具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

图1是根据一示例性实施例示出的一种数据对象英文编码方法的流程图。该方法可以由终端设备执行，例如，终端设备可以为服务器、台式电脑、笔记本电脑、平板电脑等，终端设备也可以例如为用户设备、车载设备或可穿戴设备等，本公开实施例对终端设备的类型不做限定。如图1所示，该方法可以包括：

步骤10，获取待编码的数据对象；

步骤11，根据所述数据对象所关联的类别，以及类别与词库调用顺序的对应关系，确定所述数据对象被编码过程中所需的词库调用顺序，各词库内容互不重复；

步骤12，对所述数据对象进行分词处理，得到多个词；

步骤13，按照确定的词库调用顺序依次调用各词库对所述多个词进行编码，直至所述多个词被编码完成，形成编码结果。

在本公开中，可以预设多个词库，该多个词库的内容互不重复，该多个词库可以预存在终端设备中，也可以预存在终端设备以外的其他一个或多个终端设备中，终端设备可以和该其他一个或多个终端设备建立通信连接，这样终端设备在需要编译的时候可以依次调用该多个词库。该多个词库可以包括：业务领域单词中英缩写对照库、特定单词缩写库、用领域单词中英缩写对照库、术语库、业务领域代码库以及常用数据属性编码库。

在一种可能的实现方式中，业务领域单词中英缩写对照库可以用于保存专业领域的中英文单词，业务领域单词中英缩写对照库可以不保存通用中英文单词。每个映射词条由中文单词、英文单词、英文缩写、是否标准缩写构成。每个单词可以有英文缩写，也可以没有。业务领域单词中英缩写对照库的数据形式可以如表1所示

表1

业务领域单词中英缩写对照库的创建方法可以包括以下任意一项或多项：

1、按照核电的98个业务领域，创建对应数量的业务领域子库；

2、英文缩写选择规范

(1)若《英汉缩略语词典》中包含目标单词的英文缩写，则采用《英汉缩略语词典》的缩写。

(2)如果《英汉缩略语词典》没有包含目标单词的英文缩写，则取英文单词中各辅音对应的第1个字母自定义英文缩写。自定义缩写不超过5个英文字母；

3、英文单词选择规范

(1)使用更常用的英文单词，而不是更精确的英文单词。如中文“采购”，使用buy而不使用purchase；如中文“气态”，使用gas，而不使用vapor；

(2)使用更短的名词或动词以代替形容词。如中文“焊接”，则使用weld而不是welding；

(3)中文编码如果出现的表示表单、列表、条目等含义的“表”、“单”、“项”字，并且中文单词长度超过2个汉字时，不对“表”、“单”、“项”进行编码。如“申请单”，则编码为“request”，不使用“request sheet”；如“分析单”、“分析项”，则编码为“analysis”，不使用“analysis order”；

在一种可能的实现方式中，特定单词缩写库可以用于保存在数据属性中出现特定、高频单词的缩写。为了减少英文编码的长度、提高数据交互的效率，针对这类特定单词进行特殊编码。其中，特定单词可以表示为只会出现是数据属性中文命名的首位或末位的单词。特定单词缩写库由中文单词、英文翻译、英文缩写三元组形式保存。特定单词缩写库的数据形式可以如表2所示，

表2

特定单词缩写库的创建规范可以包括以下任意一项或多项：

1、该数据库总量不超过30个

2、英文缩写的长度最好1个字母，最长不超过3个字母

3、英文缩写应该是英文单词的首字母或组合

4、英文缩写不得重复

在一种可能的实现方式中，通用领域单词中英缩写对照库可以用来保存除“业务领域单词中英缩写对照库”、“特定单词缩写库”以外的常用英文单词的缩写，而不是英文词组的缩写。通用领域单词中英缩写对照库由英文单词、英文单词缩写的二元组词条的方式保存，通用领域单词中英缩写对照库的数据形式可以如表3所示：

