CN117389544B - 一种人工智能的数据建模方法、装置、介质和设备 - Google Patents
一种人工智能的数据建模方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN117389544B CN117389544B CN202311707533.9A CN202311707533A CN117389544B CN 117389544 B CN117389544 B CN 117389544B CN 202311707533 A CN202311707533 A CN 202311707533A CN 117389544 B CN117389544 B CN 117389544B
- Authority
- CN
- China
- Prior art keywords
- vector
- word
- model
- model attribute
- name
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 14
- 239000013598 vector Substances 0.000 claims abstract description 189
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000012216 screening Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 description 20
- 230000007246 mechanism Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 101100369915 Drosophila melanogaster stas gene Proteins 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/35—Creation or generation of source code model driven
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- 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)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种人工智能的数据建模方法、装置、介质和设备，该方法包括：获取用户输入的目标模型属性的名称，根据目标模型属性的名称从历史模型库中筛选出历史模型属性信息列表；提取历史模型属性信息列表中的字段名称的单词字典；按照单词字典将历史模型属性信息列表中的每个模型属性的字段名称转换为第一向量，将目标模型属性的名称转换为第二向量；使用余弦相似度算法计算第二向量与第一向量之间的相似度值，输出相似度值大于预设相似度阈值的第一向量对应的字段名称；按照输出的字段名称自动生成目标模型属性的名称对应的模型。本发明通过智能推荐方法，从历史模型库中自动提取出相似的模型属性列表，使用推荐的模型属性自动生成新模型。
Description
技术领域
本发明涉及软件开发技术领域，尤其涉及一种人工智能的数据建模方法、装置、介质和设备。
背景技术
现有的数据建模过程中，需要用户根据模型主题逐个补充完善模型属性，包括属性名称（表字段）和属性类型。对于同一个行业的不同项目，数据模型存在相似性和重复性，用户需要在不同的项目之间重复建模，即重复输入模型的各个属性，极大地增加了开发人员的工作量，数据建模效率较低。
发明内容
有鉴于此，本发明实施例的目的在于提供一种人工智能的数据建模方法、装置、介质和设备，以减少模型开发人员的工作量，提高建模效率。
为达到上述目的，第一方面，本发明提供一种人工智能的数据建模方法，所述方法包括：
获取用户输入的目标模型属性的名称，根据所述目标模型属性的名称从历史模型库中筛选出与所述目标模型属性相关的历史模型属性信息列表，所述历史模型属性信息包括字段名称、字段代码和数据类型；
提取所述历史模型属性信息列表中的字段名称的单词字典；
按照所述单词字典将所述历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将所述目标模型属性的名称转换为第二向量；
使用余弦相似度算法计算所述第二向量与所述第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；
按照输出的所述字段名称自动生成所述目标模型属性的名称对应的模型。
在一些可能的实施方式中，所述的提取所述历史模型属性信息列表中的字段名称的单词字典，具体包括：
将所述历史模型属性信息列表中的字段名称合并为一个中文文档；
提取所述中文文档中出现的所有单词，按照所述单词出现的先后顺序标注每个所述单词的索引；
根据所述单词和所述单词对应的所述索引生成所述单词字典。
在一些可能的实施方式中，所述单词字典中还包括未登录词，所述未登录词是指所述目标模型属性的名称中未出现的词；
所述未登录词位于所述单词字典中末尾，按照所述单词的索引标注所述未登录词的索引。
在一些可能的实施方式中，所述的按照所述单词字典将所述历史模型属性信息列表中的每个模型属性的字段名称转换为第一向量，将所述目标模型属性的名称转换为第二向量，具体包括：
计算所述单词字典中每个单词和所述未登录词的词频，其中，每个所述单词的词频为所述单词在所述中文文档中出现的次数与所述中文文档的总字数的比值，所述未登录词的词频记为0；
按照单词字典的索引和词频将所述字段名称转换为N维的第一向量；
按照单词字典的索引和词频将所述目标模型属性的名称转换为N维的第二向量；其中，N为单词字典的单词数加1。
在一些可能的实施方式中，所述余弦相似度算法的计算公式如下：；
其中，similarity为第二向量与每个第一向量之间的相似度值；A为第二向量，B为第一向量，||A||为第二向量的模长，||B||为第一向量的模长，i表示第一向量和第二向量的维度，Ai表示第二向量的第i个维度值，Bi表示第一向量的第i个维度值。
在一些可能的实施方式中，所述的按照输出的所述字段名称自动生成所述目标模型属性的名称对应的模型，具体包括：
根据输出的所述字段名称调取与所述字段名称对应的字段代码和数据类型；
按照所述相似度值的大小对所述字段名称进行排序后自动生成所述目标模型属性的名称对应的模型。
在一些可能的实施方式中，在所述获取用户输入的目标模型属性的名称，根据所述目标模型属性的名称从历史模型库中筛选出与所述目标模型属性相关的历史模型属性信息列表历史模型属性信息列表之前，还包括：
建立历史模型库；
将所述历史模型库中的每条模型属性信息以Tab键进行分割，将所述历史模型属性信息划分为字段名称、字段代码和数据类型三个属性，并以文本的形式存储在本地磁盘中。
第二方面，本发明实施例提供了一种人工智能的数据建模装置，所述装置包括：
获取与筛选模块，用于获取用户输入的目标模型属性的名称，根据所述目标模型属性的名称从历史模型库中筛选出与所述目标模型属性相关的历史模型属性信息列表，所述历史模型属性信息包括字段名称、字段代码和数据类型；
提取模块，用于提取所述历史模型属性信息列表中的字段名称的单词字典；
