一种数据元构建方法、终端设备以及计算机存储介质与流程

1.本技术涉及计算机技术领域，特别是涉及一种数据元构建方法、终端设备以及计算机存储介质。


背景技术：

2.随着互联网技术的普及和发展，海量数据不断从我们的生活中涌出，以数据分布式存储和计算为基础的大数据技术和人工智能技术的发展分别为海量数据的使用提供了基础条件和应用场景。为了让用户更便利的从海量数据中挖掘出价值，数据的组织和加工，数据资产的管理等技术也广泛受到人们关注。其中，自动化的数据治理技术，比如数据元自动对标技术，为了提高数据治理工作质量，降低数据治理工作成本，发挥了良好了作用。
3.数据元概念在数据治理和数据标准化领域中发挥着非常重要的作用，但是在使用数据元存在以下痛点：1、现有数据元资源不足以满足业务需求；2、临时构建数据元难以满足规范要求。


技术实现要素：

4.为解决上述技术问题，本技术提出了一种数据元构建方法、终端设备以及计算机存储介质。
5.为解决上述技术问题，本技术提出了一种数据元构建方法，包括：
6.获取待标准化数据项；
7.利用预设数据元模型分析所述待标准化数据项中的对标词类型；
8.根据所述对标词类型获取未对标词类型；
9.按照所述未对标词类型添加数据词；
10.利用所述待标准化数据项以及添加的数据词生成标准化数据元。
11.其中，所述利用所述待标准化数据项以及添加的数据词生成标准化数据元，包括：
12.按照所述待标准化数据项的对标词类型，获取所述预设数据元模型输出的待标准化数据词；
13.组合所述待标准化数据词与所述添加的数据词，生成所述标准化数据元。
14.其中，所述获取所述预设数据元模型输出的待标准化数据词，包括：
15.获取所述预设数据元模型输出的所述对标词类型的若干候选数据词及其置信度；
16.获取每一对标词类型对应的候选数据词中置信度最高，且置信度高于预设置信度阈值的候选数据词作为所述待标准化数据词。
17.其中，所述按照所述未对标词类型添加数据词包括：
18.输出所述未对标词类型；
19.响应于用户基于所述未对标词类型输入的构建指令，将所述构建指令中的数据词添加到标准数据元语料库。
20.其中，所述词类型包括对象类词、表示词、特性词；所述预设数据元模型包括对象
类词模型、特性词模型和表示词模型；
21.所述利用预设数据元模型分析所述待标准化数据项中的对标词类型，包括：
22.将所述待标准化数据项输入所述对象类词模型，获取所述对象类词模型的对标结果，若对标结果为成功，则确定所述对标词类型包括对象类词；
23.将所述待标准化数据项输入所述特性词模型，获取所述特性词模型的对标结果，若对标结果为成功，则确定所述对标词类型包括特性词；
24.将所述待标准化数据项输入所述表示词模型，获取所述表示词模型的对标结果，若对标结果为成功，则确定所述对标词类型包括表示词。
25.其中，所述数据元构建方法，还包括：
26.从标准数据元语料库中获取对象类词语料库集合；
27.在所述对象类词语料库集合中提取若干正样本和若干负样本组成对象类词训练样本集；
28.利用所述对象类词训练样本集训练所述对象类词模型；
29.其中，所述正样本包括对标数据元与本对象类词一致的来源数据项信息，所述负样本包括对标数据元与本对象类词不一致的来源数据项信息。
30.其中，所述对象类词语料库集合包括来源应用系统名称语料库、中文数据表名称语料库以及中文字段名称语料库；
31.所述利用所述对象类词训练样本集训练所述对象类词模型，包括：
32.提取所述对象类词训练样本集的特征向量，其中，所述特征向量包括来源应用系统名称词向量相似度、中文数据表名称词向量相似度和中文字段名称词向量相似度；
33.利用所述特征向量训练所述对象类词模型。
34.其中，所述对象类词语料库集合包括n个对象类词语料库组，每个对象类词语料库组包括来源应用系统名称语料库、中文数据表名称语料库以及中文字段名称语料库；
35.所述利用所述特征向量训练所述对象类词模型，包括：
36.获取每一对象类词语料库组的特征向量；
37.将n个对象类词语料库组的特征向量按照预设权重，计算所述置信度；
38.利用所述置信度训练所述对象类词模型。
39.为解决上述技术问题，本技术还提供一种终端设备，所述终端设备包括存储器以及与所述存储器耦接的处理器；