表3

通用领域单词中英缩写对照库的创建规范可以包括以《英汉缩略语词典》为基础，从中选取核电业务数据用到的2635个单词及缩略语。

在一种可能的实现方式中，可以针对核电术语或常用、固定中文词组进行英文编码并形成术语库。术语库以中文术语、英文翻译、英文术语缩写三元组形式保存。英文术语缩写为英文术语编码的每个单词的首字母。该术语库参考2010年版《英汉核电技术词典》的《附录核电常用缩写词》并根据业务进行扩充。

术语库的数据形式可以如表4所示，

表4

术语库创建规范可以包括以下任意一项或多项：

1、英文术语缩写的长度不超过4个字母

2、同一含义但命名的中文术语使用各自对应的英文术语缩写

3、英文术语缩写的重复率不超过2％，即100个英文术语缩写中最多有2个缩写是相同的4、中文词组为数词+量词时，英文术语缩写为数字+量词缩写。

在一种可能的实现方式中，业务领域代码库可以用来保存核电领域所有业务领域的中文名称以及英文代码。该库以中文名称、英文翻译、英文代码三元组形式保存。业务领域代码库的数据形式可以如表5所示：

表5

业务领域代码库创建规范可以包括以下任意一项或多项：

1、业务领域英文代码的长度固定为2位；

2、业务领域英文代码的是英文名称前2个单词的首字母；

3、业务领域英文代码不允许重复，如果前2个单词的首字母的组合重复，则使用第1、3个单词的首字母；如果重复，则使用第1个单词的首字母和第2个单词的结束字母。

在一种可能的实现方式中，常用数据属性编码库可以保存数据堆型常出现的词语，为统一不同数据实体间相同数据属性的编码，方便不同系统间的数据交换，所以建立常用数据属性英文编码库。该库以中文名称、英文编码的两元组形式保存。常用数据属性编码库的数据形式可以如表6所示：

表6

常用数据属性编码库的创建规范可以包括：1、出现频度超过2％的数据属性允许纳入该编码库；2、英文编码符合本专利“数据对象英文编码规范”

作为本实施例的一个示例，在步骤10中，终端设备可以从预存待编码的一个或多个数据对象，或在需要进行编码时，从其他设备或系统获取带编码的数据对象。

在步骤11中，每个数据对象可以包括预先关联的类别，数据对象的类别可以例如包括表名称和表属性。不同类别可以对应不同的词库调用顺序。

在步骤12中，可以采用分词处理技术对数据对象进行分词处理，得到多个词，需要说明的是，可以选择任意适用的分词处理技术来对数据对象进行分词处理，本公开实施例对分词处理技术的类别不做限定。

在步骤13中，终端设备可以在按照确定的词库调用顺序每次调用词库时，若所述多个词中未被编码的词语与该次调用的词库匹配，则根据该次调用的词库对匹配的词进行编码，直至所述多个词被编码完成，形成编码结果。

在一种可能的实现方式中，数据对象还可以预先关联领域(例如化学领域、)终端设备在判断数据对象的类别为表名称的情况下，可以获取数据对象关联的领域；

按照确定的词库调用顺序依次调用各词库对所述多个词进行编码，直至所述多个词被编码完成，形成编码结果，包括：

按照确定的词库调用顺序依次调用各词库对所述多个词和所述数据对象的领域进行编码，直至所述多个词和所述数据对象的领域被编码完成，形成编码结果。

在一种可能的实现方式中，在形成编码结果后，终端设备还可以确定所述编码结果的字符长度；判断所述编码结果的字符长度是否符合预设条件；在所述编码结果的字符长度不符合预设条件的情况下，持续根据调用的中英缩写对照库，将当前多个单词字符最长的非缩写单词替换为缩写单词，形成新的编码结果，直至所述新的编码结果的字符长度符合预设条件。