转换模块，用于按照所述单词字典将所述历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将所述目标模型属性的名称转换为第二向量；
计算并输出模块，用于使用余弦相似度算法计算所述第二向量与所述第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；
自动生成模块，用于按照输出的所述字段名称自动生成所述目标模型属性的名称对应的模型。
第三方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面任意一种所述的方法。
第四方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任意一种所述的方法。
上述技术方案具有如下有益效果：
本发明提供了一种人工智能的数据建模方法、装置、介质和设备，该方法包括：获取用户输入的目标模型属性的名称，根据目标模型属性的名称从历史模型库中筛选出与目标模型属性相关的历史模型属性信息列表，模型属性信息包括字段名称、字段代码和数据类型；提取历史模型属性信息列表中的字段名称的单词字典；按照单词字典将历史模型属性信息列表中的每个模型属性的字段名称转换为第一向量，将目标模型属性的名称转换为第二向量；使用余弦相似度算法计算第二向量与第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；按照输出的字段名称自动生成目标模型属性的名称对应的模型。本发明实施例通过智能推荐方法，从历史模型库中自动提取出相似的模型属性列表，使用推荐的模型属性自动生成新模型，减少模型开发人员的工作量，提高建模效率，降低建模门槛，可以一键生成模型，避免重复劳动。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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，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是本发明实施例的一种人工智能的数据建模方法的流程图；
图2是本发明实施例的一种人工智能的数据建模装置的结构框图；
图3是本发明实施例的电子设备的基本结构的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
本发明实施例提供了一种智能推荐算法，根据用户输入的目标模型属性的名称，推荐自动生成模型属性。
图1是本发明实施例的一种人工智能的数据建模方法的流程图，如图1所示，该方法包括如下步骤：
步骤S11，获取用户输入的目标模型属性的名称，根据目标模型属性的名称从历史模型库中筛选出与目标模型属性相关的历史模型属性信息列表，历史模型属性信息包括字段名称、字段代码和数据类型。
步骤S12，提取历史模型属性信息列表中的字段名称的单词字典。
步骤S13，按照单词字典将历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将目标模型属性的名称转换为第二向量。
步骤S14，使用余弦相似度算法计算第二向量与第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称。
步骤S15，按照输出的字段名称自动生成目标模型属性的名称对应的模型。
本实施例中，历史模型属性信息列表1是根据用户的模型名称从历史模型库中筛选出来的，历史模型库的信息如表2所示，表2的历史模型库中是收集到的行业模型信息，包括模型字段中文名称，模型字段英文代码，模型字段数据类型，历史模型属性信息列表包括多行模型属性信息，例如，用户输入模型名称“签约信息表”，就会从历史模型库中筛选出“签约状态”，“签约渠道”，“签约日期”，“签约机构”，“签约柜员”等历史模型属性信息列表。
表1，历史模型属性信息列表：
表2，历史模型库信息示例：
表1和表2中的每一行代表一个历史模型属性信息（表字段信息），“数据日期”表示属性名称（字段名称），DATA_DT表示属性代码（字段代码），VARCHAR2(10)表示该属性在数据库中存储的数据类型。
本实施例中，从表2所示模型中筛选出历史模型属性信息列表后，将每一行历史模型属性信息的字段名称如“签约状态”，“签约渠道”，“签约日期”，“签约机构”，“签约柜员”中提取出单词字典，即出现的不重复的单词（汉字）。按照单词字典将历史模型属性信息列表中的每一行历史模型属性信息的字段名称转换为第一向量，即将表1中“签约状态”，“签约渠道”，“签约日期”，“签约机构”，“签约柜员”分别转换为第一向量，将目标模型属性的名称转换为第二向量；使用余弦相似度算法计算第二向量与第一向量之间的相似度值，即将模型属性信息的字段名称与用户输入目标模型属性的名称做智能化匹配比较，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；按照输出的字段名称自动生成目标模型属性的名称对应的模型。具体的自动建模过程如下：
S1，假设用户输入目标模型属性的名称为“订单信息表”，使用向量算法将“订单信息表”转为第二向量[0.1, 0.3, 0.5, 0.8, 0.3,0.4]。其中，向量算法可以为词袋模型（Bag of Words，BOW），词嵌入模型（Embedding）和本实施例中采用TF（Term Frequency，词项频率）算法。
S2，假设有一批模型属性字段：
订单日期 ORDER_DT VARCHAR
订单编号 ORDER_NO VARCHAR
部门名称 DEP_NAME VARCHAR
学历 EDU_BACK VARCHAR
S3，将“订单日期”，“订单编号”，“部门名称”和“学历”依次使用TF算法转为第一向量：
[0.3,0.5,0.2,0.4,0.7,0.3]，
[0.4,0.3,0.4,0.2,0.7,0.4]，
[0.5,0.4,0.7,0.2,0.4,0.1]，
[0.1,0.5,0.2,0.7,0.2,0.1]；
S4，将S1中的第二向量和S3中的各个第一向量做比较，比较算法采用余弦相似度算法，通过余弦相似度算法计算得出第二向量分别与4个第一向量的相似度值为[0.6,0.5,0.3,0.1]；相似值越大越匹配用户输入信息，0.6最大，对应S3中的第一条记录（即订单日期对应的第一向量），0.5对应S3中的第二条记录（即订单编号对应的第一向量），0.3对应S3中的第三条记录（即部门名称对应的第一向量），0.1对应S3中的第四条记录（即学历对应的第一向量）。
S4，如果用户预设的相似度阈值为0.4，那么用户选择大于0.4的两条记录：
订单日期 ORDER_DT VARCHAR；
订单编号 ORDER_NO VARCHAR；
此时，就会输出推荐的“订单日期”和“订单编号”这两个字段列表，根据这两个列表自动生成新的模型。另外，本实施例中，相似度阈值可以由用户根据实际情况来确定。
本发明实施例通过智能推荐方法，从历史模型库中自动提取出相似的模型属性列表，使用推荐的模型属性自动生成新模型，减少模型开发人员的工作量，提高建模效率，降低建模门槛，可以一键生成模型，避免重复劳动。
