(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 202210445751.9 (22)申请日 2022.04.26 (71)申请人 平安普惠企业管理有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 曾思勇　 (74)专利代理 机构 深圳市沃德知识产权代理事 务所(普通 合伙) 44347 专利代理师 高杰　于志光 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 40/216(2020.01) G06F 40/242(2020.01) (54)发明名称 数据库表智能分类方法、 装置、 电子设备及 存储介质 (57)摘要 本发明涉及智能决策领域， 揭露一种数据库 表智能分类方法， 包括： 获取数据表的历史数据， 根据预先制定的自定义词典对所述历史数据进 行词条划分， 得到词条数据； 将所述词条数据转 化成空间向量， 对所述空间向量进行降维处理， 得到降维向量， 并计算所述降维向量的权重值； 利用所述降维向量和所述权重值对预构建的数 据表分类模 型进行训练， 得到训练好的数据表分 类模型； 利用训练好的数据表分类模 型对待分类 的数据表进行分类， 得到分类结果。 本发明可 以 提高数据表的分类准确性。 权利要求书2页 说明书9页 附图2页 CN 114817539 A 2022.07.29 CN 114817539 A 1.一种数据库表智能分类方法， 其特 征在于， 所述方法包括： 获取数据表 的历史数据， 根据预先制定的自定义词典对所述历史数据进行词条划分， 得到词条 数据； 将所述词条数据转化成空间向量， 对所述空间向量进行降维处理， 得到降维向量， 并计 算所述降维向量的权 重值； 利用所述降维向量和所述权重值对预构建的数据表分类模型进行训练， 得到训练好的 数据表分类模型； 利用训练好的数据表分类模型对待分类的数据表进行分类， 得到分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述根据预先制定的自定义词典对所述历 史数据进行词条划分， 得到词条 数据， 包括： 提取所述历史数据中的语句文本； 将所述语句文本与 所述自定义词典中的词条进行匹配， 并将匹配成功的所述词条作为 所述历史数据的词条 数据。 3.根据权利要求2所述的方法， 其特征在于， 所述提取所述历史数据中的语句文本， 包 括： 定位所述历史数据的截取位置； 根据所述截取位置， 截取所述历史数据中对应的字符数据， 并根据 所述字符数据， 输出 所述历史数据的语句文本 。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述词条数据转化成空间向量， 包 括： 确定所述词条 数据中每 个词条的空间位置； 根据所述空间位置， 利用预设的向量转换算法将所述词条数据中每个词条转换成空间 向量。 5.根据权利要求1所述的方法， 其特征在于， 所述对所述空间向量进行降维处理， 得到 降维向量， 包括： 将所述空间向量 转换成固定 长度的映射 值； 利用预设的降维算法对所述映射 值进行降维处 理， 得到所述空间向量的降维向量。 6.根据权利要求1至3中任意一项所述的方法， 其特征在于， 所述计算所述降维向量的 权重值， 包括： 通过遍历操作依次选择 所述降维向量中任意两个向量； 计算所述两个向量在所述数据表的依存关联度； 根据所述依存关联度， 计算所述两个向量的引力； 根据所述依存关联度和所述引力， 计算所述两个向量的关联强度； 根据所述关联强度， 计算所述两个向量中任意 一个向量的权 重值。 7.根据权利要求1所述的方法， 其特征在于， 所述利用所述降维向量和所述权重值， 对 预构建的数据表分类模型进行训练， 得到训练好的数据表分类模型， 包括： 将所述降维向量和所述权重值作为训练样本输入到预构建的数据表分类模型中， 以通 过所述预构建的数据 表分类模型中的卷积层对 所述训练样本进行特征提取， 得到特征样本 数据；权　利　要　求　书 1/2 页 2 CN 114817539 A 2通过所述预构建的数据表分类模型中的池化层对所述特征样本数据进行降维处理， 得 到降维样本数据； 通过所述预构建的数据表分类模型中的全连接层检测所述降维样本数据的预测类别； 利用所述预构建的数据表分类模型中的损失函数计算所述预测类别与所述训练样本 对应的真实类别的损失值； 若所述损 失值大于预设阈值， 则调整所述预构建的数据表分类模型的参数， 并返回通 过所述预构建的数据表分类模型中的卷积层对所述训练样本进行 特征提取的步骤； 若所述损失值 不大于所述预设阈值， 得到训练好的数据表分类模型。 8.一种数据库表智能分类装置， 其特 征在于， 所述装置包括： 词条划分模块， 用于获取数据表的历史数据， 根据预先制定的自定义词典对所述历史 数据进行词条划分， 得到词条 数据； 权重值计算模块， 用于将所述词条数据转化成空间向量， 对所述空间向量进行降维处 理， 得到降维向量， 并计算所述降维向量的权 重值； 模型训练模块， 利用所述降维向量和所述权重值对预构建的数据表分类模型进行训 练， 得到训练好的数据表分类模型； 数据表分类模块， 用于利用训练好的数据表分类模型对待分类的数据表进行分类， 得 到分类结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及， 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行如权利要求 1至7中任意一项 所 述的数据库表智能分类方法。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任意 一项所述的一种数据库表智能分类方法。权　利　要　求　书 2/2 页 3 CN 114817539 A 3