一种标准数据元与数据项匹配算法.docVIP

一种标准数据元与数据项匹配算法 　　摘要：目前的数据元与数据项的匹配算法主要思想是基于字面相似程度实现匹配，这种算法对数据项命名结构规范有较强依赖，且大多业务数据库的数据项没有加入中文名，故无法实现匹配。该文提出一种数据元与数据项匹配算法，从数据项的归属实体名称、数据项名称、类型、长度、数据特征等多个角度设计算法，有较强的通用性，能够在数据项名称不规范或无中文名的情况下实现有效匹配。 中国论文网 /8/view-7241541.htm 　　关键词： 数据元；数据项；匹配；特征词 　　中图分类号：TP312 文献标识码：A 文章编号：1009-3044（2016）01-0005-02 　　An Algorithm of Matching Data Elements and Data Items 　　LI Min 　　（Public Safety Information Technology Department， China Electronics Technology Company， Beijing 100083， China） 　　Abstract： The main idea of the current data element matching algorithm and data entry is literal similarity-based matching， this algorithm to the data item specification naming structure has a strong dependence， and the data items are mostly business database did not join Chinese name， so the match can not be achieved . This paper presents a data element and data item matching algorithms from multiple angles ownership entity name data entry， data entry name， type， length， data characteristics， such as design algorithm， there is a strong universal， can not in the name of the data item specification or without Chinese name of the case to achieve effective match. 　　Key words： data element； data items； matching； feature words 　　随着数据元标准的建立，数据元在各行各业的数据集成过程中担任着重要角色，用于规范数据库、报表中的数据项。目前数据元标准多以文档形式出现，主要依靠研发人员自觉遵守数据元标准进行系统设计。在数据大集中体系下，业务系统彼此之间的数据依赖关系日益提高，数据质量关系到业务系统能否正常运行。依据标准数据元对数据质量进行有效核查，能进一步保障数据质量。标准数据元与数据项建立匹配映射关系是数据核查的前提。手工匹配费时费力，采用自动匹配算法可有效提高工作效率。目前的数据元与数据项的匹配算法主要利用字面相似程度实现匹配，这种算法对数据项命名结构规范有较强依赖，且大多业务数据库的数据项没有加入中文名，故无法实现匹配。 　　现有的数据元与数据项的匹配算法主要思想是基于字面相似程度实现匹配，这种算法对数据项命名结构的规范化有较强依赖，另外大多业务数据库中数据项没有加入中文名，故采用现有算法无法实现匹配。 　　现提出一种三级匹配算法，从数据项的归属实体名称、数据项名称、类型、长度、数据值特征等多个角度进行比对，对数据项命名是否规范性没有严格要求，在数据项无中文名称的情况下，根据数据特征也可实现有效匹配，通用性较强。 　　1 类型匹配 　　从数据类型转换表中读取数据元和数据项类型映射信息，在数据项信息上打上数据元类型标识，数据类型匹配运算主要为了缩小运算范围，提高运算效率，在进行第二级、第三级匹配运算时，只针对某种类型的数据项进行运算处理。数据类型转换表主要存放了标准数据元与数据项的类型映射关系。数据元一般表示为字符、数字、日期等，数据项表达的是数据库系统的数据类型，包括varchar、char、int、float等多种类型。 　　2 语义匹配 　　语义匹配运算主要从数据元和数据项的语义层进行匹配处理。数据元语义层包括名称（N）、同义词（Si）、对象（O）、特