在一些实施例中，提取历史模型属性信息列表中的字段名称的单词字典，具体包括：将历史模型属性信息列表中的字段名称合并为一个中文文档；提取中文文档中出现的所有单词，按照单词出现的先后顺序标注每个单词的索引；根据单词和单词对应的索引生成单词字典。另外，单词字典中还可以包括未登录词，未登录词是指目标模型属性的名称中未出现的词；未登录词位于单词字典的末尾，未登录词的索引按照前面单词的索引进行排序。
该技术方案的优点在于：通过提取历史模型属性信息列表中的字段名称，可以建立一个专门针对该领域的单词字典，这样的单词字典可以更好地反映一个领域特有的术语和名词，有助于提高后续文本处理和分析的准确性和专业性。单词字典中包括一个未登录词，未登录词是指目标模型属性的名称中未出现在单词字典中的汉字，将未登录词记录在单词字典的末尾，并标注其索引，有助于系统对未登录词的处理和管理，提高了系统对未知词汇的容错性和适应性。通过构建单词字典，可以更好地理解和处理历史模型属性信息列表中的字段名称，这有助于提升数据分析的精度，例如在文本挖掘、关键词提取等应用中，能够更准确地识别和理解领域特定的术语和名词。单词和单词对应的索引构成的单词字典，为后续的索引化检索提供了基础，系统可以根据单词的索引快速定位到对应的模型属性信息，从而支持更高效的信息检索和查询操作。通过构建单词字典，系统可以更好地理解和处理领域特定的文本信息，这有助于提高系统的智能化水平，使其能够更好地适应特定领域的需求和特点。
具体的，以下面5条模型属性为例：
签约状态 SIGCT_STAS VARCHAR2(4)
签约渠道 SIGCT_CHNL VARCHAR2(4)
签约日期 SIGCT_DATE VARCHAR2(10)
签约机构 SIGCT_ATHO VARCHAR2(12)
签约柜员 SIGCT_TELR VARCHAR2(12)
数据日期 DATA_DT VARCHAR2(10)
将上述的每一个模型属性的每行字段信息的第一列中文信息（字段名称）先合并为一个文档（24个字）：“签约状态签约渠道签约日期签约机构签约柜员数据日期”，
提取此文档中的所有出现过的单词，那么单词字典为：“签约状态渠道日期机构柜员数据UNK”，单词字典中存储的是单词和索引的对应关系：“签”的索引就是1，“签”在向量中索引是1的位置对应的就是“签”。单词字典一旦确定，顺序不能改变，其中UNK表示未登录词，假如用户输入的中文不在字典中用UNK表示。
1.“签”对应15维向量的第1维，
2.“约”对应15维向量的第2维，
3.“状”对应15维向量的第3维，
4.“态”对应15维向量的第4维，
…
…
14.“据”对应15维向量的第14维，
15.“UNK”对应15维向量的第15维。
在一些可选的实施例中，按照单词字典将历史模型属性信息列表中的每个模型属性的字段名称转换为第一向量，将目标模型属性的名称转换为第二向量，具体包括：计算单词字典中每个单词和未登录词的词频，其中，每个单词的词频为单词在中文文档中出现的次数与中文文档的总字数的比值，未登录词的词频记为0；按照单词字典中索引和词频将所述字段名称转换为N维的第一向量；按照单词字典中索引和词频将所述目标模型属性的名称转换为N维的第二向量；其中，N为单词字典的单词数加1。即，本实施例中，第一向量与第二向量的维数相同，都等于单词字典的单词数加上一个未登录词，即本实施例中，N=14。
该技术方案的优点在于：通过将历史模型属性信息列表中的字段名称和目标模型属性的名称转换为N维的第一向量和第二向量，实现了对文本信息的语义向量化处理，这有助于系统更好地理解和处理文本信息，提高了对模型属性信息的语义理解能力。第一向量与第二向量的维数相同，都等于单词字典的单词数加上一个未登录词，这种维度统一的设计有助于简化后续的向量计算和处理，提高了系统的计算效率和性能。按照单词字典中索引和词频将字段名称和目标模型属性的名称转换为N维的向量，考虑了单词在文档中的词频信息，这样的词频加权方式有助于突出关键词的重要性，提高了向量化表示的信息丰富度和准确性。未登录词的词频记为0，这样的设计有助于系统对未知词汇的处理和管理，系统可以通过向量化表示更好地处理未登录词，提高了系统对未知信息的适应性和容错性。通过将字段名称和目标模型属性的名称转换为N维的向量，有助于系统进行相似度计算和语义匹配，这样的向量化表示可以提高相似度计算的准确性，从而提高了系统在模型属性信息匹配和推荐方面的效果。向量化表示的字段名称和目标模型属性的名称可以作为机器学习算法的输入特征，有助于系统进行模型训练和预测，这样有助于提高系统的智能化水平和自动化处理能力。
例如，以上面的单词字典为例，使用TF算法计算这15个字中每个单词的词频（TF）：比如“签”的TF：“签”在合并后的文档中出现5次，文档中一共24个字，那么TF(签) = 5 / 24= 0.208，依次计算其余13个字的词频（TF）：TF(约) = 5 / 24 = 0.208、TF(状) = 1/ 24 =0.042、TF(态) =1/24 = 0.042、TF(渠) = 1/24 = 0.042、TF(道) = 1/24 = 0.042、TF(日)= 2/24 = 0.083、TF(期) = 2/24 = 0.083、TF(机) = 1/24 = 0.042、TF(构) = 1/24 =0.042、TF(柜) = 1/24 = 0.042、TF(员) = 1/24 = 0.042、TF(数) = 1/24 = 0.042、TF(据) = 1/24 = 0.042；UNK为未登录词，即在单词字典中出现的次数为0，所以其词频TF记为0。
下面将每个模型属性信息的字段名称转化为一个15维的第一向量：
签约状态[0.208, 0.208, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,0]
签约渠道 [0.208, 0.208,0, 0, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0,0]
签约日期 [0.208, 0.208, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0, 0,0]
签约机构 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0, 0, 0,0]
签约柜员 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0,0]
数据日期 [0, 0, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0.042, 0.042,0]
将用户输入数据通过TF算法也转为一个15维向量：
假如用户输入“签约信息表”对照字典，“签约状态渠道日期机构柜员数据UNK”，和上面的单词词频和索引，得到“签约信息表”对应的15维向量：
签第1维，TF=0.208，
签第2维，TF=0.208，
信第15维，TF=0，信不在词典中对应UNK，
息第15维，TF=0，
表第15维，TF=0；
最终“签约信息表”的15维向量：[0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0,0, 0, 0, 0]，其中，不在单词字典中的字记为UNK，向量的维数与索引相对应。
在一些实施例中，采用余弦相似度算法的计算公式如下：
