[发明专利]中文姓名数据的发现与分类方法

权利要求书

1.一种中文姓名数据的发现与分类方法，其特征在于，包括：

将所述中文姓名种类的数据划分为姓名、姓氏和名字三个子类，并对姓名、姓氏和名字三个子类分别设置姓名计数器、姓氏计数器和名字计数器，针对所用到的姓氏字典设置一个数组计数器，设定所述姓名、姓氏和名字三个子类分别对应的数据分析规则；

提取数据表中的采样数据；

选取所述采样数据中的第一张数据表的第一行数据记录的数据，对所述第一行数据记录的数据进行拆分，得到多个字段的数据，选取第一个字段的数据，当所述第一个字段的类型为字符串类型的字段，且长度大于等于2，则按照中文姓名对应的数据分析规则，对所述第一个字段的数据进行中文姓名数据分析,根据分析结果对姓名计数器、姓氏计数器、名字计数器和/或数组计数器的计数值进行统计处理；

选取第二个字段的数据，按照所述第一个字段的数据的数据分析过程，对所述第二个字段的数据进行数据分析，依次类推，对所述第一行数据记录中的每个字段的数据进行数据分析；

选取所述采样数据中的第二行数据记录的数据，按照所述第一行数据记录的数据的数据分析过程，对所述第二行数据记录的数据进行数据分析，依次类推，对所述采样数据中的所有数据表中的所有行数据记录的数据进行数据分析；

根据某个数据表中的某个字段对应的姓名计数器、姓氏计数器、名字计数器和/或数组计数器的计数值，判断所述某个字段的数据类型是否为中文姓名。

2.根据权利要求1所述的中文姓名数据的发现与分类方法，其特征在于，还包括：

构造中文姓名对应的数据字典，该数据字典中存储了中文姓名数据种类中的典型数据。

3.根据权利要求1所述的中文姓名数据的发现与分类方法，其特征在于，所述的提取数据表中的采样数据之前，还包括：

读取所述数据表所在的数据库的元数据，该元数据包括每个数据表的数据表名、数据表中存储的数据的描述信息，以及每个数据表中的每个字段的字段名、数据类型定义、数据长度精度限制信息，根据所述元数据判断出所述数据库中需要进行数据分析的数据表和数据表中需要进行数据分析的字段；

根据所述数据表中每个字段的字段类型和长度精度，确定需要匹配中文姓名对应的数据分析规则的字段。

4.根据权利要求3所述的中文姓名数据的发现与分类方法，其特征在于，所述的提取数据表中的采样数据，包括：

设置数据表的采样行数规则为：当所述数据表中的全部数据记录的行数小于等于所述采样行数阈值N，则提取所述数据表中的全部记录行数的数据作为采样数据；当所述数据表中的数据记录的行数大于所述采样行数阈值，则提取所述数据表中的排列在前列的所述采样行数阈值N的行数，以及排列在所述采样行数阈值N的行数后面的全部数据记录的行数的设定比率M‰作为采样数据。

5.根据权利要求1所述的中文姓名数据的发现与分类方法，其特征在于，所述的对所述第一个字段的数据进行中文姓名数据分析,根据分析结果对姓名计数器、姓氏计数器、名字计数器和/或数组计数器的计数值进行统计处理，包括：

当所述第一个字段的数据的最左边的字符匹配姓氏字典中包含的姓氏，并且所述第一个字段的数据中在所述姓氏的右边还有字符，则将姓名对应的计数器的计数值加1，将所述字典姓氏对应的数组计数器的计数值加1，并将所述姓名对应的统计值加1；

当所述第一个字段的数据的最左边的字符匹配姓氏字典中包含的姓氏，并且所述第一个字段的数据中在所述姓氏的右边没有字符，则将姓氏对应的计数器的计数值加1，将所述字典姓氏对应的数组计数器的计数值加1，并将所述姓氏对应的统计值加1。

6.根据权利要求5所述的中文姓名数据的发现与分类方法，其特征在于，所述的根据某个数据表中的某个字段对应的姓名计数器、姓氏计数器、名字计数器和/或数组计数器的计数值，判断所述某个字段的数据类型是否为中文姓名，包括：

当所述采样数据中某个字段的数据全部分析完成后，所述姓氏计数器的计数值、所述数组计数器大于进行分析的所述某个字段的数据的总数量的设定比例，并且，统计值大于设定数值的姓氏的数量大于设定的数量阈值，则判定所述某个字段的数据类型为姓氏。

7.根据权利要求5所述的中文姓名数据的发现与分类方法，其特征在于，所述的根据某个数据表中的某个字段对应的姓名计数器、姓氏计数器、名字计数器和/或数组计数器的计数值，判断所述某个字段的数据类型是否为中文姓名，包括：

当所述采样数据中所述某个字段的数据全部分析完成后，如果姓名计数器的计数值大于进行分析的所述某个字段的数据的总数量的设定比例，统计所有所述某个字段的数据中重复的数据，当重复的数据占所有所述某个字段的数据的比例小于设定的阈值，则判定所述某个字段的数据类型为姓名。