[發明專利]數據表相似度確定方法及裝置

有效

• 申請號: 202011345577.8
• 申請日: 2020-11-25
• 公開（公告）號: CN112597149B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 張志強
• 申請（專利權）人: 貝殼技術有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/28
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 李文清

1.一種數據表相似度確定方法，其特征在于，包括：

判斷數據倉庫中任意兩個數據表中是否存在具有關聯關系的字段；所述關聯關系包括直接關聯關系和間接關聯關系，所述直接關聯關系是指兩個字段中一個字段是直接由另一個字段生成的，所述間接關聯關系是指兩個字段中一個字段是通過調用另一個字段進行運算得到；

若所述任意兩個數據表中存在具有關聯關系的字段，則確定所述任意兩個數據表中具有關聯關系的至少一對字段之間的字段相似度；

基于所述字段相似度以及所述任意兩個數據表中的字段數量，確定所述任意兩個數據表的表相似度。

2.根據權利要求1所述的數據表相似度確定方法，其特征在于，所述基于所述字段相似度以及所述任意兩個數據表中的字段數量，確定所述任意兩個數據表的表相似度，具體包括：

對所述任意兩個數據表中具有關聯關系的至少一對字段之間的字段相似度進行求和，得到第一求和結果；

將所述第一求和結果與所述任意兩個數據表中的字段數量的比值作為所述任意兩個數據表的表相似度。

3.根據權利要求1所述的數據表相似度確定方法，其特征在于，還包括：

若所述任意兩個數據表中不存在具有關聯關系的字段，則確定所述數據倉庫中與所述任意兩個數據表對應的至少一個關聯數據表，所述關聯數據表中存在與所述任意兩個數據表中的字段均具有關聯關系的至少一個關聯字段；

基于任一關聯數據表中的任一關聯字段與所述任意兩個數據表中對應的字段之間的字段相似度，以及所述任一關聯數據表中的關聯字段的數量，確定所述任意兩個數據表的表相似度。

4.根據權利要求3所述的數據表相似度確定方法，其特征在于，所述基于任一關聯數據表中的任一關聯字段與所述任意兩個數據表中對應的字段之間的字段相似度，以及所述任一關聯數據表中的關聯字段的數量，確定所述任意兩個數據表的表相似度，具體包括：

基于所述任一關聯數據表中的任一關聯字段與所述任意兩個數據表中對應的字段之間的字段相似度，以及所述任一關聯數據表中的關聯字段的數量，確定所述任一關聯數據表對應的表相似度項；

將所述至少一個關聯數據表對應的表相似度項之和作為所述任意兩個數據表的表相似度。

5.根據權利要求4所述的數據表相似度確定方法，其特征在于，所述基于所述任一關聯數據表中的任一關聯字段與所述任意兩個數據表中對應的字段之間的字段相似度，以及所述任一關聯數據表中的關聯字段的數量，確定所述任一關聯數據表對應的表相似度項，具體包括：

基于所述任一關聯數據表中的任一關聯字段與所述任意兩個數據表中對應的字段之間的字段相似度，對所述任一關聯數據表中的至少一個關聯字段與所述任意兩個數據表中對應的字段之間的字段相似度進行求和，得到第二求和結果；

基于所述第二求和結果與所述任一關聯數據表中的關聯字段的數量之間的比值，確定所述任一關聯數據表對應的表相似度項。

6.根據權利要求1-5中任一項所述的數據表相似度確定方法，其特征在于，還包括：

基于所述任意兩個數據表的表相似度，確定所述數據倉庫的整體表相似度。

7.根據權利要求1-5中任一項所述的數據表相似度確定方法，其特征在于，所述確定所述任意兩個數據表中具有關聯關系的至少一對字段之間的字段相似度，之前還包括：

基于詞法解析方法以及語法解析方法，確定所述任意兩個數據表中具有關聯關系的至少一對字段以及對應的關聯關系類型。