其中，similarity为第二向量与每个第一向量之间的相似度值；A为第二向量，B为第一向量，||A||为第二向量的模长，||B||为第一向量的模长，i表示第一向量和第二向量的维度，Ai表示第二向量的第i个维度值，Bi表示第一向量的第i个维度值。
该算法是用来衡量两个向量相似度的一种算法，相似度越高，该算法的结果越接近1，相似度越低，该算法的结果越接近0。
在本实施例中A向量表示用户输入“签约信息表”，对应上面的15维第二向量：
[0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]；
B对应模型库中模型属性的字段名称的15维第一向量：
签约状态[0.208, 0.208, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,0]，
签约渠道 [0.208, 0.208,0, 0, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0,0]，
签约日期 [0.208, 0.208, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0, 0,0]，
签约机构 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0, 0, 0,0]，
签约柜员 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0,0]，
数据日期 [0, 0, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0.042, 0.042,0]；
以“签约信息表”(A)和“签约状态”(B)举例做余弦相似度：
A·B =0.208*0.208+0.208*0.208+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0 = 0.086528，
||A|| = sqrt( 0.208*0.208 + 0.208*0.208 ) = 0. 2941564209736038，
||B||=sqrt(0.208*0.208+0.208*0.208+0.042*0.042+0.042*0.042) =0.30009331881932994，
Similarity=0.086528/(0.2941564209736038*0.30009331881932994)=0.9302164944255207。
依次计算出第二向量A分别与每一个第一向量B之间的相似度值。
在一些实施例中，按照输出的字段名称自动生成目标模型属性的名称对应的模型，具体包括：根据输出的字段名称调取与字段名称对应的字段代码和数据类型；按照相似度值的大小对字段名称进行排序后自动生成目标模型属性的名称对应的模型。
具体的，按照上述算法依次计算出“签约信息表”和“签约状态”，“签约渠道”等等从历史模型库中筛选出来的模型属性信息的相似度，并按照相似度值从大到小排序，输出排名靠前的推荐字段名称，以及该字段名称对应的字段代码和数据类型，即输出相似度值大于相似度阈值的字段名称，最终“签约信息表”模型如下：
表3，签约信息表：
在一些实施例中，在获取用户输入的目标模型属性的名称，根据目标模型名称读取历史模型库中的历史模型属性信息列表之前，还包括：建立历史模型库；将历史模型库中的每条历史模型属性信息以Tab键进行分割，例如，用JAVA语言来实现：String[] strs =line.split("\t”)，strs是一个数组，将历史模型属性信息划分为字段名称、字段代码和数据类型三个属性，并以文本的形式存储在本地磁盘中。
该技术方案的优点在于：通过将模型属性信息划分为字段名称、字段代码和数据类型三个属性，可以实现信息的结构化存储，这种结构化方式有助于提高数据的可读性和可管理性，同时也便于后续的数据检索和分析。使用Tab键分割的文本格式可以方便地进行解析和读取，且易于区分。这样可以快速地从历史模型库中检索出所需的历史模型属性信息，提高了检索效率。通过使用如JAVA语言中的split("\t")方法，可以简化文本处理的编程流程。这种方法可以直接将一行文本分割成数组，每个数组元素对应一个字段，这样的处理方式简单直观，减少了数据处理的复杂性。文本文件作为存储格式，具有良好的兼容性和可扩展性。在需要更新或扩展模型库时，可以很容易地添加新的记录或修改现有记录，而不需要复杂的数据库操作。使用文本文件存储数据，相较于数据库等其他存储方式，可以降低系统的存储成本。文本文件易于备份和迁移，可以通过简单的文件复制操作来完成数据的备份和迁移，这对于数据的安全性和灵活性都是有益的。文本文件具有很好的兼容性，几乎所有的操作系统和编程语言都支持文本文件的读写操作，这使得该技术方案具有很高的适用性。
本实施例中，历史模型库是一个庞大的，覆盖面很广的，包含某个行业或者业务的模型基本属性的集合。本实施例就是要复用历史模型库中的模型基本属性，为建模提供便利性。
本实施例通过建立历史模型库，将历史项目中的模型信息归纳提取，供后续建模使用；通过智能推荐算法，从历史模型库中自动提取出相似的模型属性列表，使用推荐的模型属性自动生成新模型，减少模型开发人员的工作量，提高建模效率，降低建模门槛，可以一键生成模型，避免重复劳动。
图2是本发明实施例的一种人工智能的数据建模装置的结构框图，如图2所示，该装置100包括：
获取与筛选模块101，用于获取用户输入的目标模型属性的名称，根据目标模型属性的名称从历史模型库中筛选出与目标模型属性相关的历史模型属性信息列表，历史模型属性信息包括字段名称、字段代码和数据类型。
提取模块102，用于提取历史模型属性信息列表中的字段名称的单词字典。
转换模块103，用于按照单词字典将历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将目标模型属性的名称转换为第二向量。
计算并输出模块104，用于使用余弦相似度算法计算第二向量与第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称。
自动生成模块105，用于按照输出的字段名称自动生成目标模型属性的名称对应的模型。
本实施例中，历史模型属性信息列表是根据用户的模型名称从历史模型库中筛选出来的，历史模型库的信息是历史模型库中是收集到的行业模型信息，包括模型字段中文名称，模型字段英文代码，模型字段数据类型，历史模型属性信息列表包括多行模型属性信息，例如用户输入模型名“签约信息表”，就会从历史模型库中筛选出“签约状态”，“签约渠道”，“签约日期”，“签约机构”，“签约柜员”等历史模型属性信息列表。
本实施例中，获取与筛选模块101从模型中筛选出历史模型属性信息列表后，提取模块102将每一行历史模型属性信息的字段名称如“签约状态”，“签约渠道”，“签约日期”，“签约机构”，“签约柜员”中提取出单词字典，即出现的不重复的单词（汉字）。转换模块103按照单词字典将历史模型属性信息列表中的每一行历史模型属性信息的字段名称转换为第一向量，即将“签约状态”，“签约渠道”，“签约日期”，“签约机构”，“签约柜员”分别转换为第一向量，将目标模型属性的名称转换为第二向量；计算并输出模块104使用余弦相似度算法计算第二向量与第一向量之间的相似度值，即将模型属性信息的字段名称与用户输入目标模型属性的名称做智能化匹配比较，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；自动生成模块105按照输出的字段名称自动生成目标模型属性的名称对应的模型。具体的自动建模过程如下：
