以维度编码为顺序,分别对每一记录数据在不同维度下的数据指标与其他记录数据的数据维度下的数据指标的相似性,即确定数据库中与当前记录数据存在相似或关联的其他记录数据,目的是为了将存在关联性的数据进行聚合,从而便于在用户访问时,全面有效的调取到与用户访问请求相关的所有记录数据。
该实施例中,第一预设阈值是提前设定好的,用于表征数据库中记录数据满足高强度关联的数据,即处于同一维度且存在高强度关联的记录数据,是可以进行调整的。
该实施例中,第一关联指的是将关联度大于第一预设阈值的记录数据进行关联,目的是为了将数据库中的记录数据在多维索引树中进行有序的排列和管理。
该实施例中,数据主关联集合指的是数据库中关联度大于第一预设阈值的记录数据在关联和聚合后得到的数据集合。
该实施例中,第二预设阈值是提前设定好的,用于表征数据库中记录数据存在较强关联的记录数据,可以是数据主关联集合中的记录数据存在关联,但属于不同数据维度的记录数据,即数据主关联集合中的记录数据对应的衍生数据。
该实施例中,第二关联指的是将数据库中的记录数据的关联度小于第一预设阈值且大于或等于第二预设阈值的记录数据进行关联。
该实施例中,数据次关联集合指的是数据库中与数据主关联集合存在相关性的记录数据。
该实施例中,第一目标数量和第二目标数量分别指的是数据库中包含的数据主关联集合对应的数目以及每一数据主关联集合下包含的数据次关联集合对应的数目。
该实施例中,父节点指的是在构建的多维索引树中配置主干,即表征数据库中记录数据的源头数据。
该实施例中,子节点指的是在父节点(主干)下配置的节点(枝干),用于表征与数据主关联集合存在关联性的数据表征点。
上述技术方案的有益效果是:通过对数据库中各记录数据的数据属性进行分析,实现对数据库中各记录数据之间的关联度进行确定,并将关联度与第一预设阈值和第二预设阈值进行比较,实现对数据库中记录数据之间的数据主关联集合和数据次关联集合进行准确有效的锁定,为构建数据库中记录数据的多维索引树提供了便利与保障,最后,在构建的多维索引树中对数据主关联集合和数据次关联集合配置相应的父节点和子节点,并将记录数据对应的索引标签添加至对应的节点,实现对数据库中各记录数据进行有效的访问管理操作,从而便于根据用户的数据访问请求对需要访问的数据进行快速定位和调取,提高了数据访问的效率以及调取访问数据的全面性。
实施例6:
在实施例5的基础上,本实施例提供了一种基于数据标签的数据库访问方法,基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度,包括:
获取得到的各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度,并提取关联度大于第一预设阈值的目标记录数据组;
对目标记录数据组中的各记录数据进行解析,提取各记录数据的数据特征,并基于数据特征确定各记录数据的目标业务维度;
当各记录数据的目标业务维度相同时,则判定目标记录数据组中的各记录数据相同,并对目标记录数据组中的各记录数据进行聚合;
当各记录数据的目标业务维度不相同时,则判定目标记录数据组中的各记录数据存在强关联,并将目标记录数据组中的各记录数据进行第一关联。
该实施例中,目标记录数据组指的是数据库中记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度大于第一预设阈值的所有记录数据。
该实施例中,数据特征指的是能够表征记录数据的取值范围以及记录数据之间关联关系的参数。
该实施例中,目标业务维度指的是记录数据所表征的具体业务类型,从而便于判断二者是否为相同数据。
上述技术方案的有益效果是:通过对关联度大于第一预设阈值的目标记录数据组中各记录数据的目标业务维度进行分析,实现对数据库中相同的数据进行聚合,同时,将存在强关联的记录数据进行第一关联,实现对数据库中各记录数据进行有效的规整,为提高用户的数据访问效率提供了便利与保障。
实施例7:
在实施例1的基础上,本实施例提供了一种基于数据标签的数据库访问方法,步骤3中,获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,包括:
获取用户提交的数据访问请求,并将数据访问请求进行文本转换,得到数据访问请求对应的请求报文,其中,数据访问请求中包含用户身份信息和待访问数据主题;
对请求报文进行分词处理,得到目标分词,并基于预设提取指标对目标分词进行分类,得到身份目标分词和待访问数据主题目标分词;
基于身份目标分词确定用户的身份信息,并基于身份信息确定用户的身份标签,同时,基于待访问数据主题目标分词的出现频率确定各待访问数据主题目标分词的目标权重,并将目标权重小于预设权重阈值的待访问数据主题目标分词进行剔除,得到主题表征词;
基于主题表征词得到数据访问请求对应的主题标签。
该实施例中,请求报文指的是将数据访问请求进行文本转换后得到的数据内容。
该实施例中,待访问数据主题指的是用户需要对数据库中记录数据进行访问的类型。
该实施例中,目标分词指的是对请求报文进行词汇拆分后得到的词汇。
该实施例中,预设提取指标是提前设定好的,是用于表征对身份信息和主题信息进行区分的指标,从而便于从请求报文中确定出用户需要访问的主题以及用户的身份信息。
该实施例中,身份目标分词指的是请求报文中与用户身份信息相关的所有词汇。
