CN115858418A - 一种数据缓存的方法及系统 - Google Patents
一种数据缓存的方法及系统 Download PDFInfo
- Publication number
- CN115858418A CN115858418A CN202310090161.3A CN202310090161A CN115858418A CN 115858418 A CN115858418 A CN 115858418A CN 202310090161 A CN202310090161 A CN 202310090161A CN 115858418 A CN115858418 A CN 115858418A
- Authority
- CN
- China
- Prior art keywords
- service data
- behavior
- data
- internet service
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请提供的一种数据缓存的方法及系统,可以从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;基于行为业务数据片段进行业务数据片段衍生,得到衍生区间;获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度;当置信度超过指定目标值时,确定衍生区间为行为特征范围;根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存;由于该方案可以识别出互联网业务数据中的行为范围,并基于行为范围对互联网业务数据进行缓存处理,能够有效的保障数据缓存的质量,提高数据缓存的精确度和可靠性。
Description
技术领域
本申请涉及数据缓存技术领域,具体而言,涉及一种数据缓存的方法及系统。
背景技术
数据缓存,指在硬盘内部的高速存储器,在电脑中就象一块缓冲器一样将一些数据暂时性的保存起来以供读取和再读取。对于大数据缓存的硬盘在存取零散文件时具有很大的优势。
现目前,在进行数据缓存的过程中,可能存在数据缓存异常的问题,从而难以保障数据缓存的质量,因此亟需一种技术方案以改善上述技术问题。
发明内容
为改善相关技术中存在的技术问题,本申请提供了一种数据缓存的方法及系统。
第一方面,提供一种数据缓存的方法,应用于数据缓存系统,所述方法至少包括:从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;将所述行为业务数据片段确定为实时衍生的基准,并通过所述基准的邻接业务数据片段进行业务数据片段衍生,得到衍生区间;获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度,所述行为业务数据片段数目为所述衍生区间中行为业务数据片段的数目,所述全局业务数据片段数目为所述衍生区间所包含的业务数据片段全局数目;当所述置信度超过指定目标值时,确定所述衍生区间为行为特征范围;通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
进一步地,所述通过所述基准的邻接业务数据片段进行业务数据片段衍生,得到衍生区间,包括:通过所述基准的邻接业务数据片段的损失值或特征值,确定所述邻接业务数据片段为可拓展单元,并将所述可拓展单元加载至初始拓展单元簇中;将所述基准优化为所述初始拓展单元簇中的可拓展单元,并将所述可拓展单元从所述初始拓展单元簇中剔除;返回执行确定所述基准的邻接业务数据片段的步骤,直到初始拓展单元簇的单元数目为零。
进一步地,通过所述基准的邻接业务数据片段的损失值或特征值,确定所述邻接业务数据片段为可拓展单元,包括:当所述基准的邻接业务数据片段的损失值在指定行为损失值区间内时,确定所述邻接业务数据片段为可拓展单元;当所述邻接业务数据片段与所述基准之间的特征值的比较结果落入指定特征值区间中时,确定所述邻接特征为可拓展单元。
进一步地,所述初始互联网业务数据为操作行为关键点;当所述邻接业务数据片段与所述基准之间的特征值的比较结果落入指定特征值区间中时,确定所述邻接特征为可拓展单元,包括:当所述邻接业务数据片段与所述基准之间的特征值的比较结果落入指定特征值区间中,且所述邻接业务数据片段不为行为业务数据片段时,获得所述邻接业务数据片段在候选操作行为关键点中的候选可拓展单元确定结果;当候选可拓展单元确定结果的变化符合指定变化要求时,确定所述邻接业务数据片段为可拓展单元。
进一步地,所述数据缓存的方法还包括:将所述行为业务数据片段的特征值配置为第一特征值;当确定所述邻接业务数据片段为可拓展单元时,将所述邻接业务数据片段的特征值配置为第一特征值;当确定所述邻接业务数据片段不为可拓展单元时,将所述邻接业务数据片段的特征值配置为第二特征值。
进一步地,在通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存之前,所述方法还包括:识别所述行为特征范围是否存在特征值为所述第二特征值的目标业务数据片段;如果存在,则将所述目标业务数据片段的特征值配置为所述第一特征值;通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:根据特征配置后的行为范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
进一步地,在获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度之前,所述数据缓存的方法还包括:判断所述衍生区间的全局业务数据片段数目是否超过指定数目;如果是,则执行获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度的步骤。
进一步地,通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,得到初始处理互联网业务数据;通过所述行为特征范围将所述初始互联网业务数据与所述初始处理互联网业务数据整合。