在一种可能的实现方式中，所述方法还可以包括：

若判断所述数据对象的类别为表名称，则获取所述数据对象关联的领域；

步骤13还可以包括：按照确定的词库调用顺序依次调用各词库对所述多个词和所述数据对象的领域进行编码，直至所述多个词和所述数据对象的领域被编码完成，形成编码结果。

在一种可能的实现方式中，终端设备可以按照数据对象英文编码规范处理获得的编码，得到编码结果，数据对象英文编码规范可以包括以下多项。

1、由阿拉伯数字、英文字母和下划线组成，且英文编码的第一个字符或最后一个字符只能是字母；

2、使用小写英文字母编码；

3、各单词之间使用下划线连接；

4、编码结果不超过30个字符；

5、数据实体编码时，如果满足3、4点的要求，将英文单词组合形成英文编码，否则使用英文缩写组合形成英文编码；

6、数据实体英文编码的组成方式为：业务领域代码+英文编码；

7、数据属性英文编码时，一些数据属性(表2)在许多数据实体中经常出现，这类数据属性的英文编码规则为：数据实体编码(不含业务领域代码)+表2的英文缩写，使用下划线连接；

图2是一种数据对象英文编码方法的应用示例的流程图。如图2所示，该方法可以包括：

S101：开始。获取数据对象，该数据对象为表名称，中文命名为“化学取样计划-海水监测分析项”。

S102：根据数据对象所属领域和“业务领域代码库”得到领域代码。每个数据对象都有唯一归属的业务领域。本数据对象属于“化学管理”业务领域，根据“业务领域代码库”，得到业务领域编码cm；

S103：根据“术语库”，检查数据对象，如果数据对象中存在术语，则直接编码。本数据对象中存在术语“化学取样计划”，根据“术语库”，得到编码csp。

S104：对数据对象中文名进行分词。对本数据对象的剩余中文部分进行汉语分词，得到中文词语：海水、监测、分析项。

S105：根据“业务领域单词中英缩写对照库”的子库(如：化学管理)对中文单词进行映射编码。本数据对象属于化学管理领域，因为在“业务领域单词中英缩写对照库”的“化学管理”子库中分别查询步骤S104的中文词语，得到“海水”的对应英文单词“seawater”。

S106：根据“通用领域单词中英缩写对照库”对中文单词进行映射。对S105中其它未编码的中文单词进行编码，得到“监测”的对应英文单词“monitor”、“分析项”的对应英文单词“analysis”。

S107：根据“数据对象英文编码规范”第3条规则，生成编码，得到“cm_csp_seawater_monitor_analysis”。

S108：检查编码长度。如超长，对英文单词使用“通用领域单词中英缩写对照库”、“业务领域单词中英缩写对照库”逐一替换为缩写并重新检查编码长度。编码长度为33个字符，超过规范要求，在以上两个对照库中，没有发现seawater和monitor的缩写，发现analysis的缩写anal。替换后，得到新的编码“cm_csp_seawater_monitor_anls”。重新检查新编码长度，其长度29个字符，符合“数据对象英文编码规范”。

S109：根据“数据对象英文编码规范”第4条规则检查S108输出编码长度。如仍旧超长，根据“中英文对照词典库及创建规范”为非缩写英文单词创建缩写并补充至“通用领域单词中英缩写对照库”、“业务领域单词中英缩写对照库”。

图3是一种数据对象英文编码方法的应用示例的流程图。如图3所示，该方法可以包括：

S201：根据“常用数据属性编码库”检查数据属性，如果属于该库，直接进行编码。在本实施例中，数据属性“创建人”属于该库，其英文编码为“create_by”；

S202：根据“术语库”，检查数据属性，如果数据属性中存在术语，则直接编码。在本实施例中，数据属性“参数单位”属于该库，其英文编码为“uom”；

S203：对数据属性中文名进行分词。在本实施例中，实施中文分词后的结果如下：

物料编码(物料，编码)

参数单位->uom

化学品类别(化学品，类别)

化学品技术审定编号(化学品,技术,审定,编号)

创建人->create_by

S204：根据“数据对象英文编码规范”第7条规则及“4.特定单词缩写库”对中文单词进行映射编码。在本实施例中，“编码”、“编号”属于该库，实施后的结果如下：

物料编码(物料->，编码->c)

