(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211061660.1 (22)申请日 2022.08.31 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 文欢　吕晓　陈立力　周明伟　 (74)专利代理 机构 杭州华进联浙知识产权代理 有限公司 3 3250 专利代理师 贺才杰 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/35(2019.01) G06F 40/289(2020.01) G06K 9/62(2022.01) (54)发明名称 一种数据项 对标方法、 装置和存 储介质 (57)摘要 本申请涉及一种数据项对 标方法、 装置和存 储介质， 其中， 该数据项对 标方法包括： 从待对 标 的数据表中获得待对 标的数据项； 计算待对 标的 数据项之间的文本相似度； 根据计算出的文本相 似度， 对待对标的数据项进行聚类； 根据聚类结 果， 对待对 标的数据项进行对 标。 通过本申请， 通 过挖掘数据项内容之间的文本相似度， 利用待对 标的数据项之间的文本相似度， 先对待对标的数 据项进行聚类， 对于聚类后的每类数据项， 只需 要对标有限的个数， 即可完成所有数据项对 标工 作的方法， 大大提高数据元对标工作效率， 解决 了现有技 术中数据元对标效率低的问题。 权利要求书2页 说明书8页 附图3页 CN 115495549 A 2022.12.20 CN 115495549 A 1.一种数据项对标 方法， 其特 征在于， 所述方法包括： 从待对标的数据表中获得待对标的数据项； 计算所述待对标的数据项之间的文本相似度； 根据计算出的文本相似度， 对所述待对标的数据项 进行聚类； 根据聚类结果， 对所述待对标的数据项 进行对标。 2.根据权利要求1所述的数据项对标方法， 其特征在于， 所述计算所述待对标的数据项 之间的文本相似度， 包括： 对所述待对标的数据项 进行分词处 理， 获得所述待对标的数据项的分词列表； 根据所述分词列表， 构建所述待对标的数据项的内容分词集 合； 根据所述内容分词集 合， 计算所述待对标的数据项之间的文本相似度。 3.根据权利要求2所述的数据项对标方法， 其特征在于， 所述根据所述分词列表， 构建 所述待对标的数据项的内容分词集 合， 包括： 对所述分词列表中的分词 去重， 基于去重后的所述分词列表构建所述待对标的数据项 的内容分词集 合。 4.根据权利要求1至3任一项所述的数据项对标方法， 其特征在于， 所述根据计算出的 文本相似度， 对所述待对标的数据项 进行聚类， 包括： 根据计算出的文本相似度和预设的相似度阈值， 对所述待对标的数据项 进行聚类。 5.根据权利要求4所述的数据项对标方法， 其特征在于， 所述根据计算出的文本相似度 和预设的相似度阈值， 对所述待对标的数据项 进行聚类， 包括： 根据计算出的文本相似度和预设的相似度阈值， 从所述待对标的数据项中筛选出文本 相似度大于所述预设的相似度阈值的待对标的数据项作为数据项关系对； 将所述数据项关 系对分类至同一聚类集 合； 根据所述聚类集 合中的所述待对标的数据项， 更新所述聚类集 合。 6.根据权利要求5所述的数据项对标方法， 其特征在于， 所述根据 所述聚类集合中的所 述待对标的数据项， 更新所述聚类集 合， 包括： 根据待分类的所述待对标的数据项与所述聚类集合的所述待对标的数据项之间的文 本相似度， 对所述待分类的所述待对标的数据项 进行分类， 以更新所述聚类集 合。 7.根据权利要求5或6所述的数据项对标方法， 其特征在于， 所述根据聚类结果， 对所述 待对标的数据项 进行对标， 包括： 选择所述聚类集 合中的一个待对标的数据项 进行对标； 根据对标 结果， 完成所有 待对标的数据项的对标。 8.根据权利要求1所述的数据项对标方法， 其特征在于， 所述待对标的数据项为所述待 对标的数据表中的数据项为文本型的数据项或字符型的数据项。 9.一种数据项对标装置， 其特 征在于， 所述装置包括： 获取模块， 用于从待对标的数据表中获得待对标的数据项； 计算模块， 用于计算所述待对标的数据项之间的文本相似度； 分类模块， 用于根据计算出的文本相似度， 对所述待对标的数据项 进行聚类； 对标模块， 用于根据聚类结果， 对所述待对标的数据项 进行对标。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序权　利　要　求　书 1/2 页 2 CN 115495549 A 2被处理器执行时实现权利要求1至8中任一项所述的数据项对标 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115495549 A 3