[發明專利]數據處理方法、裝置、電子設備和計算機可讀存儲介質

在審

• 申請號: 202110087974.8
• 申請日: 2021-01-22
• 公開（公告）號: CN112749186A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 林義明;陳穎;于澤;郭酉晨;解翔
• 申請（專利權）人: 廣州虎牙科技有限公司
• 主分類號: G06F16/242
• 分類號: G06F16/242;G06F16/31;G06F16/36;G06F16/34
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張欣欣

1.一種數據處理方法，其特征在于，包括：

獲得SQL語法樹并進行處理，得到包含圖譜實體和關系的中間語法樹；

遍歷所述中間語法樹，以表或者字段表征所述中間語法樹中各內容在目標圖譜的實體，并配置所述表和字段之間的關系，得到目標圖譜。

2.根據權利要求1所述的數據處理方法，其特征在于，獲得SQL語法樹的步驟，包括：

對SQL任務進行預處理，得到SQL語句集合；

對所述SQL語句集合進行解析得到SQL語法樹。

3.根據權利要求2所述的數據處理方法，其特征在于，對SQL任務進行預處理，得到SQL語句集合的步驟，包括：

將SQL任務包含的各語句切分成多個單句；

對所述多個單句進行過濾，得到包含、選擇、合并、聯合和插入類語句；

對所述包含、選擇、合并、聯合和插入類語句進行去重，得到SQL語句集合。

4.根據權利要求3所述的數據處理方法，其特征在于，遍歷所述中間語法樹，以表或者字段表征所述中間語法樹中各內容在目標圖譜的實體，并配置所述表和字段之間的關系，得到目標圖譜的步驟，包括：

遍歷所述中間語法樹，以表或者字段表征所述中間語法樹中各內容在待處理圖譜的實體，并配置所述表和字段之間的關系；

根據解析得到的所述SQL語法樹，對所述待處理圖譜的實體和關系進行補充；

對進行補充后的待處理圖譜的實體和關系進行歸一去重，得到目標圖譜。

5.根據權利要求3所述的數據處理方法，其特征在于，配置所述表和字段之間的關系的步驟，包括：

將所述表和字段之間的關系配置為：表包含字段、表選擇表、表合并表、表聯合表和表插入表中的至少一種。

6.根據權利要求1至5任意一項所述的數據處理方法，其特征在于，所述遍歷所述中間語法樹，以表或者字段表征所述中間語法樹中各內容在目標圖譜的實體的步驟，包括：

查找出所述中間語法樹中的數據表、臨時結果集合和標簽；

以表作為所述數據表和臨時結果集合的實體，以字段作為所述標簽的實體。

7.一種數據處理方法，其特征在于，包括：

從目標圖譜中提取表和字段的特征，其中，所述目標圖譜根據權利要求1至6任意一項得到；

基于所述表和字段的特征得到目標圖譜中SQL語句的總體特征。

8.根據權利要求7所述的數據處理方法，其特征在于，從目標圖譜中提取表和字段的特征的步驟，基于以下至少一種方法實現：

基于圖譜關系數據運用DeepWalk算法得到表和字段的embedding；

基于圖譜關系數據和PageRank算法得到表和字段的PageRank；

將目標圖譜的表和字段按屬性名和屬性值展開成文本，利用doc2vector對所述文本進行處理得到初步的表和字段的embedding，利用關系數據和GCN算法對初步的表和字段的embedding做處理，得到基于GCN的表和字段的embedding；

將目標圖譜的表和字段按屬性名和屬性值展開成文本，利用doc2vector對所述文本進行處理得到初步的表和字段的embedding，利用關系數據和GraphSAGE算法對初步的表和字段的embedding做處理，得到基于GraphSAGE的表和字段的embedding。

9.根據權利要求8所述的數據處理方法，其特征在于，基于所述表和字段的特征得到目標圖譜中SQL語句的總體特征的步驟，包括：

對所述表和字段的特征取平均，得到目標圖譜中SQL語句的總體embedding或PageRank。