40.其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述数据元构建方法。
41.为解决上述技术问题，本技术还提供一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现上述数据元构建方法。
42.与现有技术相比，本技术的有益效果是：终端设备获取待标准化数据项；利用预设数据元模型分析所述待标准化数据项中的对标词类型；根据所述对标词类型获取未对标词类型；按照所述未对标词类型添加数据词；利用所述待标准化数据项以及添加的数据词生成标准化数据元。通过上述方式，能高效、规范、自动化的辅助构建新增数据元，当现有数据元无法满足需求时，提供功能帮助用户快速、规范的添加数据元。
附图说明
43.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
44.其中：
45.图1是本技术提供的数据元构建方法的第一实施例的流程示意图；
46.图2是本技术提供的数据元构建方法的第二实施例的流程示意图；
47.图3是本技术提供的标准数据元语料库的示意图；
48.图4是本技术提供的预设数据元模型的训练过程示意图；
49.图5是本技术提供数据元构建方法的第三实施例的流程示意图；
50.图6是本技术提供的数据元构建方法的第三实施例中步骤s32的子步骤流程示意图；
51.图7是本技术提供的数据元构建方法的第一实施例中步骤s14的子步骤流程示意图；
52.图8是本技术提供的数据元构建方法的第一实施例中步骤s15的子步骤流程示意图；
53.图9是本技术提供的数据元构建方法的第四实施例的流程示意图；
54.图10是本技术提供的终端设备一实施例的结构示意图；
55.图11是本技术提供的计算机存储介质一实施例的结构示意图。
具体实施方式
56.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
57.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
58.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
59.首先对本技术的专业术语进行介绍：
60.数据元：参考国标文件《gb/t 18391.1-2009信息技术元数据注册系统(mdr)》的定
义，数据元(data element，缩写为de)，是一组属性规定其定义、标识、表示和允许值的数据单元。在一定语境下，数据元通常用于构建一个语义正确、独立且无歧义的特定概念语义的信息单元。数据元包括对象类词、特性词和表示词。
61.对象类词：指可以对其界限和含义进行明确的标识，且特性和行为遵循相同规则的观念、抽象概念或现实世界中事务的集合。
62.特性词：指一个对象所有成员所共有的特征。
63.表示词：表示是数据元被表达的方式的一种描述。表示的各种组成成分中，任何一个部分发生变化都将产生不同的表示，例如人员的身高用“厘米”或用“米”作为计量单位，就是人员身高特性的两种不同的表示。数据元的表示可以用一些具有表示含义的术语作标记，例如名称、代码、金额、数量、日期、百分比等。
64.具体请参阅图1，图1是本技术提供的数据元构建方法的第一实施例的流程示意图。
65.本技术的数据元构建方法应用于一种终端设备，其中，本技术的终端设备可以为服务器，也可以为本地终端，还可以为由服务器和本地终端相互配合的系统。相应地，终端设备包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以全部设置于本地终端中，还可以分别设置于服务器和本地终端中。
66.进一步地，上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。
67.如图1所示，其具体步骤如下：
68.步骤s11：获取待标准化数据项。
69.具体地，终端设备从业务系统中获取待标准化数据项。其中，业务系统可以为公安系统、银行系统、教育系统等。待标准化数据项为上述系统中需要将业务名称、业务内容命名等业务数据统一化操作的数据项、数据列表等。