S1，假设用户输入目标模型属性的名称为“订单信息表”，使用向量算法将“订单信息表”转为第二向量[0.1, 0.3, 0.5, 0.8, 0.3,0.4]。其中，向量算法可以为词袋模型（Bag of Words，BOW），词嵌入模型（Embedding）和本实施例中采用TF（Term Frequency，词项频率）算法。
S2，假设有一批模型属性字段：
订单日期 ORDER_DT VARCHAR
订单编号 ORDER_NO VARCHAR
部门名称 DEP_NAME VARCHAR
学历 EDU_BACK VARCHAR
S3，将“订单日期”，“订单编号”，“部门名称”和“学历”依次使用TF算法转为第一向量：
[0.3,0.5,0.2,0.4,0.7,0.3]，
[0.4,0.3,0.4,0.2,0.7,0.4]，
[0.5,0.4,0.7,0.2,0.4,0.1]，
[0.1,0.5,0.2,0.7,0.2,0.1]；
S4，将S1中的第二向量和S3中的各个第一向量做比较，比较算法采用余弦相似度算法，通过余弦相似度算法计算得出第二向量分别与4个第一向量的相似度值为[0.6,0.5,0.3,0.1]；相似值越大越匹配用户输入信息，0.6最大，对应S3中的第一条记录（即订单日期对应的第一向量），0.5对应S3中的第二条记录（即订单编号对应的第一向量），0.3对应S3中的第三条记录（即部门名称对应的第一向量），0.1对应S3中的第四条记录（即学历对应的第一向量）。
S4，如果用户预设的相似度阈值为0.4，那么用户选择大于0.4的两条记录：
订单日期 ORDER_DT VARCHAR；
订单编号 ORDER_NO VARCHAR；
此时，就会输出推荐的“订单日期”和“订单编号”这两个字段列表，根据这两个列表自动生成新的模型。另外，本实施例中，相似度阈值可以由用户根据实际情况来确定。
本发明实施例通过智能推荐方法，从历史模型库中自动提取出相似的模型属性列表，使用推荐的模型属性自动生成新模型，减少模型开发人员的工作量，提高建模效率，降低建模门槛，可以一键生成模型，避免重复劳动。
在一些实施例中，提取模块102具体用于：将历史模型属性信息列表中的字段名称合并为一个中文文档；提取中文文档中出现的所有单词，按照单词出现的先后顺序标注每个单词的索引；根据单词和单词对应的索引生成单词字典。另外，单词字典中还可以包括未登录词，未登录词是指目标模型属性的名称中未出现的词；未登录词位于单词字典中末尾，未登录词的索引按照前面单词的索引进行排序。
该技术方案的优点在于：通过提取历史模型属性信息列表中的字段名称，可以建立一个专门针对该领域的单词字典，这样的单词字典可以更好地反映一个领域特有的术语和名词，有助于提高后续文本处理和分析的准确性和专业性。单词字典中包括一个未登录词，未登录词是指目标模型属性的名称中未出现在单词字典中的汉字，将未登录词记录在单词字典末尾，并标注其索引，有助于系统对未登录词的处理和管理，提高了系统对未知词汇的容错性和适应性。通过构建单词字典，可以更好地理解和处理历史模型属性信息列表中的字段名称，这有助于提升数据分析的精度，例如在文本挖掘、关键词提取等应用中，能够更准确地识别和理解领域特定的术语和名词。单词和单词对应的索引构成的单词字典，为后续的索引化检索提供了基础，系统可以根据单词的索引快速定位到对应的模型属性信息，从而支持更高效的信息检索和查询操作。通过构建单词字典，系统可以更好地理解和处理领域特定的文本信息，这有助于提高系统的智能化水平，使其能够更好地适应特定领域的需求和特点。
具体的，以下面5条模型属性为例：
签约状态 SIGCT_STAS VARCHAR2(4)
签约渠道 SIGCT_CHNL VARCHAR2(4)
签约日期 SIGCT_DATE VARCHAR2(10)
签约机构 SIGCT_ATHO VARCHAR2(12)
签约柜员 SIGCT_TELR VARCHAR2(12)
数据日期 DATA_DT VARCHAR2(10)
将上述的每一个模型属性的每行字段信息的第一列中文信息（字段名称）先合并为一个文档（24个字）：“签约状态签约渠道签约日期签约机构签约柜员数据日期”，
提取此文档中的所有出现过的单词，那么单词字典为：“签约状态渠道日期机构柜员数据UNK”，单词字典中存储的是单词和索引的对应关系：“签”的索引就是1，“签”在向量中索引是1的位置对应的就是“签”。单词字典一旦确定，顺序不能改变，其中UNK表示未登录词，假如用户输入的中文不在字典中用UNK表示。
1.“签”对应15维向量的第1维，
2.“约”对应15维向量的第2维，
3.“状”对应15维向量的第3维，
4.“态”对应15维向量的第4维，
…
…
14.“据”对应15维向量的第14维，
15.“UNK”对应15维向量的第15维。
在一些可选的实施例中，转换模块103具体用于：计算单词字典中每个单词和未登录词的词频，其中，每个单词的词频为单词在中文文档中出现的次数与中文文档的总字数的比值，未登录词的词频记为0；按照单词字典中索引和词频将所述字段名称转换为N维的第一向量；按照单词字典中索引和词频将所述目标模型属性的名称转换为N维的第二向量；其中，N为单词字典的单词数加1。即，本实施例中，第一向量与第二向量的维数相同，都等于单词字典的单词数加上一个未登录词，即本实施例中，N=14。
该技术方案的优点在于：通过将历史模型属性信息列表中的字段名称和目标模型属性的名称转换为N维的第一向量和第二向量，实现了对文本信息的语义向量化处理，这有助于系统更好地理解和处理文本信息，提高了对模型属性信息的语义理解能力。第一向量与第二向量的维数相同，都等于单词字典的单词数加上一个未登录词，这种维度统一的设计有助于简化后续的向量计算和处理，提高了系统的计算效率和性能。按照单词字典中索引和词频将字段名称和目标模型属性的名称转换为N维的向量，考虑了单词在文档中的词频信息，这样的词频加权方式有助于突出关键词的重要性，提高了向量化表示的信息丰富度和准确性。未登录词的词频记为0，这样的设计有助于系统对未知词汇的处理和管理，系统可以通过向量化表示更好地处理未登录词，提高了系统对未知信息的适应性和容错性。通过将字段名称和目标模型属性的名称转换为N维的向量，有助于系统进行相似度计算和语义匹配，这样的向量化表示可以提高相似度计算的准确性，从而提高了系统在模型属性信息匹配和推荐方面的效果。向量化表示的字段名称和目标模型属性的名称可以作为机器学习算法的输入特征，有助于系统进行模型训练和预测，这样有助于提高系统的智能化水平和自动化处理能力。