该实施例中,数据主题目标分词指的是请求报文中与用户想要访问的数据主题相关的所有词汇。
该实施例中,目标权重是用于表征各待访问数据主题目标分词所对应的重要程度,取值越大表明越重要。
该实施例中,预设权重阈值是提前设定好的,是用于衡量能够起到主题表征的最小取值。
该实施例中,主题表征词指的是请求报文中能够表征用户数据访问请求对应的主题词汇。
上述技术方案的有益效果是:通过对用户提交的数据访问请求进行解析,实现对用户的身份信息以及需要访问的主题表征词进行准确有效的确定,实现根据用户提交的数据访问请求对访问需求进行准确有效的锁定,从而比那与快速从数据库中调取相应的访问数据,保障了对数据库中的记录数据访问的效率和准确性。
实施例8:
在实施例1的基础上,本实施例提供了一种基于数据标签的数据库访问方法,步骤3中,将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问,包括:
获取得到的身份标签和主题标签,并将主题标签依次和多维索引树中不同目标节点内的索引标签进行第一匹配;
基于第一匹配结果将匹配度大于预设匹配度阈值的记录数据判定为目标访问数据,并将身份标签与目标访问数据的索引标签进行第二匹配;
基于第二匹配结果确定用户与目标访问数据的权限从属关系,并当权限从属关系为用户具备对目标访问数据的访问权限时,将目标访问数据进行调取并封装,得到可访问数据包,且将可访问数据包反馈至用户终端供用户访问;
否则,向用户终端反馈无权访问提醒。
该实施例中,第一匹配指的是将得到的主题标签与多维索引树中各目标节点内的索引标签进行匹配,实现对用户能访问的数据类型进行有效锁定。
该实施例中,预设匹配度阈值是提前设定好的,是用于衡量满足最低匹配要求的参数,是可以进行调整的。
该实施例中,第二匹配指的是将身份标签对数据库中各记录数据的索引标签进行匹配,从而便于确定用户是否具备对当前记录数据进行访问的权限。
该实施例中,权限从属关系是用于表征用户的身份权限与记录数据要求的访问权限之间的对应管理,即当用户的身份权限包含数据访问权限时,即可对当前记录数据进行访问,反之则无权对当前记录数据进行访问。
该实施例中,可访问数据包指的是将目标访问数据进行调取并封装后得到的数据包,是可以直接向用户进行反馈的数据。
上述技术方案的有益效果是:通过将得到的主题标签和身份标签分别与数据库中各记录数据的索引标签进行匹配,实现对用户需要访问的数据以及是否具备对数据的访问权限进行核验,从而确保了用户对数据库中记录数据访问的准确性以及安全性,保障了数据库的访问效果。
实施例9:
在实施例8的基础上,本实施例提供了一种基于数据标签的数据库访问方法,其特征在于,将可访问数据包反馈至用户终端供用户访问,包括:
当可访问数据包成功反馈至用户终端后,获取对用户数据访问请求成功响应的目标时间信息以及用户的身份信息,同时,基于可访问数据包中各目标访问数据的索引标签确定用户访问的数据类型;
基于预设记录模板库调取目标访问记录表,并将目标时间信息、用户的身份信息以及用户访问的数据类型在目标访问记录表中进行记录并存档。
该实施例中,目标时间信息指的是完成用户数据访问请求所对应的具体时间信息。
该实施例中,预设记录模板库是提前设定好的,用于存储不同的数据记录表。
该实施例中,目标访问记录表指的是适用于对当前用户对数据库的各项访问信息进行记录的表格,是预设记录模板中的一种。
上述技术方案的有益效果是:通过对用户对数据库的访问时间、用户的身份信息以及用户访问的数据类型进行记录,实现对用户对数据库的访问情况进行有效记录,从而提高了用户对数据库访问的安全性,也便于做到有据可依。
实施例10:
本实施例提供了一种基于数据标签的数据库访问系统,如图3所示,包括:
数据标签确定模块,用于对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,同时,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;
数据处理模块,用于基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;
数据访问模块,用于获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。
上述技术方案的有益效果是:通过对数据库中的记录数据处理,实现对记录数据的索引标签进行准确有效的构建,其次,构建数据库中记录数据的多维索引树,并将记录数据的索引标签在多维索引树中的目标节点进行添加,从而便于对数据库中的记录数据进行有效管理,最后,对用户提交的数据访问请求进行解析,实现根据用户的访问需求对数据库中的目标访问数据进行有效的确定,提高了对需要访问的数据进行锁定的效率以及便捷性,也保障了对数据访问的安全性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于数据标签的数据库访问方法,其特征在于,包括:
步骤1:对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,同时,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;
步骤2:基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;