进一步地,通过所述行为特征范围将所述初始互联网业务数据与所述初始处理互联网业务数据整合,包括:通过所述初始互联网业务数据搭建待整合互联网业务数据,所述待整合互联网业务数据中待整合业务数据片段的特征值为指定特征值;对于属于所述行为特征范围的待整合业务数据片段,将所述待整合业务数据片段的特征值配置为所述待整合业务数据片段在所述初始处理互联网业务数据中的特征值;对于不属于所述行为特征范围的待整合业务数据片段,将所述待整合业务数据片段的特征值配置为所述待整合业务数据片段在所述初始互联网业务数据中的特征值。
进一步地,所述初始互联网业务数据为操作行为关键点;在通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存之前,所述数据缓存的方法还包括:将衍生后的操作行为关键点与衍生后的候选操作行为关键点进行特征整合,得到整合后行为特征范围;通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:通过所述整合后行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
进一步地,在通过所述整合后行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存之前,所述数据缓存的方法还包括:对整合后行为特征范围内业务数据片段的特征值进行平均值清洗;通过所述整合后行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:根据平均值清洗后的行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
第二方面,提供一种数据缓存的系统,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述的方法。
本申请实施例所提供的一种数据缓存的方法及系统,可以从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;基于行为业务数据片段进行业务数据片段衍生,得到衍生区间;获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度;当置信度超过指定目标值时,确定衍生区间为行为特征范围;根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存;由于该方案可以识别出互联网业务数据中的行为范围,并基于行为范围对互联网业务数据进行缓存处理,能够有效的保障数据缓存的质量,提高数据缓存的精确度和可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例所提供的一种数据缓存的方法的流程图。
图2为本申请实施例所提供的一种数据缓存的装置的框图。
图3为本申请实施例所提供的一种数据缓存的系统的架构图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
请参阅图1,示出了一种数据缓存的方法,该方法可以包括以下步骤101-105所描述的技术方案。
101、从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段。
其中,初始互联网业务数据可以数据集中的其中一个互联网业务数据,此时,初始互联网业务数据即操作行为关键点。
其中,初始互联网业务数据的获得方式有多种。
在本实施例中,可以获得数据集的操作行为关键点,从操作行为关键点中确定待衍生的行为业务数据片段。
譬如,从数据集的操作行为关键点中确定待衍生的行为业务数据片段。
其中,待衍生的行为业务数据片段可以之前未被衍生过的行为业务数据片段,譬如某个行为业务数据片段已经确定为基准进行特征衍生,或者已经确定为其他业务数据片段的衍生业务数据片段,那么该行为业务数据片段就不是待衍生的行为业务数据片段。
也即,步骤“从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段”,可以包括:从初始互联网业务数据的业务数据片段中选取的待确定业务数据片段;当待确定业务数据片段的损失值属于指定行为损失值区间内,且待衍生时,确定待确定特征为待衍生的行为业务数据片段。
其中,损失值和衍生的判断的时序可以根据需求设定,譬如,可以先判断业务数据片段的损失值是否属于指定行为损失值区间内,如果是,再判断该业务数据片段是否被衍生过。
又譬如,还可以先判断业务数据片段是否被衍生过,若否,则再判断业务数据片段的损失值是否属于指定行为损失值区间。
在本实施例中,可以将初始互联网业务数据转换成YUV格式的初始互联网业务数据,然后,从格式转换后互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段,具体地,可以基于业务数据片段的损失值确定待衍生的行为业务数据片段。
在本实施例中,可以采用遍历的方式确定待衍生的行为业务数据片段,譬如,可以遍历初始互联网业务数据的业务数据片段,并判断实时遍历到的业务数据片段是否为行为业务数据片段,如果是,并且该业务数据片段未被衍生过,则认为该实时遍历到的业务数据片段为待衍生的行为业务数据片段,可以基于该业务数据片段进行衍生,衍生结束后遍历下一个业务数据片段(直到所有业务数据片段遍历完)。若实时遍历到的业务数据片段不为待衍生的行为业务数据片段时,可以遍历下一个业务数据片段(直到所有业务数据片段遍历完)。
102、基于行为业务数据片段进行业务数据片段衍生,得到衍生区间。
其中,衍生区间可以为:基准与其衍生的业务数据片段所组成的特征范围,譬如,行为业务数据片段与其衍生的业务数据片段所组成的范围。
在本实施例中,可以以一个行为业务数据片段为基准,并向其周围邻域衍生业务数据片段,具体地,衍生过程可以如下:将行为业务数据片段确定为实时衍生的基准;确定基准邻接的邻接业务数据片段;根据邻接业务数据片段的损失值或特征值,确定邻接业务数据片段为可拓展单元,并将可拓展单元加载至初始拓展单元簇中;将基准优化为初始拓展单元簇中的可拓展单元,并将可拓展单元从初始拓展单元簇中剔除;返回执行确定基准的邻接业务数据片段的步骤,直到初始拓展单元簇的单元数目为零。
其中,可拓展单元可以为损失值或者特征值符合指定要求的邻接业务数据片段,该可拓展单元可以确定为基准继续进行业务数据片段衍生。
