[发明专利]数据对齐方法及装置、存储介质、电子装置

说明书

本发明提供了一种数据对齐方法及装置、存储介质、电子装置，其中，上述方法包括：获取接收到的第一数据记录表中的第一字段信息和所述字段信息对应的第一词袋信息，其中，所述第一词袋信息用于表示所述第一字段信息在数据库中出现的概率；对于所述数据库中多个第二数据记录表中的每一个第二数据记录表，根据所述第一字段信息和所述第一词袋信息，以及所述第二数据记录表中的第二字段信息和第二词袋信息确定所述第一数据记录表与所述多个第二数据记录表的相似概率；将所述第一数据记录表的第一描述信息与所述相似概率超过第一阈值的第二数据记录表的第二描述信息对齐。

技术领域

本发明涉及计算机领域，具体而言，涉及一种数据对齐方法及装置、存储介质、电子装置。

背景技术

随着计算机技术的发展，越来越多的人开始关注关系型数据的分析挖掘，进而得到关于关系型数据的数据分析结果。但是，由于不同的数据资源之间数据标准不一致，将会导致数据质量问题，进而会严重影响数据分析结果的可靠性。

针对相关技术中，不同数据资源的标准不一致导致无法对数据进行有效对齐，进而影响数据分析结果的可靠性的问题，尚未提出有效的技术方案。

发明内容

本发明实施例提供了一种数据对齐方法及装置、存储介质、电子装置，以至少解决相关技术中，不同数据资源的标准不一致导致无法对数据进行有效对齐，进而影响数据分析结果的可靠性的问题。

根据本发明的一个实施例，提供了一种数据对齐方法，包括：获取接收到的第一数据记录表中的第一字段信息和所述字段信息对应的第一词袋信息，其中，所述第一词袋信息用于表示所述第一字段信息在数据库中出现的概率；对于所述数据库中多个第二数据记录表中的每一个第二数据记录表，根据所述第一字段信息和所述第一词袋信息，以及所述第二数据记录表中的第二字段信息和第二词袋信息确定所述第一数据记录表与所述多个第二数据记录表的相似概率；将所述第一数据记录表的第一描述信息与所述相似概率超过第一阈值的第二数据记录表的第二描述信息对齐。

可选地，根据所述第一字段信息和所述第一词袋信息，以及所述第二数据记录表中的第二字段信息和第二词袋信息确定所述第一数据记录表与所述多个第二数据记录表的相似概率，包括：

将所述第一字段信息的值和所述第一词袋信息相乘得到所述相似概率，其中，在所述第二数据记录表中的第二字段信息存在所述第一字段信息的情况下，所述第一字段信息的值取值为第二阈值，在所述第二数据记录表中的第二字段信息未存在所述第一字段信息时，所述第一字段信息的值取值为第三阈值

可选地，将所述第一数据记录表的第一描述信息与所述相似概率超过第一阈值的第二数据记录表的第二描述信息对齐，包括:

将所述第一数据记录表以下至少之一信息：表名信息、字段信息以及所述第一数据记录表的数据格式，与所述相似概率超过第一阈值的第二数据记录表以下至少之一信息：表名信息、字段信息以及所述相似概率超过第一阈值的第二数据记录表的数据格式对齐。

可选地，获取接收到的第一数据记录表中的第一字段信息和所述字段信息对应的第一词袋信息之前，所述方法还包括：

接收所述第一数据记录表，其中，所述第一数据记录表中包括第一字段信息；

建立与所述第一字段信息对应的第一词袋信息。

根据本发明的另一个实施例，还提供了一种数据对齐装置，包括：

获取模块，用于获取接收到的第一数据记录表中的第一字段信息和所述字段信息对应的第一词袋信息，其中，所述第一词袋信息用于表示所述第一字段信息在数据库中出现的概率；

第一处理模块，用于对于所述数据库中多个第二数据记录表中的每一个第二数据记录表，根据所述第一字段信息和所述第一词袋信息，以及所述第二数据记录表中的第二字段信息和第二词袋信息确定所述第一数据记录表与所述多个第二数据记录表的相似概率；