步骤3:获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。
2.根据权利要求1所述的一种基于数据标签的数据库访问方法,其特征在于,步骤1中,对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,包括:
获取数据库中包含的数据主题,并对数据主题进行分词处理,得到数据主题对应的目标关键词,且将目标关键词作为分类指标,其中,目标关键词至少为一个;
基于分类指标对数据库中的记录数据进行聚类处理,并基于聚类处理结果得到各子类别记录数据集合;
分别提取各子类别记录数据集合对应的数据表征特征,并将数据表征特征作为各子类别记录数据集合中每一记录数据的类别标签。
3.根据权利要求1所述的一种基于数据标签的数据库访问方法,其特征在于,步骤1中,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签,包括:
获取数据库中的记录数据,并对记录数据进行离散化处理,得到记录数据序列;
提取记录数据序列中的各独立数据,并将各独立数据输入预设语义识别模型进行分析,得到各独立数据的目标语义,且基于数据库中包含的数据主题和各独立数据的目标语义确定记录数据中包含的敏感关键词比例;
将敏感关键词比例与数据主题对应的预设权限参照表进行匹配,并基于匹配结果得到各记录数据的目标访问权限,且将目标访问权限进行标签化处理,得到每一记录数据对应的权限标签;
获取每一记录数据对应的类别标签和权限标签,并基于类别标签和权限标签的标签特征确定对类别标签和权限标签的整合策略,且基于整合策略将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签。
4.根据权利要求3所述的一种基于数据标签的数据库访问方法,其特征在于,得到每一记录数据的索引标签,包括:
获取每一记录数据的数据属性,并对数据属性进行解析,确定每一记录数据的数据结构;
基于数据结构对每一记录数据进行结构划分,得到每一记录数据的段头,并对段头进行结构分析,确定段头中的目标标记字符位;
将得到的索引标签在相应记录数据的目标标记字符位进行添加,并基于添加结果将索引标签与相应记录数据进行封装,得到基于索引标签标记的记录数据。
5.根据权利要求1所述的一种基于数据标签的数据库访问方法,其特征在于,步骤2中,基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点,包括:
获取数据库中各记录数据的数据属性,并对数据属性进行分析,得到各记录数据的数据维度,其中,各记录数据的数据维度至少为一个;
对各记录数据的数据维度配置维度编码,并确定各记录数据在不同数据维度下的数据指标,且基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度;
将关联度大于第一预设阈值的记录数据进行第一关联,并基于第一关联结果得到数据库中各记录数据对应的数据主关联集合,同时,将关联度小于第一预设阈值且大于或等于第二预设阈值的记录数据进行第二关联,并基于第二关联结果得到数据库中的记录数据与数据主关联集合存在关联的数据次关联集合;
构建多维索引树,并分别确定数据主关联集合的第一目标数量和每一数据主关联集合下的数据次关联集合的第二目标数量,同时,基于第一目标数量在多维索引树中为数据主关联集合配置父节点,并基于第二目标数量在父节点中配置子节点;
基于配置结果分别将数据主关联集合中记录数据的索引标签添加至对应的父节点,将数据次关联集合中记录数据的索引标签添加至对应的子节点,并基于添加结果完成将每一记录数据的索引标签添加至多维索引树中的目标节点操作。
6.根据权利要求5所述的一种基于数据标签的数据库访问方法,其特征在于,基于维度编码依次确定各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度,包括:
获取得到的各记录数据在当前数据维度下的数据指标与其他记录数据在不同数据维度下的数据指标的关联度,并提取关联度大于第一预设阈值的目标记录数据组;
对目标记录数据组中的各记录数据进行解析,提取各记录数据的数据特征,并基于数据特征确定各记录数据的目标业务维度;
当各记录数据的目标业务维度相同时,则判定目标记录数据组中的各记录数据相同,并对目标记录数据组中的各记录数据进行聚合;
当各记录数据的目标业务维度不相同时,则判定目标记录数据组中的各记录数据存在强关联,并将目标记录数据组中的各记录数据进行第一关联。
7.根据权利要求1所述的一种基于数据标签的数据库访问方法,其特征在于,步骤3中,获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,包括:
获取用户提交的数据访问请求,并将数据访问请求进行文本转换,得到数据访问请求对应的请求报文,其中,数据访问请求中包含用户身份信息和待访问数据主题;
对请求报文进行分词处理,得到目标分词,并基于预设提取指标对目标分词进行分类,得到身份目标分词和待访问数据主题目标分词;
基于身份目标分词确定用户的身份信息,并基于身份信息确定用户的身份标签,同时,基于待访问数据主题目标分词的出现频率确定各待访问数据主题目标分词的目标权重,并将目标权重小于预设权重阈值的待访问数据主题目标分词进行剔除,得到主题表征词;
