[发明专利]关系模式的自动转换方法、装置及存储介质

权利要求书

1.一种关系模式的自动转换方法，其特征在于，所述方法包括：

基于预设的属性距离计算方法，确定源关系模式的每个属性与目标关系模式的每个属性之间的相似度，构建第一属性相似度矩阵；

基于所述属性距离计算方法，为所述源关系模式包括的每个属性构建预测模型，所述预测模型用于通过与对应属性关系密切的其他属性的值来预测该属性的值；

扫描所述源关系模式对应的数据表中的缺失值；

根据所述缺失值对应属性的预测模型，预测所述缺失值的取值，并通过预测的取值补全所述数据表；

根据所述第一属性相似度矩阵，将所述源关系模式补全后的数据映射到所述目标关系模式。

2.根据权利要求1所述的方法，其特征在于，属性距离包括属性名称的语言学要素之间的距离、属性名称的语义之间的距离、属性所对应的类型之间的距离、及属性注释之间的距离，所述属性距离计算方法包括以下计算属性类型之间的距离的步骤：

根据要计算属性类型之间的距离的两个属性在预设属性数据库中是否属于合法类型、是否属于同一大类、是否属于同一小类、以及在属于同一小类时两个类型在所述预设属性数据库中的间隔距离，进行分步计分；

根据计分结果确定所述两个属性所对应的类型之间的距离。

3.根据权利要求2所述的方法，其特征在于，基于所述属性距离计算方法，为所述源关系模式包括的每个属性构建预测模型，包括：

基于所述属性距离计算方法，为所述源关系模式包括的任两个属性计算相似度，并构建所述源关系模式的第二属性相似度矩阵；

根据所述第二属性相似度矩阵，为所述源关系模式包括的每个属性选出多个距离最小的属性；

对每个属性以及针对该属性选出的多个属性进行特征编码；

对编码后的向量进行特征扩展以及特征压缩；

将压缩后的特征数据输入到目标模型中进行训练，以得到每个属性的预测模型。

4.根据权利要求3所述的方法，其特征在于，根据所述缺失值对应属性的预测模型，预测所述缺失值的取值，包括：

根据所述第二属性相似度矩阵，确定与所述缺失值对应属性距离最小的多个属性；

基于与所述缺失值对应属性距离最小的多个属性，构建模型输入数据并输入所述缺失值对应属性的预测模型，以得到模型输出值；

反向解码所述模型输出值，以得到预测的所述缺失值的取值。

5.根据权利要求4所述的方法，其特征在于，在得到预测的所述缺失值的取值之后，还包括：

根据所述缺失值所属属性的类型对应的取值范围，检查所述缺失值的取值是否符合要求。

6.根据权利要求1-5任一所述的方法，其特征在于，在根据所述相似度，将所述源关系模式补全后的数据映射到所述目标关系模式之后，还包括：

根据数据的类型，验证所述源关系模式转换到所述目标关系模式的有效性。

7.一种关系模式的自动转换装置，其特征在于，所述装置包括：

第一构建模块，用于基于预设的属性距离计算方法，确定源关系模式的每个属性与目标关系模式的每个属性之间的相似度，构建第一属性相似度矩阵；

第二构建模块，用于基于所述属性距离计算方法，为所述源关系模式包括的每个属性构建预测模型，所述预测模型用于通过与对应属性关系密切的其他属性的值来预测该属性的值；

扫描模块，用于扫描所述源关系模式对应的数据表中的缺失值；

预测模块，用于根据所述缺失值对应属性的预测模型，预测所述缺失值的取值，并通过预测的取值补全所述数据表；

数据映射模块，用于根据所述第一属性相似度矩阵，将所述源关系模式补全后的数据映射到所述目标关系模式。