[发明专利]相似表的识别方法及装置

权利要求书

1.一种相似表的识别方法，所述方法包括：

获取数据仓库中多个待识别表所对应的表信息；其中，所述表信息包括所述待识别表中字段名称；

分别将每个所述待识别表所对应的表信息转换为对应的一个文本，以得到多个文本；

确定所述多个文本之间的相似度值；

基于所述相似度值识别所述数据仓库中相似的表。

2.如权利要求1所述的方法，所述表信息包括还包括以下信息中的一种或者多种：

所述待识别表所对应的抽取-交互转换-加载ETL数据、所述待识别表的名称、所述待识别表的表注释、所述待识别表的字段注释、所述待识别表所对应的开发人员信息以及所述待识别表所对应的访问信息。

3.如权利要求1或2所述的方法，所述分别将每个所述待识别表所对应的表信息转换为对应的一个文本，包括：

针对每个所述待识别表，将所述待识别表所对应的表信息中的各条信息进行拼接，得到所述待识别表所对应的文本。

4.如权利要求1或2所述的方法，所述确定所述多个文本之间的相似度值，包括：

针对每个所述文本，分别计算所述文本中的各个字词在文本库中的词频-逆文档频率TF-IDF值；其中，所述文本库为所有所述文本所组成的文本集合；

基于每个所述文本中各字词所对应的TF-IDF值，计算所述多个文本之间的相似度值。

5.如权利要求4所述的方法，所述基于每个所述文本中各字词所对应的TF-IDF值，计算所述多个文本之间的相似度值，包括：

针对每个所述文本，基于所述文本中各个字词所对应的TF-IDF值，确定所述文本所对应的向量；

计算每个文本所对应的向量之间的相似度值，作为所述文本之间的相似度值。

6.如权利要求1所述的方法，所述基于所述相似度值识别所述数据仓库中相似的表，包括：

筛选出所述相似度值大于或等于预设阈值的文本；

根据筛选出的所述文本识别所述数据仓库中相似的表。

7.一种相似表的识别装置，所述装置包括：

获取模块，用于获取数据仓库中多个待识别表所对应的表信息；其中，所述表信息包括所述待识别表中字段名称；

转换模块，用于分别将每个所述待识别表所对应的表信息转换为对应的一个文本，以得到多个文本；

确定模块，用于确定所述多个文本之间的相似度值；

识别模块，用于基于所述相似度值识别所述数据仓库中相似的表。

8.如权利要求7所述的装置，所述表信息包括还包括以下信息中的一种或者多种：

所述待识别表所对应的抽取-交互转换-加载ETL数据、所述待识别表的名称、所述待识别表的表注释、所述待识别表的字段注释、所述待识别表所对应的开发人员信息以及所述待识别表所对应的访问信息。

9.如权利要求7或8所述的装置，所述转换模块，包括：

拼接单元，用于针对每个所述待识别表，将所述待识别表所对应的表信息中的各条信息进行拼接，得到所述待识别表所对应的文本。

10.如权利要求7或8所述的装置，所述确定模块，包括：

第一计算单元，用于针对每个所述文本，分别计算所述文本中的各个字词在文本库中的词频-逆文档频率TF-IDF值；其中，所述文本库为所有所述文本所组成的文本集合；

第二计算单元，用于基于每个所述文本中各字词所对应的TF-IDF值，计算所述多个文本之间的相似度值。

11.如权利要求10所述的装置，所述第一计算单元，具体用于：

针对每个所述文本，基于所述文本中各个字词所对应的TF-IDF值，确定所述文本所对应的向量；计算每个文本所对应的向量之间的相似度值，作为所述文本之间的相似度值。