基于主题表征词得到数据访问请求对应的主题标签。
8.根据权利要求1所述的一种基于数据标签的数据库访问方法,其特征在于,步骤3中,将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问,包括:
获取得到的身份标签和主题标签,并将主题标签依次和多维索引树中不同目标节点内的索引标签进行第一匹配;
基于第一匹配结果将匹配度大于预设匹配度阈值的记录数据判定为目标访问数据,并将身份标签与目标访问数据的索引标签进行第二匹配;
基于第二匹配结果确定用户与目标访问数据的权限从属关系,并当权限从属关系为用户具备对目标访问数据的访问权限时,将目标访问数据进行调取并封装,得到可访问数据包,且将可访问数据包反馈至用户终端供用户访问;
否则,向用户终端反馈无权访问提醒。
9.根据权利要求8所述的一种基于数据标签的数据库访问方法,其特征在于,将可访问数据包反馈至用户终端供用户访问,包括:
当可访问数据包成功反馈至用户终端后,获取对用户数据访问请求成功响应的目标时间信息以及用户的身份信息,同时,基于可访问数据包中各目标访问数据的索引标签确定用户访问的数据类型;
基于预设记录模板库调取目标访问记录表,并将目标时间信息、用户的身份信息以及用户访问的数据类型在目标访问记录表中进行记录并存档。
10.一种基于数据标签的数据库访问系统,其特征在于,包括:
数据标签确定模块,用于对数据库中的记录数据进行分类,并基于分类结果确定每一记录数据的类别标签,同时,确定每一记录数据的权限标签,并将类别标签和权限标签进行关联汇总,得到每一记录数据的索引标签;
数据处理模块,用于基于记录数据的数据属性构建数据库中记录数据的多维索引树,并将每一记录数据的索引标签添加至多维索引树中的目标节点;
数据访问模块,用于获取用户提交的数据访问请求,并对数据访问请求进行解析,得到身份标签和主题标签,并将身份标签和主题标签与多维索引树中不同目标节点的索引标签进行匹配,且基于匹配结果对目标访问数据进行调取并访问。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311244352.7A CN117290893B (zh) | 2023-09-25 | 2023-09-25 | 一种基于数据标签的数据库访问方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311244352.7A CN117290893B (zh) | 2023-09-25 | 2023-09-25 | 一种基于数据标签的数据库访问方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117290893A true CN117290893A (zh) | 2023-12-26 |
CN117290893B CN117290893B (zh) | 2024-06-11 |
Family
ID=89256685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311244352.7A Active CN117290893B (zh) | 2023-09-25 | 2023-09-25 | 一种基于数据标签的数据库访问方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117290893B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381605B1 (en) * | 1999-05-29 | 2002-04-30 | Oracle Corporation | Heirarchical indexing of multi-attribute data by sorting, dividing and storing subsets |
CN102063466A (zh) * | 2010-12-03 | 2011-05-18 | 中国科学院软件研究所 | 基于策略的数据库强制访问控制方法及其系统 |
CN106503092A (zh) * | 2016-10-13 | 2017-03-15 | 浪潮(苏州)金融技术服务有限公司 | 一种使用多维化技术构建空间多维度搜索树的方法 |
WO2021000671A1 (zh) * | 2019-07-03 | 2021-01-07 | 平安科技(深圳)有限公司 | 数据库的查询方法、装置、服务器及介质 |
WO2021036734A1 (zh) * | 2019-08-26 | 2021-03-04 | 北京旷视科技有限公司 | 树组件渲染方法和装置、数据处理设备及介质 |
CN113806492A (zh) * | 2021-09-30 | 2021-12-17 | 中国平安人寿保险股份有限公司 | 基于语义识别的记录生成方法、装置、设备及存储介质 |
CN114218400A (zh) * | 2021-12-13 | 2022-03-22 | 上海交通大学 | 基于语义的数据湖查询系统及方法 |
