数据归档方法、装置、计算机装置及存储介质

技术领域

本发明涉及数据归档技术领域，具体涉及一种数据归档方法、数据归档装置、计算机装置及计算机存储介质。

背景技术

大数据时代，各个领域都需要对获取到的数据进行分类统计整理，不同应用领域需要整理的数据类型也是多种多样。传统的数据归档方式是通过技术人员对统计数据进行分门别类的整理，并将整理好的数据存储于数据库中。在实际操作中，会出现由于工作人员的逻辑错误、粗心等原因而导致数据归档错误的情况，且人工归档的效率低，花费时间长。

发明内容

鉴于以上内容，有必要提出一种数据归档方法及装置、计算机装置和计算机可读存储介质，使得数据归档的方法以智能、高效、准确的方式进行。

本申请的第一方面提供一种数据归档方法，所述方法包括：

获取待处理数据的数据格式；

按照所述待处理数据的数据格式在第一数据库中查找是否存在与所述数据格式相同的数据类别，其中所述第一数据库用于存储已处理的不同数据格式的数据类别；

若存在与所述数据格式相同的数据类别，则按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中；及

若不存在与所述数据格式相同的数据类别，则按照第二预设规则在第二数据库中查找所述待处理数据所属的数据类别，并按照所述第一预设规则对所述待处理数据中的特征信息进行提取，将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中，其中所述第二数据库中存储了多种数据类别的特征信息。

优选地，所述待处理数据包括文字、数字、图像中的一项或多项。

优选地，所述按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中的步骤包括：

获取在所述第一数据库中所述数据类别存储数据的特征信息及存储规则；

按照所述数据类别中数据的特征信息从所述待处理数据中提取符合所述特征信息的待处理特征信息；及

将所述符合数据特征信息的待处理特征信息按照所述存储规则进行处理，并将处理之后的待处理特征信息按照所述待处理数据的数据格式所属的数据类别存储于所述第一数据库中。

优选地，所述待处理数据为文字，所述按照所述数据类别中数据的特征信息从所述待处理数据中提取符合所述特征信息的待处理特征信息的步骤为：

将所述待处理的文字与所述数据类别中的数据的特征信息进行匹配计算，其中，所述匹配计算的方法包括逻辑合并和/或AI自然语言处理；

根据匹配计算的结果提取所述文字中的特征信息；及

按照所述待处理的文字的语义、词性中的至少一种方式对提取的文字特征信息的语序进行调整。

优选地，所述待处理数据为数字，所述按照所述数据类别中数据的特征信息从所述待处理数据中提取符合所述特征信息的待处理特征信息的步骤包括：

获取所述第一数据库中所述数据类别中的数字特征信息及存储规则；及

按照所述数据类别中的数字特征信息使用爬虫技术查找符合所述数字特征信息的数字特征信息。

优选地，所述按照第二预设规则在第二数据库中查找所述待处理数据所属的数据类别的步骤包括：

判断所述待处理数据是否属于所述第二数据库中存储的数据类别；

若属于所述第二数据库中所存储的数据类别，则将所述待处理数据中的关键字输入到预设的神经网络算法模型中，以确定所述待处理数据中的关键字所属于的数据类别；

若不属于所述第二数据库中所存储的数据类别，则将所述待处理数据的数据类别添加到所述第二数据库中。

优选地，所述第二数据库中存储的多种数据类别的特征信息通过以下步骤构建：

从任一数据类别的技术资料中提取所述技术资料所属的技术领域的关键字；

将所述关键字输入到第二数据模型中，以提取所述技术领域中的特征信息；

将提取后的特征信息与所述数据类别对应存储于所述第二数据库中；

其中，所述第二数据模型通过以下步骤构建：

将从不同技术领域的技术资料中提取的关键字分为训练集和验证集；

选择第二数据模型，并利用所述训练集对所述第二数据模型进行训练，其中所述第二数据模型用于获取所述训练集中所述关键字的特征信息；

利用所述验证集对训练后的第二数据模型进行验证，根据验证结果得到第二数据模型的准确率；

判断所述第二模型的准确率是否大于预设阈值；

若大于，则将优化后的数据模型进行输出；

若不大于，则对优化后的数据模型进行第二次优化。

本申请的第二方面提供一种数据归档装置，所述装置包括：

获取模块，用于获取待处理数据的数据格式；

判断模块，用于按照所述待处理数据的数据格式在第一数据库中查找是否存在与所述数据格式相同的数据类别，其中所述第一数据库用于存储已处理的不同数据格式的数据类别；

第一执行模块，用于当存在与所述数据格式相同的数据类别时，则按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中；

