(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 202210766523.1 (22)申请日 2022.06.30 (71)申请人 北京三维 天地科技股份有限公司 地址 100000 北京市海淀区西四环北路1 19 号A座3层3 09室 (72)发明人 金震　张京日　穆宇浩　詹焕哲　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 张树朋 (51)Int.Cl. G06F 16/28(2019.01) G06F 16/2457(2019.01) G06F 40/30(2020.01) G06F 17/16(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于规则与机器学习的智能血缘识别 推荐方法及系统 (57)摘要 本发明公开了一种基于规则与机器学习的 智能血缘识别推荐方法及系统， 其中方法包括： 构建机器学习模 型， 基于所述机器学习模型识别 出所有数据字段的若干个特征信息； 所述特征信 息包括字段的唯一值、 最大值、 最小值； 基于机器 学习模型对数据字段进行聚类， 获得若干个簇； 基于数据模式比对规则， 将每个簇中的数据字段 的唯一值进行比较， 确定基于唯一值的交集覆盖 关系； 对所述交集覆盖关系进行排序； 基于所述 排序进行排序过滤， 过滤后形成物理表之间的血 缘关系清单。 基于数据模式比对规则、 结合机器 学习能力， 实现对数据的血缘识别、 发现， 帮助企 业构建数据网络。 大大的降低了企业数据治理的 成本， 有效提高数据治理的效率。 权利要求书2页 说明书8页 附图2页 CN 115374223 A 2022.11.22 CN 115374223 A 1.一种基于规则与机器学习的智能血缘识别推荐方法， 其特 征在于， 包括： S100， 构建机器学习模型， 基于所述机器学习模型识别出所有数据字段的若干个特征 信息； 所述特 征信息包括字段的唯一 值、 最大值、 最小值； S200， 基于机器学习模型对数据字段进行聚类， 获得若干个簇； S300， 基于数据模式比对规则， 将每个簇中的数据字段的唯一值进行比较， 确定基于唯 一值的交集覆盖关系； S400， 对所述交集覆盖关系进行排序； S500， 基于所述 排序进行排序过 滤， 过滤后形成物理表之间的血缘关系清单。 2.根据权利要求1所述的基于规则与机器学习的智能血缘识别推荐方法， 其特征在于， 步骤S500之后， 还 包括： S600， 将所述血缘关系清单中排序靠前的内容推荐给用户， 供用户进行选择， 用户根据 推荐的上下游的物理表进 行选择， 选择后的表将作为新的特征加入至交集覆盖 关系排序的 计算中。 3.根据权利要求1所述的基于规则与机器学习的智能血缘识别推荐方法， 其特征在于， 所述S200包括： S201， 基于 机器学习模型对数据字段的内容进行文本语义 提取， 获得 数据字段的语义； S202， 对数据字段根据内容、 类型、 语义、 标注进行聚类， 形成包含不同特征的若干个 簇。 4.根据权利要求1所述的基于规则与机器学习的智能血缘识别推荐方法， 其特征在于， 所述S400包括： 对所述交集覆盖关系采用Pa geRank排序方法进行排序。 5.根据权利要求1所述的基于规则与机器学习的智能血缘识别推荐方法， 其特征在于， 所述S500包括： S501， 设定排序阈值， 形成物理表之间的血缘关系； S502， 基于排序和排序阈值进行 过滤， 形成物理表和物理表之间的血缘关系清单。 6.一种基于规则与机器学习的智能血缘识别推荐系统， 其特 征在于， 包括： 特征信息识别单元， 用于构建机器学习模型， 基于所述机器学习模型识别出所有数据 字段的若干个特 征信息； 所述特 征信息包括字段的唯一 值、 最大值、 最小值； 聚类单元， 用于基于 机器学习模型对数据字段进行聚类， 获得若干个簇； 交集覆盖关系确定单元， 用于基于数据模式比对规则， 将每个簇中的数据字段的唯一 值进行比较， 确定基于唯一 值的交集覆盖关系； 排序单元， 用于对所述交集覆盖关系进行排序； 血缘关系清单形成单元， 用于基于所述排序进行排序过滤， 过滤后形成物理表之间的 血缘关系清单。 7.根据权利要求6所述的基于规则与机器学习的智能血缘识别推荐系统， 其特征在于， 还包括： 推荐单元， 用于将所述血缘关系清单中排序靠前的内容推荐给用户， 供用户进行选择， 用户根据推荐的上下游的物理表进行选择， 选择后的表将作为新的特征加入至交集覆盖关 系排序的计算中。权　利　要　求　书 1/2 页 2 CN 115374223 A 28.根据权利要求6所述的基于规则与机器学习的智能血缘识别推荐系统， 其特征在于， 所述聚类单 元包括： 语义提取子单元， 用于基于机器学习模型对数据字段的内容进行文本语义提取， 获得 数据字段的语义； 特征聚类子单元， 用于对数据字段根据内容、 类型、 语义、 标注进行聚类， 形成包含不同 特征的若干个簇 。 9.根据权利要求6所述的基于规则与机器学习的智能血缘识别推荐系统， 其特征在于， 所述排序单元包括： PageRank排序子单 元， 用于对所述交集覆盖关系采用Pa geRank排序方法进行排序。 10.根据权利要求6所述的基于规则与机器学习的智能血缘识别推荐系统， 其特征在 于， 所述血缘关系清单 形成单元包括： 排序阈值设定 子单元， 用于设定排序阈值， 形成物理表之间的血缘关系； 过滤子单元， 用于基于排序和排序阈值进行过滤， 形成物理表和物理表之间的血缘关 系清单。权　利　要　求　书 2/2 页 3 CN 115374223 A 3