其中,可拓展单元的确定方式有多种,譬如,在本实施例中,可以将邻接的行为业务数据片段确定为可拓展单元,或者,将与基准之间的特征相差不大的邻接业务数据片段确定为可拓展单元。也即,步骤“根据邻接业务数据片段的损失值或特征值,确定邻接业务数据片段为可拓展单元”,可以包括:当邻接业务数据片段的损失值在指定行为损失值区间内时,确定邻接业务数据片段为可拓展单元;当邻接业务数据片段与基准之间的特征值的比较结果落入指定特征值区间中时,确定邻接特征为可拓展单元。
譬如,在指定行为损失值区间时,则认为该邻接业务数据片段为行为业务数据片段,此时,可以确定该邻接业务数据片段为可拓展单元。
为了查找与基准特征相差不大也即特征切换的邻接业务数据片段,本发明实施例可以计算邻接业务数据片段与基准之间的特征值的比较结果,当比较结果落入指定特征值区间中时,可以认为邻接业务数据片段为特征切换的业务数据片段,此时,可以确定该邻接业务数据片段为可拓展单元。
在本发明实施例方法应用到数据集中的前提下,即初始互联网业务数据为操作行为关键点时,步骤“当邻接业务数据片段与基准之间的特征值的比较结果落入指定特征值区间中时,确定邻接特征为可拓展单元”,可以包括:当邻接业务数据片段与基准之间的特征值的比较结果落入指定特征值区间中,且邻接业务数据片段不为行为业务数据片段时,获得邻接业务数据片段在候选操作行为关键点中的候选可拓展单元确定结果;当候选可拓展单元确定结果的变化符合指定变化要求时,确定邻接业务数据片段为可拓展单元。
其中,候选操作行为关键点为实时操作行为关键点之前的操作行为关键点,在本实施例中,候选操作行为关键点还可以包括实时操作行为关键点。
在本实施例中,为了便于互联网业务数据优化,还可以对互联网业务数据中行为业务数据片段以及确定为可拓展单元的邻接业务数据片段的特征值进行配置;譬如,本发明实施例数据缓存的方法还包括:将行为业务数据片段的特征值配置为第一特征值;当确定邻接业务数据片段为可拓展单元时,将邻接业务数据片段的特征值配置为第一特征值;当确定邻接业务数据片段不为可拓展单元时,将邻接业务数据片段的特征值配置为第二特征值。
本发明实施例中,可以遍历初始互联网业务数据的每个业务数据片段,并判断实时遍历到的业务数据片段是否为未衍生过的行为业务数据片段,若否,则遍历下一个业务数据片段(直到所有业务数据片段遍历完),如果是,则可以基于该业务数据片段进行衍生(具体衍生方式可以参考上述的介绍),并当该业务数据片段的衍生结束后,遍历下一个业务数据片段(直到所有业务数据片段遍历完)。
在遍历完所有的业务数据片段后便可以得到衍生出的特征范围即衍生区间;在本实施例中,如果在衍生过程中对业务数据片段的特征值配置的前提下,那么在遍历完所有的业务数据片段便可以得到两种特征的互联网业务数据。
103、获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度。
示例性的,置信度可以理解为比值。
在经过上述步骤得到衍生区间之后,本发明实施例可以评估或确定该衍生区间是否为行为特征范围,以便于后续针对行为特征范围进行优化。
为了提升行为范围的预测准确性,本发明实施例可以基于范围内行为业务数据片段数目与全局业务数据片段数目的置信度来确定行为特征范围。
其中,行为业务数据片段数目为衍生区间中行为业务数据片段的数目,全局业务数据片段数目为衍生区间所包含的业务数据片段全局数目。
譬如,在执行步骤103之前,本发明实施例方法还可以包括:判断衍生区间的全局业务数据片段数目是否超过指定数目;如果是,则执行获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度的步骤,即步骤103。
104、当置信度超过指定目标值时,确定衍生区间为行为特征范围。
105、根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
本发明实施例可以基于识别出的行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存如优化处理,譬如,可以对初始互联网业务数据中属于行为特征范围内的业务数据片段进行优化处理,该方案可以仅针对行为范围进行优化。
在本实施例中,可以采用互联网业务数据整合的方式来实现优化处理,譬如,步骤“根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存”,可以包括:对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,得到初始处理互联网业务数据;根据行为特征范围将初始互联网业务数据与初始处理互联网业务数据整合。
其中,初始互联网业务数据与初始处理互联网业务数据的整合可以包括:初始互联网业务数据与初始处理互联网业务数据的特征特征整合;具体地,特征特征整合可以包括互联网业务数据业务数据片段的特征值整合
譬如,在本实施例中,初始互联网业务数据与初始处理互联网业务数据整合的过程可以如下:根据初始互联网业务数据搭建待整合互联网业务数据,待整合互联网业务数据中待整合业务数据片段的特征值为指定特征值;对于属于行为特征范围的待整合业务数据片段,将待整合业务数据片段的特征值配置为待整合业务数据片段在优化后处理互联网业务数据中的特征值;对于不属于行为特征范围的待整合业务数据片段,将待整合业务数据片段的特征值配置为待整合业务数据片段在初始互联网业务数据中的特征值。
其中,待整合互联网业务数据可以为与初始互联网业务数据具有相同数据量,且业务数据片段为指定特征值的互联网业务数据。
譬如,可以根据初始互联网业务数据(如操作行为关键点)的数据量信息生成相应数据量(如相同数据量)的待整合互联网业务数据,其中,待整合互联网业务数据的数据量信息可以由特征来表示,且该待整合互联网业务数据中业务数据片段的特征值可以为零,即搭建一个白色的待整合互联网业务数据。
其中,待整合互联网业务数据可以包括多个业务数据片段,可以称为待整合业务数据片段。
本发明实施例可以基于行为特征范围将初始互联网业务数据和初始处理互联网业务数据进行整合,使得行为特征范围使用初始处理互联网业务数据的数据,非行为特征范围使用初始互联网业务数据的数据,从而实现仅针对行为特征范围进行优化,无需对整体互联网业务数据进行优化,保持了非行为范围的初始特征,提升了互联网业务数据置信度。
譬如,在衍生过程中对特征的特征值配置第一特征值(如白色特征值)或者第二特征值(如黑色特征值)的前提下,假设行为特征范围存在特征值为第二特征值的业务数据片段,那么根据上述介绍的优化方案可能会对这些业务数据片段优化不到。