第二执行模块，用于当不存在与所述数据格式相同的数据类别时，则按照第二预设规则在第二数据库中查找所述待处理数据所属的数据类别，并按照所述第一预设规则对所述待处理数据中的特征信息进行提取，将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中，其中所述第二数据库中存储了多种数据类别的特征信息。

本申请的第三方面提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如前所述数据归档方法。

本申请的第四方面提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述数据归档方法。

本发明数据归档方法根据数据库中数据的类别，采用人工智能识别的方式对获取到的数据进行归类整理，并将整理好的数据存储于数据库中。通过所述方法可以实现智能化数据归档，提高了数据归档的效率。

附图说明

图1是本发明实施例一提供的数据归档方法的应用环境架构示意图。

图2是本发明实施例二提供的数据归档方法流程图。

图3是本发明实施例三提供的数据归档装置的结构示意图。

图4是本发明实施例四提供的计算机装置示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

实施例一

参阅图1所示，为本发明实施例一提供的数据归档方法的应用环境架构示意图。

本发明中的数据归档方法应用在计算机装置1中，所述计算机装置1和至少一个用户终端2通过网络建立通信连接。所述网络可以是有线网络，也可以是无线网络，例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。

所述计算机装置1可以为安装有数据归档软件的电子设备，用于归档并存储用户终端2发送的数据信息。例如个人电脑、平板电脑、服务器等，其中，所述服务器可以是单一的服务器、服务器集群或云服务器等。

所述用户终端2是具有数据记录功能的电子设备，包括但不限于智能手机、平板电脑、膝上型便捷计算机、台式计算机等。

在本发明又一实施方式中，所述数据归档方法应用在计算机装置1中，所述计算机装置1既具有数据记录功能又具有数据归档存储功能。所述计算机装置1将记录的待处理数据使用数据归档方法进行归档之后存储于计算机装置1中，所述计算机装置1可以是智能手机、平板电脑、膝上型便捷计算机、台式计算机、服务器等。

实施例二

请参阅图2所示，是本发明第二实施例提供的数据归档方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。

步骤S1、获取待处理数据的数据格式。

在本发明一实施方式中，计算机装置1获取用户终端2发送的待处理数据，所述待处理数据包括文字、数字、图像中的一项或多项。所述待处理数据的存储格式可以是Excel、Word、PDF、TXT等类型。

在本发明又一实施方式中，所述步骤还包括对获取的待处理数据进行预处理，所述预处理的内容包括去除待处理数据中多余的空格、标点、字符信息。

步骤S2、按照所述待处理数据的数据格式在第一数据库中查找是否存在与所述数据格式相同的数据类别，其中所述第一数据库用于存储已处理的不同数据格式的数据类别。

举例而言，所述第一数据库中的数据按照不同的数据格式进行分类，每种数据格式中按照数据内容的不同分成多种数据类别。例如在Excel数据格式中，根据数据的内容分为多种数据类别，所述数据类别包括工艺参数、设备参数、环境参数等。计算机装置1获取了用户终端2发送的待处理数据，按照所述待处理数据的数据格式在第一数据库中查找是否存在与所述数据格式相同的数据类别。

