[发明专利]一种结构化数据搜索方法

权利要求书

1.一种结构化数据搜索方法，其特征在于包括以下步骤：

步骤A：对数据仓库的数据进行技术标准化，得到进行技术标准化后扩展的所有事实表和维度表：

a1.将已有数据仓库标准化为事实表和维度表的模式；

a2.将已有数据仓库标准化为星型模型；

a3.在已有数据仓库,对于存在笛卡儿乘积的维度表都转化为单一维度的维度表；

步骤B：建立搜索模型的配置参数表；

根据步骤A的结果配置参数表，配置参数表由度量配置参数表、维度配置参数表和维度值配置参数表3张表构成；

所述度量配置参数表包括的数据项为度量名称、所属表名、度量对应字段名和数据聚合特征；所述维度配置参数表的数据项主要包括维度名称、所属表名、维度字段名、维度表主键和优先级别，其中优先级别是一个排列序号，0最高，数字越大优先级越小；所述维度值配置参数表包括维度值、所属表名、维度字段名、维度表主键；

步骤C：根据配置参数表生成搜索模型表：通过SQL语句插入的方式，生成搜索模型表，搜索模型表的字段包括：索引名、类型、表名、字段名、维度表ID、聚合特征；3张配置参数表中的每一行数据对应生成搜索模型表中的一条数据，即搜索模型表的数据是3张配置参数表的数据之和，其中类型区分来自与不同的配置表；

步骤D：根据搜索模型表，实现结构化数据搜索，所述搜索过程为：

首先根据用户的输入信息进行分词处理，将输入参数拆分为多个单独的索引；再根据拆分出的索引，在搜索模型表中找到各个索引的对应属性；根据属性类型生成查询语句，对于度量和维度，放到查询语句的SELECT中，而维度值则放到WHERE的限制语句中，并得到查询结果。

2.根据权利要求1所述的方法，其特征在于：所述将已有数据仓库标准化为事实表和维度表的模式的具体过程为:已有数据仓库有源数据表D包含A1、A2、…An，B1、B2、…Bm,其中A1-An为枚举型的文本值或数值，B1-Bm为数字型的度量值，则将源数据表D拆分为一个事实表Fmn和n个维度表(DA1-DAn)组成，事实表Fmn的构成是A1ID、A2ID、…AnID，B1、B2、…Bm，其中A1ID、A2ID、…AnID分别和n个维度表进行关联,每个维度表Ai的构成是AiID、AiName；其中AiID是指维度Ai的ID，即唯一的数字标示；AiName是指维度表Ai的Name，即名称。

3.根据权利要求1所述的方法，其特征在于：还包括搜索模型的更新和自我学习过程：在步骤B中建立的3张配置表可以覆盖数据仓库中所有的度量和维度，当数据仓库中的模型发生变更时，所述变更包括：新增、修改或删除，配置参数表也需要进行对应的变更操作，当3张配置参数表变更完成后，步骤C中的数据搜索模型也需要重新生成。

4.根据权利要求1所述的方法，其特征在于：所述步骤B还包括配置索引映射关系表的过程，所述索引映射关系表用来进行索引名称的模糊匹配，所述索引映射关表表结构为：标准索引名、模糊匹配名称；所述索引映射关系表的初始值根据常规逻辑，手工进行维护，后续根据用户搜索习惯，逐步丰富完善，形成针对具体业务的匹配词库。

5.根据权利要求1所述的方法，其特征在于：所述数据聚合特征是指度量值的结果聚合方式，具体包括6类特征：求和、最大值、最小值、平均值、计数、无。