[发明专利]数据字典的构建方法、装置、计算机设备及存储介质

说明书

本申请涉及数据处理技术领域，揭露一种数据字典的构建方法、装置、计算机设备及存储介质，其中方法包括通过获取用户端的数据字典生成请求，对样本数据进行分词处理，得到初始分词，并提取词性为名词的初始分词，作为基础分词；再基于任意两个基础分词的相似度值，对基础分词进行同义词合并，并筛选出具有关联关系的基础分词，作为关联分词；然后确定关联分词的从属关系，并将关联分词按照从属关系填入预设数据字典之中，得到基础数据字典，并返回修改后的基础数据字典，通过匹配结果的对比，确定目标数据字典。本申请还涉及区块链技术，样本数据存储于区块链中。本申请避免了对数据进行精准提取，有利于提高数据字典的数据准确率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种数据字典的构建方法、装置、计算机设备及存储介质。

背景技术

数据字典(Data dictionary)，通常指对数据的数据项、数据结构、数据流、数据存储等进行定义和描述的集合，是对数据模型中的数据对象或项目的描述的集合。往往针对一种数据维护一个数据字典，基于数据类型、尺寸等，相应地设定数据存储结构。例如，用于存储电话号码的数据字典和用于存储实体信息的数据字典会分别采用相应设定的不同数据存储结构。

现有的数据字典的表名及表字段往往是由开发人员根据业务场景、个人经验、个人习惯、英语水平(表名一般是英文名)自己定义的，这样会造成表字段的命名不规范统一，代表同一个含义的字段就可能会有多个命名，并且该数据字典也容易被随意修改，从而导致针对同一数据样本的数据字典往往出现多个版本，容易导致出现数据错误，进而造成生成的数据字典数据不准确。现亟需一种能够提高数据字典的数据准确率的方法。

发明内容

本申请实施例的目的在于提出一种数据字典的构建方法、装置、计算机设备及存储介质，以提高数据字典的数据准确率。

为了解决上述技术问题，本申请实施例提供一种数据字典的构建方法，包括：

获取来自用户端的数据字典生成请求，其中，所述数据字典生成请求中包括所述用户端所选择的样本数据；

对所述样本数据进行分词处理，得到初始分词，并从所述初始分词中提取词性为名词的初始分词，作为基础分词；

基于任意两个所述基础分词的相似度值，对所述基础分词进行同义词合并，并筛选出具有关联关系的基础分词，作为关联分词；

确定所述关联分词的从属关系，并将所述关联分词按照所述从属关系填入预设数据字典之中，得到基础数据字典；

将所述基础数据字典返回所述用户端，以获取所述用户端返回修改后的基础数据字典；

通过对所述基础数据字典和所述修改后的基础数据字典进行匹配，得到匹配结果；

若所述匹配结果为所述基础数据字典和所述修改后的基础数据字典匹配成功，则将所述修改后的基础数据字典作为目标数据字典。

为了解决上述技术问题，本申请实施例提供一种数据字典的构建装置，包括：

数据字典生成请求模块，用于获取来自用户端的数据字典生成请求，其中，所述数据字典生成请求中包括所述用户端所选择的样本数据；

基础分词提取模块，用于对所述样本数据进行分词处理，得到初始分词，并从所述初始分词中提取词性为名词的初始分词，作为基础分词；

关系分词筛选模块，用于基于任意两个所述基础分词的相似度值，对所述基础分词进行同义词合并，并筛选出具有关联关系的基础分词，作为关联分词；

基础数据字典获取模块，用于确定所述关联分词的从属关系，并将所述关联分词按照所述从属关系填入预设数据字典之中，得到基础数据字典；

基础数据字典返回模块，用于将所述基础数据字典返回所述用户端，以获取所述用户端返回修改后的基础数据字典；

匹配结果生成模块，用于通过对所述基础数据字典和所述修改后的基础数据字典进行匹配，得到匹配结果；