一种数据库的对象描述提供方法、装置及设备与流程

本发明涉及数据库技术领域，特别是涉及一种数据库的对象描述提供方法。本发明还涉及一种数据库的对象描述提供装置、设备及计算机可读存储介质。

背景技术：

随着网络技术的飞速发展以及智能设备的广泛使用，数据以前所未有的速度生成和创建。然而，在大数据改变现代社会许多层面的同时，我们也经常可以观察到不同的数据库(或者说数据源)会对同一实体对象提供相互冲突的描述。这些冲突往往是由于输入错误、数据过时、记录丢失等原因造成的，如果应用于实际可能会造成巨大的损害和经济损失。例如，在医疗系统中被用于药物推荐的数据在股票市场上被用于股票价格预测，这显会出现问题。因此，从多个数据源中找到最符合现实的真值(正确的描述)来解决冲突，成为研究热门。

到目前为止，已有大量工作来处理真值发现问题，但是，当前的算法通常假设每个对象只有一个真值，并不适合发现同一个对象有多个真值的情况。然而在现实世界中，对象拥有多个真值的情况可能更为常见。例如，一本书通常有多个作者，一部电影可能有几位导演。因此，目前这种单真值的发现算法，适用范围较窄,且结果准确性较低。

因此，如何提供一种能够发现多真值的数据库的对象描述提供方法是本领域技术人员目前需要解决的问题。

技术实现要素：

本发明的目的是提供一种数据库的对象描述提供方法，能够在不同数据源为对象提供的冲突数据中对对象进行多真值发现，适用范围更广，准确性更高；并且，使用户能够查看到一个对象的多个描述结果，用户的体验更好；本发明的另一目的是提供一种基于上述方法的装置、设备及计算机可读存储介质。

为解决上述技术问题，本发明提供了一种数据库的对象描述提供方法，包括：

步骤s1：接收各个数据库为对象提供的描述，一个数据库为所述对象提供的描述的集合为一个值集；全部数据库为所述对象提供的描述的并集为所述对象的可能值集；

步骤s2：计算所述可能值集中各个描述值的置信度，并按照置信度大小对各个描述值进行排序，从中筛选前n个置信度最高的描述值作为对象的真值，得到目标真值集；n大于1；

步骤s3：对所述目标真值集内的描述进行显示。

优选地，所述步骤s2包括：

步骤s21：依据所述对象当前的真值集计算每个数据库的可信度；没有真值集时的初始可信度为特定值；

步骤s22：依据所述可信度依次计算所述对象的可能值集内每个描述的置信度；

步骤s23：将所述置信度从大到小进行排序；

步骤s24：依据所述排序顺序，依次将每个置信度对应的描述添加至真值集内，得到候选真值集，并计算当前得到的候选真值集的目标函数的值；所述目标函数为：

a*为当前的候选真值集，a为数据库s为对象e提供的值集；sim(a*,a)为a*和a之间的余弦相似度；e为全部对象的集合；s(v)是为a*中的描述所属的对象提供值集的全部数据库的集合；t(s)为所述数据库s的可信度；

步骤s25：若当前计算得到的目标函数的值小于前一个候选真值集对应的目标函数的值，则将之前计算过目标函数的全部描述的集合作为所述目标真值集。

优选地，所述步骤s25之后，步骤s3之前，还包括：

判断所述目标真值集的置信度向量与上次目标真值集的置信度向量的改变是否小于预设向量差，若是，则进入步骤s3；否则，将所述目标真值集作为所述对象当前的真值集，并返回步骤s21。