为了提升优化效果和指令,在本实施例中,可以在根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存如优化处理之前,还可以识别行为特征范围是否存在特征值为第二特征值的目标业务数据片段,此时,可以将目标业务数据片段的特征值配置为第一特征值;最后,根据特征配置后的行为范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存如优化处理。
在本实施例中,为防止对数据集的操作行为关键点优化后,出现部分范围在行为边界并且在高频范围前提下导致互联网业务数据画面闪烁的问题,可以进行多帧整合,也即将衍生后的操作行为关键点(衍生后的初始互联网业务数据)与衍生后的候选操作行为关键点进行特征整合,以提升行为范围的可信度。
譬如,当初始互联网业务数据为数据集的操作行为关键点时,在对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存如优化处理之前,可以将衍生后的操作行为关键点与衍生后的候选操作行为关键点进行特征整合,得到整合后行为特征范围,然后,根据整合后行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存如优化处理。
其中,衍生后的操作行为关键点为针对实时数据集基于行为业务数据片段进行业务数据片段衍生后得到的操作行为关键点;衍生后的候选操作行为关键点可以为针对候选操作行为关键点基于行为业务数据片段进行业务数据片段衍生后得到的操作行为关键点。在本实施例中,如果衍生过程中配置特征的前提下,衍生后的操作行为关键点可以包括两种特征,也即上述第一特征和第二特征。
其中,衍生后的操作行为关键点与衍生后的候选操作行为关键点的整合过程可以包括:获得业务数据片段在衍生后的操作行为关键点以及在各衍生后候选操作行为关键点的平均特征值;然后,将业务数据片段在衍生后操作行为关键点中的特征值配置为该平均特征值。
在本实施例中,为了避免在对行为范围优化后出现明显的边界现象影响互联网业务数据质量,譬如,行为范围与周围环境范围的特征跳跃很大、特征过渡不平滑等。还可以对行为特征范围进行平均值清洗。也即,在根据整合后行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存如优化处理之前,还可以对整合后行为特征范围内业务数据片段的特征值进行平均值清洗,此时,步骤“根据整合后行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存”,可以包括根据平均值清洗后的行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
例如,将衍生后的操作行为关键点与衍生后的候选操作行为关键点进行特征整合,得到整合后行为特征范围;然后,对整合后行为特征范围进行平均值清洗,根据平均值清洗后的行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
由上可知,本发明实施例从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;基于行为业务数据片段进行业务数据片段衍生,得到衍生区间;获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度;当置信度超过指定目标值时,确定衍生区间为行为特征范围;根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存;从而大大提升了互联网业务数据的质量。
在本实施例中将以数据缓存的方法应用在数据集中为例,来进一步说明本发明的数据缓存的方法。
201、将初始操作行为关键点转换成操作行为关键点。
其中,数据集是由一系列的操作行为关键点构成,每一个操作行为关键点即为一个互联网业务数据。
其中,待衍生的行为业务数据片段可以之前未被衍生过的行为业务数据片段,譬如某个行为业务数据片段已经确定为基准进行特征衍生,或者已经确定为其他业务数据片段的衍生业务数据片段,那么该行为业务数据片段就不是待衍生的行为业务数据片段。
202、从操作行为关键点中确定待衍生的行为业务数据片段。
譬如,可以遍历操作行为关键点中的业务数据片段,并判断实时遍历到的业务数据片段是否为行为业务数据片段,如果是,并且该业务数据片段未被衍生过,则认为该实时遍历到的业务数据片段为待衍生的行为业务数据片段,可以基于该业务数据片段进行衍生,衍生结束后遍历下一个业务数据片段(直到所有业务数据片段遍历完)。若实时遍历到的业务数据片段不为待衍生的行为业务数据片段时,可以遍历下一个业务数据片段(直到所有业务数据片段遍历完)。
203、基于行为业务数据片段进行业务数据片段衍生,得到包括衍生区间的衍生后操作行为关键点。
其中,业务数据片段衍生可以包括:以某个业务数据片段(如行为业务数据片段)为基准或中心向其周围邻域衍生业务数据片段,具体地,查找符合一定要求的周围领域业务数据片段(譬如,查找行为业务数据片段、或者与基准特征相差不大的业务数据片段等等),然后,再以查找到的业务数据片段为基准继续向其周围邻域衍生业务数据片段直到符合终止要求为止。
其中,衍生区间可以为:基准与其衍生的业务数据片段所组成的特征范围,譬如,行为业务数据片段与其衍生的业务数据片段所组成的范围。
譬如,可以在遍历完操作行为关键点的所有业务数据片段时,可以得到包括衍生区间的衍生后操作行为关键点。
在本实施例中,衍生过程可以如下:将行为业务数据片段的特征值配置为第一特征值,并将行为业务数据片段确定为实时衍生的基准;确定基准邻接的邻接业务数据片段(譬如可以采用8邻域衍生方式,此时可以确定基准邻接的八个邻接业务数据片段);当邻接业务数据片段的损失值在指定行为损失值区间内时,确定邻接业务数据片段为可拓展单元,将可拓展单元加载至初始拓展单元簇中,并将邻接业务数据片段的特征值配置为第一特征值;当邻接业务数据片段与基准之间的特征值的比较结果落入指定特征值区间中时,确定邻接特征为可拓展单元,将可拓展单元加载至初始拓展单元簇中,并将邻接业务数据片段的特征值配置为第一特征值;当邻接业务数据片段的损失值在指定行为损失值区间内,且邻接业务数据片段与基准之间的特征值的比较结果不符合指定特征值区间时,确定邻接特征不为可拓展单元,并将邻接业务数据片段的特征配置为第二特征值;将基准优化为初始拓展单元簇中的可拓展单元,并将可拓展单元从初始拓展单元簇中剔除;返回执行确定基准的邻接业务数据片段的步骤,直到初始拓展单元簇的单元数目为零。