CN114722137A (zh) * | 2021-01-05 | 2022-07-08 | 中国移动通信有限公司研究院 | 基于敏感数据识别的安全策略配置方法、装置及电子设备 |
CN114840631A (zh) * | 2022-05-30 | 2022-08-02 | 中国平安财产保险股份有限公司 | 空间文本查询方法、装置、电子设备及存储介质 |
WO2023087673A1 (zh) * | 2021-11-19 | 2023-05-25 | 天翼数字生活科技有限公司 | 一种层次数据检索方法、装置和设备 |
CN116595123A (zh) * | 2023-06-13 | 2023-08-15 | 金蝶软件(中国)有限公司 | 多维数据查询方法、装置、计算机设备和存储介质 |
CN116775657A (zh) * | 2023-06-20 | 2023-09-19 | 上海电力大学 | 一种隐私保护多维范围查询方法、装置及存储介质 |
-
2023
- 2023-09-25 CN CN202311244352.7A patent/CN117290893B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6381605B1 (en) * | 1999-05-29 | 2002-04-30 | Oracle Corporation | Heirarchical indexing of multi-attribute data by sorting, dividing and storing subsets |
CN102063466A (zh) * | 2010-12-03 | 2011-05-18 | 中国科学院软件研究所 | 基于策略的数据库强制访问控制方法及其系统 |
CN106503092A (zh) * | 2016-10-13 | 2017-03-15 | 浪潮(苏州)金融技术服务有限公司 | 一种使用多维化技术构建空间多维度搜索树的方法 |
WO2021000671A1 (zh) * | 2019-07-03 | 2021-01-07 | 平安科技(深圳)有限公司 | 数据库的查询方法、装置、服务器及介质 |
WO2021036734A1 (zh) * | 2019-08-26 | 2021-03-04 | 北京旷视科技有限公司 | 树组件渲染方法和装置、数据处理设备及介质 |
CN114722137A (zh) * | 2021-01-05 | 2022-07-08 | 中国移动通信有限公司研究院 | 基于敏感数据识别的安全策略配置方法、装置及电子设备 |
CN113806492A (zh) * | 2021-09-30 | 2021-12-17 | 中国平安人寿保险股份有限公司 | 基于语义识别的记录生成方法、装置、设备及存储介质 |
WO2023087673A1 (zh) * | 2021-11-19 | 2023-05-25 | 天翼数字生活科技有限公司 | 一种层次数据检索方法、装置和设备 |
CN114218400A (zh) * | 2021-12-13 | 2022-03-22 | 上海交通大学 | 基于语义的数据湖查询系统及方法 |
CN114840631A (zh) * | 2022-05-30 | 2022-08-02 | 中国平安财产保险股份有限公司 | 空间文本查询方法、装置、电子设备及存储介质 |
CN116595123A (zh) * | 2023-06-13 | 2023-08-15 | 金蝶软件(中国)有限公司 | 多维数据查询方法、装置、计算机设备和存储介质 |
CN116775657A (zh) * | 2023-06-20 | 2023-09-19 | 上海电力大学 | 一种隐私保护多维范围查询方法、装置及存储介质 |
Non-Patent Citations (7)
Title |
---|
LI BO 等: "A User Access Policy Based on Dynamic Sensitivity Label", PROCEEDINGS OF THE 2011 INTERNATIONAL CONFERENCE ON NETWORK COMPUTING AND INFORMATION SECURITY (NCIS), 11 July 2011 (2011-07-11), pages 13 - 16 * |
周敏杰;裴国才;胡忠顺;丁富强;: "基于搜索引擎的行业标签分类体系构建与扩展研究", 信息技术与信息化, no. 06, 15 June 2015 (2015-06-15), pages 161 - 165 * |
朱庆;冯斌;李茂粟;陈媚特;徐肇文;谢潇;张叶廷;刘铭崴;黄志勤;冯义从;: "面向动态关联数据的高效稀疏图索引方法", 测绘学报, no. 06, 15 June 2020 (2020-06-15), pages 681 - 691 * |
李敏波;许鑫星;李强;韩乐;: "基于JSON文档结构的工业大数据多维分析方法", 中国机械工程, no. 14, 23 December 2019 (2019-12-23), pages 1700 - 1707 * |
李超;: "一种基于主题和分众分类的信息检索优化方法", 情报理论与实践, no. 10, 30 October 2009 (2009-10-30), pages 108 - 110 * |