优选地，步骤s21的过程包括：

依据所述对象当前的真值集以及可信度关系式计算每个数据库的可信度；没有真值集时的初始可信度为特定值；所述可信度关系式为：

其中，t(s)为数据库s的可信度；v(s)为数据库s提供的全部值集，v为v(s)中的一个值集；a*为v对应的对象的真值集，a为v对应的对象的值集。

优选地，步骤s22的过程包括：

依据所述可信度以及置信度关系式依次计算所述对象的可能值集内每个描述的置信度；所述置信度关系式为：

其中，t(s)为数据库s的可信度；c(v)为描述v的置信度；s(v)是为描述v所属的对象提供值集的全部数据库的集合；v为描述v所属的值集。

优选地，步骤s22之后，步骤s23之前还包括：

依据相似度规则确定所述可能值集内与所述描述相似的相似描述值列表；

计算所述相似描述值列表内每个相似描述值与所述描述之间的相似程度；

依据各个所述相似描述值与所述描述的相似程度以及所述描述的置信度进行整合，得到所述描述的调和置信度；

重复上述操作，直至得到全部描述的调和置信度；

相应的，步骤s23中将所述调和置信度从大到小进行排序。

优选地，所述计算所述相似描述值列表内每个相似描述值与所述描述之间的相似程度的过程包括：

依据支持度关系式，计算所述相似描述值列表内每个相似描述值与所述描述之间的相似程度；所述支持度关系式为：

其中，sup(v',v)为相似描述值v'与描述v之间的相似程度，z'为相似描述值v'的单词集合，z为描述v的单词集合，m为z'中的单词个数，n为z中的单词个数，z'[i]为z'中的第i个单词，z[j]为z中的第j个单词；issame(z'[i],z[j])∈{0,1}，z'[i]和z[j]相等时，issame(z'[i],z[j])取1，否则取0；

所述依据各个所述相似描述值与所述描述的相似程度以及所述描述的置信度进行整合，得到所述描述的调和置信度的过程包括：

将各个所述相似描述值与所述描述的相似程度以及所述描述的置信度代入调和置信度关系式，得到所述描述的调和置信度；所述调和置信度关系式为：

c*(v)为描述v的调和置信度；ρ为比例参数，c(v')为相似描述值v'的置信度；为所述相似描述值列表。

为解决上述技术问题，本发明还提供了一种数据库的对象描述提供装置，包括：

接收模块，用于接收各个数据库为对象提供的描述，一个数据库为所述对象提供的描述的集合为一个值集；全部数据库为所述对象提供的描述的并集为所述对象的可能值集；

多真值筛选模块，用于计算所述可能值集中各个描述值的置信度，并按照置信度大小对各个描述值进行排序，从中筛选前n个置信度最高的描述值作为对象的真值，得到目标真值集；n大于1；

显示模块，用于对所述目标真值集内的描述进行显示。

为解决上述技术问题，本发明还提供了一种数据库的对象描述提供设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如以上任一项所述的数据库的对象描述提供方法的步骤。

为解决上述技术问题，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质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以上任一项所述的数据库的对象描述提供方法的步骤。

本发明提供了一种数据库的对象描述提供方法，在接收到各个数据库为对象提供的描述后，分别将每个描述单独作为一个候选真值集，之后计算所述可能值集中各个描述值的置信度，并按照置信度大小对各个描述值进行排序，从中筛选前n个置信度最高的描述值作为对象的真值；候选真值集候选真值集其中n大于1。这里的可能值集指的是全部数据库为该对象提供的描述的并集。可以理解的是，一个实体对象的真值集应该是最大程度的接近冲突数据源提供的所有值集，也就是说，一个对象的真值集应该是最大程度的接近对象的可能值集的描述的集合。因此，通过本发明的方式，能够筛选出最接近对象可能值集的真值集，该真值集内包括有多个描述。因此，本发明能够在不同数据源为对象提供的冲突数据中对对象进行多真值发现，相比单真值发现算法来说，适用范围更广，准确性更高。并且，相比只能查看到一个对象描述情况的方案，本发明使用户能够查看到一个对象的多个描述结果，用户的体验更好。本发明还提供了一种基于上述方法的装置、设备及计算机可读存储介质。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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发明的一些实施例，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。

图1为本发明提供的一种数据库的对象描述提供方法的过程的流程图；

图2为本发明提供的另一种数据库的对象描述提供方法的过程的流程图；

图3为本发明提供的另一种数据库的对象描述提供方法的过程的流程图；

图4为本发明提供的一种数据库的对象描述提供装置的结构示意图。

具体实施方式

本发明的核心是提供一种数据库的对象描述提供方法，能够在不同数据源为对象提供的冲突数据中对对象进行多真值发现，适用范围更广，准确性更高；并且，使用户能够查看到一个对象的多个描述结果，用户的体验更好；本发明的另一核心是提供一种基于上述方法的装置、设备及计算机可读存储介质。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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。