步骤S3、若存在与所述数据格式相同的数据类别，则按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中。

在本发明一实施方式中，所述按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中的步骤包括：

获取在所述第一数据库中所述数据类别存储数据的特征信息及存储规则；

按照所述数据类别中数据的特征信息从所述待处理数据中提取符合所述特征信息的待处理特征信息；及

将所述符合数据特征信息的待处理特征信息按照所述存储规则进行处理，并将处理之后的待处理特征信息按照所述待处理数据的数据格式所属的数据类别存储于所述第一数据库中。

若所述待处理数据为文字，按照所述数据类别中数据的特征信息在所述待处理数据中提取符合所述特征信息的待处理的特征信息的可以步骤为：

将所述待处理的文字与所述数据类别中的数据的特征信息进行匹配计算，其中，所述匹配计算的方法包括逻辑合并和/或AI自然语言处理；

根据匹配计算的结果提取所述文字中的特征信息；及

按照所述待处理的文字的语义、词性中的至少一种方式对提取的文字特征信息的语序进行调整。

举例而言，若所述待处理的数据为文字信息，通过步骤S2判断之后找到所述文字信息所对应的数据类别，则在第一数据库中获取所述数据类别的特征信息及存储规则。例如所述待处理的文字信息是设备的维修记录，所述维修记录中的内容包括文字信息和数字信息，其中文字信息可以是维修的部件名称，维修操作者的姓名，数字信息可以是维修时间等。在第一数据库中获取所述维修记录的数据类别的特征信息和存储规则。例如所述第一数据库中记录了维修记录的特征信息为维修者姓名、维修设备名称、维修地点、维修物料，存储规则为将按照表格方式存储。按照所述维修记录的特征信息在待处理文字信息中使用逻辑合并和AI自然语言处理的方式对待处理文字信息中的特征信息进行提取，如按照维修者姓名的方式，通过AI自然语言处理识别出待处理文字信息中的姓名信息。若所述待识别文字信息属于特殊的技术领域，则使用词向量算法处理，将获取到的待识别文字信息与所述特殊技术领域中的关键字通过词向量算法进行识别，从而获取待识别文字信息中的特征信息，所述特殊的技术领域包括新型技术领域或应用范围仅限于某些特殊行业如军工、医疗等的技术领域。所述方法还包括当识别出的文字信息的特征信息具有共同特性时，对所述共同特性使用预设方式进行可视化标注。所述预设方式可以包括颜色、符号、特殊字体等。例如当识别多条待处理文字信息中存在相同的维修者的姓名，则对所述维修者姓名使用不同的颜色进行标注。

在又一实施例中，还要将提取到的文字信息进行简化，去掉不必要的修饰语，例如去掉“例如、详见附件”等，还需要对获取到的文字的词性进行判断，避免同一文字在为动词和名词时，因为词性的不同导致所述文字的含义不同。

若所述待处理数据为数字，按照所述数据类别中数据的特征信息在所述待处理数据中提取符合所述特征信息的待处理的特征信息的步骤包括：

获取所述第一数据库中所述数据类别中的数字特征信息及存储规则；及

按照所述数据类别中的数字特征信息使用爬虫技术查找符合所述数字特征信息的数字特征信息。

举例而言，若所述待处理数据为数字信息，则根据第一数据库中所述数字信息所属的数据类别中数字的特征信息和文字信息使用爬虫的方式在待处理数字信息中查找相同类型的数字信息。例如第一数据库中的记录的维修时间，则在待处理数字信息中查找和时间相关的数字信息，并将所述数字信息按照数据类别中的数字存储方式进行存储。

在本发明又一实施方式，若所述待处理数据信息为图像，则识别所述图像中的内容，并在第一数据库中查找所述数据信息所属的数据类别，根据所述类别中图像的特征信息及存储规则存储所述待处理图像。

步骤S4、若不存在与所述数据格式相同的数据类别，则按照第二预设规则在第二数据库中查找所述待处理数据所属的数据类别，并按照所述第一预设规则对所述待处理数据中的特征信息进行提取，将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中，其中所述第二数据库中存储了多种数据类别的特征信息。