其中,可拓展单元可以为损失值或者特征值符合指定要求的邻接业务数据片段,该可拓展单元可以确定为基准继续进行业务数据片段衍生。
在本实施例中,为防止对数据集的操作行为关键点优化后,出现闪烁情况,还可以当邻接业务数据片段与基准之间的特征值的比较结果落入指定特征值区间中,且邻接业务数据片段不为行为业务数据片段时,获得邻接业务数据片段在候选操作行为关键点中的候选可拓展单元确定结果;当候选可拓展单元确定结果的变化符合指定变化要求时,确定邻接业务数据片段为可拓展单元。
其中,候选操作行为关键点为实时操作行为关键点之前的操作行为关键点,在本实施例中,候选操作行为关键点还可以包括实时操作行为关键点。
204、当衍生区间的全局业务数据片段数目超过指定数目时,获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度。
其中,行为业务数据片段数目为衍生区间中行为业务数据片段的数目,全局业务数据片段数目为衍生区间所包含的业务数据片段全局数目。
205、当置信度超过指定目标值时,确定衍生区间为行为特征范围。
206、当识别到衍生后操作行为关键点的行为特征范围存在特征值为第二特征值的目标业务数据片段时,将目标业务数据片段的特征值配置为第一特征值。
譬如,在衍生过程中对特征的特征值配置第一特征值或者第二特征值的前提下,假设行为特征范围存在特征值为第二特征值的业务数据片段,那么根据上述介绍的优化方案可能会对这些业务数据片段优化不到。
207、将衍生后操作行为关键点与衍生后候选操作行为关键点进行整合,得到整合后行为特征范围。
其中,衍生后操作行为关键点为针对实时数据集基于行为业务数据片段进行业务数据片段衍生后得到的操作行为关键点;衍生后候选操作行为关键点可以为针对候选操作行为关键点基于行为业务数据片段进行业务数据片段衍生后得到的操作行为关键点。
譬如,可以将实时衍生后的操作行为关键点与之前衍生后的七个候选操作行为关键点进行特征整合,也即对前8帧互联网业务数据做整合。
其中,衍生后操作行为关键点与衍生后候选操作行为关键点的整合过程可以包括:获得业务数据片段在衍生后的操作行为关键点以及在各衍生后候选操作行为关键点的平均特征值;然后,将业务数据片段在衍生后操作行为关键点中的特征值配置为该平均特征值。
208、对整合后行为特征范围内业务数据片段的特征值进行平均值清洗。
209、根据平均值清洗后的行为特征范围将初始操作行为关键点与优化处理后操作行为关键点整合,得到优化操作行为关键点。
其中,优化处理后操作行为关键点可以通过对初始操作行为关键点进行整体优化处理得到。
其中,操作行为关键点与优化处理后操作行为关键点整合的过程可以包括:根据初始操作行为关键点搭建待整合操作行为关键点,待整合操作行为关键点中待整合业务数据片段的特征值为指定特征值;对于属于行为特征范围的待整合业务数据片段,将待整合业务数据片段的特征值配置为待整合业务数据片段在优化处理后操作行为关键点中的特征值;对于不属于行为特征范围的待整合业务数据片段,将待整合业务数据片段的特征值配置为待整合业务数据片段在初始操作行为关键点中的特征值。
其中,待整合操作行为关键点可以为与初始操作行为关键点具有相同数据量,且业务数据片段为指定特征值的操作行为关键点。
譬如,可以根据初始操作行为关键点(如操作行为关键点)的数据量信息生成相应数据量(如相同数据量)的待整合操作行为关键点,其中,待整合操作行为关键点的数据量信息可以由特征来表示。
本发明实施例可以基于行为特征范围将初始互联网业务数据和初始处理互联网业务数据进行整合,使得行为特征范围使用初始处理互联网业务数据的数据,非行为特征范围使用初始互联网业务数据的数据,从而实现仅针对行为特征范围进行优化,无需对整体互联网业务数据进行优化,保持了非行为范围的初始特征,提升了互联网业务数据置信度。
在上述基础上,请结合参阅图2,提供了一种数据缓存的装置200,所述装置包括:
数据片段确定模块210,用于从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;
衍生区间得到模块220,用于将所述行为业务数据片段确定为实时衍生的基准,并通过所述基准的邻接业务数据片段进行业务数据片段衍生,得到衍生区间;
置信度获得模块230,用于获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度,所述行为业务数据片段数目为所述衍生区间中行为业务数据片段的数目,所述全局业务数据片段数目为所述衍生区间所包含的业务数据片段全局数目;当所述置信度超过指定目标值时,确定所述衍生区间为行为特征范围;
数据缓存模块240,用于通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
在上述基础上,请结合参阅图3,示出了一种数据缓存的系统300,包括互相之间通信的处理器310和存储器320,所述处理器310用于从所述存储器320中读取计算机程序并执行,以实现上述的方法。
在上述基础上,还提供了一种计算机可读存储介质,其上存储的计算机程序在运行时实现上述的方法。
综上,基于上述方案,可以从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;基于行为业务数据片段进行业务数据片段衍生,得到衍生区间;获得衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度;当置信度超过指定目标值时,确定衍生区间为行为特征范围;根据行为特征范围对初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存;由于该方案可以识别出互联网业务数据中的行为范围,并基于行为范围对互联网业务数据进行缓存处理,能够有效的保障数据缓存的质量,提高数据缓存的精确度和可靠性。
应当理解,上述所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种数据缓存的方法,其特征在于,应用于数据缓存系统,所述方法至少包括:
从初始互联网业务数据的业务数据片段中确定待衍生的行为业务数据片段;