70.其中，在本技术一实施例中，待标准化数据项为全部或部分数据不能通过标准数据元语料库进行对标的数据项。在本技术其他实施例中，待标准化数据项还可以为任一需要在标准语料库中构建和添加的数据项。
71.例如，标准数据元语料库为在公安领域，在公安领域，标准数据元语料库参考国标文件《gat 543.x-2011公安数据元》。在新闻出版领域，标准数据元语料库参考国标文件《gb/t 40989-2021新闻出版知识服务知识对象标识符(koi)》。
72.步骤s12：利用预设数据元模型分析待标准化数据项中的对标词类型。
73.具体地，终端设备通过神经网络训练，得到预设数据元模型，终端设备通过预设数据元模型分析待标准化数据项终端的对标词类型。
74.本技术提出一实施例用于对预设数据元模型进行训练，具体请参见步骤s21-步骤s23，步骤s31-步骤s32。
75.进一步地，在本技术一实施例中，词类型包括对象类词、表示词、特性词。预设数据元模型包括对象类词模型、特性词模型和表示词模型，通过上述数据元模型可以进一步确定对标词类型，具体如下：
76.终端设备将待标准化数据项输入对象类词模型，获取对象类词模型的对标结果，若对标结果为成功，则确定对标词类型包括对象类词。
77.终端设备将待标准化数据项输入特性词模型，获取所述特性词模型的对标结果，若对标结果为成功，则确定所述对标词类型包括特性词。
78.终端设备将待标准化数据项输入表示词模型，获取表示词模型的对标结果，若对标结果为成功，则确定所述对标词类型包括表示词。
79.经过将待标准化数据项输入上述三个数据元模型，综合三个数据元模型的对标结果，即可得到待标准化数据项的对标词类型。
80.需要说明的是，终端设备可以同时处理步骤s21-步骤s23，即在本技术一实施例中，对象类词模型、特性词模型、表示词模型可以作为一个整体，当终端设备将待标准化数据项输入到预设数据元模型之后，预设数据元模型可以通过其内部的对象类词模型、特性词模型、表示词模型分别进行处理。
81.本技术提出一实施例，用于获取预设数据元模型本实施例中的训练预设数据元的方法可以应用于任一模型的创建过程中。需要说明的是，特性词模型的训练方式、表示词模型的训练方式与对象类词模型的训练方式相同。具体请结合图3和图4参见图2，图2是本技术提供的数据元构建方法的第二实施例的流程示意图；图3是本技术提供的标准数据元语料库的示意图；图4是本技术提供的预设数据元模型的训练过程示意图。
82.如图2所示，具体步骤如下：
83.步骤s21：从标准数据元语料库中获取对象类词语料库集合。
84.其中，标准数据元语料库的来源为相应业务领域的标准数据元清单，例如：在公安领域，标准数据元语料库参考国标文件《gat 543.x-2011公安数据元》，在新闻出版领域，标准数据元语料库参考国标文件《gb/t 40989-2021新闻出版知识服务知识对象标识符(koi)》。
85.具体地，如图3所示，终端设备通过分词和去除停用词等文本预处理等技术从标准数据元语料库中获取对象类词语料库集合、特性词语料库集合和表示词语料库集合，每个语料库集合包含多个语料库组。
86.其中，在本技术一实施例中，在步骤s21从标准数据元语料库中获取对象类词语料库集合之前，先整理出各标准数据元所对应的已完成准确对标的数据信息。
87.步骤s22：在对象类词语料库集合中提取若干正样本和若干负样本组成对象类词训练样本集。
88.具体地，如图4所示，终端设备在对象类词语料库中已完成准确对标的数据项信息中，随机提取若干正样本和若干负样本作为对象类词训练样本集、特性词样本集、表示词样本集，用于训练对象类词模型、特性词模型和表示词模型。
89.首先，将建标准数据元词向量库的已完成对标数据项中选择样本集作为每个标准数据元模型的训练集。
90.对于每一个对象类词模型，其训练样本集正样本选择对标数据元与本对象类词一致的来源数据项信息，其训练集负样本选择对标数据元与本对象类词不一致的来源数据项信息，样本数量通过随机采样与正样本保持一致。
91.对于每一个特性词模型，其训练样本集正样本选择对标数据元与本特性词一致的
来源数据项信息，其训练集负样本选择对标数据元与本特性词不一致的来源数据项信息，样本数量通过随机采样与正样本保持一致。
