[發明專利]一種數據分類方法、裝置及電子設備

有效

• 申請號: 201810415784.2
• 申請日: 2018-05-03
• 公開（公告）號: CN108763952B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 許志凱;侯輝超;蔡佳良;王心剛
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62;G06F16/28
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

本說明書實施例提供一種數據分類方法、裝置及電子設備，該方法包括：獲取待分類字段的字段特征；根據預設的字段特征與標簽類別的映射關系、以及所述待分類字段的字段特征，確定所述待分類字段的標簽類別。由此可見，本說明書實施例可以根據待分類字段的字段特征、以及預設的字段特征與標簽類別的映射關系，確定待分類字段的標簽類別。由于字段的字段特征可以從很大程度上反映該字段所屬的類別，因此本說明書實施例可以實現數據的精準分類。

技術領域

本申請涉及計算機技術領域，尤其涉及一種數據分類方法、裝置及電子設備。

背景技術

隨著移動互聯網時代的興起和數據量的大規模爆發，越來越多的互聯網企業開始重視數據的管理，例如，使用數據庫對大量的數據進行管理，而對數據庫中的數據進行分類保護，是實現大數據時代用戶信息保護的一種有效途徑，因此，需要提出一種準確率較高的數據分類方法。

發明內容

本說明書實施例的目的是提供一種數據分類方法、裝置及電子設備，以提供一種準確率較高的數據分類方案。

為了解決上述技術問題，本說明書實施例是這樣實現的：

本說明書實施例提供的一種數據分類方法，所述方法包括：

獲取待分類字段的字段特征；

根據預設的字段特征與標簽類別的映射關系、以及所述待分類字段的字段特征，確定所述待分類字段的標簽類別。

可選地，所述根據預設的字段特征與標簽類別的映射關系、以及所述待分類字段的字段特征，確定所述待分類字段的標簽類別之后，所述方法還包括：

根據預設的標簽類別與字段敏感級別的映射關系、以及所述待分類字段的標簽類別，確定所述待分類字段的敏感級別。

可選地，所述根據預設的字段特征與標簽類別的映射關系、以及所述待分類字段的字段特征，確定所述待分類字段的標簽類別之前，所述方法還包括：

獲取訓練樣本集，所述訓練樣本集中包括用于訓練模型的訓練樣本，所述訓練樣本為標簽類別已知的字段；

獲取所述訓練樣本集中訓練樣本的字段特征；

根據特定決策樹算法，對所述訓練樣本的字段特征和標簽類別進行訓練，得到預測模型，所述預測模型用于表征字段特征與標簽類別的映射關系。

可選地，所述根據預設的字段特征與標簽類別的映射關系、以及所述待分類字段的字段特征，確定所述待分類字段的標簽類別，包括：

將所述待分類字段的字段特征輸入到所述預測模型，得到所述待分類字段相對于各標簽類別的得分；

將得分大于預設分數閾值的標簽類別，確定為所述待分類字段的標簽類別。

可選地，所述字段特征包括以下一項或多項的組合：字段的語義特征、字段的內容特征和字段的統計特征。

可選地，所述字段特征包括：字段的統計特征；

所述獲取待分類字段的字段特征，包括：

獲取字段訪問記錄、以及所述待分類字段所處數據庫的數據分布情況；

根據所述字段訪問記錄，確定目標用戶訪問過的字段的標簽類別分布情況，所述目標用戶為訪問過所述待分類字段的用戶；

根據所述數據分布情況，確定目標數據表中字段的標簽類別分布情況、以及鄰近數據表中字段的標簽類別分布情況；所述目標數據表為所述待分類字段所處的數據表，所述鄰近數據表為與所述目標數據表相鄰的數據表；

將所述目標用戶訪問過的字段的標簽類別分布情況、所述目標數據表中字段的標簽類別分布情況、以及所述鄰近數據表中字段的標簽類別分布情況中的至少一項，作為統計特征。