[發明專利]基于存儲庫的信息溯源方法、裝置、電子設備及介質

在審

• 申請號: 202111446604.5
• 申請日: 2021-11-30
• 公開（公告）號: CN114138784A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 蔣樹杰
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/25;G06F16/35;G06F40/284
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種基于存儲庫的信息溯源方法，其特征在于，所述方法包括：

獲取待溯源信息，判斷預設的第一存儲庫中是否存在所述待溯源信息；

若所述第一存儲庫中不存在所述待溯源信息，則將所述待溯源信息存儲入所述第一存儲庫并將所述第一存儲庫中存儲所述待溯源信息的表作為第一目標表；

獲取所述待溯源信息對應的源文件和存儲所述源文件的第一來源表；

若所述第一來源表不屬于事實表，則逐級查找所述源文件的上級文件，直至查找到的上級文件的第二來源表為事實表，根據所述上級文件的第二來源表獲取所述源文件的查找路徑；

若所述第一來源表屬于事實表，則將所述第一來源表存儲入預設的第二存儲庫，并根據所述第一來源表獲取所述源文件的查找路徑；

若所述第一存儲庫中存在所述待溯源信息，則從所述第一存儲庫中獲取存儲所述待溯源信息的第二目標表，根據所述第二目標表得到所述待溯源信息的源文件以及存儲所述源文件的第一來源表，從所述第一來源表獲取所述源文件的查找路徑；

根據所述查找路徑進行信息溯源。

2.如權利要求1所述的基于存儲庫的信息溯源方法，其特征在于，所述判斷預設的第一存儲庫中是否存在所述待溯源信息，包括：

若所述待溯源信息包含非文本信息，則將所述待溯源信息中非文本信息轉化為文本信息；

根據預設的分詞算法對轉化后的所述待溯源信息進行文本分詞，得到分詞文本信息；

通過預設的關鍵詞提取模型提取所述分詞文本信息的關鍵詞，得到文本關鍵詞；

通過在所述第一存儲庫中的各個數據表中查找是否存在所述文本關鍵詞判斷所述第一存儲庫中是否存在所述待溯源信息。

3.如權利要求2所述的基于存儲庫的信息溯源方法，其特征在于，所述根據預設的分詞算法對轉化后的所述待溯源信息進行文本分詞，得到分詞文本信息，包括：

通過多種不同的分詞算法對轉化后的所述待溯源信息進行文本分詞，得到多組分詞信息；

計算各組所述分詞信息的最小變化率，并根據所述最小變化率從多組所述分詞信息中選取目標分詞信息作為所述分詞文本信息。

4.如權利要求1至3中任一項所述的基于存儲庫的信息溯源方法，其特征在于，所述獲取所述待溯源信息對應的源文件和存儲所述源文件的第一來源表，包括：

根據所述待溯源信息利用結構化查詢語言創建信息視圖；

在預設的數據字典中查詢所述信息視圖依賴的所有數據表，并基于預設的日志信息獲取所述待溯源信息的源文件；

將在所述信息視圖依賴的所有數據表中存在所述源文件的數據表作為所述源文件的第一來源表。

5.如權利要求1至3中任一項所述的基于存儲庫的信息溯源方法，其特征在于，所述若所述第一來源表不屬于事實表，則逐級查找所述源文件的上級文件之前，所述方法還包括：

解析所述源文件得到解析數據，判斷所述解析數據是否都為數字數據；

若所述解析數據都為數字數據類型，則確定所述第一來源表為事實表；

若所述解析數據不都為數字數據類型，則確定所述第一來源表不為事實表。

6.如權利要求2所述的基于存儲庫的信息溯源方法，其特征在于，所述在所述第一存儲庫中的各個數據表中查找是否存在所述文本關鍵詞判斷所述第一存儲庫中是否存在所述待溯源信息，包括：

將所述文本關鍵詞和所述第一存儲庫中的文本信息向量化，得到文本關鍵字向量和文本信息向量；

通過文本相似度算法計算所述文本關鍵字向量和所述文本信息向量之間的相似度；

若所述文本關鍵字向量和所述文本信息向量之間的相似度大于等于預設閾值，則確定所述第一存儲庫中存在所述待溯源信息；

若所述文本關鍵字向量和所述文本信息向量之間的相似度小于所述預設閾值，則確定所述第一存儲庫中不存在所述待溯源信息。

7.如權利要求3所述的基于存儲庫的信息溯源方法，其特征在于，通過如下公式計算各組所述分詞信息的最小變化率：

其中，σ為最小變化率，N為分詞信息的分段數目，μ為分詞信息的分段平均字數，x_i為分詞信息中各段的字數。