92.对于每一个表示词模型，其训练样本集正样本选择对标数据元与本表示词一致的来源数据项信息，其训练集负样本选择对标数据元与本表示词不一致的来源数据项信息，样本数量通过随机采样与正样本保持一致。
93.其中，对象类词模型、特性词模型、表示词模型可以为逻辑回归模型或其他任何一种神经网络训练模型。
94.步骤s23：利用对象类词训练样本集训练对象类词模型。
95.具体地，终端设备利用对象类词训练样本集训练对象类词模型，以使训练后的对象类词模型能够对象相同词类型的数据元。
96.通过步骤s21-步骤s23，通过模型训练的过程，能够得到对待标准化数据项中的对象类词进行相似度识别的数据元模型。
97.在本技术一实施例中使用对象类词训练样本集的特征向量进行训练。需要说明的是，特性词模型、表示词模型的训练过程与对象类词模型的训练过程相同。具体请参见图5，图5是本技术提供数据元构建方法的第三实施例的流程示意图。
98.步骤s31：提取对象类词训练样本集的特征向量。
99.其中，每个对象类词集合、特性词集合和表示词集合中的语料库组对应的每个内容分词语料库，终端设备通过将文本转化为词向量的技术，比如tf-idf、word2vector等算法，分别构建词向量库，每个语料库最终分别得到一个词向量库。
100.其中，特征向量包括来源应用系统名称词向量相似度、中文数据表名称词向量相似度和中文字段名称词向量相似度。
101.对于每一个对象类词模型，其特征向量包括，样本集与对应对象类词的来源应用系统名称词文本相似度、中文数据表名称语料库词文本相似度和中文字段名称语料库文本相似度。
102.在本技术其他实施例中，对于每一个特性词模型，其特征向量包括，样本集与对应特性词的来源应用系统名称文本相似度、中文数据表名称语料库文本相似度和中文字段名称语料库文本相似度。
103.在本技术其他实施例中，对于每一个表示词模型，其特征向量包括，样本集与对应表示词的数据项内容分词向量相似度、数据类型独热向量编码，其中向量相似度可以通过余弦相似度等一系列方法计算获得。
104.步骤s32：利用特征向量训练对象类词模型。
105.具体地，终端设备利用上述特征向量对对象类词模型进行训练。在其他实施例中，终端设备利用特征向量可以同时对特性词模型和表示词模型进行训练。
106.其中，对象类词语料库集合包括n个对象类词语料库组，每个对象类词语料库组包括来源应用系统名称语料库、中文数据表名称语料库以及中文字段名称语料库。
107.通过步骤s31-步骤s32，进一步提升模型训练的精准度。
108.为了进一步实现利用特征向量训练对象类词模型，本技术提出步骤s321和步骤s322作为步骤s32的子步骤，具体请参见图6，图6是本技术提供的数据元构建方法的第三实施例中步骤s32的子步骤流程示意图。
109.如图6所示，其具体步骤如下：
110.步骤s321：获取每一对象类词语料库组的特征向量。
111.具体地，终端设备通过一些将文本转化为词向量的技术，比如tf-idf、word2vector等算法，分别构建词向量库，每个语料库最终分别得到一个词向量库。
112.步骤s322：将n个对象类词语料库组的特征向量按照预设权重，计算置信度。
113.具体地，请继续参见图4，终端设备将n个对象类词语料库组的特征向量，按照预设权重，计算置信度y。
114.其中，预设权重通过不断训练进行优化得到，也可以由工作人员通过先验信息进行设置。
115.具体计算公式如下：y＝a1x1+a2x2+a3x3+...+anxn116.其中，x1、x2...xn表示每个对象类词语料库组的各特征向量取值，a1、a2...an表示每个对象类词语料库组的各特征向量权重，y表示最后计算得到的置信度，值域为[0，1]。
[0117]
步骤s323：利用置信度训练对象类词模型。
[0118]
具体地，终端设备通过预测置信度和标准置信度的差值计算损失值，利用损失值训练对象类词模型，通过不断优化对象类词模型，使得预测置信度不断逼近标准置信度，达到预期效果后即可完成对对象类词模型的训练。特性类词模型和表示类词模型与上述对象类词模型的训练过程相同，此处不再过多赘述。
[0119]