将所述行为业务数据片段确定为实时衍生的基准,并通过基准的邻接业务数据片段进行业务数据片段衍生,得到衍生区间;
获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度,所述行为业务数据片段数目为所述衍生区间中行为业务数据片段的数目,所述全局业务数据片段数目为所述衍生区间所包含的业务数据片段全局数目;当所述置信度超过指定目标值时,确定所述衍生区间为行为特征范围;
通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
2.根据权利要求1所述的数据缓存的方法,其特征在于,所述通过所述基准的邻接业务数据片段进行业务数据片段衍生,得到衍生区间,包括:
通过所述基准的邻接业务数据片段的损失值或特征值,确定所述邻接业务数据片段为可拓展单元,并将所述可拓展单元加载至初始拓展单元簇中;
将所述基准优化为所述初始拓展单元簇中的可拓展单元,并将所述可拓展单元从所述初始拓展单元簇中剔除;
返回执行确定所述基准的邻接业务数据片段的步骤,直到初始拓展单元簇的单元数目为零。
3.根据权利要求2所述的数据缓存的方法,其特征在于,通过所述基准的邻接业务数据片段的损失值或特征值,确定所述邻接业务数据片段为可拓展单元,包括:
当所述基准的邻接业务数据片段的损失值在指定行为损失值区间内时,确定所述邻接业务数据片段为可拓展单元;
当所述邻接业务数据片段与所述基准之间的特征值的比较结果落入指定特征值区间中时,确定所述邻接特征为可拓展单元。
4.根据权利要求3所述的数据缓存的方法,其特征在于,所述初始互联网业务数据为操作行为关键点;当所述邻接业务数据片段与所述基准之间的特征值的比较结果落入指定特征值区间中时,确定所述邻接特征为可拓展单元,包括:
当所述邻接业务数据片段与所述基准之间的特征值的比较结果落入指定特征值区间中,且所述邻接业务数据片段不为行为业务数据片段时,获得所述邻接业务数据片段在候选操作行为关键点中的候选可拓展单元确定结果;
当候选可拓展单元确定结果的变化符合指定变化要求时,确定所述邻接业务数据片段为可拓展单元。
5.根据权利要求2所述的数据缓存的方法,其特征在于,所述数据缓存的方法还包括:
将所述行为业务数据片段的特征值配置为第一特征值;当确定所述邻接业务数据片段为可拓展单元时,将所述邻接业务数据片段的特征值配置为第一特征值;
当确定所述邻接业务数据片段不为可拓展单元时,将所述邻接业务数据片段的特征值配置为第二特征值。
6.根据权利要求5所述的数据缓存的方法,其特征在于,在通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存之前,所述方法还包括:
识别所述行为特征范围是否存在特征值为所述第二特征值的目标业务数据片段;
如果存在,则将所述目标业务数据片段的特征值配置为所述第一特征值;
通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:根据特征配置后的行为范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
7.根据权利要求1所述的数据缓存的方法,其特征在于,在获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度之前,所述数据缓存的方法还包括:
判断所述衍生区间的全局业务数据片段数目是否超过指定数目;如果是,则执行获得所述衍生区间中行为业务数据片段数目与全局业务数据片段数目的置信度的步骤。
8.根据权利要求1所述的数据缓存的方法,其特征在于,通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:
对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,得到初始处理互联网业务数据;
通过所述行为特征范围将所述初始互联网业务数据与所述初始处理互联网业务数据整合;
其中,通过所述行为特征范围将所述初始互联网业务数据与所述初始处理互联网业务数据整合,包括:
通过所述初始互联网业务数据搭建待整合互联网业务数据,所述待整合互联网业务数据中待整合业务数据片段的特征值为指定特征值;对于属于所述行为特征范围的待整合业务数据片段,将所述待整合业务数据片段的特征值配置为所述待整合业务数据片段在所述初始处理互联网业务数据中的特征值;
对于不属于所述行为特征范围的待整合业务数据片段,将所述待整合业务数据片段的特征值配置为所述待整合业务数据片段在所述初始互联网业务数据中的特征值。
9.根据权利要求1所述的数据缓存的方法,其特征在于,所述初始互联网业务数据为操作行为关键点;在通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存之前,所述数据缓存的方法还包括:将衍生后的操作行为关键点与衍生后的候选操作行为关键点进行特征整合,得到整合后行为特征范围;
通过所述行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:通过所述整合后行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存;
其中,在通过所述整合后行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存之前,所述数据缓存的方法还包括:对整合后行为特征范围内业务数据片段的特征值进行平均值清洗;
通过所述整合后行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存,包括:根据平均值清洗后的行为特征范围对所述初始互联网业务数据进行互联网业务数据处理,确定数据处理结果,并将所述数据处理结果进行缓存。
10.一种数据缓存的系统,其特征在于,包括互相之间通信的处理器和存储器,所述处理器用于从所述存储器中读取计算机程序并执行,以实现权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310090161.3A CN115858418B (zh) | 2023-02-09 | 2023-02-09 | 一种数据缓存的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310090161.3A CN115858418B (zh) | 2023-02-09 | 2023-02-09 | 一种数据缓存的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115858418A true CN115858418A (zh) | 2023-03-28 |
