[发明专利]属性对齐方法和装置

摘要

本发明公开了一种属性对齐方法和装置，涉及数据分析领域，用于解决将一个数据源的一个属性匹配另一个数据源的多个属性导致计算复杂度大的问题。属性对齐方法包括：获取N个数据源；根据N个数据源得到属性名称集合并生成内部词典；根据属性名称集合、内部词典以及N个数据源中每个数据源的属性名称，得到每个数据源的属性特征向量；根据每个数据源的属性特征向量计算N个数据源中任意两个数据源之间的相似度和相似度矩阵；根据相似度矩阵对N个数据源进行聚类得到k个聚类；根据内部词典对k个聚类中同一聚类的数据源进行属性对齐得到k个数据源，对k个数据源进行属性对齐得到一个结果数据源。本发明的实施例应用于数据分析。

主权项

一种属性对齐方法，其特征在于，获取需要进行属性对齐的N个数据源，N≥2；根据所述N个数据源的属性名称得到属性名称集合并且生成内部词典，其中，所述属性名称集合包含所述N个数据源的所有属性名称，所述内部词典包含所述N个数据源中已经属性对齐成功的属性名称；根据所述属性名称集合、所述内部词典以及所述N个数据源中每个数据源的属性名称，得到所述每个数据源的属性特征向量，其中，所述属性特征向量包含0或1，1表示对应位置的属性名称属于所述每个数据源，0表示对应位置的属性名称不属于所述每个数据源但属于所述属性名称集合；根据所述每个数据源的属性特征向量计算所述N个数据源中任意两个数据源之间的相似度，并且根据所述N个数据源中任意两个数据源之间的相似度得到N*N的相似度矩阵；根据所述相似度矩阵对所述N个数据源进行聚类得到k个聚类，1<k≤N；根据所述内部词典对所述k个聚类中属于同一聚类的数据源进行属性对齐得到k个数据源，对所述k个数据源进行属性对齐得到一个结果数据源。