通过步骤s321-步骤s322，进一步提高模型训练的精准度。
[0120]
步骤s13：根据对标词类型获取未对标词类型。
[0121]
具体地，终端设备获取预设数据元模型的分析结果，根据对标词类型获取未成功对标词类型。
[0122]
其中，词类型包括对象类词、表示词和特征词类型。对标词类型为将待对标数据项输入到预设数据元模型后，在预设规则下命中的词类型；未对标词类型为将待对标数据项输入到预设数据元模型后，在预设规则下没有命中的词类型。
[0123]
例如，如表1所示，该待对标数据项的对标词类型为对象类词和表示词，未对标词类型为特性词。
[0124]
命中规则规则内容对象类词公民表示词号码
[0125]
表1
[0126]
在本技术一实施例中，通过置信度和预设置信度阈值判断对标词类型是否对标成功。若对标不成功，则对应的词类型则为未对标词类型。
[0127]
[0128][0129]
表2
[0130]
进一步地，如表2所示，通过置信度和预设置信度阈值判断对标词，若对标结果为所有数据项全部符合，则利用返回的对象类词、特性词和表示词构建新数据元，若为其他情况，则继续执行步骤s14。
[0131]
步骤s14：按照未对标词类型添加数据词。
[0132]
具体地，终端设备获取预设数据元模型的分析结果，添加未对标词类型。例如，请继续参见表1，即表2中的第3条的情况，未对标词类型为特性词类型，则添加相应的特性词进而形成完整的标准化数据元。
[0133]
进一步地，为了实现上述按照未对标词类型添加数据词进而构建完整的数据元，本技术提出步骤s141-步骤s142作为步骤s14的子步骤，具体请参见图7，图7是本技术提供的数据元构建方法的第一实施例中步骤s14的子步骤流程示意图。
[0134]
如图7所示，其具体步骤如下：
[0135]
步骤s141：输出未对标词类型。
[0136]
具体地，终端设备获取预设数据元模型的输出结果，对输出结果进行解析，输出未对标词类型。终端设备通过将未对标词类型可视化，指导工作人员需要添加的数据词的词类型。
[0137]
步骤s142：响应于用户基于未对标词类型输入的构建指令，将构建指令中的数据词添加到标准数据元语料库。
[0138]
具体地，终端设备响应于用户输入的构建指令，其中，用户的构建指令为针对未对标词类型输入的数据内容。终端设备将数据内容中的数据词添加到标准数据元语料库中，作为下一次数据元构建的数据源。
[0139]
通过步骤s141-步骤s142，根据输出结果，补充现有数据元资源，根据不同的情况，复用部分对标词类型的对象类词、特性词或者表示词，来构建的数据元，其结果更为高效和准确。
[0140]
步骤s15：利用待标准化数据项以及添加的数据词生成标准化数据元。
[0141]
具体地，终端设备获取预设数据元模型输出的结果，对待标准化数据项中的对标词类型进行复用，与步骤s141-步骤s142中任一方法添加的数据词进行组合，生成标准化数据元。
[0142]
进一步地，终端设备可以将新生成的标准化数据元重新纳入标准化数据元语料库
中，对标准化数据元语料库进行更新，在下一次对标的过程中可以直接进行复用，无须重新重复构建数据元的过程。
[0143]
通过步骤s11-步骤s15，能高效、规范、自动化的辅助构建新增数据元，当现有数据元无法满足需求时，提供功能帮助用户快速、规范的添加数据元。
[0144]
具体请参见图8，图8是本技术提供的数据元构建方法的第一实施例中步骤s15的子步骤流程示意图。
[0145]
如图8所示，其具体步骤如下：
[0146]
步骤s151：按照待标准化数据项的对标词类型，获取预设数据元模型输出的待标准化数据词。
[0147]
具体地，终端设备按照待标准化数据项的对标词类型，获取预设数据元模型输出的待标准化数据词。
[0148]
步骤s152：组合待标准化数据词与添加的数据词，生成标准化数据元。
[0149]
具体地，终端设备根据表2中的输出结果，组合待标准化数据词与添加的数据词，生成标准化数据元。
[0150]
进一步地，生成的标准化数据元可以储存在标准数据元语料库中，在下一次进行数据对标时，可以直接进行调用。使得数据元资源的增多，又能反过来提高数据元的使用效率，加强对数据元的管理和治理效果。