CN115858418B CN115858418B (zh) | 2023-05-05 |
Family
ID=85657826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310090161.3A Active CN115858418B (zh) | 2023-02-09 | 2023-02-09 | 一种数据缓存的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115858418B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070156508A1 (en) * | 2006-01-05 | 2007-07-05 | Gilpin Brian M | Capacity management index system and method |
US20080065694A1 (en) * | 2006-09-08 | 2008-03-13 | Google Inc. | Local Search Using Address Completion |
WO2016123657A1 (en) * | 2015-02-05 | 2016-08-11 | Alternative Capital Solutions Pte Ltd | Computer implemented frameworks and methodologies configured to enable generation of a synthetic profit and loss report based on business data, and loan management based on including risk-based loan construction and pricing and/or pricing based on data analysis of default risk and loss given default parameters |
CN109284236A (zh) * | 2018-08-28 | 2019-01-29 | 北京三快在线科技有限公司 | 数据预热方法、装置、电子设备及存储介质 |
CN111523678A (zh) * | 2020-04-21 | 2020-08-11 | 京东数字科技控股有限公司 | 业务的处理方法、装置、设备及存储介质 |
CN112749181A (zh) * | 2021-01-20 | 2021-05-04 | 丁同梅 | 针对真实性验证和可信溯源的大数据处理方法及云服务器 |
CN112818032A (zh) * | 2021-01-26 | 2021-05-18 | 龚世燕 | 服务于大数据挖掘分析的数据筛选方法及数据分析服务器 |
CN113536323A (zh) * | 2021-08-02 | 2021-10-22 | 广州米捷网络科技有限公司 | 一种针对远程在线办公的大数据安防处理方法及服务器 |
CN113570192A (zh) * | 2021-06-21 | 2021-10-29 | 天津大学 | 一种基于大数据的农业社交智能服务系统 |
CN114817747A (zh) * | 2022-05-25 | 2022-07-29 | 铜仁市恒盛网络科技有限公司 | 基于互联网大数据的用户行为分析方法及云计算业务系统 |
CN115391810A (zh) * | 2022-09-23 | 2022-11-25 | 高印 | 一种基于大数据的数据分级加密方法及ai系统 |
CN115422592A (zh) * | 2021-12-15 | 2022-12-02 | 邓禄红 | 大数据安防处理方法及系统 |
CN115481197A (zh) * | 2022-09-26 | 2022-12-16 | 高维国 | 一种分布式数据处理方法、系统及云平台 |
CN115514570A (zh) * | 2022-09-26 | 2022-12-23 | 于霄宇 | 一种网络诊断处理方法、系统及云平台 |
-
2023
- 2023-02-09 CN CN202310090161.3A patent/CN115858418B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070156508A1 (en) * | 2006-01-05 | 2007-07-05 | Gilpin Brian M | Capacity management index system and method |
US20080065694A1 (en) * | 2006-09-08 | 2008-03-13 | Google Inc. | Local Search Using Address Completion |
WO2016123657A1 (en) * | 2015-02-05 | 2016-08-11 | Alternative Capital Solutions Pte Ltd | Computer implemented frameworks and methodologies configured to enable generation of a synthetic profit and loss report based on business data, and loan management based on including risk-based loan construction and pricing and/or pricing based on data analysis of default risk and loss given default parameters |
