[发明专利]利用索引串匹配的上下文盲数据转换

说明书

用于将数据从第一形式转换到第二形式而不用参考要被转换的数据上下文的基于计算机的工具和方法。该转换可以通过将源数据与包括用于数据转换的规则(例如，特定于上下文的规则)的外部信息(例如，公共和/或私有模式)相匹配来促进。匹配可以基于优化的索引串匹配技术来执行，该技术可操作以将源数据匹配到上下文相关的外部信息，而无需具体识别源数据或识别的外部信息的上下文。相应地，数据转换可以在无监督机器学习环境中执行。

对相关申请的交叉引用

本申请是于2012年8月28日提交的标题为“SCALABLE STRING MATCHING AS ACOMPONENT FOR UNSUPERVISED LEARNING IN SEMANTIC META-MODEL DEVELOPMENT”的美国专利申请No.13/596,844的部分接续，该专利全部内容通过引用被完整地结合于此。

技术领域

本公开内容一般而言涉及使用基于计算机的工具将数据从第一形式转换到第二形式，并且更具体而言，涉及可以与无监督学习过程关联地利用索引串匹配，以通过利用至少部分地基于上下文相关模式与在转换源数据时使用的源数据的索引串匹配而选择的模式来转换上下文不确定数据的基于计算机的工具。

背景技术

在各种应用中，可能希望将数据从第一(或输入)形式转换到第二(或目标)形式。这种转换可以包括，例如，数据相对于语言学、句法和/或格式的改变。在这点上，语言学差异可能是由于使用了不同的语言，或在单个语言中，由于对术语、专有名称、缩写、特质(idiosyncratic)短语或结构、以及特定于位置、区域、业务实体或单元、贸易、组织等其它事物的不同用法。对于当前意图，在语言学的范围内的差异还包括不同的货币、不同的重量和量度单位以及其它系统的差异。句法可能涉及词语的分句(phrasing)、次序和组织，以及与其相关的语法和其它规则。格式差异可能涉及与数据库或其它应用及相关工具相关联的数据结构或约定。

可以与转换过程关联有利地解决一个或多个这些形式上的差异。转换环境的一些例子包括：将数据从一个或多个遗留系统导入到目标系统中；相对于一个或多个定义的信息集合关联或解释外部输入(诸如搜索查询)；相对于一个或多个外部文档、文件或其它数据源关联或解释外部输入；促进系统之间的信息交换；以及翻译单词、短语或文档。在所有这些情况下，可以使用基于机器(例如，基于计算机)的工具来试图解决输入环境和目标环境之间语言学、句法和/或格式中的差异。

与基于机器的转换工具相关联的一个困难涉及正确地处理上下文相关的转换。在这种情况下，正确地转换所考虑的上下文相关的项可能取决于关于其中使用该项的上下文理解一些事物。例如，在产品描述的上下文中，取决于所考虑的产品，“一英寸”的属性值可能表示一英寸长度、一英寸半径或一些其它维度。在这点上，其中使用“一英寸”的上下文可能指定数据“一英寸”可允许的和/或正确的转换(例如，到长度、半径或其它维度)。在另一个例子中，在翻译的上下文中，词语“walking(行走)”在短语“walking shoe(休闲鞋)”中与在“walking to work(步行去工作)”中用途不同。因此，在这些例子以及许多其它例子中，关于所考虑项的上下文理解一些事物会有利于转换。

虽然很好地认识到了上下文在消除歧义或以其它方式正确转换信息中的价值，但是在将这个概念应用到基于机器的工具时只实现了有限的成功，特别是在无监督机器学习中。例如，某些要被转换的数据可能是高度非结构化的和/或以其它方式上下文不确定的。因此，数据可能不具有指示其中使用源数据的上下文的指示器(例如，或者在数据内部或可以从外部源得到)。即，数据可能是上下文不确定的，使得数据的上下文不容易被辨认。此外，源数据可能包括多个不同的上下文，使得会在数据中出现源数据的不同子集的上下文。在这点上，上下文相关的转换可能不可能利用识别在上下文相关数据转换中使用的上下文的传统方法。

发明内容