一种面向数据湖的多表语义连接方法

摘要

本发明提供的一种面向数据湖的多表语义连接方法，基于两个构建列嵌入向量模型构建孪生网络模型，将步骤一获得新表格，根据给定的标签，组建表格对；将多组表格对输入到孪生网络模型中，对其进行训练，因此只需要提供表格具有基本的内容信息就能够进行表格的可连接性预测，并快速计算出结果；该方法没有多余的预处理不需要额外的计算步骤，且设计简单容易实现，提高了多表语义连接方法和预测模型的效率，具备良好的可扩展性、鲁棒性和稳定性；采用Simhash对表格内的行进行抽样，只需按照相同的比例重新构造一张数据行更少的新表格作为输入，这既可以减小表格的输入规模，又可以最大限度的保留表格的特征。