例如，以上面的单词字典为例，使用TF算法计算这15个字中每个单词的词频（TF）：比如“签”的TF：“签”在合并后的文档中出现5次，文档中一共24个字，那么TF(签) = 5 / 24= 0.208，依次计算其余13个字的词频（TF）：TF(约) = 5 / 24 = 0.208、TF(状) = 1/ 24 =0.042、TF(态) =1/24 = 0.042、TF(渠) = 1/24 = 0.042、TF(道) = 1/24 = 0.042、TF(日)= 2/24 = 0.083、TF(期) = 2/24 = 0.083、TF(机) = 1/24 = 0.042、TF(构) = 1/24 =0.042、TF(柜) = 1/24 = 0.042、TF(员) = 1/24 = 0.042、TF(数) = 1/24 = 0.042、TF(据) = 1/24 = 0.042；UNK为未登录词，即在单词字典中出现的次数为0，所以其词频TF记为0。
下面将每个模型属性信息的字段名称转化为一个15维的第一向量：
签约状态[0.208, 0.208, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,0]
签约渠道 [0.208, 0.208,0, 0, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0,0]
签约日期 [0.208, 0.208, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0, 0,0]
签约机构 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0, 0, 0,0]
签约柜员 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0,0]
数据日期 [0, 0, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0.042, 0.042,0]
将用户输入数据通过TF算法也转为一个15维向量：
假如用户输入“签约信息表”对照字典，“签约状态渠道日期机构柜员数据UNK”，和上面的单词词频和索引，得到“签约信息表”对应的15维向量：
签第1维，TF=0.208，
签第2维，TF=0.208，
信第15维，TF=0，信不在词典中对应UNK，
息第15维，TF=0，
表第15维，TF=0；
最终“签约信息表”的15维向量：[0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0,0, 0, 0, 0]，其中，不在单词字典中的字记为UNK，向量的维数与索引相对应。
在一些实施例中，计算与输出模块104采用余弦相似度算法的计算公式如下：
其中，similarity为第二向量与每个第一向量之间的相似度值；A为第二向量，B为第一向量，||A||为第二向量的模长，||B||为第一向量的模长，i表示第一向量和第二向量的维度，Ai表示第二向量的第i个维度值，Bi表示第一向量的第i个维度值。
该算法是用来衡量两个向量相似度的一种算法，相似度越高，该算法的结果越接近1，相似度越低，该算法的结果越接近0。
在本实施例中A向量表示用户输入“签约信息表”，对应上面的15维第二向量：
[0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]；
B对应模型库中模型属性的字段名称的15维第一向量：
签约状态[0.208, 0.208, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,0]，
签约渠道 [0.208, 0.208,0, 0, 0.042, 0.042, 0, 0, 0, 0, 0, 0, 0, 0,0]，
签约日期 [0.208, 0.208, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0, 0,0]，
签约机构 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0, 0, 0,0]，
签约柜员 [0.208, 0.208, 0, 0, 0, 0, 0, 0, 0, 0, 0.042, 0.042, 0, 0,0]，
数据日期 [0, 0, 0, 0, 0, 0, 0.083, 0.083, 0, 0, 0, 0, 0.042, 0.042,0]；
以“签约信息表”(A)和“签约状态”(B)举例做余弦相似度：
A·B =0.208*0.208+0.208*0.208+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0+0*0 = 0.086528，
||A|| = sqrt( 0.208*0.208 + 0.208*0.208 ) = 0. 2941564209736038
||B||=sqrt(0.208*0.208+0.208*0.208+0.042*0.042+0.042*0.042) =0.30009331881932994，
Similarity=0.086528/(0.2941564209736038*0.30009331881932994)=0.9302164944255207。
依次计算出第二向量A分别与每一个第一向量B之间的相似度值。
在一些实施例中，自动生成模块105具体用于：根据输出的字段名称调取与字段名称对应的字段代码和数据类型；按照相似度值的大小对字段名称进行排序后自动生成目标模型属性的名称对应的模型。
具体的，按照上述算法依次计算出“签约信息表”和“签约状态”，“签约渠道”等等从历史模型库中筛选出来的模型属性信息的相似度，按照并按照相似度值从大到小排序，输出排名靠前的推荐字段名称，以及该字段名称对应的字段代码和数据类型，即输出相似度值大于相似度阈值的字段名称，最终“签约信息表”模型如下：
在一些实施例中，在获取与筛选模块101之前，还包括历史模型库建立模块，用于建立历史模型库；将历史模型库中的每条历史模型属性信息以Tab键进行分割，例如，用JAVA语言来实现：String[] strs = line.split("\t”)，strs是一个数组，将历史模型属性信息划分为字段名称、字段代码和数据类型三个属性，并以文本的形式存储在本地磁盘中。该技术方案的优点在于：通过将模型属性信息划分为字段名称、字段编码和数据类型三个属性，可以实现信息的结构化存储，这种结构化方式有助于提高数据的可读性和可管理性，同时也便于后续的数据检索和分析。使用Tab键分割的文本格式可以方便地进行解析和读取，且易于区分。这样可以快速地从历史模型库中检索出所需的历史模型属性信息，提高了检索效率。通过使用如JAVA语言中的split("\t")方法，可以简化文本处理的编程流程。这种方法可以直接将一行文本分割成数组，每个数组元素对应一个字段，这样的处理方式简单直观，减少了数据处理的复杂性。文本文件作为存储格式，具有良好的兼容性和可扩展性。在需要更新或扩展模型库时，可以很容易地添加新的记录或修改现有记录，而不需要复杂的数据库操作。使用文本文件存储数据，相较于数据库等其他存储方式，可以降低系统的存储成本。文本文件易于备份和迁移，可以通过简单的文件复制操作来完成数据的备份和迁移，这对于数据的安全性和灵活性都是有益的。文本文件具有很好的兼容性，几乎所有的操作系统和编程语言都支持文本文件的读写操作，这使得该技术方案具有很高的适用性。
本实施例中，历史模型库是一个庞大的，覆盖面很广的，包含某个行业或者业务的模型基本属性的集合。本实施例就是要复用历史模型库中的模型基本属性，为建模提供便利性。
本实施例通过建立历史模型库，将历史项目中的模型信息归纳提取，供后续建模使用；通过智能推荐算法，从历史模型库中自动提取出相似的模型属性列表，使用推荐的模型属性自动生成新模型，减少模型开发人员的工作量，提高建模效率，降低建模门槛，可以一键生成模型，避免重复劳动。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备。
本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有电子设备操作所需的各种程序和数据。处理装置301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD－ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，adhoc(端对端)网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
获取用户输入的目标模型属性的名称，根据目标模型属性的名称从历史模型库中筛选出与目标模型属性相关的历史模型属性信息列表，模型属性信息包括字段名称、字段代码和数据类型；
提取历史模型属性信息列表中的字段名称的单词字典；
按照单词字典将历史模型属性信息列表中的每个模型属性的字段名称转换为第一向量，将目标模型属性的名称转换为第二向量；
使用余弦相似度算法计算第二向量与第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；
按照输出的字段名称自动生成目标模型属性的名称对应的模型。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk(一种面向对象的程序设计语言)、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，在有些作为替换的实现中，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，两个接连地表示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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (8)
1.一种人工智能的数据建模方法，其特征在于，所述方法包括：
获取用户输入的目标模型属性的名称，根据所述目标模型属性的名称从历史模型库中筛选出与所述目标模型属性相关的历史模型属性信息列表，所述历史模型属性信息包括字段名称、字段代码和数据类型；
提取所述历史模型属性信息列表中的字段名称的单词字典；
按照所述单词字典将所述历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将所述目标模型属性的名称转换为第二向量；
使用余弦相似度算法计算所述第二向量与所述第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；
按照输出的所述字段名称自动生成所述目标模型属性的名称对应的模型；
其中，所述的提取所述历史模型属性信息列表中的字段名称的单词字典，具体包括：将所述历史模型属性信息列表中的字段名称合并为一个中文文档；提取所述中文文档中出现的所有单词，按照所述单词出现的先后顺序标注每个所述单词的索引；根据所述单词和所述单词对应的所述索引生成所述单词字典；
所述的按照所述单词字典将所述历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将所述目标模型属性的名称转换为第二向量，具体包括：计算所述单词字典中每个单词和未登录词的词频，其中，每个所述单词的词频为所述单词在所述中文文档中出现的次数与所述中文文档的总字数的比值，所述未登录词的词频记为0；按照所述单词字典的索引和词频将所述字段名称转换为N维的第一向量；按照所述单词字典的索引和词频将所述目标模型属性的名称转换为N维的第二向量；其中，N为单词字典的单词数加1。
2.根据权利要求1所述的数据建模方法，其特征在于，所述单词字典中还包括未登录词，所述未登录词是指所述目标模型属性的名称中未出现的词；
所述未登录词位于所述单词字典的末尾，按照所述单词的索引标注所述未登录词的索引。
3.根据权利要求1所述的数据建模方法，其特征在于，所述余弦相似度算法的计算公式如下：；
其中，similarity为第二向量与每个第一向量之间的相似度值；A为第二向量，B为第一向量，||A||为第二向量的模长，||B||为第一向量的模长，i表示第一向量和第二向量的维度，Ai表示第二向量的第i个维度值，Bi表示第一向量的第i个维度值。
4.根据权利要求1所述的数据建模方法，其特征在于，所述的按照输出的所述字段名称自动生成所述目标模型属性的名称对应的模型，具体包括：
根据输出的所述字段名称调取与所述字段名称对应的字段代码和数据类型；
按照所述相似度值的大小对所述字段名称进行排序，并自动生成所述目标模型属性的名称对应的模型。
5.根据权利要求2所述的数据建模方法，其特征在于，在获取用户输入的目标模型属性的名称，根据所述目标模型属性的名称从历史模型库中筛选出与所述目标模型属性相关的历史模型属性信息列表之前，还包括：
建立历史模型库；
将所述历史模型库中的每条历史模型属性信息以Tab键进行分割，将所述历史模型属性信息划分为字段名称、字段代码和数据类型三个属性，并以文本的形式存储在本地磁盘中。
6.一种人工智能的数据建模装置，其特征在于，所述装置包括：
获取与筛选模块，用于获取用户输入的目标模型属性的名称，根据所述目标模型属性的名称从历史模型库中筛选出与所述目标模型属性相关的历史模型属性信息列表，所述历史模型属性信息包括字段名称、字段代码和数据类型；
提取模块，用于提取所述历史模型属性信息列表中的字段名称的单词字典；
转换模块，用于按照所述单词字典将所述历史模型属性信息列表中的每个历史模型属性的字段名称转换为第一向量，将所述目标模型属性的名称转换为第二向量；
计算并输出模块，用于使用余弦相似度算法计算所述第二向量与所述第一向量之间的相似度值，输出相似度值大于预设的相似度阈值的第一向量对应的字段名称；
自动生成模块，用于按照输出的所述字段名称自动生成所述目标模型属性的名称对应的模型；
其中，所述提取模块具体用于：将所述历史模型属性信息列表中的字段名称合并为一个中文文档；提取所述中文文档中出现的所有单词，按照所述单词出现的先后顺序标注每个所述单词的索引；根据所述单词和所述单词对应的所述索引生成所述单词字典；
所述转换模块具体用于：计算所述单词字典中每个单词和未登录词的词频，其中，每个所述单词的词频为所述单词在所述中文文档中出现的次数与所述中文文档的总字数的比值，所述未登录词的词频记为0；按照所述单词字典的索引和词频将所述字段名称转换为N维的第一向量；按照所述单词字典的索引和词频将所述目标模型属性的名称转换为N维的第二向量；其中，N为单词字典的单词数加1。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311707533.9A CN117389544B (zh) | 2023-12-13 | 2023-12-13 | 一种人工智能的数据建模方法、装置、介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311707533.9A CN117389544B (zh) | 2023-12-13 | 2023-12-13 | 一种人工智能的数据建模方法、装置、介质和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117389544A CN117389544A (zh) | 2024-01-12 |