所述按照第二预设规则在第二数据库中查找所述待处理数据属于的数据类别的步骤包括：

判断所述待处理数据是否属于所述第二数据库中存储的数据类别；

若属于所述第二数据库中所存储的数据类别，则将所述待处理数据中的关键字输入到预设的神经网络算法模型中，以确定所述待处理数据中的关键字所属于的数据类别；

若不属于所述第二数据库中所存储的数据类别，则将所述待处理数据的数据类别添加到所述第二数据库中。

所述第二数据库的构建步骤包括：

从任一数据类别的技术资料中提取所述技术资料所属的技术领域的关键字；

将所述关键字输入到第二数据模型中，以提取所述技术领域中的特征信息；

将提取后的特征信息与所述数据类别对应存储于所述第二数据库中；

其中，所述第二数据模型通过以下步骤构建：

将从不同技术领域的技术资料中提取的关键字分为训练集和验证集；

选择第二数据模型，并利用所述训练集对所述第二数据模型进行训练，其中所述第二数据模型用于获取所述训练集中所述关键字的特征信息；

利用所述验证集对训练后的第二数据模型进行验证，根据验证结果得到第二数据模型的准确率；

判断所述第二模型的准确率是否大于预设阈值；

若大于，则将优化后的数据模型进行输出；

若不大于，则对优化后的数据模型进行第二次优化。

举例而言，若所述待处理的数据通过步骤S2判断之后在第一数据库中未找到所述数据对应的数据类别，则在第二数据库中查找所述待处理数据所属的数据类别。例如所述待处理数据为数据类别，所述待处理数据的内容为统计疾病的发病率的相关数据，包括疾病名称、病人年龄、病人性别、病人职业、病人所在城市、病人生活习惯等信息。通过和第二数据库中的不同技术领域的特征信息进行比对查找，没有查找出所述医学领域，则在第二数据库中按照待处理数据的数据类别及存储方式进行存储。若通过和第二数据库中信息的比对查找，发现所述医学领域的特征信息，则将所述待处理数据和第二数据库中技术领域的特征信息通过预设的神经网络算法模型进行匹配查找出所述待处理数据中所属的技术领域，将按照所述技术领域将所述待处理数据通过步骤S3中提到第一预设规则对所述待处理数据中关键词的特征信息进行提取，并将所述特征信息按照所述待处理数据所属的数据类别存储于所述第一数据库中。

其中，所述第二数据库中存储了现有技术中所有技术领域的特征信息。所述数据库的构建过程包括从现有技术资料中提取关键字信息，使用第一数据模型对关键词的特征信息进行提取，并将提取后的特征信息与所述技术领域对应存储，所述现有技术资料包括：论文、期刊、书籍、专利、网页资料等。

上述图2详细介绍了本发明的数据归档方法，下面结合第3-4图，对实现所述数据归档方法的软件装置的功能模块以及实现所述数据归档方法的硬件装置架构进行介绍。

应所述了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

实施例三

图3为本发明数据归档装置较佳实施例的结构图。

在一些实施例中，数据归档装置10运行于计算机装置中。所述计算机装置通过网络连接了多个用户终端。所述数据归档装置10可以包括多个由程序代码段所组成的功能模块。所述数据归档装置10中的各个程序段的程序代码可以存储于计算机装置的存储器中，并由所述至少一个处理器所执行，以实现数据归档功能。

本实施例中，所述数据归档装置10根据其所执行的功能，可以被划分为多个功能模块。参阅图3所示，所述功能模块可以包括：获取模块101、判断模块102、第一执行模块103、第二执行模块104。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

所述获取模块101，用于获取待处理数据的数据格式。

在本发明一实施方式中，计算机装置1获取用户终端2发送的待处理数据，所述待处理数据包括文字、数字、图像中的一项或多项。所述待处理数据的存储格式可以是Excel、Word、PDF、TXT等类型。

在本发明又一实施方式中，所述步骤还包括对获取的待处理数据进行预处理，所述预处理的内容包括去除待处理数据中多余的空格、标点、字符信息。

所述判断模块102，用于按照所述待处理数据的数据格式在第一数据库中查找是否存在与所述数据格式相同的数据类别，其中所述第一数据库用于存储已处理的不同数据格式的数据类别。

举例而言，所述第一数据库中的数据按照不同的数据格式进行分类，每种数据格式中按照数据内容的不同分成多种数据类别。例如在Excel数据格式中，根据数据的内容分为多种数据类别，所述数据类别包括工艺参数、设备参数、环境参数等。所述判断模块102获取了用户终端2发送的待处理数据，按照所述待处理数据的数据格式在第一数据库中查找是否存在与所述数据格式相同的数据类别。

所述第一执行模块103，用于当存在与所述数据格式相同的数据类别时，则按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中。

在本发明一实施方式中，所述按照第一预设规则对所述待处理数据中的特征信息进行提取，并将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中的步骤包括：