杨灿;: "空间数据快速索引技术研究", 电子技术与软件工程, no. 19, 17 October 2018 (2018-10-17), pages 207 - 208 * |
王艳;刘继华;: "基于多维索引树编码的数据库分层访问技术研究", 软件导刊, no. 05, 26 May 2016 (2016-05-26), pages 173 - 175 * |
Also Published As
Publication number | Publication date |
---|---|
CN117290893B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Graph indexing based on discriminative frequent structure analysis | |
CN111291161A (zh) | 法律案件知识图谱查询方法、装置、设备及存储介质 | |
US8756245B2 (en) | Systems and methods for answering user questions | |
JP2022535792A (ja) | データフィールドのプロファイルデータからのデータフィールドの意味論的意味の発見 | |
US7127469B2 (en) | XML database mixed structural-textual classification system | |
US8156097B2 (en) | Two stage search | |
WO2019035765A9 (en) | METHODS, AUTOMATIC LEARNING ENGINES AND FILE MANAGEMENT PLATFORM SYSTEMS FOR CONTENT AND DATA CONTEXT-SENSITIVE CLASSIFICATION AND FOR SECURITY MALFUNCTION DETECTION | |
US20020174095A1 (en) | Very-large-scale automatic categorizer for web content | |
US20090192996A1 (en) | Method and apparatus for collecting entity aliases | |
Yin et al. | Facto: a fact lookup engine based on web tables | |
CN114722137A (zh) | 基于敏感数据识别的安全策略配置方法、装置及电子设备 | |
Ma et al. | Typifier: Inferring the type semantics of structured data | |
CN110633375A (zh) | 一种基于政务工作的媒体信息整合利用的系统 | |
CN115618014A (zh) | 一种应用大数据技术的标准文献分析管理系统及方法 | |
CN113591476A (zh) | 一种基于机器学习的数据标签推荐方法 | |
US9323721B1 (en) | Quotation identification | |
Guha et al. | Integrating XML data sources using approximate joins | |
CN117290893B (zh) | 一种基于数据标签的数据库访问方法及系统 | |
Freire et al. | Identification of FRBR works within bibliographic databases: An experiment with UNIMARC and duplicate detection techniques | |
Roche et al. | Mining texts by association rules discovery in a technical corpus | |
Ma et al. | Api prober–a tool for analyzing web api features and clustering web apis | |
Ahmed et al. | Building multiview analyst profile from multidimensional query logs: from consensual to conflicting preferences | |
Wu et al. | Design of a Computer‐Based Legal Information Retrieval System | |
Oita et al. | FOREST: Focused object retrieval by exploiting significant tag paths | |
CN116431815B (zh) | 一种村务公开数据智慧管理系统 |
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 |