(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 202210993945.2 (22)申请日 2022.08.18 (71)申请人 成都卫士通信息产业股份有限公司 地址 610041 四川省成 都市高新区云华路 333号 (72)发明人 邱星煜　吴杰　齐伟钢　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王晓坤 (51)Int.Cl. G06F 21/62(2013.01) G06F 16/35(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种数据库表分类分级方法、 装置、 设备及 存储介质 (57)摘要 本申请公开了一种数据库表分类 分级方法、 装置、 设备及存储介质， 涉及计算机技术领域， 包 括： 对待分类 分级数据库表的表名和所有信息项 的项名进行预处理得到目标表名和目标项名， 并 将其输入至添加注意力机制的循环神经网络分 类模型得到目标分类标签； 将目标项名输入至文 本相似匹配模 型， 以便通过文本相似匹配模型对 目标项名对应的信息项进行分类得到多个信息 项类别； 从保密定级规则映射表中确定出与目标 分类标签和多个信息项类别对应的保密等级。 本 申请通过将深度学习和规则映射结合来进行库 表分类分级， 提高了输出的可解释性， 同时能够 灵活更新分级映射规则， 通过文本相似度计算方 法可快速高效识别信息项类别， 无需额外标注数 据和训练模型。 权利要求书2页 说明书11页 附图4页 CN 115329380 A 2022.11.11 CN 115329380 A 1.一种数据库表分类分级方法， 其特 征在于， 包括： 获取待分类分级数据库表的表名和所有信 息项的项名， 并对所述表名和所述所有信 息 项的项名进行 预处理， 得到目标表名和多个目标项名； 将所述目标表名和多个所述目标项名输入至添加注意力机制的循环神经网络分类模 型， 以便通过所述循环神经网络分类模型对所述待分类分级数据库表所属领域进行分类， 得到目标分类标签； 将多个所述目标项名输入至文本相似 匹配模型， 以便通过所述文本相似 匹配模型对所 述目标项名对应的信息项 进行分类， 得到多个信息项类别； 从保密定级规则映射表中确定出与所述目标分类标签和所述多个信息项类别对应的 保密等级。 2.根据权利要求1所述的数据库表分类分级方法， 其特征在于， 所述对所述表名和所述 所有信息项的项名进行 预处理， 得到目标表名和多个目标项名， 包括： 对所述表名和所述所有信 息项的项名中存在相同名称的信 息进行去重， 得到去重后表 名和去重后项名； 删除所述去重后表名和所述去重后项名中包含的无语义的非中文字符， 得到目标表名 和多个目标项名。 3.根据权利要求1所述的数据库表分类分级方法， 其特 征在于， 还 包括： 采集不同领域的历史数据库表的表名和所有信 息项的项名， 得到历史数据库表表名和 历史信息项项名， 并对所述历史数据库表表名和所述信息项项名进行预处理， 得到采样表 名和采样信息项 项名； 利用所述采样表名和所述采样信息项项名对添加注意力机制的初始循环神经网络模 型进行训练， 得到所述循环神经网络分类模型； 其中， 所述初始循环神经网络模 型采用双层 双向GRU结构。 4.根据权利要求3所述的数据库表分类分级方法， 其特 征在于， 还 包括： 分别对每个所述采样信息项项名进行分词处理， 得到多个采样分词， 并通过预设的词 向量模型将所述多个采样分词转换为词向量， 得到多个采样词向量； 分别对每个所述采样信 息项项名对应的所述多个采样词向量进行加权平均， 得到对应 的采样向量表征； 利用所述采样向量表征并对照信息项分类字典构造与所述多个所述采样信息项项名 对应的信息项的向量表征字典， 并将所述向量表征字典输入至初始文本相似匹配模型进 行 训练， 得到所述文本相似匹配模型。 5.根据权利要求4所述的数据库表分类分级方法， 其特征在于， 所述对所述所有信 息项 进行分类， 得到多个信息项类别， 包括： 对照所述信 息项分类字典， 分别判断每个所述目标项名是否与 所述信息项分类字典中 存在的信息项名称完全匹配； 若所述目标项名与 所述信息项分类字典中存在的信 息项名称完全 匹配， 则输出与所述 目标项名对应的信息项类别； 若所述目标项名与 所述信息项分类字典中存在的信 息项名称不完全匹配， 则分别计算 所述目标项名与所述向量表征字典中各个所述采样向量表征之 间的相似度， 得到多个相似权　利　要　求　书 1/2 页 2 CN 115329380 A 2度计算结果； 获取多个所述相似度计算结果中的最大值， 得到最大相似度值， 并判断所述最大相似 度值是否超过预设相似度阈值， 若超过则输出与所述最大相似度值对应的信息项类别， 若 未超过则判定所述目标项名对应的信息项无对应的信息项类别。 6.根据权利要求5所述的数据库表分类分级方法， 其特征在于， 所述分别计算所述目标 项名与所述向量表征字典中各个所述采样向量表征之 间的相似度， 得到多个相似度计算结 果， 包括： 分别对每个所述目标项名进行分词处理， 得到对应的多个目标分词， 并通过所述词向 量模型将所述多个目标分词转换为词向量， 得到多个目标词向量； 分别对每个所述目标项名对应的所述多个目标词向量进行加权平均， 得到对应的目标 向量表征； 将所述目标向量表征与所述向量表征字典中所有所述采样向量表征进行相似度计算， 得到多个相似度计算结果。 7.根据权利要求1至6任一项所述的数据库表分类分级方法， 其特征在于， 所述将所述 目标表名和多个所述目标项名输入至添加注意力机制的循环神经网络分类模型， 包括： 根据预先构造的数据库表字典， 将所述目标表名和多个所述目标项名中的每个字符均 转化为对应的字典索引， 得到编码后表名和多个编码后项名； 将所述编码后表名和多个所述编码后项名输入至添加注意力机制的循环神经网络分 类模型。 8.一种数据库表分类分级装置， 其特 征在于， 包括： 数据获取模块， 用于获取待分类分级数据库表的表名和所有信息项的项名； 数据预处理模块， 用于对所述表名和所述所有信息项的项名进行预处理， 得到目标表 名和多个目标项名； 数据库表分类模块， 用于将所述目标表名和多个所述目标项名输入至添加 注意力机制 的循环神经网络分类模型， 以便通过所述循环神经网络 分类模型对所述待分类分级数据库 表所属领域进行分类， 得到目标分类标签； 信息项分类模块， 用于将多个所述目标项名输入至文本相似匹配模型， 以便通过所述 文本相似匹配模型对所述目标项名对应的信息项 进行分类， 得到多个信息项类别； 数据库表分级模块， 用于从保密定级规则映射表中确定出与 所述目标分类标签和所述 多个信息项类别对应的保密等级。 9.一种电子设备， 其特征在于， 包括处理器和存储器； 其中， 所述处理器执行所述存储 器中保存的计算机程序时实现如权利要求1至7任一项所述的数据库表分类分级方法。 10.一种计算机可读存储介质， 其特征在于， 用于存储计算机程序； 其中， 所述计算机程 序被处理器执行时实现如权利要求1至7任一项所述的数据库表分类分级方法。权　利　要　求　书 2/2 页 3 CN 115329380 A 3