CN109284236A (zh) * | 2018-08-28 | 2019-01-29 | 北京三快在线科技有限公司 | 数据预热方法、装置、电子设备及存储介质 |
CN111523678A (zh) * | 2020-04-21 | 2020-08-11 | 京东数字科技控股有限公司 | 业务的处理方法、装置、设备及存储介质 |
CN112749181A (zh) * | 2021-01-20 | 2021-05-04 | 丁同梅 | 针对真实性验证和可信溯源的大数据处理方法及云服务器 |
CN112818032A (zh) * | 2021-01-26 | 2021-05-18 | 龚世燕 | 服务于大数据挖掘分析的数据筛选方法及数据分析服务器 |
CN113570192A (zh) * | 2021-06-21 | 2021-10-29 | 天津大学 | 一种基于大数据的农业社交智能服务系统 |
CN113536323A (zh) * | 2021-08-02 | 2021-10-22 | 广州米捷网络科技有限公司 | 一种针对远程在线办公的大数据安防处理方法及服务器 |
CN115422592A (zh) * | 2021-12-15 | 2022-12-02 | 邓禄红 | 大数据安防处理方法及系统 |
CN114817747A (zh) * | 2022-05-25 | 2022-07-29 | 铜仁市恒盛网络科技有限公司 | 基于互联网大数据的用户行为分析方法及云计算业务系统 |
CN115391810A (zh) * | 2022-09-23 | 2022-11-25 | 高印 | 一种基于大数据的数据分级加密方法及ai系统 |
CN115481197A (zh) * | 2022-09-26 | 2022-12-16 | 高维国 | 一种分布式数据处理方法、系统及云平台 |
CN115514570A (zh) * | 2022-09-26 | 2022-12-23 | 于霄宇 | 一种网络诊断处理方法、系统及云平台 |
Non-Patent Citations (1)
Title |
---|
WONG Y K: "A confidence-based framework for business to consumer (B2C) mobile commerce adoption" * |
Also Published As
Publication number | Publication date |
---|---|
CN115858418B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11106567B2 (en) | Combinatoric set completion through unique test case generation | |
US20170372230A1 (en) | Machine learning management method and machine learning management apparatus | |
US10705935B2 (en) | Generating job alert | |
CN110737399B (zh) | 用于管理存储系统的方法、设备和计算机程序产品 | |
US10776354B2 (en) | Efficient processing of data extents | |
CN113391765A (zh) | 基于分布式存储系统的数据存储方法、装置、设备及介质 | |
CN111258990A (zh) | 索引库数据迁移方法、装置、设备及存储介质 | |
WO2024022424A1 (en) | System and methods for metadata services | |
CN117762898A (zh) | 数据迁移方法、装置、设备及存储介质 | |
US11429317B2 (en) | Method, apparatus and computer program product for storing data | |
CN115858418A (zh) | 一种数据缓存的方法及系统 | |
US11934927B2 (en) | Handling system-characteristics drift in machine learning applications | |
CN115049003A (zh) | 一种预训练模型微调方法、装置、设备和存储介质 | |
CN114936187A (zh) | 数据文件的处理方法、装置、设备及存储介质 | |
US20230035666A1 (en) | Anomaly detection in storage systems | |
CN115687618A (zh) | 基于人工智能的用户意图分析方法及系统 | |
US11494430B2 (en) | Data storage apparatus and data prediction method thereof | |
CN114401496A (zh) | 一种基于5g边缘计算的视频信息快速处理方法 | |
CN111767204B (zh) | 溢出风险检测方法、装置及设备 | |
CN111190800A (zh) | 预测主机的批量运行时长的方法、系统、装置及存储介质 | |
US9996570B2 (en) | Index traversals utilizing alternative in-memory search structure and system memory costing | |
CN114691830B (zh) | 一种基于大数据的网络安全分析方法及系统 | |
CN115563153B (zh) | 基于人工智能的任务批量处理方法、系统及服务器 | |
US11513862B2 (en) | System and method for state management of devices | |
US11226935B2 (en) | Method, device and computer program product for determining duplicated data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |