JPWO2019204106A5 - - Google Patents

Claims (14)

1. 例によって抽出、変換、およびロード（ＥＴＬ）マッピングを学習するための方法であって、前記方法は、
   ソーススキーマおよびターゲットスキーマから複数の特徴を抽出するステップを含み、前記特徴は、前記ソーススキーマおよび前記ターゲットスキーマの複数のテーブルのカラムを少なくとも含み、前記方法はさらに、
   例示的なＥＴＬマッピングを機械学習アルゴリズムに提供するステップを含み、前記例示的なＥＴＬマッピングは、前記ソーススキーマの１つ以上のテーブルからデータを抽出し、抽出された前記データを前記ターゲットスキーマの１つ以上のテーブルにロードするための定義を含み、前記方法はさらに、
   前記機械学習アルゴリズムを使用し、前記ソーススキーマ、前記ターゲットスキーマ、および抽出された前記特徴に基づいて、１つ以上のＥＴＬルールを予測するステップを含み、前記１つ以上のＥＴＬルールは、前記ソーススキーマからデータを抽出し、抽出された前記データを前記ターゲットスキーマにロードするためのロジックを定義し、前記方法はさらに、
   予測された前記ＥＴＬルール、前記ソーススキーマ、前記ターゲットスキーマ、および抽出された前記特徴に基づいて、追加のＥＴＬマッピングを生成するステップを含み、前記追加のＥＴＬマッピングは、前記ソーススキーマの１つ以上のテーブルからデータを抽出し、抽出された前記データを前記ターゲットスキーマの１つ以上のテーブルにロードするための追加の定義を提供する、方法。
2. 前記例示的なＥＴＬマッピングおよび前記追加のＥＴＬマッピングは、ソーステーブルの１つ以上のソースカラムとターゲットテーブルのターゲットカラムとの間の関係を定義するマッピング式を含む、請求項１に記載の方法。
3. 前記例示的なＥＴＬマッピングは、カラム名接尾辞またはカラム名接頭辞のうちの少なくとも１つを実装するマッピング式を含む、請求項１に記載の方法。
4. 前記例示的なＥＴＬマッピングは、マッピング式のソースカラムに適用される１つ以上の関数を実装するマッピング式を含む、請求項１に記載の方法。
5. 前記例示的なＥＴＬマッピングは、前記ターゲットスキーマの第１のカラムをロードするために前記ソーススキーマのカラムに適用される第１の型の関数を実装するマッピング式を含み、
   前記追加のＥＴＬマッピングは、前記ターゲットスキーマの第２のカラムをロードするために前記ソーススキーマの前記カラムに適用される前記第１の型の関数を実装するマッピング式を含む、請求項４に記載の方法。
6. 予測された前記ＥＴＬルールは、前記例示的なＥＴＬマッピングによって表わされるロジックを定義する、請求項１から５のいずれか１項に記載の方法。
7. 前記例示的なＥＴＬマッピングは、前記ソーススキーマと前記ターゲットスキーマの第１の組のカラムとの間の関係を表わし、
   予測された前記ＥＴＬルールは、前記ソーススキーマと前記ターゲットスキーマの第２の組のカラムとの間の関係についてのロジックを定義し、前記第２の組のカラムは前記第１の組のカラムとは異なっている、請求項６に記載の方法。
8. 前記追加のＥＴＬマッピングは、予測された前記ＥＴＬルールに基づいた、前記ターゲットスキーマの前記第２の組のカラムについてのマッピング式を含む、請求項７に記載の方法。
9. 前記複数の特徴は、前記ソーススキーマおよび前記ターゲットスキーマのテーブルについての外部キーを含む、請求項１から８のいずれか１項に記載の方法。
10. 前記複数の特徴は、前記ソーススキーマのカラムについてのメタデータを含み、前記メタデータは、前記ソーススキーマのカラム間の関係を示す、請求項１から９のいずれか１項に記載の方法。
11. 請求項１～１０のいずれか１項に記載の方法をプロセッサに実行させるプログラム。
12. システムであって、
    メモリデバイスと通信している処理デバイスを含み、前記処理デバイスは、例によって抽出、変換、およびロード（ＥＴＬ）マッピングを学習するように構成され、前記学習することは、
    ソーススキーマおよびターゲットスキーマから複数の特徴を抽出することを含み、前記特徴は、前記ソーススキーマおよび前記ターゲットスキーマの複数のテーブルのカラムを少なくとも含み、前記学習することはさらに、
    例示的なＥＴＬマッピングを機械学習アルゴリズムに提供することを含み、前記例示的なＥＴＬマッピングは、前記ソーススキーマの１つ以上のテーブルからデータを抽出し、抽出された前記データを前記ターゲットスキーマの１つ以上のテーブルにロードするための定義を含み、前記学習することはさらに、
    前記機械学習アルゴリズムを使用し、前記ソーススキーマ、前記ターゲットスキーマ、および抽出された前記特徴に基づいて、１つ以上のＥＴＬルールを予測することを含み、前記１つ以上のＥＴＬルールは、前記ソーススキーマからデータを抽出し、抽出された前記データを前記ターゲットスキーマにロードするためのロジックを定義し、前記学習することはさらに、
    予測された前記ＥＴＬルール、前記ソーススキーマ、前記ターゲットスキーマ、および抽出された前記特徴に基づいて、追加のＥＴＬマッピングを生成することを含み、前記追加のＥＴＬマッピングは、前記ソーススキーマの１つ以上のテーブルからデータを抽出し、抽出された前記データを前記ターゲットスキーマの１つ以上のテーブルにロードするための追加の定義を提供する、システム。
13. 前記例示的なＥＴＬマッピングは、マッピング式のソースカラムに適用される１つ以上の関数を実装するマッピング式を含む、請求項１２に記載のシステム。
14. 前記例示的なＥＴＬマッピングは、前記ターゲットスキーマの第１のカラムをロードするために前記ソーススキーマのカラムに適用される第１の型の関数を実装するマッピング式を含み、
    前記追加のＥＴＬマッピングは、前記ターゲットスキーマの第２のカラムをロードするために前記ソーススキーマの前記カラムに適用される前記第１の型の関数を実装するマッピング式を含む、請求項１３に記載のシステム。