本发明提供了一种数据库的对象描述提供方法，参见图1所示，图1为本发明提供的一种数据库的对象描述提供方法的过程的流程图；该方法包括：

步骤s1：接收各个数据库为对象提供的描述，一个数据库为对象提供的描述的集合为一个值集；全部数据库为对象提供的描述的并集为对象的可能值集；

其中，这里的数据库用于真值发现问题提供相互冲突的描述数据，可以为网站的数据库或者银行、医院等的内部数据库等等。对象表示一个能在真实世界中被识别的、唯一的存在，例如：一本书或一部电影。一个对象的真值集，指的是在对象的可能值集中，所有与真实世界一致的值构成的真理集。

步骤s2：计算所述可能值集中各个描述值的置信度，并按照置信度大小对各个描述值进行排序，从中筛选前n个置信度最高的描述值作为对象的真值，得到目标真值集；n大于1；

一个实体对象的真值集应该是最大程度的接近冲突数据源提供的所有值集，也就是说，一个对象的真值集应该最大程度的接近不同数据库为对象提供的所有值集。因此，通过从数据库对对象的全部描述中，找到与数据库为对象的所有值集最相似的n个值组成的值集，即是目标真值集。由于本发明想解决的是多真值的问题，因此n大于1。

步骤s3：对目标真值集内的描述进行显示。

数据库对对象进行的描述，可以理解为是数据库中保存的、对该对象的定义内容。本发明的目的是从多个数据库对一个对象的全部描述中，筛选出更贴近真实世界的全部描述进行显示，使得用户最终看到的描述与真实世界保持一致，简单来说就是用户看到的是正确的描述，从而能够尽可能避免错误的描述误导用户之后给用户带来的损害和经济损失，用户体验更好。

本发明提供了一种数据库的对象描述提供方法，在接收到各个数据库为对象提供的描述后，分别将每个描述单独作为一个候选真值集，之后计算所述可能值集中各个描述值的置信度，并按照置信度大小对各个描述值进行排序，从中筛选前n个置信度最高的描述值作为对象的真值；候选真值集候选真值集其中n大于1。这里的可能值集指的是全部数据库为该对象提供的描述的并集。可以理解的是，一个实体对象的真值集应该是最大程度的接近冲突数据源提供的所有值集，也就是说，一个对象的真值集应该与不同数据库为对象提供的值集之间具有最大的相似度。因此，通过本发明的方式，能够筛选出n个置信度较高的描述值作为对象的真值集，n>1。因此，本发明能够在不同数据源为对象提供的冲突数据中对对象进行多真值发现，相比单真值发现算法来说，适用范围更广，准确性更高。并且，相比只能查看到一个对象描述情况的方案，本发明使用户能够查看到一个对象的多个描述结果，用户的体验更好。

一般来讲，数据库会提供对象多个属性的描述值信息，然而对于每个属性来说，数据库的可信度可能不同，因此每个属性类型需要进行单独处理。在本发明中，假设对象只有一个属性来简化讨论。

作为优选地，参见图2所示，图2为本发明提供的另一种数据库的对象描述提供方法的过程的流程图；步骤s2包括：

步骤s21：依据对象当前的真值集计算每个数据库的可信度；没有真值集时的初始可信度为特定值；

这里的可信度，用数据库提供的所有值集与对象的真值集的平均相似度来度量，因此数据库的可信度越高，其提供的值集与对象的真值集相似度越高，反之，两者的相似度越低。

步骤s22：依据可信度依次计算对象的可能值集内每个描述的置信度；

在统计学中，一个概率样本的置信区间(confidenceinterval)是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度，即前面所要求的“一定概率”，这个概率被称为置信度。因此，置信度高的描述会更大可能成为对象的真值。故可以选择多个置信度较高的描述组成对象的真值的集合(即目标真值集)。

步骤s23：将置信度从大到小进行排序；

排序的目的，是因为置信度越大表明该描述更有可能为真值，相对应的在后续计算目标函数的时候，置信度较大的描述的目标函数值通常也会较大。因此，将置信度从大到小进行排序，是为了方便后续依次计算各个置信度对应的描述的目标函数，并快速确认哪些置信度对应的描述属于真值。

步骤s24：依据排序顺序，依次将每个置信度对应的描述添加至真值集内，得到候选真值集，并计算当前得到的候选真值集的目标函数的值；目标函数为：

a*为当前的候选真值集，a为数据库s为对象e提供的值集；sim(a*,a)为a*和a之间的余弦相似度；e为全部对象的集合；s(v)是为a*中的描述所属的对象提供值集的全部数据库的集合；t(s)为所述数据库s的可信度；

步骤s25：若当前计算得到的目标函数的值小于前一个候选真值集对应的目标函数的值，则将之前计算过目标函数的全部描述的集合作为目标真值集。

可以理解的是，前述已经提到目标函数值是用于表明该候选真值集与对象所有值集的相似程度，该相似程度越大，表明该候选真值集包含的描述属于目标真值集的可能性越高。根据置信度按从大到小的顺序将可能值依次单独放入候选真值集，然后计算每个该候选真值集与对象的所有值集之间的相似度，保留相似度之和较大的候选真值集，最后相似度之和最大的n个候选真值集中的描述的集合即为目标真值集。

可以理解的是，上述目标函数的推导过程为。

假设数据库集合为s＝{s1,s2,s3,…,sm}，m表示数据库的数量。对象集合为e＝{e1,e2,e3,…,en}，n表示对象的数量。数据库s为对象e提供的值集用v表示。对象e的可能值集则是s对e提供的所有值集的并集，用表示，同时用l表示v*的长度。对象e可以有多个真值，用truth表示该对象的真值集，truth是v*的子集。因此，本发明中的多真值发现问题为：给定一个冲突数据库集合s和一个对象集合e,目的是为了在一个对象的可能值集v*中找到其真值集truth。

余弦相似度常用来计算文档向量之间的相似性，将文本中的词语映射到向量空间，形成文档中词频与向量数据的映射关系，通过计算两个向量之间的余弦相似度得出文档之间的相似度。例如计算下面两个句子的相似度：

句子a：“我爱母亲，也爱父亲”；

句子b：“我爱父亲，更爱母亲”。

首先对句子进行分词，得到分词集合{我爱母亲也父亲更}，计算词频：句子a：我1，爱2，母亲1，也1，父亲1，更0；

句子b：我1，爱2，母亲1，也0，父亲1，更1。

得出词频向量a(1,2,1,1,1,0)和b(1,2,1,0,1,1)。通过计算两个向量的余弦相似度即得两个句子的相似度。

因此，本文将余弦相似度引入到值集之间的相似度计算当中来。用a^*表示对象的真值集。令a表示值集v的向量，a的长度为该对象可能值集的长度。

因此a中的第i个元素值为：

其中，最终得到的a和a^*均为1和0组成的数组。v^*[i]代表对象的可能值集v^*的第i个元素。例如：可能值集合v^*＝{a,b,c,d,e}，值集v＝{a,c,d}，则v的二值向量a＝(1,0,1,1,0)。本发明采用余弦相似度来计算两个值向量之间的相似值。余弦相似度的关系式为：

a1,a2为两个数据集的值向量。

之后，依据该余弦相似度的关系式以及数据库的可信度，来得到本发明的目标函数，

到目前为止，已经将多真理发现转化为一个优化问题。根据目标函数可以在对象的可能值集中选取置信度较高的几个描述组成目标真值集。

另外，本发明具体是通过计算数据库提供的所有值集与对象真值集的平均相似度来度量数据库的可信度的。作为优选地，步骤s21的过程包括：

依据对象当前的真值集以及可信度关系式计算每个数据库的可信度；没有真值集时的初始可信度为特定值；可信度关系式为：

其中，t(s)为数据库s的可信度；v(s)为数据库s提供的全部值集，v为v(s)中的一个值集；a*为v对应的对象的真值集，a为v对应的对象的值集。

作为优选地，在多真值发现问题中，置信度高的描述更大可能会成为对象的真值，因此本发明可以选择多个置信度较高的描述作为对象的真值集。根据目标函数，本实施例采用一种贪心选择策略：根据置信度的大小对对象的描述进行排序，然后优先选择高可信度的描述作为对象的真值。对于描述v，通过各数据库的加权投票来计算它的置信度。步骤s22的过程包括：

依据可信度以及置信度关系式依次计算对象的可能值集内每个描述的置信度；置信度关系式为：

其中，t(s)为数据库s的可信度；c(v)为描述v的置信度；s(v)是为描述v所属的对象提供值集的全部数据库的集合；v为描述v所属的值集。

具体的，以下为本发明提供的计算目标真值集的算法，其中，在对置信度进行排序后，排序后的数组为向量w。根据w，算法的时间复杂度为o(ml)。algorithm-1:entitytruthsfinding

input:v*,{t(s)|s∈s}；

output:truth.

steps:

当然，以上仅为一种具体实施例，本发明不限定具体的实现算法的内容。

在一种优选实施例中，步骤s25之后，步骤s3之前，还包括：

步骤s26：判断目标真值集的置信度向量与上次目标真值集的置信度向量的改变是否小于预设向量差，若是，则进入步骤s3；否则，将目标真值集作为对象当前的真值集，并返回步骤s21。其中，这里的预设向量差可以为0.01％，当然，本发明对此不作限定。

如上所述，如果知道数据库的可信度，那么就可以推导对象的真值集，反之，依据对象的真值集，才可以推导数据库的可信度。但是，由于最初的时候，对象的真值集是不可知的，这样导致数据库的可信度也无从计算，因此，本实施例中，采用迭代的方法来联合推导数据库的可信度和对象的真值集，在此过程中，虽然最初并不知道数据源的实际可信度以及对象的真值集的信息，但每次迭代都进一步贴近数据库的实际可信度和对象的实际的真值集，直到满足收敛条件时迭代则会停止。下面给出了迭代的总体流程：

首先，所有数据库的可信度均设置为初始值t0(t0为估计的平均可信度，例如可以设t0＝0.9)，然后开始迭代计算。每次迭代分两步：1)使用从上一次迭代获得的数据库可信度来计算对象的真值集；2)使用上一次迭代获得的对象的真值集计算数据库的可信度。如此迭代直到最终达到稳定状态。稳定状态通过数据库的可信度的变化来度量，即用向量来表示，为当前得到的目标真值集的向量与上次计算得到的目标真值集的向量之间的差值。本发明使用余弦相似度来度量两次迭代之间的变化。如果只在迭代之后小于预设向量差，则迭代停止，此时得到的目标真值集为最终的真值集，并进行显示。

具体的，以下为本发明提供的上述迭代过程的算法。如果算法迭代k次，则该算法的时间复杂度为o(kmnl)。

algorithm-3:multi-truthfinding(optmtf)

input:s,e；

output:{truth|e∈e}.

steps:

1.initializethetrustworthinessofsourcesandget{t(s)|s∈s}；

2.n＝0；

3.do

4.n++；

5.while(e∈e)

6.computetruthaccordingtothealgorithm2；

7.endwhile

8.while(s∈s)

9.computet(s)accordingtotheformula(4)；

10.endwhile

11.until(theconvergenceconditionissatisfied)

12.return{truth|e∈e}；

当然，以上仅为一种具体实施例，本发明不限定具体的实现算法的内容。

在多真值发现问题中，由于在现实中，同一个描述有不同表现形式的情况可能更加常见，结合这些相似描述的影响可能更为重要，然而现有的真值发现算法没有考虑描述的不同表现形式，忽略了相似描述对真值的支持。例如，真值“shellwood”有另外一个表现形式“wood”，“shellwood”包含“wood”，所以“shellwood”有更高的概率成为一个真值。在实际中，许多错误的描述可能是由于数据不完整或缺少某部分造成的，这部分错误的相似描述可以用来提高真值的置信度，从而提升真值发现的准确率。因此，本发明将相似描述对一个描述的支持添加进该描述的置信度内，从而提高该描述成为真正的概率，进而提高了真值发现的准确度。

作为优选地，参见图3所示，图3为本发明提供的另一种数据库的对象描述提供方法的过程的流程图；步骤s22之后，步骤s23之前还包括：

步骤s220：判断当前是否得到全部描述的调和置信度，若是，则进入步骤s231；否则，进入步骤s221；

步骤s221：依据相似度规则确定可能值集内与描述相似的相似描述值列表；

步骤s222：计算相似描述值列表内每个相似描述值与描述之间的相似程度；

步骤s223：依据各个相似描述值与描述的相似程度以及描述的置信度进行整合，得到描述的调和置信度；

相应的，步骤s23调整为步骤s231：将调和置信度从大到小进行排序。

可以理解的是，本实施例通过查找每个描述的相似描述，并将这些相似描述对当前计算的描述的相似程度整合进当前计算的置信度中，来得到调和置信度。由于这些相似描述与当前计算的描述很可能属于同一个描述，因此需要将两者进行整合得到调和置信度，提高当前计算的描述成为真值的概率，避免由于部分描述不完整，使真值发现过程中部分描述置信度较低而导致的最终未将其包含在真值集中的情况，从而提高真值发现的准确性。

进一步的，步骤s222的过程包括：

依据支持度关系式，计算相似描述值列表内每个相似描述值与描述之间的相似程度；支持度关系式为：

其中，sup(v',v)为相似描述值v'与描述v之间的相似程度，z'为相似描述值v'的单词集合，z为描述v的单词集合，m为z'中的单词个数，n为z中的单词个数，z'[i]为z'中的第i个单词，z[j]为z中的第j个单词；issame(z'[i],z[j])∈{0,1}，z'[i]和z[j]相等时，issame(z'[i],z[j])取1，否则取0；例如,当v'＝“wood”，v＝“shellwood”时，sup(v',v)＝1但是sup(v,v')＝1/2。因此可以得出v有更高的概率成为真值。

进一步的，步骤s223的过程包括：

将各个相似描述值与描述的相似程度以及描述的置信度代入调和置信度关系式，得到描述的调和置信度；调和置信度关系式为：

c*(v)为描述v的调和置信度；ρ为比例参数，c(v')为相似描述值v'的置信度；为相似描述值列表。式中，ρ是一个0和1之间的参数，它控制相似值的影响。为了获得v的调和置信度c*(v),需要得到它的相似值列表sim(v)。基于启发式思想：一个描述的不同表现形式以及该描述几乎不会出现在同一值集中。因此，采用了一种简单的方法，sim(v)中的相似描述值需满足两个条件：1)它们对描述v的支持度大于零。2)它们不会出现在包含描述v的值集中。例如，“o’learytimothyj”根据条件1有两个相似值“o’learylindai”和“timothyj”。然而，“o’learytimothyj”和“o’learylindai”出现过在同一个值集中，所以它们很有可能是不同的值。所以根据条件2，能在相似值列表中保留更正确的值。具体算法如以下所示。

algorithm-2:supportlistcomputinginput:v*,b＝{c(v)|v∈v*}；

output:

steps:

当然，以上仅为一种具体实施例，本发明不限定具体的实现算法的内容。

本发明还提供了一种数据库的对象描述提供装置，参见图4所示，图4为本发明提供的一种数据库的对象描述提供装置的结构示意图。该装置包括：

接收模块1，用于接收各个数据库为对象提供的描述，一个数据库为对象提供的描述的集合为一个值集；全部数据库为对象提供的描述的并集为对象的可能值集；

多真值筛选模块2，用于计算所述可能值集中各个描述值的置信度，并按照置信度大小对各个描述值进行排序，从中筛选前n个置信度最高的描述值作为对象的真值，得到目标真值集；n大于1；

显示模块3，用于对目标真值集内的描述进行显示。

本发明提供的数据库的对象描述提供装置用于实现以上数据库的对象描述提供方法，因此，本发明提供的数据库的对象描述提供装置与以上数据库的对象描述提供方法一一对应。

本发明还提供了一种数据库的对象描述提供设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行计算机程序时实现如以上任一项的数据库的对象描述提供方法的步骤。

本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如以上任一项的数据库的对象描述提供方法的步骤。

以上的几种具体实施方式仅是本发明的优选实施方式，以上几种具体实施例可以任意组合，组合后得到的实施例也在本发明的保护范围之内。应当指出，对于本技术领域的普通技术人员来说，相关专业技术人员在不脱离本发明精神和构思前提下推演出的其他改进和变化，均应包含在本发明的保护范围之内。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。