获取在所述第一数据库中所述数据类别存储数据的特征信息及存储规则；

按照所述数据类别中数据的特征信息从所述待处理数据中提取符合所述特征信息的待处理特征信息；及

将所述符合数据特征信息的待处理特征信息按照所述存储规则进行处理，并将处理之后的待处理特征信息按照所述待处理数据的数据格式所属的数据类别存储于所述第一数据库中。

若所述待处理数据为文字，按照所述数据类别中数据的特征信息在所述待处理数据中提取符合所述特征信息的待处理的特征信息的可以步骤为：

将所述待处理的文字与所述数据类别中的数据的特征信息进行匹配计算，其中，所述匹配计算的方法包括逻辑合并和/或AI自然语言处理；

根据匹配计算的结果提取所述文字中的特征信息；及

按照所述待处理的文字的语义、词性中的至少一种方式对提取的文字特征信息的语序进行调整。

举例而言，若所述待处理的数据为文字信息，通过判断模块102判断之后找到所述文字信息所对应的数据类别，则在第一数据库中获取所述数据类别的特征信息及存储规则。例如所述待处理的文字信息是设备的维修记录，所述维修记录中的内容包括文字信息和数字信息，其中文字信息可以是维修的部件名称，维修操作者的姓名，数字信息可以是维修时间等。在第一数据库中获取所述维修记录的数据类别的特征信息和存储规则。例如所述第一数据库中记录了维修记录的特征信息为维修者姓名、维修设备名称、维修地点、维修物料，存储规则为将按照表格方式存储。按照所述维修记录的特征信息在待处理文字信息中使用逻辑合并和AI自然语言处理的方式对待处理文字信息中的特征信息进行提取，如按照维修者姓名的方式，通过AI自然语言处理识别出待处理文字信息中的姓名信息。若所述待识别文字信息属于特殊的技术领域，则使用词向量算法处理，将获取到的待识别文字信息与所述特殊技术领域中的关键字通过词向量算法进行识别，从而获取待识别文字信息中的特征信息，所述特殊的技术领域包括新型技术领域或应用范围仅限于某些特殊行业如军工、医疗等的技术领域。所述方法还包括当识别出的文字信息的特征信息具有共同特性时，对所述共同特性使用预设方式进行可视化标注。所述预设方式可以包括颜色、符号、特殊字体等。例如当识别多条待处理文字信息中存在相同的维修者的姓名，则对所述维修者姓名使用不同的颜色进行标注。

在又一实施例中，还要将提取到的文字信息进行简化，去掉不必要的修饰语，例如去掉“例如、详见附件”等，还需要对获取到的文字的词性进行判断，避免同一文字在为动词和名词时，因为词性的不同导致所述文字的含义不同。

若所述待处理数据为数字，按照所述数据类别中数据的特征信息在所述待处理数据中提取符合所述特征信息的待处理的特征信息的步骤可以包括：

获取所述第一数据库中所述数据类别中的数字特征信息及存储规则；及

按照所述数据类别中的数字特征信息使用爬虫技术查找符合所述数字特征信息的数字特征信息。

举例而言，若所述待处理数据为数字信息，则根据第一数据库中所述数字信息所属的数据类别中数字的特征信息和文字信息使用爬虫的方式在待处理数字信息中查找相同类型的数字信息。例如第一数据库中的记录的维修时间，则在待处理数字信息中查找和时间相关的数字信息，并将所述数字信息按照数据类别中的数字存储方式进行存储。

在本发明又一实施方式，若所述待处理数据信息为图像，则识别所述图像中的内容，并在第一数据库中查找所述数据信息所属的数据类别，根据所述类别中图像的特征信息及存储规则存储所述待处理图像。

所述第二执行模块104，用于当不存在与所述数据格式相同的数据类别时，则按照第二预设规则在第二数据库中查找所述待处理数据所属的数据类别，并按照所述第一预设规则对所述待处理数据中的特征信息进行提取，将所述特征信息按照所述待处理数据的数据格式所属的数据类别的存储规则存储于所述第一数据库中，其中所述第二数据库中存储了多种数据类别的特征信息。所述按照第二预设规则在第二数据库中查找所述待处理数据属于的数据类别的步骤包括：

判断所述待处理数据是否属于所述第二数据库中存储的数据类别；

若属于所述第二数据库中所存储的数据类别，则将所述待处理数据中的关键字输入到预设的神经网络算法模型中，以确定所述待处理数据中的关键字所属于的数据类别；

若不属于所述第二数据库中所存储的数据类别，则将所述待处理数据的数据类别添加到所述第二数据库中。

所述第二数据库的构建步骤包括：

从任一数据类别的技术资料中提取所述技术资料所属的技术领域的关键字；

将所述关键字输入到第二数据模型中，以提取所述技术领域中的特征信息；

将提取后的特征信息与所述数据类别对应存储于所述第二数据库中；

其中，所述第二数据模型通过以下步骤构建：

将从不同技术领域的技术资料中提取的关键字分为训练集和验证集；

选择第二数据模型，并利用所述训练集对所述第二数据模型进行训练，其中所述第二数据模型用于获取所述训练集中所述关键字的特征信息；

利用所述验证集对训练后的第二数据模型进行验证，根据验证结果得到第二数据模型的准确率；

判断所述第二模型的准确率是否大于预设阈值；

若大于，则将优化后的数据模型进行输出；

若不大于，则对优化后的数据模型进行第二次优化。

举例而言，若所述待处理的数据通过判断模块102判断之后在第一数据库中未找到所述数据对应的数据类别，则在第二数据库中查找所述待处理数据所属的数据类别。例如所述待处理数据为数据类别，所述待处理数据的内容为统计疾病的发病率的相关数据，包括疾病名称、病人年龄、病人性别、病人职业、病人所在城市、病人生活习惯等信息。通过和第二数据库中的不同技术领域的特征信息进行比对查找，没有查找出所述医学领域，则在第二数据库中按照待处理数据的数据类别及存储方式进行存储。若通过和第二数据库中信息的比对查找，发现所述医学领域的特征信息，则将所述待处理数据和第二数据库中技术领域的特征信息通过预设的神经网络算法模型进行匹配查找出所述待处理数据中所属的技术领域，将按照所述技术领域将所述待处理数据通过第一执行模块103中提到第一预设规则对所述待处理数据中关键词的特征信息进行提取，并将所述特征信息按照所述待处理数据所属的数据类别存储于所述第一数据库中。

其中，所述第二数据库中存储了现有技术中所有技术领域的特征信息。所述数据库的构建过程包括从现有技术资料中提取关键字信息，使用第一数据模型对关键词的特征信息进行提取，并将提取后的特征信息与所述技术领域对应存储，所述现有技术资料包括：论文、期刊、书籍、专利、网页资料等。

实施例四

图4为本发明计算机装置较佳实施例的示意图。

所述计算机装置1包括存储器20、处理器30以及存储在所述存储器20中并可在所述处理器30上运行的计算机程序40，例如数据归档程序。所述处理器30执行所述计算机程序40时实现上述数据归档方法实施例中的步骤，例如图2所示的步骤S1～S4。或者，所述处理器30执行所述计算机程序40时实现上述数据归档装置实施例中各模块/单元的功能，例如图3中的单元101-104。

示例性的，所述计算机程序40可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器20中，并由所述处理器30执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序40在所述计算机装置1中的执行过程。例如，所述计算机程序40可以被分割成图3中的获取模块101、判断模块102、第一执行模块103、第二执行模块104。

所述计算机装置1可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是计算机装置1的示例，并不构成对计算机装置1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机装置1还可以包括输入输出设备、网络接入设备、总线等。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器30也可以是任何常规的处理器等，所述处理器30是所述计算机装置1的控制中心，利用各种接口和线路连接整个计算机装置1的各个部分。

所述存储器20可用于存储所述计算机程序40和/或模块/单元，所述处理器30通过运行或执行存储在所述存储器20内的计算机程序和/或模块/单元，以及调用存储在存储器20内的数据，实现所述计算机装置1的各种功能。所述存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机装置1的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述计算机装置1集成的模块/单元如果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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在本发明所提供的几个实施例中，应所述理解到，所揭露的计算机装置和方法，可以通过其它的方式实现。例如，以上所描述的计算机装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。计算机装置权利要求中陈述的多个单元或计算机装置也可以由同一个单元或计算机装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。