[发明专利]一种数据分类方法、装置及电子设备

说明书

本说明书实施例提供一种数据分类方法、装置及电子设备，该方法包括：获取待分类字段的字段特征；根据预设的字段特征与标签类别的映射关系、以及所述待分类字段的字段特征，确定所述待分类字段的标签类别。由此可见，本说明书实施例可以根据待分类字段的字段特征、以及预设的字段特征与标签类别的映射关系，确定待分类字段的标签类别。由于字段的字段特征可以从很大程度上反映该字段所属的类别，因此本说明书实施例可以实现数据的精准分类。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据分类方法、装置及电子设备。

背景技术

随着移动互联网时代的兴起和数据量的大规模爆发，越来越多的互联网企业开始重视数据的管理，例如，使用数据库对大量的数据进行管理，而对数据库中的数据进行分类保护，是实现大数据时代用户信息保护的一种有效途径，因此，需要提出一种准确率较高的数据分类方法。

发明内容

本说明书实施例的目的是提供一种数据分类方法、装置及电子设备，以提供一种准确率较高的数据分类方案。

为了解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种数据分类方法，所述方法包括：

获取待分类字段的字段特征；

根据预设的字段特征与标签类别的映射关系、以及所述待分类字段的字段特征，确定所述待分类字段的标签类别。

可选地，所述根据预设的字段特征与标签类别的映射关系、以及所述待分类字段的字段特征，确定所述待分类字段的标签类别之后，所述方法还包括：

根据预设的标签类别与字段敏感级别的映射关系、以及所述待分类字段的标签类别，确定所述待分类字段的敏感级别。

可选地，所述根据预设的字段特征与标签类别的映射关系、以及所述待分类字段的字段特征，确定所述待分类字段的标签类别之前，所述方法还包括：

获取训练样本集，所述训练样本集中包括用于训练模型的训练样本，所述训练样本为标签类别已知的字段；

获取所述训练样本集中训练样本的字段特征；

根据特定决策树算法，对所述训练样本的字段特征和标签类别进行训练，得到预测模型，所述预测模型用于表征字段特征与标签类别的映射关系。

可选地，所述根据预设的字段特征与标签类别的映射关系、以及所述待分类字段的字段特征，确定所述待分类字段的标签类别，包括：

将所述待分类字段的字段特征输入到所述预测模型，得到所述待分类字段相对于各标签类别的得分；

将得分大于预设分数阈值的标签类别，确定为所述待分类字段的标签类别。

可选地，所述字段特征包括以下一项或多项的组合：字段的语义特征、字段的内容特征和字段的统计特征。

可选地，所述字段特征包括：字段的统计特征；

所述获取待分类字段的字段特征，包括：

获取字段访问记录、以及所述待分类字段所处数据库的数据分布情况；

根据所述字段访问记录，确定目标用户访问过的字段的标签类别分布情况，所述目标用户为访问过所述待分类字段的用户；

根据所述数据分布情况，确定目标数据表中字段的标签类别分布情况、以及邻近数据表中字段的标签类别分布情况；所述目标数据表为所述待分类字段所处的数据表，所述邻近数据表为与所述目标数据表相邻的数据表；

将所述目标用户访问过的字段的标签类别分布情况、所述目标数据表中字段的标签类别分布情况、以及所述邻近数据表中字段的标签类别分布情况中的至少一项，作为统计特征。