[发明专利]数据对标方法、图神经网络模型训练方法和计算机设备

权利要求书

1.一种数据对标方法，其特征在于，所述方法包括：

获取待对标数据表；

从所述待对标数据表中提取原始数据信息，所述原始数据信息包括字段来源和字段描述；

确定预设的图结构数据；所述图结构数据根据历史字段来源、历史字段描述以及与所述历史字段来源对应的标准数据元构建；

根据所述字段来源、所述字段描述和所述预设的图结构数据，得到与所述原始数据信息对应的目标数据元。

2.根据权利要求1所述的方法，其特征在于，通过下述方式确定所述预设的图结构数据：

获取历史数据表；

从所述历史数据表中提取样本数据信息；所述样本数据信息包括历史字段来源和历史字段描述；

获取与所述样本数据信息对应的标准数据元；

从与所述样本数据信息对应的标准数据元中获取历史标准字段名称；

根据所述历史字段来源、所述历史字段描述、所述历史标准字段名称以及与所述样本数据信息对应的标准数据元间的转移关系，确定所述预设的图结构数据。

3.根据权利要求2所述的方法，其特征在于，所述根据所述历史字段来源、所述历史字段描述、所述历史标准字段名称以及与所述样本数据信息对应的标准数据元间的转移关系，确定所述预设的图结构数据，包括：

将所述历史字段来源、所述历史字段描述、所述历史标准字段名称以及与所述样本数据信息对应的标准数据元间的转移关系转化为初始图结构数据；

根据所述初始图结构数据训练图神经网络模型，得到训练后的图神经网络模型；所述训练后的图神经网络模型包括所述预设的图结构数据。

4.根据权利要求3所述的方法，其特征在于，所述将所述历史字段来源、所述历史字段描述、所述历史标准字段名称以及与所述样本数据信息对应的标准数据元间的转移关系转化为初始图结构数据，之后还包括：

将所述初始图结构数据输入特征提取模型，得到所述初始图结构数据中各个节点对应的向量；

根据所述初始图结构数据中各个节点对应的向量训练图神经网络模型，得到训练后的图神经网络模型；所述训练后的图神经网络模型包括所述预设的图结构数据。

5.根据权利要求2所述的方法，其特征在于，所述历史数据表的数量至少为两个，至少两个所述历史数据表包括第一待训练数据表；

所述方法还包括：

根据所述第一待训练数据表，确定第一图结构数据；

根据所述第一图结构数据训练图神经网络模型，得到数据对标第一预测结果；所述数据对标第一预测结果为与所述第一待训练数据表对应的预测数据元；

获取与所述第一待训练数据表对应的标准数据元；

根据所述数据对标第一预测结果以及与所述一待训练数据表对应的标准数据元获取损失值；

根据所述损失值对所述图神经网络模型的参数进行更新，得到更新后的图神经网络模型。

6.根据权利要求5所述的方法，其特征在于，至少两个所述历史数据表还包括第二待训练数据表：

所述得到更新后的图神经网络模型，之后包括：

根据所述第二待训练数据表，确定第二图结构数据；

根据所述第二图结构数据训练所述更新后的图神经网络模型，得到数据对标第二预测结果；所述数据对标第二预测结果为与所述第二待训练数据表对应的预测数据元。

7.根据权利要求1所述的方法，其特征在于，所述待对标数据表中包括多个原始数据信息；

所述方法还包括：

使用所述预设的图结构数据得到与每个所述原始数据信息对应的目标数据元；

获取与每个所述原始数据信息对应的标准数据元；

根据每个所述目标数据元中的第一标识信息以及每个所述标准数据元的第二标识信息，确定所述预设的图结构数据预测标准数据元的准确率。