| CN117389544B true CN117389544B (zh) | 2024-03-01 |
Family
ID=89441422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311707533.9A Active CN117389544B (zh) | 2023-12-13 | 2023-12-13 | 一种人工智能的数据建模方法、装置、介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117389544B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118193857B (zh) * | 2024-05-20 | 2024-09-10 | 苏州恩赫信息科技有限公司 | 一种基于向量数据库的案例相似度推荐系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110163476A (zh) * | 2019-04-15 | 2019-08-23 | 重庆金融资产交易所有限责任公司 | 项目智能推荐方法、电子装置及存储介质 |
| CN110502737A (zh) * | 2018-05-18 | 2019-11-26 | 中国医学科学院北京协和医院 | 一种基于医学专业词典与统计算法的分词方法 |
| CN112732934A (zh) * | 2021-01-11 | 2021-04-30 | 国网山东省电力公司电力科学研究院 | 电网设备分词词典和故障案例库构建方法 |
| CN112926295A (zh) * | 2021-03-30 | 2021-06-08 | 中国建设银行股份有限公司 | 模型推荐方法和装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11900071B2 (en) * | 2020-05-29 | 2024-02-13 | Fmr Llc | Generating customized digital documents using artificial intelligence |
-
2023
- 2023-12-13 CN CN202311707533.9A patent/CN117389544B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110502737A (zh) * | 2018-05-18 | 2019-11-26 | 中国医学科学院北京协和医院 | 一种基于医学专业词典与统计算法的分词方法 |
| CN110163476A (zh) * | 2019-04-15 | 2019-08-23 | 重庆金融资产交易所有限责任公司 | 项目智能推荐方法、电子装置及存储介质 |
| CN112732934A (zh) * | 2021-01-11 | 2021-04-30 | 国网山东省电力公司电力科学研究院 | 电网设备分词词典和故障案例库构建方法 |
| CN112926295A (zh) * | 2021-03-30 | 2021-06-08 | 中国建设银行股份有限公司 | 模型推荐方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117389544A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111274815B (zh) | 用于挖掘文本中的实体关注点的方法和装置 | |
| US11625236B2 (en) | Auto mapping recommender | |
| CN111522927B (zh) | 基于知识图谱的实体查询方法和装置 | |
| CN113657113B (zh) | 文本处理方法、装置和电子设备 | |
| CN117389544B (zh) | 一种人工智能的数据建模方法、装置、介质和设备 | |
| CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
| CN113204691B (zh) | 一种信息展示方法、装置、设备及介质 | |
| CN112948486A (zh) | 批量数据同步方法、系统及电子设备 | |
| CN111314388A (zh) | 用于检测sql注入的方法和装置 | |
| CN109902152B (zh) | 用于检索信息的方法和装置 | |
| CN114995691B (zh) | 一种文档处理方法、装置、设备和介质 | |
| CN117093604B (zh) | 检索信息生成方法、装置、电子设备和计算机可读介质 | |
| CN111459959B (zh) | 用于更新事件集合的方法和装置 | |
| US12112365B2 (en) | Probabilistic determination of compatible content | |
| US20240169000A1 (en) | Information processing method and apparatus, device, and medium | |
| CN113946648B (zh) | 结构化信息生成方法、装置、电子设备和介质 | |
| CN113609309B (zh) | 知识图谱构建方法、装置、存储介质及电子设备 | |
| Al-Barhamtoshy et al. | A data analytic framework for unstructured text | |
| CN115526177A (zh) | 对象关联模型的训练 | |
| CN114997120B (zh) | 文档标签的生成方法、装置、终端和存储介质 | |
| CN117852535B (zh) | 标准数据绑定信息发送方法、装置、设备和介质 | |
| US11556591B2 (en) | Tenant-isolated custom annotations for search within a public corpus | |
| CN115422131B (zh) | 业务审核知识库检索方法、装置、设备和计算机可读介质 | |
| CN118152861B (zh) | 异源数据处理方法、装置、电子设备和计算机可读介质 | |
| CN116737762B (zh) | 结构化查询语句生成方法、装置和计算机可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |