买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海外服信息技术有限公司申请的专利用于低代码平台的数据导入与字段智能匹配的方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120929651B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511439229.X，技术领域涉及：G06F16/903；该发明授权用于低代码平台的数据导入与字段智能匹配的方法是由邹舒翔;郭昊东;刘重明;陈涛;包信炯;周颖乾设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本用于低代码平台的数据导入与字段智能匹配的方法在说明书摘要公布了：本发明公开了用于低代码平台的数据导入与字段智能匹配的方法，具体涉及低代码平台数据处理技术领域；构建字段初始特征向量，从目标数据模型中提取标准字段及其历史匹配特征，利用多源特征融合模型计算语义匹配得分矩阵；基于动态阈值筛选初始映射表，并结合字段值分布差异度量特征δ进行统计偏差分析，当δ超过预设阈值时，调用值映射校正模型完成重匹配，得到优化映射表；若检测到相同来源文件类型存在用户历史调整，则基于用户行为日志进行再修正，输出最终字段映射表MP3；最后将MP3应用于数据导入，实现自动匹配与绑定；本发明提升了字段匹配的准确性与自动化水平，适用于多源异构数据集成场景。

本发明授权用于低代码平台的数据导入与字段智能匹配的方法在权利要求书中公布了：1.用于低代码平台的数据导入与字段智能匹配的方法，其特征在于：包括： 获取待导入数据表D中的原始字段集合F1及其对应的字段样本值集合V1，构建字段初始特征向量集X1； 从目标数据模型M中提取标准字段集合F2及其字段历史匹配特征集X2； 构建基于多源特征融合的字段匹配模型WR，并基于WR计算F1中每个字段与F2中字段的语义匹配得分矩阵S，所述语义匹配得分为综合特征相似性加权计算的结果； 将字段初始特征向量集X1与字段历史匹配特征集X2输入至双向特征编码网络中，分别进行特征降维与语义归一化处理，得到统一语义空间下的字段嵌入表示； 对嵌入后的字段对执行特征相似度计算，分别计算向量间的余弦相似度、欧氏距离与标签匹配度得分，并将三类得分以加权方式合成为语义匹配得分公式为：；其中，α、β、γ为加权系数，满足α+β+γ=1；其中，为语义嵌入向量余弦相似度：为欧氏距离相似度，为字段标签匹配得分；对所有字段对的语义匹配得分组成二维矩阵S，S的行对应待匹配字段，列对应标准字段矩阵元素表示两字段的匹配相似度； 对S进行置信度动态分析，包括： 针对S矩阵中每一待导入字段，提取其对应的匹配得分行向量，计算最大匹配得分值及对应标准字段，作为字段的最优匹配候选； 结合标准字段在历史匹配置信度分布中的统计均值和方差，动态生成置信度阈值； 仅当时，确认匹配对成立，并将字段对加入字段初始映射表MP1； 当存在多个映射至同一标准字段时，根据总得分排序保留置信度最高的一对字段映射，其余映射标记为冲突项； 对S进行置信度动态分析，筛选出满足匹配置信度阈值θ的初始匹配对，并以此构建字段初匹配映射表MP1； 提取MP1中每个字段对在数据值分布上的差异度量特征δ，结合V1与M中样本数据值分布进行统计偏差分析； 基于δ值超过设定偏差阈值ε的字段对，利用值映射校正模型对其进行重匹配校正，得到优化后的字段映射表MP2，包括： 筛选出字段初匹配映射表MP1中所有δ值大于设定偏差阈值ε的字段对集合，构建异常字段对集C，其中ε为预设的字段值分布差异容忍度； 将集合C中的每一个字段对输入至值映射校正模型RVM，基于样本值之间的值域、单元相似度与候选字段历史值统计关系进行交叉映射打分； 对每个异常字段，从目标字段集合F2中重新选取若干候选字段，构建值匹配评分向量，选取其中值映射评分最高且δ值低于ε的字段作为替代配对字段； 将原配对替换为更新后的配对，并形成优化后的字段映射表MP2； 若检测到历史存在相同来源文件类型且用户人工调整过字段映射关系，则基于用户行为日志对MP2进行调整，输出最终字段映射结果MP3； 将MP3应用于数据导入过程，完成字段自动匹配与数据绑定。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海外服信息技术有限公司，其通讯地址为：201210 上海市浦东新区中国(上海)自由贸易试验区中科路1358号、环科路999弄23号3层、4层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。