[0151]
例如，“身份证号码”数据项可以基于对象类词“公民”和表示词“号码”，构建数据元，属于上表2的结果3，基于这种情况，只需要按照标准文件中基于特性词的构造要求，按照步骤s142的方法添加一个特性词，构建出一个特性词“身份”，用来描述该数据项对应数据元的特性词，则最终得到一个新数据元中文名称“公民身份号码”，并储存在标准数据元语料库中。
[0152]
本技术还提出一实施例作为一判断标准，通过预设数据元模型计算的对标词类型的置信度与预设置信度阈值的大小，判断待标准化数据项中的对标词类型是否成功对标。具体请参加图9，图9是本技术提供的数据元构建方法的第四实施例的流程示意图。
[0153]
如图9所示，其具体步骤如下：
[0154]
步骤s41：获取预设数据元模型输出的对标词类型的若干候选数据词及其置信度。
[0155]
具体地，终端设备获取预设数据元模型输出的同一对标词类型的若干候选数据词，以及每一候选数据词的成功对标的置信度。
[0156]
通过上述模型，特征词模型可用于判断某数据项属于该特性词的置信度。表示词模型可用于判断某数据项属于该特性词的置信度。对象词模型可用于判断某数据项属于该对象词的置信度。
[0157]
步骤s42：获取每一对标词类型对应的候选数据词中置信度最高，且置信度高于预设置信度阈值的候选数据词作为待标准化数据词。
[0158]
具体地，终端设备获取预设数据元模型中对每一对标词类型对应的候选数据词按照置信度的顺序排列表，将置信度高于预设置信度阈值的候选数据词作为待标准化数据词。
[0159]
例如，如表3所示，将待对标数据项输入到预设数据元模型中后，由于预设置信度为0.7，可以筛选掉置信度低于0.7的候选数据词；然后，将置信度高于0.7的候选数据词中
每一对标词类型选择一个置信度最高的候选数据词作为待标准化数据词。例如，根据表3的结果，终端设备将“公民”和“号码”作为待标准化数据词。
[0160]
命中规则规则内容置信度对象类词公民0.981表示词号码0.92表示词编码0.82表示词编号0.71
[0161]
表3
[0162]
通过步骤s41-步骤s42，通过置信度判断，可以根据不同的情况，复用部分对象类词、特性词或者表示词，来构建的数据元，其结果更为高效和准确。
[0163]
为实现上述数据元构建方法，本技术还提出了一种终端设备，具体请参阅图10，图10是本技术提供的终端设备一实施例的结构示意图。
[0164]
本实施例的终端设备400包括处理器41、存储器42、输入输出设备43以及总线44。
[0165]
该处理器41、存储器42、输入输出设备43分别与总线44相连，该存储器42中存储有程序数据，处理器41用于执行程序数据以实现上述实施例所述的数据元构建方法。
[0166]
在本技术实施例中，处理器41还可以称为cpu(central processing unit，中央处理单元)。处理器41可能是一种集成电路芯片，具有信号的处理能力。处理器41还可以是通用处理器、数字信号处理器(dsp，digitalsignalprocess)、专用集成电路(asic，application specific integrated circuit)、现场可编程门阵列(fpga，field programmable gate array)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器41也可以是任何常规的处理器等。
[0167]
本技术还提供一种计算机存储介质，请继续参阅图11，图11是本技术提供的计算机存储介质一实施例的结构示意图，该计算机存储介质500中存储有计算机程序51，该计算机程序51在被处理器执行时，用以实现上述实施例的数据元构建方法。
[0168]
本技术的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0169]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，方式利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。