参数单位->uom

化学品类别(化学品，类别)

化学品技术审定编号(化学品,技术,审定,编号->id)

创建人->create_by

S206：根据“2.业务领域单词中英缩写对照库”的子库对中文单词进行映射编码。在本实施例中，采用“化学管理”子库，对中文单词“化学品”编码后的结果如下：

物料编码(物料->，编码->c)

参数单位->uom

化学品类别(化学品-chemical，类别)

化学品技术审定编号(化学品->chemical,技术,审定,编号->id)

创建人->create_by

S207：根据“4.通用领域单词中英缩写对照库”对中文单词进行映射。在本实施例中，对中文单词“物料”、“技术”、“审定”编码后的结果如下：

物料编码(物料->material，编码->c)

参数单位->uom

化学品类别(化学品-chemical，类别->type)

化学品技术审定编号(化学品->chemical,技术->technology,审定->examine,编号->id)

创建人->create_by

S208：根据“数据对象英文编码规范”第3条规则生成编码。在本实施例中，编码后的结果如下：

物料编码->material_c

参数单位->uom

化学品类别->chemical_type

化学品技术审定编号->chemical_technology_examine_id

创建人->create_by

S209：根据“数据对象英文编码规范”第4条规则检查编码长度。如超长，对英文单词使用“通用领域单词中英缩写对照库”、“业务领域单词中英缩写对照库”逐一替换为缩写并重新检查长度。在本实施例中，“chemical_technology_examine_id”的编码长度为31，超过规则要求的30个字符，根据对照库对第一个单词重新编码后的结果如下：

物料编码->material_c

参数单位->uom

化学品类别->chemical_type

化学品技术审定编号->chem_technology_examine_id

创建人->create_by

S210：根据“数据对象英文编码规范”第4条规则检查S108输出编码长度。如仍旧超长，按“英文缩写选择规范”第2条规定为非缩写英文单词创建缩写。在本实施例中，不存在该场景。

图4是根据一示例性实施例示出的一种数据对象英文编码装置的框图。如图4所示，该装置可以包括：

第一获取模块40，用于获取待编码的数据对象；

第一确定模块41，用于根据所述数据对象所关联的类别，以及类别与词库调用顺序的对应关系，确定所述数据对象被编码过程中所需的词库调用顺序；

分词模块42，用于对所述数据对象进行分词处理，得到多个词；

编码模块43，用于按照确定的词库调用顺序依次调用各词库对所述多个词进行编码，直至所述多个词被编码完成，形成编码结果。

在一种可能的实现方式中，所述编码模块包括：

第一编码子模块，用于在按照确定的词库调用顺序每次调用词库时，若所述多个词中未被编码的词语与该次调用的词库匹配，则根据该次调用的词库对匹配的词进行编码，直至所述多个词被编码完成，形成编码结果。

在一种可能的实现方式中，所述装置还包括：

第二确定模块，用于确定所述编码结果的字符长度；

判断模块，用于判断所述编码结果的字符长度是否符合预设条件；

缩减模块，用于在所述编码结果的字符长度不符合预设条件的情况下，持续根据调用的中英缩写对照库，将当前多个单词字符最长的非缩写单词替换为缩写单词，形成新的编码结果，直至所述新的编码结果的字符长度符合预设条件。

在一种可能的实现方式中，所述装置还包括：

第二获取模块，用于在判断所述数据对象的类别为表名称的情况下，获取所述数据对象关联的领域；

所述编码模块包括：

第二编码子模块，用于按照确定的词库调用顺序依次调用各词库对所述多个词和所述数据对象的领域进行编码，直至所述多个词和所述数据对象的领域被编码完成，形成编码结果。

需要说明的是，针对上述装置的说明已经在上文中针对方法的说明中进行详细阐述，在此不再赘述。

图5是根据一示例性实施例示出的一种数据对象英文编码装置的框图。例如，装置1900可以被提供为一服务器。参照图5，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。