[发明专利]一种元数据字段的术语匹配方法、匹配系统和存储介质

权利要求书

1.一种元数据字段的术语匹配方法，其特征在于，包括：

对元数据训练集中的第一检索词进行预处理，得到第二检索词；

对所述第二检索词进行判断，与待训练词汇表数据库中的待训练词汇进行匹配，获取匹配不成功的待检索词；

使用条件随机场分词算法对所述待检索词进行分词，得到每个所述待检索词的多个第三检索词，与所述待训练词汇进行匹配，确定匹配词；

根据所述匹配词对待训练词汇表数据库进行更新，对所述条件随机场分词算法进行训练，得到训练好的分类器和训练好的词汇表；

使用训练好的所述分类器和训练好的所述词汇表，对待匹配的元数据字段进行匹配。

2.根据权利要求1所述的元数据字段的术语匹配方法，其特征在于，在所述对元数据训练集中的第一检索词进行预处理，得到第二检索词之前，还包括：

收集表数据并清洗所述表数据中的非法字符，建立待训练词汇表；

使用待训练词汇表建立待训练词汇表数据库。

3.根据权利要求1所述的元数据字段的术语匹配方法，其特征在于，所述对元数据训练集中的第一检索词进行预处理，得到第二检索词，包括：

获取元数据训练集中元数据中的所有第一检索词；

去除每个所述第一检索词中的非法字符，得到每个所述第一检索词对应的第二检索词。

4.根据权利要求1所述的元数据字段的术语匹配方法，其特征在于，所述对所述第二检索词进行判断，与待训练词汇表数据库中的待训练词汇进行匹配，得到待检索词，包括：

对所述第二检索词进行判断，得到中文第二检索词和非中文第二检索词；

在待训练词汇表数据库中对所述中文第二检索词进行直接匹配，确定匹配不到匹配词的所述中文第二检索词；

将所述非中文第二检索词和匹配不到匹配词的所述中文第二检索词作为待检索词。

5.根据权利要求1所述的元数据字段的术语匹配方法，其特征在于，所述使用条件随机场分词算法对所述待检索词进行分词，得到每个所述待检索词的多个第三检索词，与所述待训练词汇进行匹配，确定匹配词，包括：

使用条件随机场分词算法对较长的所述待检索词进行分词，生成所述待检索词的每个分词的多个第三检索词，所述第三检索词包括：全拼码、简拼码、英文名和/或中文名；

对每个所述待检索词的所有所述第三检索词与所述待训练词汇进行字符匹配，计算每个所述待检索词对应的每个所述第三检索词的匹配度；

根据所述匹配度和匹配阈值，确定所述待检索词的匹配词。

6.根据权利要求1所述的元数据字段的术语匹配方法，其特征在于，所述使用训练好的所述分类器和训练好的所述词汇表，对待匹配的元数据字段进行匹配，包括：

使用训练好的词汇表对待匹配的元数据字段进行匹配，获取匹配不成功的元数据字段作为待匹配词；

使用训练好的条件随机场分词算法作为训练好的分类器，对每个所述待匹配词进行分词，得到每个所述待匹配词对应的多个第三检索词；

对多个所述第三检索词在训练好的所述词汇表中进行字符匹配，计算每个第三检索词的匹配度；

根据匹配度和匹配阈值，确定每个所述待匹配词对应的匹配词，所述匹配词为所述待匹配词的匹配术语。

7.根据权利要求2所述的元数据字段的术语匹配方法，其特征在于，所述表数据包括：

客户术语表、行业标准字段解释映射表、业务系统定版审核过的元数据字段和解释对照表，其中，每种表均包括：中文名、英文名、全拼码和简拼码。

8.根据权利要求3所述的元数据字段的术语匹配方法，其特征在于，所述第一检索词和所述第二检索词的类型均包括：中文、全拼、简拼、英文、英文缩写和/或混合。